La statistica era vera. Il titolo no.

Lo stesso numero ha attraversato il mio feed tre volte la settimana scorsa. Ogni passaggio era più rumoroso, e ogni passaggio era un po' meno vero.

È partito come una riga prudente in un report di un vendor: di ogni dollaro che un team spende in IA-coding, circa 82 centesimi vengono consumati — corretti, rifatti, revisionati — prima che una feature arrivi a un utente. Quando è arrivato a Yahoo Finance era diventato «Up to 82% of AI Engineering Spend Lost to Bugs, Rewrites, and Delays». Stesso numero. Affermazione diversa. E la distanza tra «consumato in un processo» e «perso» è tutta la storia.

Quella distanza la trovo più interessante del report in sé — e i dati del report li ho presi sul serio altrove. Quello che è successo a quei dati lungo la strada verso un titolo è un campione piccolo e pulito di una cosa che ogni leader tecnico ormai naviga ogni giorno: come un numero reale venga strumentalizzato per attirare attenzione in un sistema mediatico che sempre più genera, ordina e premia i contenuti in base a quanto bene viaggiano — non a quanto siano veri. Ne leggo una dozzina a settimana, e devo dire al mio team e ai miei clienti di quali fidarsi. Quindi lascia che ti mostri esattamente come questo è mutato, salto dopo salto, e la lettura che ora applico a tutti.

Un vendor ha misurato qualcosa di reale — e ha dichiarato più di chi lo ha amplificato

Cominciamo con l'essere giusti con la fonte. La cifra di Entelligence è reale, e per essere il numero di un vendor è documentata in modo insolitamente solido: oltre un milione di pull request, con il campione e il metodo messi nelle didascalie. Sì, Entelligence vende la cura — un prodotto che «chiude l'anello» tra il codice e la produzione, che è precisamente la cosa che il report conclude ti manchi. Quel conflitto è reale e devi metterlo nel prezzo.

Ma ecco il colpo di scena che la copertura ha sotterrato: il report stesso includeva i numeri che complicano la sua stessa narrazione. Dichiara che 18 centesimi del dollaro arrivano davvero a destinazione. Dichiara che quasi metà delle pull request supera la revisione in fretta — una cifra che potrebbe significare un team sano e ben attrezzato anziché uno negligente. Il vendor, in altre parole, è stato più prudente delle testate che lo hanno amplificato. La distorsione non è avvenuta alla fonte. È avvenuta in transito. Ed è quella la parte che vale la pena studiare, perché il transito è il punto in cui quasi tutti noi incontriamo davvero una statistica.

Salto uno: è comparsa una causa che nessuno aveva misurato

La prima amplificazione, da SYZ Group, è uscita sotto un titolo che cito esatto: «44% of every dollar companies spend on AI goes directly to fixing bugs that the AI itself created».

Rileggi quell'ultima parte: bugs that the AI itself created — bug che l'IA stessa ha creato. Lo studio ha misurato una correlazione — al crescere del volume generato dall'IA, è cresciuto in parallelo il lavoro reattivo. Non ha mai stabilito che l'IA avesse scritto quei bug. Quella frase è un'aggiunta, ed è una piccola modifica con un cambio di significato totale: uno schema è diventato un colpevole, la correlazione è diventata paternità. La colpa assegnata viaggia più lontano della correlazione misurata, perché la colpa è una storia più pulita e una citazione migliore. Tieni d'occhio il verbo che fa entrare di contrabbando una causa che i dati non hanno mai dimostrato — «crea», «provoca», «causa» — bullonato a un numero che non ha mai mostrato altro che due cose che si muovono insieme.

Salto due: il verbo è cambiato, e «consumed» è diventato «lost»

La seconda amplificazione, su Yahoo Finance, ha lasciato cadere i dollari e alzato la temperatura: 82% della spesa di ingegneria IA perduta.

«Consumed» descrive del denaro che fa lavoro dentro un processo — in parte sprecato, in buona parte il lavoro reale e inevitabile di rilasciare software che funziona. «Lost» descrive denaro distrutto, dato alle fiamme, sparito. La cifra non è cambiata di un solo punto. È cambiato il verbo, e in una statistica è nel verbo che vive davvero l'affermazione. Consumed, lost, wasted, vanishes, burned — consumato, perso, sprecato, svanisce, bruciato — sono cinque misurazioni diverse che indossano lo stesso numero. La percentuale è il costume; il verbo è il corpo che ci sta sotto.

Il numero che complicava la storia non ha mai viaggiato

Ora cerca cosa manca. Il dato del report secondo cui quasi metà delle pull request viene approvata in fretta — quello che suggerisce che non sia tutto marciume — era nel dataset fin dall'inizio. Non è mai arrivato a un solo titolo. Ovvio che non ci sia arrivato: una cifra che sussurra «forse una parte di questo va bene» è una citazione peggiore di una che urla «82% perso».

Questo è il segnale più affidabile che conosca. Il segno più chiaro di una statistica strumentalizzata non è il numero allarmante che c'è — è il numero che lo ridimensiona, dallo stesso dataset, che non c'è. Quando la cifra spaventosa viaggia e quella che la stempera muore in silenzio, non stai più leggendo ricerca. Stai leggendo l'output di un imbuto che ha selezionato contro la metà scomoda.

Ecco cosa fa a un fatto un imbuto dell'attenzione

Nota cosa non ha richiesto nessuno di questi salti: nessuno ha dovuto mentire. Ogni passaggio ha semplicemente ottimizzato per la citazione anziché per l'affermazione — una percentuale invece dei dollari perché suona più grande, «lost» invece di «consumed» perché suona più tagliente, una causa invece di una correlazione perché è più condivisibile, la metà allarmante invece di quella rassicurante perché l'allarme si diffonde. Nessun cattivo. Solo un ottimizzatore, che gira su ogni numero, selezionando per qualunque cosa viaggi.

Quell'ottimizzatore una volta era lento e umano. Ora è veloce e, sempre più, automatico. In un feed dove una quota crescente di contenuti è generata dalle macchine e quasi tutto è ordinato per engagement, l'inquadratura che sopravvive è selezionata per citabilità, non per accuratezza — e man mano che produrre contenuti costa meno, la pressione di selezione non fa che salire. Questo non è un titolo sbagliato; è un meccanismo, e merita di essere capito come tale anziché ridiscusso caso per caso. Ho iniziato a tenere un archivio di questi campioni — stessa forma, numero diverso, ogni settimana. Lo schema è più istruttivo di qualsiasi singolo esempio, e sospetto che conterà di più, non di meno, da qui in avanti.

Come leggo oggi una statistica virale

Non ti serve una laurea in metodologia per difenderti. Ti servono sette domande, e puoi farle scorrere nel tempo che ci vuole a non premere retweet:

1. Chi l'ha misurato, e cosa vende? Un conflitto non squalifica — fissa il tasso di sconto.
2. Qual è il vero denominatore? 82% di cosa — spesa IA, tutta la spesa di ingegneria, o il modello di un processo? La base è dove si nasconde quasi tutto il trucco.
3. Quale numero dello stesso dataset è stato lasciato cadere? Vai a cercare la cifra che ridimensiona e che non è viaggiata.
4. La causa è dimostrata, o solo asserita? Separa «X è cresciuto insieme all'IA» da «l'IA ha creato X».
5. Cosa stanno facendo i verbi? «Consumed» e «lost» non sono la stessa misurazione.
6. C'è una baseline, o è un tasso senza un «prima»? Un rapporto spaventoso senza niente con cui confrontarlo è metà di un fatto.
7. Il titolo potrebbe essere citato fuori contesto e restare vero? Se no, l'inquadratura ha superato la cifra — e quel divario è la storia.

Le faccio scorrere prima di ripetere un numero a chiunque abbia una roadmap che potrebbe muoversi per causa sua. Ci vogliono trenta secondi, e mi ha salvato dall'essere la persona che ha inoltrato il grafico.

La linea che traccio

La statistica era vera. Il titolo no. E il divario tra le due — lo scivolamento silenzioso da «82 centesimi consumati in un processo» a «82% perso» — non è più un incidente o un caso isolato. In un feed saturo di IA sta diventando il modo predefinito in cui un numero reale arriva fino a te.

La difesa non è il cinismo. La cifra era genuina e valeva la pena conoscerla; buttare via ogni statistica è solo un modo più pigro di avere torto. La difesa è leggere l'inquadratura con la stessa attenzione con cui leggi la cifra — perché in quest'epoca è l'inquadratura a fare più lavoro, e ne fa molto meno chiunque tu possa chiamare a renderne conto. Il numero, ormai, è la parte facile. Quello che gli è stato fatto lungo la strada per arrivare a te è la parte che merita la tua attenzione.

---

Prendi decisioni di roadmap o di assunzioni su numeri come questi? La competenza che ti protegge non è raccogliere più dati — è leggere i dati che ti vengono messi in mano. Parla con un CTO su come costruire un team capace di distinguere il segnale dall'inquadratura.