# Memoria e adattamento al contesto

> L'aspettativa che ogni sistema riconosca l'utente, non riparta da zero e si adatti in tempo reale. Il modello experience-led design.

Le GenAI ricordano la conversazione, calibrano il tono, si adattano allo stile. Ne nasce l'aspettativa che ogni sistema riconosca l'utente, non riparta da zero e si adatti in tempo reale alla posizione, momento, preferenze, livello di competenza: il modello chiamato *experience-led design*.

Tuttavia uno studio su 937 utenti di ChatGPT ([*Scientific Reports*, marzo 2026](https://www.nature.com/articles/s41598-026-42465-4)) riporta che una maggiore adattività non significa automaticamente esperienza migliore. Si è rilevato che, in alcune condizioni di forte adattamento del modello, gli utenti riportano **percezioni più negative** — l'eccesso di adattività può risultare inquietante o manipolatorio. La memoria e la personalizzazione hanno un punto di ottimo, oltre il quale il sistema smette di sembrare attento e comincia a sembrare invadente.

## La decisione che questa osservazione informa

La decisione è quanto il sistema deve adattarsi all'utente e dove fissare il limite superiore. Rientra nella dimensione [Assistere](https://www.shaped-by-ai.com/it/impacts/decisioni/#assistere). Senza una scelta esplicita si spinge al massimo, perché ogni incremento di personalizzazione è misurabile come miglioramento locale e nessuno misura il punto di ottimo: lo studio su 937 utenti citato sopra mostra che oltre quel punto gli utenti riportano «percezioni più negative», e l'eccesso di adattività risulta inquietante o manipolatorio. Un limite superiore che nessuno fissa non esiste.

Fissare un tetto significa rinunciare a performance dimostrabili nel test A/B della singola feature, e sostenere in riunione un no che i dati locali contraddicono. Non fissarlo significa attraversare il punto di ottimo senza accorgersene, perché il segnale non è un calo di conversione ma uno spostamento di percezione — e perché, come osserva la voce Personalization / CRO Specialist qui sotto, «non si fa A/B test su varianti infinite, si testano politiche di generazione»: senza una politica dichiarata non c'è nemmeno l'oggetto da testare. La scelta spetta al Product / UX Designer per il tetto percepito e a CDP / Martech Ops per il tetto dei dati, due decisioni distinte da prendere insieme: la voce CDP / Martech Ops nomina già le «due tensioni da progettare», consenso e minimizzazione contro l'aspettativa che «il sistema sappia già chi sei».

## Effetti e responsabilità per i ruoli

* **[Product / UX Designer](https://www.shaped-by-ai.com/it/impacts/impatto-sui-ruoli/product-design/)** — Un sistema che ricorda l'utente è aspettativa di base, non funzionalità premium: gli stati "nuovo utente"/"utente ricorrente" vanno ripensati con più granularità. L'interfaccia può comporsi in risposta all'intento (grafico per un'analisi, tabella per un confronto, suggerimenti per chi esplora): sistemi più complessi di un'interfaccia statica, che rischiano di promettere più di quanto la tecnologia mantenga. Progettare anche il limite superiore dell'adattività, non solo quello inferiore. → Risorse utili: [AI Design — NN/g](https://www.nngroup.com/articles/ai-design/); [Just Say It Simply: How Prompting Shapes AI Responses for Older Adults](https://www.ncbi.nlm.nih.gov/pmc/articles/PMC12762473/)
* **[CDP / Martech Ops](https://www.shaped-by-ai.com/it/impacts/impatto-sui-ruoli/operations-data/)** — L'experience-led design ha un prerequisito infrastrutturale: profilo utente unificato, in tempo reale, attivabile da ogni touchpoint. La CDP diventa il substrato dell'adattività dell'intero prodotto; il mercato va in questa direzione con le "agentic CDP". Due tensioni da progettare: consenso e minimizzazione dei dati contro l'aspettativa che "il sistema sappia già chi sei"; valore crescente dei dati zero-party, perché ciò che l'utente dichiara conversando è più ricco di qualsiasi inferenza comportamentale. → Risorsa utile: [Ready or not: the era of the agentic CDP — MarTech](https://martech.org/ready-or-not-welcome-to-the-era-of-the-agentic-cdp/)
* **[CRM / Email & Lifecycle](https://www.shaped-by-ai.com/it/impacts/impatto-sui-ruoli/marketing-growth/)** — Le comunicazioni uguali per tutti perdono efficacia rispetto a un benchmark conversazionale personalizzato. Il ciclo di vita va ripensato assumendo che una parte crescente dei messaggi venga letta, riassunta e filtrata da un'AI prima che dall'utente (si veda [Il customer journey si accorcia](https://www.shaped-by-ai.com/it/impacts/fenomeni-osservati/la-ricerca-diventa-conversazione/il-customer-journey-si-accorcia/)).
* **[Personalization / CRO Specialist](https://www.shaped-by-ai.com/it/impacts/impatto-sui-ruoli/marketing-growth/)** — La personalizzazione generativa (contenuto composto al volo per il singolo utente) rompe il modello di QA e sperimentazione: non esiste più un numero finito di varianti da approvare e testare. Servono guardrail di brand, QA campionario sull'output e metodologie nuove: non si fa A/B test su varianti infinite, si testano politiche di generazione.
* **[Front-end Developer](https://www.shaped-by-ai.com/it/impacts/impatto-sui-ruoli/operations-data/)** — Servono architetture per componenti dinamici e contestuali, con costi non trascurabili: valutazione condivisa design-sviluppo su cosa è desiderabile, cosa è fattibile, cosa è fattibile ora.