Lo stesso biscotto, ottimizzato da tutti

A un summit a Vienna, a fine giugno, i dirigenti del largo consumo mondiale si sono passati la parola per raccontare la stessa storia, ovvero che l'intelligenza artificiale ha reso l'innovazione di prodotto molto più rapida. L'Oréal dice di formulare quattro volte più in fretta e di aver ripescato molecole nate per la cura della pelle per farne uno shampoo al collagene che dà volume. Mondelez racconta di ricette generate dalla IA e poi giudicate da un esperto umano, con il sessanta per cento delle nuove formule di biscotto che risulta migliore sui parametri che l'azienda misura, dalla nutrizione al costo. Sono numeri belli e sono anche, tutti, dichiarazioni di chi ha speso per averli, pronunciate nel luogo esatto dove si va a dire che l'investimento ha funzionato. Nessuno, a quei tavoli, si alza per annunciare di aver buttato dei milioni.

Conviene partire da un'obiezione che sento spesso e che sembra smontare tutto: se l'AI fa lievitare i costi, come mai queste aziende la usano per migliorare i prodotti. La contraddizione si scioglie appena si separano due cose che il discorso pubblico tiene impastate. L'AI che alza i costi è quella generativa servita a scala, i data center, l'energia, il costo di ogni interrogazione di un modello che gira per milioni di utenti e non è quella di cui parlano L'Oréal e Mondelez, che usano modelli predittivi e di simulazione dentro il laboratorio, più parenti della chimica computazionale che del chatbot. Quella non alza il costo dello shampoo ma abbassa invece il costo e il tempo di trovarne la formula. Il risparmio sta nell'imbuto della sperimentazione, non nel costo del venduto, due righe di bilancio diverse che vengono raccontate come una.

Ed è qui che il racconto della velocità comincia a mostrare il fianco, perché nel largo consumo il collo di bottiglia non è mai stato formulare. Il vincolo vero è la domanda o meglio lo spazio sullo scaffale e l'attenzione di un consumatore che ha già più scelte di quante ne possa considerare. Accelerare quattro volte la formulazione significa accelerare l'input abbondante mentre quello scarso resta esattamente dove stava. Non produci più vendite, produci più varianti e la proliferazione di referenze nel largo consumo è un distruttore di valore conosciuto da decenni, perché moltiplica la complessità e si cannibalizza da sola, costringendo il distributore a decidere cosa togliere dallo scaffale per farti posto.

Il caso L'Oréal rende la cosa quasi didascalica. L'azienda ha depositato 725 brevetti nel 2025 e ha costruito un intero piano, il beauty stimulus plan, attorno all'idea che si esca dalla frenata innovando di più e più in fretta. Nello stesso anno la crescita del gruppo ha rallentato, con l'ultimo trimestre a più 1,5 per cento contro il 4,5 dell'anno prima. E qui un'azienda che pigia sull'acceleratore della formula proprio mentre la domanda decelera ci dice qualcosa sul punto in cui crede che si trovi il problema e a mio avviso lo sta cercando dove è più facile guardare, nel laboratorio che sa controllare, non dove il problema davvero si annida, nel desiderio del consumatore che non si progetta con una simulazione.

C'è poi un secondo effetto, più lento e più insidioso, che riguarda cosa succede quando lo strumento diventa di tutti. I modelli che ottimizzano una ricetta lavorano su parametri misurabili: quanto costa un ingrediente, quanto pesa sul profilo nutrizionale o sull'impronta ambientale, dunque ottimizzano ciò che si può contare, come è giusto che sia, perché una macchina non sa inseguire ciò che non ha una metrica, ma nel cibo, nella cosmetica ancora di più, la ragione per cui una persona sceglie quel prodotto e non il concorrente quasi identico vive proprio in ciò che non si conta e cioè il gusto che resta in bocca e la promessa che un marchio costruisce in trent'anni, quella distintività irrazionale che è sempre stata il fossato. Quando ogni concorrente addestra strumenti simili su dati simili per ottimizzare gli stessi parametri, gli output si avvicinano ed è nient'altro che la vecchia legge di Goodhart vista in fabbrica, nel momento in cui una misura diventa il bersaglio smette di dire quello che diceva. Il biscotto vince sulla dashboard e perde sul motivo per cui lo compravi.

Che siano proprio i giganti a muoversi per primi non è un caso e merita di essere letto bene poiché questo tipo di AI rende più di tutto a chi possiede ciò che serve per addestrarla, decenni di formulazioni e di test sui consumatori come dato proprietario, più la capacità di spendere a costo fisso per costruire o comprare i modelli. È un'arma da incumbent, non da sfidante, perché un piccolo non ha la libreria molecolare su cui far girare la previsione. Il paradosso arriva alla fine del ragionamento. Lo stesso strumento che dà un vantaggio di scala al grande, quando lo adottano tutti i grandi, trasforma il vantaggio in un tapis roulant condiviso su cui si corre più forte per restare fermi. Ciò che prometteva differenziazione consegna, su scala di settore, il suo contrario.

Resta la prova del nove, che come sempre lascio aperta perché è onesto farlo. Se tra qualche trimestre le aziende che hanno abbracciato per prime questa velocità mostreranno guadagni di quota che vengono dal prodotto e non dalla spesa pubblicitaria, allora avrò visto un fantasma e la formulazione rapida sarà stata davvero un vantaggio e c'è un punto più fragile ancora nel mio ragionamento, che tengo per quello che è, un'ipotesi e non una sentenza: sto dando per scontato che l'ottimo della dashboard non coincida con l'ottimo dello scaffale, quando è possibile che i prodotti ottimizzati vendano semplicemente meglio, che il consumatore voglia davvero il biscotto che costa meno e nutre di più. Sapremo distinguere le due cose solo guardando dove finiscono le quote, non dove finiscono i comunicati. Per ora l'unica cosa certa è che l'industria ha imparato a produrre più in fretta la risposta a una domanda che nessuno le stava ancora facendo.