Il mio secondo cervello

Il 27 giugno ho deciso che avrei dato corpo a un pensiero con cui mi intrattenevo da tempo: usare l’intelligenza artificiale come un secondo cervello, un posto dove tutto quello che leggo si accumula, si collega e si può interrogare, invece di scomparire a ogni conversazione. Era già da un po’ che avevo iniziato ad accumulare documenti, ma quello è stato il momento in cui ho deciso di metterli insieme in modo sistematico.

Quel sabato mattina ho recuperato tra le mie note salvate un documento di Andrej Karpathy, tra i fondatori di OpenAI e per anni capo dell’intelligenza artificiale di Tesla, che descrive questa idea in modo operativo. Ci ho puntato sopra Claude Code e gli ho chiesto di leggerlo e di propormi come organizzare tutto il materiale che avevo accumulato. Un’ora e un quarto dopo avevo una wiki personale: 64 pagine di sintesi delle mie fonti e 67 pagine sui concetti e sulle persone ricorrenti, tutte collegate tra loro. Oggi, quaranta giorni dopo, le pagine di fonti sono quasi 250 e i concetti più di 200.

Qui voglio raccontare concretamente che cosa ho fatto (con istruzioni precise e facili alla fine), ma soprattutto perché.

Per prima cosa, qual è lo status quo e dove è carente? La modalità più comune e conosciuta di utilizzo dell’intelligenza artificiale è la chat: apri ChatGPT, fai la domanda, leggi la risposta, chiudi. Una sorta di ricerca su Google potenziata. Per mille cose va benissimo così, ma il limite è che ogni conversazione riparte da zero, o quasi. Ieri gli hai spiegato chi sei, che cosa stai studiando, a che punto era arrivato il tuo ragionamento; oggi lo rispieghi. La “memoria” che questi servizi offrono è per il momento poca cosa: qualche appunto su di te, non il tuo lavoro.

Il problema comunque non è ChatGPT in sé, come prodotto. Il problema è fermarsi all’intelligenza artificiale come chatbot quando può lavorare come agente: un programma che legge e scrive i file sul tuo computer, esegue operazioni, e lavora dentro un contesto che tu gli costruisci intorno, un pezzo alla volta. Gli strumenti per usarlo come agente esistono già, i due più famosi e facili da usare sono Claude Code (di Anthropic) e Codex (di OpenAI): programmi che girano nel terminale, lo schermo nero da hacker dei film, e sono nati per scrivere codice. Ho già raccontato come hanno cambiato il mestiere di programmatore, ma qui il codice non c’entra: a un agente puoi affidare una cartella di note esattamente come una cartella di codice. E la differenza tra chatbot e agente, su una cartella di note, è la differenza tra chiedere aiuto a un esperto qualsiasi o a quello che lavora da mesi nella tua biblioteca personale.

Il documento che ho recuperato quel sabato è un “gist” di Andrej Karpathy, cioè una pagina di appunti pubblici, intitolato LLM Wiki. L’idea è quella che dicevamo, e più precisamente, invece di far ripescare all’intelligenza artificiale i documenti grezzi ogni volta che fai una domanda, per poi ricominciare da capo alla domanda successiva, l’IA costruisce e mantiene una wiki: pagine di sintesi in file di testo, collegate tra loro, che crescono a ogni fonte nuova. La conoscenza si compila una volta, e da lì in poi si mantiene, si corregge e si interroga.

Un elemento importante è la divisione dei ruoli. L’umano procura le fonti, fa le domande, scrive appunti o riflessioni o testi propri. L’IA fa il lavoro di magazzino: riassume, collega, archivia, tiene l’indice e il diario. L’argomento forte di Karpathy è che la parte costosa di una base di conoscenza personale non è leggere, e non è nemmeno pensare: è la manutenzione. È di manutenzione che muoiono le wiki personali e gli schedari: il costo di tenere in ordine cresce più in fretta del valore che ne ricavi, e a un certo punto smetti. Un modello linguistico non si annoia, non dimentica un rimando e aggiorna quindici pagine in un colpo solo. Il costo che rendeva l’idea non sostenibile è sceso quasi a zero, rendendola finalmente una buona idea.

Concretamente, ci sono tre pezzi fondamentali: un editor di testo (Obsidian), uno strumento per salvare le pagine web che leggo (Web Clipper), e l’intelligenza artificiale per tenere tutto in ordine (Claude Code).

Le note sono file di testo in una cartella sul mio computer. Per scriverle e leggerle uso un editor di testo particolare, che si chiama Obsidian, perché è contemporaneamente semplicissimo da usare (è un programma gratuito in cui le note sono semplici file di testo dentro una cartella sul tuo disco: niente formati proprietari, niente obbligo di cloud) ma fornisce qualche aggiunta particolarmente comoda, come i collegamenti tra note che permettono di navigarle con un click, come fossero pagine web, e il Web Clipper.

Che cos’è il Web Clipper? Quando leggo qualcosa che merita di restare, lo salvo con l’Obsidian Web Clipper, appunto, che è un’estensione del browser, gratuita anche lei: un clic dal browser e l’articolo, ripulito dalla pubblicità e convertito in testo, finisce in una cartella della vault che si chiama Clippings.

Poi apro Claude Code su quella cartella e gli dico di ingerire. /ingest è il comando che abbiamo definito insieme quel primo sabato: legge la fonte nuova, scrive una pagina di sintesi con le tesi e i numeri principali, aggiorna o crea le pagine dei concetti e delle persone toccate, collega tutto con wikilink, aggiorna l’indice generale e appende una riga al diario. Una fonte tocca dieci o quindici pagine. A me quel lavoro costerebbe una mezz’ora di sofferenza e quindi ovviamente non la farei mai; a lui costa qualche minuto, durante il quale io continuo a fare altro.

Le regole che Claude rispetta sono contenute in un file di istruzioni che l’agente rilegge a ogni sessione, e le più importanti sono i confini. Le fonti originali sono immutabili: lui le legge, non le tocca mai. La wiki è sua, e ogni pagina è firmata come sua. I miei appunti personali sono miei, e lui non ci scrive mai (a meno che non gli dica esplicitamente di creare un riepilogo di una nostra conversazione). Ogni pagina di sintesi porta in cima il link all’originale, così la verifica è sempre a un clic.

Un esempio recente. Il 24 luglio Matteo Flora ha pubblicato la sua lettura dell’incidente OpenAI–Hugging Face, il caso del modello che è uscito dal suo ambiente di test per rubare le soluzioni di un benchmark dai server di un’altra azienda. Quando gli ho risposto è stato facile riprendere le fonti primarie: le analisi di Zvi Mowshowitz, il post di Redwood Research, la cronologia della denuncia di Hugging Face. Quelle fonti non le ho cercate dopo aver letto Flora: le avevo lette e clippate nei giorni precedenti, man mano che uscivano, la wiki le aveva già sintetizzate e collegate tra loro, e avevo già scritto delle piccole riflessioni in forma di appunti. Quando ho chiesto a Claude di recuperarmi quello che avevamo sull’incidente, la risposta non è partita da zero: è partita da settimane di letture già digerite e riflessioni già abbozzate. Il vantaggio è che il ragionamento era già mezzo fatto, e fatto nei giorni in cui avevo la testa dentro le singole fonti, una alla volta.

L’uso quotidiano è ancora più semplice: faccio domande, abbozzo riflessioni, annoto pensieri. Dove ho letto quella cosa sui benchmark? Approfondiamo le analogie e le differenze tra gli animali e i LLM. Che fonti abbiamo che contraddicono questa tesi? Ogni tanto gli chiedo un controllo di salute della wiki: contraddizioni tra pagine, pagine rimaste orfane, buchi da colmare. E le conversazioni interessanti non rimangono chiuse nello storico delle chat: diventano pagine nuove, così anche le esplorazioni si accumulano.

Inoltre, una volta che il meccanismo base è stabilito, ci si può costruire sopra. Alcune piccole aggiunte, per me importanti ma opzionali: conservo tutto anche in remoto, in una repository su GitHub, pubblico automaticamente un sito web (protetto da password) ad ogni aggiornamento con il contenuto della wiki, in modo da poter accedere comodamente (in sola lettura) anche da cellulare o da qualsiasi altro dispositivo. Ho aggiunto anche una specie di app di spaced repetition con carte da studio per tenere freschi i temi che voglio ricordare, e ho creato una specie di sotto-wiki che ho messo a disposizione di un gruppo di amici, basata sulle domande che mi hanno fatto. Sto valutando se rendere tutta la mia wiki pubblica: di fatto è una raccolta ragionata e tematica di tutto quello che ho letto e raccolto sull’IA negli ultimi mesi, che cresce e elaboro quotidianamente.

C’è un’obiezione seria, una domanda che mi sono fatto e che mi sto facendo, a cui sento di dover rispondere. Non sto rischiando di delegare il mio pensiero? Non sto appaltando la comprensione a una macchina?

Una prima risposta sta nella divisione dei ruoli. Scelgo io che cosa leggere, le domande sono mie, le posizioni che prendo sono mie. Quello che ho appaltato è il magazzino: la sintesi ordinata, i rimandi, l’indice, il ritrovare le cose. Ed è un lavoro che prima non faceva nessuno: non è che prima collegassi a mano le mie letture in uno schedario; prima, semplicemente, si perdevano.

Anzi, il contesto accumulato cambia la qualità delle risposte che ricevo. Il chatbot, se gli poni la domanda nel modo giusto, ti mostra la variabilità dei risultati di internet che trova; l’agente con la tua wiki ti risponde dentro il tuo percorso: sa che cosa hai già letto, quali obiezioni hai già incontrato, dove eri rimasto, e ti mostra anche le contraddizioni tra le diverse fonti... o con te stesso!

Inoltre, questo metodo mi rende indipendente da un singolo fornitore di IA: non sono dipendente da Claude. La specifica IA non tiene in memoria niente, tutto il mio materiale elaborato rimane sul mio computer (con backup su GitHub). Se domani decidessi di usare Codex o altri modelli agentici open source, potrei farlo facilmente. E se domani si rompessero tutte le IA del mondo, io avrei comunque tutto il contenuto della wiki sul mio computer.

Però il rischio della delega cognitiva c’è, è sempre in agguato. Il rischio di dire “mettimi insieme quello che ho, riassumi tutto, ecco, questo è diventato il mio pensiero”. Rimane vero il consiglio che rivolgo agli altri: prima di chiedere idee a una IA, fai brainstorming tu; prima di chiedere ipotesi di soluzioni, ipotizzale tu; prima pensa, e poi chiedi. Tenere vivo questo consiglio e farlo costantemente costa fatica, ma sono convinto che il bilancio complessivo, anche considerato questo rischio e questa fatica, sia largamente positivo.

Tornando a considerazioni pragmatiche, dal punto di vista economico il costo è solo quello dell’abbonamento all’intelligenza artificiale, una ventina di euro al mese per l’uso normale, un centinaio se la usi intensamente. Vale sia per Claude sia per ChatGPT. Obsidian è gratuito per uso personale, il Web Clipper è gratuito.

L’attrito principale è un altro: Claude Code e Codex girano nel terminale, e se non l’hai mai usato fa impressione. La buona notizia è che il programma che devi imparare è anche il miglior insegnante disponibile: gli scrivi “non ho mai usato il terminale, guidami tu”, e lui ti guida.

E infine, come al solito: è uno strumento che funziona se lo usi. L’ingestione va chiesta, la wiki cresce se la usi, ha senso se leggi quel che scrive, lo correggi quando sbaglia e lo usi attivamente.

Tutto quello che ho raccontato è il mio flusso personale. Boris Cherny, il creatore di Claude Code, racconta di parlare ogni giorno con ingegneri di altre aziende e di sentire sempre la stessa storia: una persona ha moltiplicato per dieci la sua produttività con l’IA, e il resto dell’organizzazione non le sta dietro. Per questo ha messo in fila i gradini dell’adozione dell’IA, una scala da 0 a 4: al gradino 0 l’accesso agli strumenti è bloccato dai processi aziendali, al gradino 1 c’è una persona che lavora in coppia con un agente e ne controlla ogni passo, ai gradini successivi gli agenti diventano dieci, cento, mille, e le persone smettono di guardare ogni singola modifica e iniziano a guidare per obiettivi. Ogni gradino è un passaggio di astrazione in più, che puoi fare quando i modelli sono potenti abbastanza da avere quelle capacità di astrazione, quando hai costruito le strutture che ti permettono di fidarti dei risultati di livello più basso, ma anche quando ci sono le condizioni aziendali per poterlo fare.

La scala di Cherny è pensata per il codice e per le aziende, ma la logica vale per qualsiasi lavoro cognitivo. Quello che ho descritto in questo pezzo è il gradino individuale: una persona, la sua wiki, il suo agente. Il passo successivo è mettersi insieme: persone che condividono una stessa missione o uno stesso obiettivo, come i colleghi di un’azienda, ma anche come ricercatori che vogliono collaborare su un tema, e che mettono in comune il magazzino. Ognuno porta le sue fonti, le sue domande, i suoi appunti; quello che uno ha letto e capito diventa contesto per tutti. I dettagli sono importanti però, e non mi sono ancora necessariamente chiari: che cosa rimane individuale ma accessibile agli altri, che cosa diventa comune, come cambiano le abitudini di interazione?

La sotto-wiki che ho condiviso con il gruppo di amici è un primo piccolo passo in questa direzione, ma in una direzione sola. Il passaggio vero, una wiki alimentata e interrogata da più persone con una missione comune, è una cosa che mi piacerebbe mettere in pratica appena l’uso di strumenti agentici come questi prenderà più piede. Da cui anche il mio interesse personale ed egoistico a diffondere questa modalità di utilizzo dell’IA: più siamo, e più ci divertiamo!

Ti servono tre cose: un abbonamento a Claude o a ChatGPT; Obsidian, gratuito; il Web Clipper, gratuito. Poi installi Claude Code (o Codex) seguendo le istruzioni sul sito, oppure chiedi a una chat qualsiasi “come installo Claude Code sul mio computer”.

Crei una cartella vuota, che sarà la tua vault di Obsidian, apri Claude Code lì dentro e gli incolli questo:

Da lì in poi il giro è quello che ho raccontato: leggi, clippa, di’ “ingerisci”, fai domande. E se in qualunque punto ti perdi, tra installazioni e terminale, la scorciatoia è sempre quella: incolla nella chat della tua IA il pezzo sopra, o anche il link a questo articolo e digli che ti sei perso e che ti aiuti.

Il mio secondo cervello è nato un sabato mattina, in un’ora e un quarto, e il lavoro noioso l’ha fatto e lo fa lui. Da allora leggo come ho sempre letto, ma quello che leggo non si perde più per strada. Il tuo secondo cervello è a un copia-incolla di distanza, e chissà, forse tra qualche mese ne avremo un altro in comune.