Le matrici decisionali sembrano semplici sulla carta: alternative, criteri, pesi e punteggi. Trasformare il metodo in un prodotto conversazionale ha rivelato una sfida più interessante: rendere esplicite le ipotesi senza trasformare la decisione in burocrazia.
Il metodo non era il prodotto
Il calcolo è diretto: moltiplicare ogni punteggio per il peso del criterio, sommare e ordinare le alternative. Un foglio di calcolo lo fa già. Il valore del prodotto consiste nel guidare l'utente verso una matrice che valga la pena calcolare.
Spesso le alternative partono con livelli di dettaglio diversi, i criteri si sovrappongono e i pesi esprimono desideri più che priorità reali. L'app deve riconoscere queste debolezze, porre domande utili e lasciare comunque il controllo alla persona.
- Normalizzare le alternative senza cancellare differenze significative.
- Separare criteri che misurano aspetti distinti.
- Spiegare come un peso modifica il risultato.
- Conservare l'incertezza invece di inventare precisione.
La conversazione raccoglie; la matrice stabilizza
Usiamo la conversazione per raccogliere contesto e affinare il linguaggio. Appena un elemento entra nel modello decisionale, passa allo stato strutturato. Alternative e criteri ricevono identificatori; pesi e punteggi vengono validati; i totali calcolati in modo deterministico.
Il widget diventa l'oggetto condiviso tra utente e modello. La persona può cambiare direttamente un valore, ChatGPT può proporre una revisione ed entrambi operano sulla stessa matrice esplicita. Così la conversazione non si allontana dal risultato mostrato.
- Identificatori stabili tra i turni di conversazione.
- Calcoli deterministici fuori dalla prosa del modello.
- Risultati strutturati per il rendering.
- Riepilogo testuale conciso per continuare la discussione.
Progettare per il disaccordo
Una classifica non conclude una decisione. Il momento utile è spesso scoprire che due opzioni sono vicine, un criterio domina o una piccola modifica ribalta il risultato. L'interfaccia deve quindi mostrare la sensibilità, non soltanto celebrare un vincitore.
Trattiamo i punteggi come affermazioni verificabili. L'utente deve poter chiedere perché un'opzione ha ricevuto un valore, modificarlo e vedere subito l'impatto. La matrice diventa così uno strumento di pensiero, non una macchina di risposte.
- Mostrare i contributi ponderati, non solo i totali.
- Evidenziare risultati vicini e criteri dominanti.
- Mantenere le modifiche reversibili.
- Usare le spiegazioni per rendere produttivo il disaccordo.
Cosa abbiamo imparato
Il pattern più forte è la separazione delle responsabilità. Il modello raccoglie contesto, riconosce ambiguità e spiega compromessi. Il codice valida e calcola. L'interfaccia confronta e consente modifiche precise.
Quando abbiamo provato ad affidare tutti e tre i compiti a un solo livello, l'esperienza è peggiorata. L'architettura finale vale oltre le matrici decisionali: si applica a budget, simulazioni e processi in cui la conversazione ha bisogno di un oggetto di lavoro affidabile.
In sintesiUn buon prodotto AI non sostituisce il metodo con la conversazione: usa la conversazione per rendere il metodo più comprensibile, completo e discutibile.