Un blogger della conoscenza ha condiviso la sua esperienza. Nel 2019, si era posto l'obiettivo di leggere 100 libri all'anno. Alla fine, ne ha letti circa 60 o 70.
Il suo ex capo gli diede poi un feedback: non è che ti manca la cognizione; è che ne hai troppa. Devi andare a fare le cose. Da allora, ha letto meno e lavorato di più.
Quando ho letto questo, ho pensato che descrivesse la situazione di molte persone.
Hai letto i libri e preso appunti. Quando discuti le idee del libro, ogni parola ti è familiare. Ma quando devi davvero usare queste cose per affrontare un problema, già alla terza frase potresti non riuscire ad andare avanti.
Quando leggi, è facile annuire. Un libro ha senso, e un altro articolo ha senso. Anche due opinioni opposte possono sembrare entrambe ragionevoli se messe vicine. Questo perché la lettura non ti obbliga a sceglierne una sul momento.
L'output ti costringe a scegliere.
Scrivere un articolo, fare un PPT o organizzare una lezione funziona allo stesso modo. Prima di iniziare, pensi di avere tutto chiaro in testa. Quando inizi davvero, ti accorgi che la seconda e la terza parte non si collegano, gli esempi non dimostrano la conclusione e ci sono diversi termini comuni che non riesci nemmeno a definire con chiarezza.
Non è un problema di espressione. È che non ci hai pensato fino in fondo.
Conosco anche un insegnante di scrittura. Ha condotto un esperimento di scrittura con l'AI, volendo che l'AI imitasse il suo stile. Prima ha scritto una serie di prompt di sistema, ha lasciato che l'AI generasse una grande quantità di testo, e poi ha individuato i difetti frase per frase.
Ogni volta doveva rispondere a tre domande: quale frase era sbagliata, perché era sbagliata e in quali circostanze poteva essere scritta in quel modo? Ogni giro di feedback confluiva nella versione successiva delle regole.
Dopo più di un mese, ha scritto: in questo processo, quello che veniva addestrato non era l'AI; ero io.
Perché in origine sapeva cosa non gli piaceva, ma non riusciva a formulare chiaramente i criteri. Solo quando l'AI produceva il testo riusciva a individuare i problemi. Indicarlo una volta non bastava; doveva spiegare il perché. Con l'accumularsi di questi feedback, un insieme di giudizi originariamente nascosti nell'abitudine si è lentamente trasformato in regole che potevano essere articolate.
Questo è ciò che fa l'output. Trasforma il "più o meno lo so" in qualcosa che può essere esaminato. Solo quando un articolo è scritto gli altri possono segnalare cosa non capiscono. Solo quando un prodotto è realizzato gli utenti possono dirti cosa non sono disposti a usare. Solo quando un piano di ricerca è scritto un mentore può vedere dove la tua catena causale si spezza.
Il feedback negativo diventa utile solo a questo punto.
Un amico imprenditore una volta mi disse che il feedback negativo è un feedback positivo a livello informativo. Ricavi in calo, dati deludenti e opposizioni da parte degli altri indicano almeno che c'è qualcosa che va affrontato.
Ma il feedback non fa progredire automaticamente le persone.
Se qualcuno dice che un articolo è incomprensibile, puoi pensare che il livello del lettore sia insufficiente. Se nessuno usa un prodotto, puoi continuare a spiegare che il mercato non capisce. Finché il comportamento non cambia, il feedback è solo un'altra notizia scomoda.
Quindi il punto dell'output non è la singola azione del "pubblicare". Include creare qualcosa, ricevere feedback, giudicare se il feedback è corretto e poi decidere cosa cambiare.
Ogni passo in questo processo richiede che l'autore scelga da sé.
Questo spiega anche perché gli aggiornamenti quotidiani non formano necessariamente un giudizio.
Alcune persone pubblicano contenuti ininterrottamente per uno o due anni, ma quando guardi i loro articoli nel complesso, sono sempre le stesse poche frasi. Passa a un problema specifico, e quei contenuti non riescono a rispondere. Uno dei miei studenti ha suggerito un test: mettere tutti i contenuti che una persona ha prodotto in passato in una knowledge base di AI e vedere se questa knowledge base riesce a rispondere a domande specifiche.
Penso che sia un ottimo test.
Se si inseriscono centinaia di articoli e riesce a generare solo parole corrette ma inutili, la quantità di quegli articoli è grande, ma al loro interno non ci sono molti giudizi. Se riesce a rispondere a una domanda specifica e a fornire casi passati, condizioni e scelte diverse, significa che questa persona ha davvero lasciato qualcosa dietro di sé.
Per questo non sono d'accordo con il detto "basta produrre output in grandi quantità e alla fine cambierai il tuo destino".
Senza input, l'output diventa presto povero. Senza fatti, casi ed esperienze nuove, puoi solo riutilizzare i giudizi che hai già formulato. Ho un parente che scrive continuamente, e ha un'osservazione: alcune persone non vengono svuotate dall'output perché la loro velocità di input è maggiore della velocità di output.
Questo "input" non si riferisce solo alla lettura di libri. Fare progetti, incontrare clienti, gestire fallimenti e discutere con gli altri aggiungono materiale. Quando una persona ha davvero vissuto e gestito più cose, i contenuti che scrive avranno naturalmente dettagli. Senza queste cose, affidarsi solo all'aumento della frequenza di pubblicazione renderà presto la scrittura vuota.
Lettura e output non sono una scelta aut-aut.
La lettura fornisce concetti, fatti ed esperienze altrui. L'output richiede di riorganizzare questi materiali e fornire le proprie relazioni di causa-effetto. Il feedback ti permette di vedere se questo insieme di spiegazioni regge ancora per gli altri. La revisione lascia la scelta finale.
Dall'avvento dell'AI, questi passaggi sono diventati più distinti.
In passato, non riuscire a scrivere poteva dipendere da una mancanza di capacità organizzativa o dal digitare troppo lentamente. Ora, generare un articolo strutturalmente completo non è difficile. Titoli, casi e conclusioni possono esserci tutti. Quindi, "scriverlo" in sé è meno indicativo delle capacità rispetto a prima.
Ciò che crea davvero la differenza è quali materiali hai dato all'AI, cosa hai eliminato, quali fatti hai aggiunto e, infine, quale giudizio hai mantenuto.
L'AI può generare dieci versioni. Non può decidere al posto tuo con quale punto di vista sei davvero d'accordo, quale esempio regge al vaglio critico e quale frase sei disposto a firmare.
Questa decisione spetta ancora a te.
L'output non deve essere necessariamente pubblico. Note di ricerca, codice, bozze non pubblicate e scalette di corsi possono completare questo giro di elaborazione. La chiave è se, dopo aver finito, hai le idee più chiare sul problema rispetto a quando hai iniziato.
Se non è così, hai solo cambiato il formato dei materiali.
Se lo è, la lettura comincia finalmente a trasformarsi nel tuo giudizio.
