Immagina di avere un elenco dei tuoi clienti. Chiedi a un assistente di intelligenza artificiale: “Quanti clienti ho?” L’assistente risponde, sicuro: 412.
Ma nell’elenco lo stesso cliente compare tre volte: “Mario Rossi”, “Rossi Mario”, “M. Rossi”. Per te è una persona, per il computer sono tre. Il numero giusto era 410. Nessuno ti ha avvisato, e la risposta sembra perfetta.
È questo il conto che arriva dopo: un errore che non si vede, dentro una risposta che sembra giusta.
“Ci pensa l’IA a ripulire”
È la risposta più comune. Ed è la prima cosa da controllare.
Nel novembre 2025 alcuni ricercatori del Politecnico di Milano hanno dato a GPT-4, Claude, Gemini, Llama e DeepSeek elenchi con errori inseriti apposta, chiedendo di analizzarli e ripulirli. Il risultato: i modelli aiutano, ma non in modo uniforme. Più il dato è sporco, meno sono affidabili. E faticano con un’operazione che per un programma tradizionale è banale: contare, per esempio quante righe hanno un problema. Un programma tradizionale conta con esattezza. Un modello può darti un numero che sembra giusto senza esserlo.
Per gli autori i modelli non possono ancora sostituire gli strumenti di preparazione dei dati: possono affiancarli.
Attenzione: hanno messo alla prova i modelli come assistenti a cui si passa un elenco e si fa una domanda. Gli agenti di oggi, quelli che lavorano sui tuoi file, fanno diversamente: scrivono ed eseguono codice, e il conto lo fa il codice, con la precisione di un programma. Su questo punto vanno molto meglio.
Ma il codice conta ciò che trova. Se “Mario Rossi” e “Rossi Mario” sono scritti in modo diverso, ne conta due, e lo fa senza sbagliare. Un conto esatto su dati disordinati dà un risultato esatto e sbagliato. A volte l’agente si accorge del problema e decide come trattarlo. In quel caso, cosa ha deciso e se ha deciso bene lo devi verificare tu.
Le aziende si fidano dei propri dati più di quanto dovrebbero
Nella primavera del 2026 Cloudera ha intervistato 1.270 responsabili IT di grandi aziende. L’84% si dice fiducioso sull’accuratezza dei propri dati. Ma solo il 18% dice di averli completamente sotto controllo, e circa 4 su 5 ammettono che il poco accesso ai dati frena i progetti di IA. (È un sondaggio di un’azienda che vende piattaforme di dati: va letto con questa cautela.)
Sentirsi sicuri non vuol dire avere il controllo.
Chi costruisce i modelli fa la stessa cosa
Anche chi addestra le intelligenze artificiali più usate non parte dal disordine. Il gruppo che ha costruito FineWeb, un archivio di 15.000 miliardi di parole raccolte dal web, ha documentato come filtra e toglie i duplicati dai dati. La versione filtrata per contenuti educativi ha fatto ottenere ai modelli risultati molto migliori nei test di conoscenza e ragionamento.
E se i modelli diventano così bravi da non servire più?
È un’obiezione seria, e la prendo sul serio. I modelli migliorano ogni mese. È possibile che gran parte dei problemi che oggi ci sembrano causati dai dati sporchi, tra un anno o due, faccia molti meno danni. Non lo escludo, e non pretendo di sapere dove sarà la tecnologia.
Eppure partire da dati in ordine resta una regola valida. Per tre motivi.
- Non sai quanto costa scoprire gli errori. Progettare i controlli, misurare quanti errori ci sono, correggerli: è lavoro. Ogni verifica chiesta all’IA consuma tempo e token (le unità con cui si paga l’uso dell’IA). Quanto, nessuno lo sa in anticipo: è un’incognita e, molte volte, uno spreco.
- L’IA corregge lungo la strada, ma il tuo file spesso resta com’era. Se le chiedi un risultato, può accorgersi che un dato è sbagliato, sistemarlo mentre lavora e mostrarti la risposta giusta. Ma non è detto che l’errore sia stato corretto anche nel file da cui è partita. La volta dopo, o per la persona dopo di te, sarà ancora sbagliato.
- Se parti da dati sbagliati, le strade sono due, e nessuna è comoda.
- O il risultato dell’IA è viziato da errori iniziali che non conosci e che forse scoprirai troppo tardi.
- Oppure le chiedi di correggere a ritroso i tuoi dati. E allora la domanda è: chi se la sente di bendarsi gli occhi e affidare il controllo dei propri dati a un operatore esterno, per quanto bravo e per quanto dica di migliorare ogni giorno?
Ordinare i dati prima ti lascia in mano il controllo. Il resto lo puoi delegare.
Tre regole che valgono con qualunque IA
I modelli cambiano ogni pochi mesi. Queste no:
- Ogni cosa scritta una sola volta, sempre nello stesso modo.
- Colonne fisse: ogni colonna, un solo tipo di informazione.
- Un dato, un posto. Se la stessa informazione vive in due elenchi, prima o poi diranno due cose diverse.
Con i dati in ordine puoi controllare cosa risponde l’IA. Con i dati in disordine devi fidarti.
Da dove cominciare
Nel corso “Dalla A alla AI” parto proprio da qui, con carta e penna. La lezione A è gratuita, dura dieci minuti e non richiede nessuna registrazione.
Fonti: Spreafico e altri, IEEE Internet Computing 2025 · Cloudera e Researchscape, aprile 2026 · Penedo e altri, FineWeb, 2024