«Correre non sempre significa arrivare prima». In un mondo in cui l’intelligenza artificiale accelera ogni fase dell’innovazione – dall’idea al prototipo, dall’analisi dati alla soluzione finale – la fretta spesso gioca brutti scherzi. Succede spesso: squadre e aziende si lanciano subito sulle soluzioni, senza aver davvero definito quale problema stanno affrontando. Ne deriva un cortocircuito: risposte superficiali, poco efficaci, specialmente quando la tecnologia mette sul tavolo una miriade di opzioni, più confuse che chiarificatrici. C’è un metodo, nato dal Design Council britannico e adottato anche in Italia, al Politecnico di Milano con il progetto InnoverAI, che suggerisce esattamente il contrario: rallentare per riflettere, immergersi nel problema prima di correre verso la soluzione. Si chiama Double Diamond, ed è più attuale che mai.
Due diamanti per capire davvero il problema prima di risolverlo
Presentato ormai vent’anni fa, il Double Diamond è ancora oggi un punto di riferimento quando si parla di innovazione in contesti incerti e complessi. Il suo cuore è semplice: due fasi – i due diamanti – che si susseguono. Il primo riguarda l’esplorazione e la definizione del problema , il secondo la creazione e l’implementazione delle soluzioni . Nella prima parte si allarga lo sguardo: si raccolgono dati, si osservano comportamenti, si mettono in discussione le idee più scontate. Nella seconda si progetta, si testa, si mette in pratica ciò che si è deciso. La cosa fondamentale è capire che “il problema” non è sempre quello che sembra: spesso va costruito, interpretato, riformulato. E proprio oggi, con l’AI che tende a saltare molte fasi di riflessione, questo passaggio è più importante che mai. Perché anche le migliori soluzioni, se applicate a problemi mal posti, sono destinate a fallire.
Divergere e convergere: guardare un problema da più angolazioni
Il Double Diamond si basa su un continuo alternarsi di momenti in cui si “allarga” lo sguardo e momenti in cui si “stringe”. Quando si diverge si esplorano nuove strade: si raccolgono informazioni diverse, si guardano i dati da più punti di vista, si ascoltano opinioni variegate. Quando si converge si sceglie, si tira una sintesi, si decide la direzione più promettente. Nelle aziende, il primo diamante serve soprattutto a evitare un errore comune: dare per scontato che il problema sia già chiaro. È qui che si gioca la partita più delicata, quella che gli addetti ai lavori chiamano “framing”, ovvero dare senso ai dati, filtrare gli insight più rumorosi, fissare i confini di ciò che si vuole davvero affrontare. Non si tratta di accumulare informazioni a casaccio, ma di capire qual è la domanda giusta da porsi.
Il problema non si trova, si costruisce: un esempio che parla chiaro
Prendiamo un esempio semplice. Se in un palazzo si dice “l’ascensore è troppo lento”, è davvero quello il problema? Forse no. Il vero problema potrebbe essere il disagio che si prova durante l’attesa. È una differenza sostanziale. Se si interviene solo sulla velocità dell’ascensore, si rischia di spendere soldi in motori nuovi o software più veloci senza considerare l’esperienza concreta delle persone. Se invece si riformula il problema come “l’attesa è fastidiosa”, si aprono altre strade: mettere musica, specchi, display informativi o altre soluzioni per rendere quel tempo meno pesante. Questo cambio di prospettiva è proprio il cuore del Double Diamond: la qualità dell’innovazione dipende dalla qualità delle domande e dalla capacità di ripensare il contesto.
Discover, define, develop, deliver: i passaggi da non saltare
Il percorso del Double Diamond si snoda in quattro fasi, ognuna con un ruolo chiave:
– Discover: qui si apre il campo, si cerca di capire il problema in modo ampio, si raccolgono segnali deboli e bisogni nascosti. Nel mondo dell’AI generativa c’è un paradosso: la tecnologia aiuta a tirare fuori idee e ipotesi in fretta, ma rischia di comprimere i tempi della riflessione. L’AI amplia il campo, ma non può sostituire il giudizio umano che dà senso a quello che emerge.
– Define: è il momento di scegliere su cosa concentrarsi. Non è solo un riassunto, ma un atto strategico: bisogna mettere a fuoco le assunzioni nascoste, interpretare segnali ambigui, costruire un accordo dentro il team. Qui serve il giudizio umano, per evitare che gli algoritmi rinforzino pregiudizi o semplifichino troppo.
– Develop: si entra nella fase delle soluzioni. Si generano idee, si progettano varianti, si fanno esperimenti. L’AI è preziosa per mettere insieme prototipi e simulazioni in fretta. Ma attenzione a non confondere quantità con qualità: non serve buttare fuori centinaia di idee, ma costruire un confronto critico che tenga conto di possibilità, limiti e significati.
– Deliver: qui si testano le idee sul campo, si raccolgono feedback da utenti e stakeholder, si traducono in risultati concreti. Anche in questa fase l’AI può dare una mano con l’analisi dei dati e la gestione dei feedback. Ma se il problema non è stato definito bene, anche la migliore applicazione rischia di non servire a nulla.
L’AI come alleato, non sostituto del pensiero critico
L’intelligenza artificiale si rivela utile soprattutto nelle fasi di esplorazione e sviluppo: aiuta a scovare pattern nei dati, sintetizzare informazioni complesse, scoprire tendenze e testare ipotesi velocemente. Nei dialoghi organizzati da InnoverAI, gli esperti hanno sottolineato quanto l’AI sia efficace per analizzare scenari e insight tecnologici. Ma resta fondamentale il ruolo delle persone che guidano l’innovazione: solo formulando con cura il problema si può sfruttare al meglio il potenziale degli strumenti digitali. Non è fare tante soluzioni che cambia le cose, ma saper decidere quali problemi vale la pena affrontare.
Double Diamond: la bussola per orientarsi nell’incertezza di un mondo che corre con l’AI
InnoverAI ha scelto il Double Diamond per una ragione precisa. In un’epoca in cui le tecnologie spingono all’infinito le possibilità d’azione, si rischia di concentrarsi solo su come migliorare strumenti e soluzioni già noti, dimenticando la domanda fondamentale: cosa vogliamo davvero innovare? Questo modello non impone ricette o strumenti fissi, ma offre un linguaggio chiaro per navigare tra incertezza e complessità. Il vero vantaggio competitivo non sta più solo nell’esecuzione, ma nella capacità di capire, interpretare e ridefinire i problemi. L’intelligenza artificiale, pur essendo il motore del cambiamento, diventa davvero preziosa solo se si adotta un approccio rigoroso, che mette al centro la costruzione continua del problema prima ancora della soluzione.