L’adozione diffusa dei modelli di intelligenza artificiale, e in particolare dei modelli generativi, ha reso evidente una trasformazione profonda del lavoro cognitivo. L’AI non si presenta come una tecnologia confinabile in un solo dominio tecnico, ma come una tecnologia general purpose, capace di attraversare funzioni, ruoli e settori. Utilizzare efficacemente un modello linguistico non significa soltanto saperlo “attivare”, ma comprenderne i limiti, interpretarne gli output, inserirlo in processi organizzativi, valutarne le implicazioni normative ed etiche e, soprattutto, esercitare giudizio sul risultato. In questo senso, l’AI non riduce il bisogno di competenze umane: lo sposta. E lo sposta verso forme di competenza intrinsecamente multidisciplinari.

È in questo scenario che il pensiero di Waqas Ahmed, sviluppato nel libro The Polymath (2018), assume una particolare rilevanza teorica e pratica. Ahmed non propone semplicemente un elogio della curiosità o della versatilità individuale, ma una critica strutturale al paradigma dell’iper-specializzazione che ha dominato l’educazione e il lavoro industriale e post-industriale. La sua tesi centrale è che la poliedricità non sia un’eccezione riservata a pochi “geni rinascimentali”, ma una condizione umana naturale, progressivamente compressa da sistemi che premiano l’identità professionale monodimensionale.

Secondo Ahmed, la specializzazione è diventata nel tempo non solo una necessità tecnica, ma una norma culturale. L’idea che “bisogna scegliere una cosa sola” è stata interiorizzata come segno di serietà, affidabilità e competenza. Tuttavia, questa norma entra in crisi quando i problemi da affrontare non sono più isolabili entro un singolo dominio. Le grandi sfide contemporanee – dalla trasformazione digitale alla governance dell’AI, dalla sostenibilità all’innovazione organizzativa – sono problemi compositi, nei quali tecnologia, comportamento umano, istituzioni, economia e valori si intrecciano. In questi contesti, la competenza esclusivamente verticale rischia di produrre una forma di cecità locale: si ottimizza ciò che si conosce bene, perdendo di vista il sistema nel suo insieme.

Ahmed sostiene che la poliedricità consenta invece di operare a un livello diverso: quello della connessione. Il polimata non è semplicemente colui che accumula interessi diversi, ma chi sviluppa la capacità di trasferire concetti, metodi e intuizioni da un campo all’altro, generando nuove cornici interpretative. Questo punto è cruciale: molte innovazioni decisive non nascono dall’approfondimento ulteriore di una soluzione già impostata, ma da una ridefinizione del problema stesso. La poliedricità agisce prima ancora della soluzione, sul modo in cui il problema viene visto.

Questa intuizione trova riscontro anche in altri filoni di ricerca. Gli studi di Scott E. Page sulla diversità cognitiva mostrano che gruppi composti da persone con prospettive, strumenti mentali ed euristiche differenti possono superare, in contesti complessi, gruppi di specialisti omogenei anche molto competenti. Il vantaggio non deriva da una maggiore abilità media, ma da una maggiore varietà di modi di esplorare lo spazio delle soluzioni. La poliedricità individuale, o la combinazione di profili poliedrici all’interno dei team, aumenta proprio questo spazio esplorabile.

Anche il lavoro divulgativo di David Epstein, in Range, converge su un punto affine: in ambienti instabili, ambigui e in rapido cambiamento, percorsi di sviluppo più ampi e meno precocemente specializzati producono una migliore capacità di adattamento, trasferimento e apprendimento. Pur non usando sempre il termine “polymath”, Epstein descrive lo stesso vantaggio strutturale che Ahmed rivendica: la capacità di operare oltre i confini rigidi delle discipline.

L’elemento nuovo, rispetto al passato, è che l’AI rende questo vantaggio non più opzionale, ma necessario. I modelli generativi sono in grado di produrre testi, codice, analisi e immagini con una competenza che, in molti casi, eguaglia o supera quella dello specialista medio. Ciò che il modello non possiede, però, è una comprensione situata del contesto, delle finalità organizzative, delle conseguenze indirette e dei criteri di valore. Per usare bene l’AI occorre saper formulare obiettivi adeguati, valutare criticamente gli output, riconoscere errori sottili ma rilevanti, integrare il risultato in processi reali e assumersene la responsabilità. Tutte queste attività richiedono una combinazione di conoscenza di dominio, capacità analitica, sensibilità umana e comprensione sistemica.

In questo senso, l’AI non sostituisce il polimata: lo presuppone. Più la produzione esecutiva viene automatizzata, più aumenta il valore di chi sa orchestrare, giudicare, collegare e decidere. Ahmed insiste sul fatto che la poliedricità non è sinonimo di superficialità. Al contrario, è una forma esigente di competenza, perché richiede di mantenere profondità sufficienti in più ambiti e, soprattutto, di sviluppare una metacompetenza di integrazione. È proprio questa capacità che consente di evitare l’uso ingenuo o pericoloso delle tecnologie intelligenti.

Il contributo di Ahmed va letto non come una nostalgia per il Rinascimento, ma come una risposta lucida alle condizioni del presente. In un mondo del lavoro attraversato dall’AI, la specializzazione estrema rischia di essere rapidamente assorbita o marginalizzata, mentre la poliedricità diventa una risorsa strategica: non per sapere tutto, ma per tenere insieme ciò che altrimenti si frammenterebbe. La sfida, oggi, non è scegliere tra profondità e ampiezza, ma imparare a coltivarle entrambe in modo coerente. È questa la lezione centrale del pensiero polimatico di Ahmed, ed è una lezione che l’era dell’intelligenza artificiale rende più attuale che mai.

Misurare la poliedricità

Per comprendere fino in fondo il valore della poliedricità nell’epoca dell’intelligenza artificiale è necessario affrontare un ultimo nodo concettuale: come riconoscerla e valutarla, senza ridurla a una lista di competenze o a una generica attitudine alla curiosità. Anche su questo punto il pensiero di Waqas Ahmed è chiaro: la poliedricità non è una skill isolabile né un tratto psicologico stabile, ma una capacità relazionale, che emerge solo quando una persona è posta di fronte a problemi reali, ambigui e multidimensionali. Per questo motivo non può essere misurata con strumenti tradizionali, ma solo osservata nel modo in cui il soggetto pensa, connette e giudica.

Valutare la poliedricità significa innanzitutto spostare lo sguardo dall’accumulo di titoli o certificazioni alla qualità delle traiettorie cognitive e professionali. Una persona poliedrica non appare tale perché “sa fare molte cose”, ma perché ha sviluppato più competenze a un livello sufficiente da renderle operative e dialoganti tra loro. Questa operatività si manifesta nella capacità di sostenere conversazioni tecniche credibili in ambiti diversi, di produrre output valutabili in più contesti e di farsi riconoscere come interlocutore affidabile anche da specialisti di altri domini. La poliedricità, dunque, non coincide con la dispersione, ma con una pluralità di profondità funzionali che restano integrate.

Il tratto distintivo, tuttavia, non è la molteplicità in sé, bensì la capacità di trasferimento. Ahmed insiste sul fatto che il vero valore del polimata emerge quando concetti, metodi e strutture mentali apprese in un ambito vengono riutilizzate per comprendere e risolvere problemi in un altro. Questa abilità di riconoscereanalogie strutturali, di riformulare una domanda prima di rispondere e di cambiare cornice interpretativa è ciò che permette di affrontare problemi complessi senza rimanere prigionieri di un singolo paradigma. È lo stesso meccanismo che la letteratura sulla diversità cognitiva, in particolare il lavoro di Scott E. Page, identifica come fonte di vantaggio nei gruppi eterogenei: non una maggiore intelligenza media, ma una maggiore varietà di strumenti cognitivi disponibili.

Questa capacità di integrazione diventa ancora più evidente quando la poliedricità viene osservata nei contesti di lavoro con l’AI, e in particolare nelle pratiche di prompting. Il prompting efficace non è un’abilità puramente linguistica né un semplice trucco tecnico. È, piuttosto, una forma condensata di giudizio poliedrico. Scrivere un buon prompt significa comprendere il dominio di riferimento, sapere quali concetti sono rilevanti e quali irrilevanti, anticipare i possibili errori del modello, tradurre obiettivi vaghi in istruzioni operative e costruire criteri impliciti di qualità. Chi possiede solo competenza tecnica tende a produrre prompt formalmente corretti ma poveri di contesto; chi possiede solo conoscenza di dominio tende a delegare troppo al modello; chi è poliedrico, invece, orchestra il dialogo con l’AI come un processo iterativo di esplorazione, verifica e raffinamento.

In questo senso, il prompting diventa uno strumento privilegiato per misurare la poliedricità in azione. Una persona poliedrica non accetta l’output del modello come risposta definitiva, ma lo valuta criticamente, lo confronta con conoscenze esterne, lo rielabora e, se necessario, riformula la richiesta. Sa distinguere tra errori superficiali e errori concettuali, riconosce quando il problema non è risolvibile con più dati o più istruzioni e decide consapevolmente quando fermarsi. Questa capacità di valutazione non è automatizzabile e rappresenta uno dei principali ambiti in cui il valore umano si mantiene distinto da quello della macchina.

Misurare la poliedricità, dunque, significa osservare come una persona si muove tra i livelli: tra tecnica e significato, tra output e contesto, tra soluzione e responsabilità. È una valutazione che richiede problemi aperti, scenari realistici e tempo per vedere emergere il processo di pensiero, più che il risultato immediato. In questo senso, la poliedricità si rivela una competenza profondamente contemporanea: difficile da certificare, ma immediatamente riconoscibile quando è all’opera.

Il contributo di Ahmed trova qui la sua conferma più concreta. Nell’era dell’AI, la poliedricità non è un lusso intellettuale né un tratto estetico della personalità, ma una condizione operativa per esercitare controllo, giudizio e responsabilità su sistemi sempre più potenti. Dove la specializzazione estrema rischia di essere assorbita o superata dai modelli, la capacità di integrare saperi, valutare contesti e orientare l’azione resta irriducibilmente umana. È in questa zona di confine, tra intelligenza artificiale e intelligenza umana, che la poliedricità mostra oggi tutta la sua forza.