L’industria dell’intelligenza artificiale ha trascorso gli ultimi due anni inseguendo una convinzione quasi dogmatica: più dati testuali equivalgono automaticamente a migliori capacità di ragionamento. Il nuovo lavoro del Dott. Raffaele Pisano e Prof. Roberto Navigli di Babelscape suggerisce invece che la strada potrebbe essere molto diversa. Invece di alimentare i modelli con quantità sempre crescenti di testo prodotto da esseri umani o sintetizzato da altri LLM, i ricercatori italiani hanno deciso di tornare a uno dei pilastri storici dell’intelligenza artificiale simbolica: il planning formale espresso in PDDL, il Planning Domain Definition Language. Il risultato è sorprendente. I Process Reward Models addestrati con dati derivati dal planning migliorano sensibilmente sia nel ragionamento matematico sia, soprattutto, nei domini non matematici.

Il tema è strategicamente rilevante perché i Process Reward Models, o PRM, rappresentano uno dei componenti più importanti della nuova generazione di sistemi di ragionamento. Mentre i tradizionali modelli di ricompensa valutano soltanto la risposta finale, i PRM analizzano ogni singolo passaggio della catena di pensiero, attribuendo premi o penalità a ciascun step. In altre parole, non si limitano a verificare se un modello abbia risposto correttamente, ma cercano di capire se abbia ragionato correttamente. Una distinzione apparentemente sottile che, nel mondo dei modelli reasoning, separa l’imitazione superficiale dalla comprensione strutturata.

Il problema è che costruire dataset di alta qualità per addestrare questi sistemi è estremamente costoso. Dataset celebri come PRM800k richiedono annotazione manuale umana, con tempi lunghi, costi elevati e inevitabili errori di valutazione. Altre soluzioni, come Math-Shepherd, delegano il giudizio agli stessi LLM, introducendo però un elemento quasi ironico: utilizzare modelli ancora imperfetti per insegnare ad altri modelli come ragionare. Una soluzione che ricorda certe dinamiche manageriali della Silicon Valley, dove spesso consulenti appena usciti da una startup spiegano ai CEO come gestire aziende che non hanno mai guidato.

La proposta di Babelscape (ChatMinerva e spin off Università di Roma La Sapienza), guidata dal Prof. R. navigli, rompe questo schema. I ricercatori reinterpretano i problemi di pianificazione classica come problemi di ragionamento. Ogni piano ottimale diventa una catena di pensiero; ogni azione rappresenta un passaggio logico; ogni deviazione dal piano ottimale genera automaticamente una ricompensa precisa. Il sistema produce così dataset su larga scala senza necessità di annotatori umani o giudici neurali. Attraverso undici domini PDDL differenti, comprendenti trasporto, navigazione, puzzle, manipolazione di oggetti e pianificazione spaziale, il framework genera circa un milione di passaggi di ragionamento derivati da quasi 15.000 problemi distinti.

L’aspetto tecnicamente più interessante risiede nella granularità delle ricompense. I ricercatori definiscono cinque categorie di azioni: non eseguibili, dead-end, backtracking, subottimali e ottimali, associate rispettivamente a valori compresi tra 0 e 1. Questa classificazione permette di catturare sfumature del ragionamento che sfuggono ai tradizionali sistemi binari corretto/sbagliato. Un errore che conduce a uno stato irrecuperabile non è equivalente a una semplice deviazione subottimale, esattamente come in un consiglio di amministrazione una decisione inefficiente non possiede la stessa gravità di una decisione catastrofica.

I risultati empirici meritano attenzione. L’integrazione dei dati PDDL produce miglioramenti medi superiori al 13% sul benchmark ProcessBench dedicato al ragionamento matematico e incrementi dell’8% su PRMBench. Ancora più significativo appare il comportamento sui benchmark multidominio MR-Ben, dove i modelli addestrati con supervisione derivata dal planning superano nettamente le controparti tradizionali in fisica, biologia, medicina, chimica e logica. Il dato suggerisce che il planning simbolico trasferisce competenze cognitive generali piuttosto che conoscenze specifiche di dominio.

La vera implicazione strategica, tuttavia, va oltre i numeri. Il settore oscilla tra due estremi: l’AI simbolica tradizionale e il deep learning puramente statistico. Questo lavoro indica che la contrapposizione potrebbe essere stata artificiale. Il futuro dei sistemi di ragionamento potrebbe nascere precisamente dall’integrazione delle due scuole. Il planning simbolico fornisce vincoli, struttura e verificabilità; i modelli neurali aggiungono generalizzazione, linguaggio naturale e capacità emergenti.

Interessante è anche l’osservazione qualitativa dei ricercatori i PRM addestrati con dati PDDL risultano più efficaci nell’identificare errori concettuali, ipotesi scorrette e formulazioni improprie del problema, non soltanto semplici errori di calcolo. In sostanza, imparano a riconoscere quando il ragionamento parte da presupposti errati. In un’epoca in cui i modelli generativi producono spiegazioni sempre più convincenti ma non necessariamente corrette, questa capacità assume un valore enorme.

L’altro risultato degno di nota riguarda la formulazione del training, i ricercatori dimostrano che addestrare i PRM come regressori, anziché classificatori, produce prestazioni superiori quando il segnale supervisionato presenta molteplici livelli intermedi di qualità. È un dettaglio apparentemente tecnico che potrebbe influenzare la progettazione dei futuri sistemi reasoning.

La ricerca presenta naturalmente alcuni limiti. Le tracce generate dal PDDL, pur semanticamente corrette, risultano meno naturali rispetto alle catene di pensiero prodotte spontaneamente dagli LLM. Gli stessi autori riconoscono che l’approccio funziona meglio come complemento ai dataset esistenti piuttosto che come sostituto integrale. Tuttavia, il messaggio che emerge è chiaro: l’ossessione contemporanea per la scala potrebbe non essere sufficiente. Talvolta, introdurre struttura logica esplicita produce più valore che aggiungere altri miliardi di token raccolti indiscriminatamente dal web. Un’affermazione che, nel 2026, rischia quasi di sembrare controcorrente e proprio per questo merita attenzione.