Il brand esisteva da anni, ma viveva sparso: logo in una cartella, colori in un’altra, regole dentro vecchie presentazioni. Due materiali diversi, fatti a distanza di mesi, potevano contraddirsi senza che nessuno se ne accorgesse. Il sito stesso usava due logiche di colore opposte nella stessa pagina.

Il lavoro è partito dalla stessa domanda del progetto Queneau: cosa deve esistere alla fine? Un documento solo, che decide. Da lì a ritroso: raccogliere tutto il materiale esistente, confrontarlo, far emergere le contraddizioni, portarle a chi poteva scioglierle.

Oltre quattrocentocinquanta file sono stati passati in rassegna. Ogni passaggio è stato fatto due volte: una per produrre, una per contestare. Chi scriveva una regola non era chi la verificava — e il verificatore aveva il compito di cercare l’errore, non di approvare. Le decisioni che contano, però, non le ha prese nessuna macchina: l’arancio è umano e il blu è tecnologico perché «l’arancio per me è caldo e umano». Quella frase vale più di qualsiasi analisi.

Ne è uscito un BrandBook in quindici capitoli: una regola cromatica sola, un font solo, un logo con i suoi file ufficiali, un tono di voce, e un capitolo onesto intitolato «punti da confermare» per le cose ancora aperte.

Dichiarato, come dice il BrandBook stesso

È stato generato con l’AI: la raccolta, i confronti, la stesura dei capitoli, le immagini di esempio. Anche il documento web che lo contiene — l’impaginazione, il CSS, la navigazione — è stato scritto così.

Lo scrivo qui perché il BrandBook lo prescrive al capitolo sul tono di voce: usare l’AI non è disonesto, lo è usarla senza dichiararlo. E perché la differenza sta tutta in cosa resta umano: la decisione, la verifica, la correzione. Un modello può produrre in una notte quello che richiederebbe settimane, e può sbagliare con la stessa velocità. Per questo ogni cosa è stata riletta e confrontata con la fonte prima di diventare una regola.

È il metodo applicato a se stesso: HI+AI=AI(Fluency) non come slogan, ma come procedura di lavoro.

Le parole di AI-utati

Le definizioni, per chi le cerca e per chi deve citarle.

AI-utati

Approccio professionale e antropocentrico all’uso dell’Intelligenza Artificiale nel lavoro reale. Il nome si legge in due modi: «aiutati», l’invito a crescere, e «AI», la tecnologia che abilita. Fondato da Roberto Micarelli, formatore, coach e consulente con oltre 40 anni di esperienza.

mAIndset

Il mindset di crescita aumentato dall’AI. Il nome nasce dall’assonanza tra «mindset» e la lettura all’italiana di «m-AI-ndset»: dentro la parola c’è l’AI, ma la parola resta quella di sempre. Non è un atteggiamento verso la tecnologia, è il modo di pensare di chi la usa: scegliere prima il processo e poi lo strumento, tenere la persona dentro il ciclo di decisione, accettare che la perfezione non esiste e migliorare a ogni passaggio. Si scrive mAIndset, senza trattini.

AI(Fluency)

Le competenze che permettono di riconoscere quando e come l’AI può creare valore, senza dover essere tecnici né guru del settore. Non è saper usare uno strumento: è saper giudicare quando serve e quando no.

HI+AI=AI(Fluency)

La formula del metodo. L’Intelligenza Umana (HI) sommata all’Intelligenza Artificiale (AI) produce AI(Fluency), che resta una competenza umana applicata all’AI. Per questo nella formula «HI» e «(Fluency)» sono arancioni: sono le parti umane.

Human-in-the-Loop

La persona resta dentro il processo: controllo e validazione umana a ogni passaggio critico. L’AI come co-pilota, mai come pilota automatico.

Fusion Skills

La fusione tra competenze tecniche e umane, nel lessico di World Economic Forum, McKinsey, Accenture e OCSE. È la validazione esterna del metodo: non lo dice solo Roberto.