Il problema non è che l’AI sbaglia. È che ti dà ragione.

C’è uno scenario che probabilmente conosci. È sera tardi, hai aperto l’app della tua banca per la terza volta nella stessa giornata, il portafoglio segna meno quattro per cento sulla settimana, e ti viene un’idea. Apri ChatGPT. Scrivi qualcosa tipo “i mercati stanno scendendo, dovrei alleggerire?”.

Quello che ricevi in risposta è la cosa più insidiosa che esista in finanza. Un’analisi articolata, ragionevole, scritta con sicurezza, che parla esattamente la tua lingua e tiene conto di tutto quello che hai detto al modello nelle conversazioni precedenti.

Nei mesi scorsi una giornalista finanziaria americana ha condotto un esperimento che vale la pena commentare. Per diverse settimane ha trattato un’intelligenza artificiale come il suo consulente personale. Portafoglio simulato da un milione di dollari, orizzonte di lungo periodo, profilo di crescita, contabilità fiscale. L’allocazione che ha ottenuto, almeno sulla carta, era difendibile. Cinquanta per cento in azioni americane diversificate, venti per cento in internazionali tra paesi sviluppati ed emergenti, una parte in obbligazioni governative, qualche posizione in immobiliare quotato e in protezione dall’inflazione. Un professionista certificato chiamato a giudicarla l’ha promossa senza fatica.

Poi sono successe due cose interessanti.

La prima è un dettaglio quasi banale. A un certo punto il modello ha sbagliato un’operazione aritmetica elementare. Su cifre piccole non cambia nulla, ma se moltiplichi quell’errore per somme reali e per dieci, venti, trent’anni di capitalizzazione, ti accorgi che anche un decimale fuori posto sposta la traiettoria di una pianificazione finanziaria.

La seconda è più sottile, e merita di soffermarsi. Quando il conflitto con l’Iran ha fatto tremare il Nasdaq, e i mercati globali con lui, la giornalista ha chiesto al modello cosa fare. La risposta? Ridurre l’esposizione alle azioni internazionali, aggiungere una componente di protezione inflazionistica, considerare opzioni se non costavano troppo. Tradotto, market timing. Quasi nessun professionista serio raccomanda di praticarlo in prima persona, perché statisticamente costa più di quanto renda. Anche quando indovini la notizia, puoi sbagliare la mossa.

Una cosa che si impara presto, gestendo capitali per mestiere, è che il momento in cui un investitore ha più bisogno di un metodo coincide quasi sempre con quello in cui meno desidera averne uno. È un paradosso che vale tanto per i grandi mandati istituzionali quanto per il singolo risparmiatore. Quando la pressione sale, il metodo è esattamente la cosa che vorresti scaricare, e proprio per questo è ciò che serve di più. L’intelligenza artificiale quel ruolo non lo sa fare. Non perché sia stupida, ma perché è stata progettata per servirti, non per resisterti.

E qui arriva il punto più scomodo dell’intero esperimento. Quando la giornalista, sapendo perfettamente di stare ragionando contro il proprio interesse di lungo periodo, ha chiesto al modello informazioni sugli ETF a leva, prodotti che amplificano i movimenti del mercato e che possono erodere capitale in fretta, l’AI ha fatto il suo dovere. L’ha avvertita. Le ha spiegato perché erano un cattivo abbinamento con il suo profilo. Poi ha aggiunto, con tono cordiale, che se voleva poteva identificarne tre attualmente attivi, così da valutare insieme se uno potesse avere senso come piccola allocazione tattica nel portafoglio.

Un ricercatore dell’Università della Florida che studia da tempo il comportamento di questi modelli ha riassunto la cosa con una formula efficace. Quando l’utente insiste, il sistema tende ad assecondarlo. Non per malizia, ma perché è ottimizzato per produrre risposte che soddisfano l’interlocutore. Detto in altri termini, quando chiedi a un’intelligenza artificiale se è una buona idea fare qualcosa, il bias di partenza pende verso il sì.

Pensa per un momento a come si applica a quello che succede quando un investitore si avvicina ai mercati nei momenti difficili. Quasi nessuno si pone la domanda “sto sbagliando a essere pessimista?”. La maggior parte cerca conferme di una decisione già presa, magari a metà strada. Uno specchio elegante e articolato che parla è esattamente lo strumento sbagliato in quel momento. Andrew Lo, professore di finanza al MIT, ha usato un’analogia che mi sembra calzante. Trattate questi modelli come trattereste un assistente universitario brillantissimo che però ha un piccolo problema con le sostanze. Utile per esplorare idee, ma da prendere con cautela quando si tratta di decidere.

Il contesto attuale aggrava la questione. I mercati nel 2026 stanno assorbendo una sequenza rara di eventi. Il ritorno della volatilità dopo anni di rialzo guidato dai grandi nomi della tecnologia. La decisione della Corte Suprema americana di smontare l’impianto tariffario su scala globale a febbraio. Un’Europa che cerca di posizionarsi tra blocchi senza farsi schiacciare. E un’industria che continua a produrre nuovi strumenti accessibili a chiunque abbia una connessione. Sono esattamente le condizioni perché un investitore qualunque si convinca di dover fare qualcosa. E qualunque sistema gli dica come farla sembrerà, in quel momento, l’amico giusto. Secondo un sondaggio recente della società di intermediazione eToro, già oggi circa tre investitori al dettaglio su dieci usano l’intelligenza artificiale per decisioni di portafoglio.

C‘è infine una questione strutturale che tende a essere ignorata. In finanza esiste un concetto chiamato dovere fiduciario. L’obbligo di un professionista di agire nell’interesse del cliente, anche quando questo interesse va contro le richieste momentanee del cliente stesso. Un’intelligenza artificiale, per come è costruita oggi, non ha questo vincolo. Risponde, propone, esegue. Non difende il cliente da se stesso. Lo stesso Lo lo ha riassunto bene. Probabilmente in futuro si potranno addestrare modelli a comportarsi con un dovere fiduciario, come si addestrano gli esseri umani. Ma quei modelli oggi non esistono, e nemmeno le protezioni regolatorie per chi li usa.

Cosa farsene, allora, di questa tecnologia? Non ignorarla, sarebbe miope. È utile per capire concetti, esplorare scenari, ottenere un secondo parere su una tesi di investimento, perfino per preparare le domande giuste prima di una conversazione importante. Ma quando si parla del proprio capitale, il problema non è quasi mai trovare informazioni. Il problema è sapere cosa fare quando il mercato grida e l’istinto chiede di reagire. In quel momento serve qualcuno o qualcosa che possa permettersi di dirti di no. Non un sistema ottimizzato per dirti “interessante, esploriamolo insieme”.

La differenza tra ragionare sui mercati con un metodo e ragionare sui mercati con uno specchio non si vede nei mesi facili. Si vede quando arriva la prima settimana brutta, e qualcuno propone di guardare insieme i tre prodotti a leva che potrebbero “fare al caso tuo”. È lì che si pesa la qualità delle scelte fatte prima.