Il recente dibattito attorno al report di KPMG pubblicato nell’ottobre 2025 sull’agentic AI ha riacceso una tensione che il settore consulenziale conosce bene ma preferisce trattare come rumore di fondo. Il punto non è più soltanto la qualità delle previsioni sull’intelligenza artificiale, bensì la tenuta epistemica dei documenti prodotti da chi, per definizione, dovrebbe certificare la realtà per i board aziendali. Secondo analisi esterne attribuite a GPTZero, il documento sarebbe affetto da una forma sistemica di distorsione delle fonti, con citazioni che oscillano tra l’impreciso e l’inventato, fino a configurare quello che è stato definito “vibe citing”, una derivazione quasi stilistica del più noto “vibe coding”, dove la coerenza apparente sostituisce la verificabilità sostanziale. Il fenomeno, se confermato su larga scala, non è un incidente estetico ma un problema industriale, perché colpisce il cuore del modello consulenziale basato sulla fiducia nei deliverable.
La questione non nasce oggi e non riguarda un singolo player. Il caso di Deloitte, che in passato ha dovuto rimborsare il governo australiano dopo che contenuti generati o assistiti da AI erano confluiti in un report finanziato con fondi pubblici, ha già mostrato quanto la filiera della produzione di conoscenza stia diventando fragile quando si innesta l’automazione senza un controllo editoriale rigoroso. L’espressione “slipped into”, spesso usata per descrivere queste derive, suona quasi innocua, come se l’errore fosse una distrazione marginale e non il sintomo di una trasformazione strutturale del modo in cui le grandi firme assemblano analisi, benchmark e raccomandazioni strategiche. In realtà, ciò che sta emergendo è un modello operativo in cui la pressione a produrre insight rapidamente tende a comprimere la fase più costosa e meno scalabile, cioè la verifica delle fonti.
Nel caso del report di KPMG, le analisi attribuite a GPTZero indicano che soltanto una frazione ridotta delle citazioni risulterebbe correttamente tracciabile alla fonte originale, con il resto distribuito tra riferimenti alterati, incompleti o non verificabili. Questo dato, se preso alla lettera, non descrive semplicemente un errore editoriale ma una forma di degradazione del sistema di knowledge production, dove la citazione diventa un oggetto stilistico più che un meccanismo di accountability. La definizione di “vibe citing” cattura proprio questo slittamento semantico, in cui il testo mantiene l’estetica della ricerca rigorosa senza però sostenerne la struttura logica. In termini di economia dell’informazione, è un passaggio da un regime di verità verificata a un regime di plausibilità narrata.
Le conseguenze emergono ancora più chiaramente nei casi studio citati nel report, dove istituzioni come UBS, Swiss Federal Railways e Transport for London vengono associate a implementazioni di agentic AI che, secondo le verifiche successive, non sarebbero supportate dalle fonti indicate o risulterebbero semplificate fino a perdere coerenza fattuale. Anche la narrativa su Emirates e il suo assistente “Sara” mostra una tipica distorsione da compressione informativa, dove un sistema reale viene reinterpretato come chatbot operativo capace di modificare prenotazioni, quando in realtà si tratta di un assistente robotico con funzionalità molto più limitate. Questo tipo di errore non è banale, perché in ambito enterprise la differenza tra un sistema informativo e uno transazionale è esattamente il confine tra automazione utile e rischio operativo.
Sul piano macroeconomico, il punto interessante non è tanto stabilire se questi report siano “giusti” o “sbagliati”, quanto osservare come la promessa che l’AI avrebbe rapidamente sostituito o marginalizzato la consulenza tradizionale stia incontrando un vincolo inatteso. L’ipotesi dominante della Silicon Valley, secondo cui l’intelligenza artificiale avrebbe ridotto il valore aggiunto delle grandi firme di advisory, si scontra con un fatto più elementare, cioè che la produzione di conoscenza verificabile non è ancora stata automatizzata in modo affidabile. Anzi, l’introduzione massiva di modelli generativi sembra aumentare la superficie di errore proprio nei settori dove la precisione è il prodotto venduto. In questo senso, la consulenza non viene disintermediata dall’AI, ma costretta a dimostrare il proprio valore nel punto più scomodo della catena, quello della validazione delle fonti.
Il risultato è un paradosso operativo che il mercato non ha ancora completamente prezzato. Le stesse organizzazioni che consigliano i clienti su come adottare l’intelligenza artificiale si trovano a dover difendere la qualità dei propri output dall’intelligenza artificiale stessa. La credibilità diventa così una variabile economica volatile, soggetta non solo alla competenza analitica ma alla disciplina infrastrutturale del controllo dei dati. In questo contesto, la vera disruption non è la sostituzione dei consulenti, ma la ridefinizione del costo della verità, che improvvisamente torna a essere un asset costoso, lento e strategicamente non comprimibile.