Ho dato a un'AI accesso alla mia vita (e mi ha beccato)

L'AI non ti conosce davvero. O forse sì?

Ho costruito un esperimento che mi ha fatto riconsiderare questa domanda: ho dato a un sistema AI accesso diretto ai miei dati di lavoro quotidiano. Non analisi superficiali di social media o cronologie browser. Parlo di log effettivi: orari di lavoro, task completate, pattern di produttività. Il risultato? Un'AI che mi ha fatto notare un problema che io stesso stavo ignorando.

Quando gli strumenti AI smettono di essere assistenti generici e diventano osservatori personalizzati della tua vita professionale, il salto qualitativo è notevole. Ma c'è un punto da tenere presente: per ottenere consigli veramente utili da un sistema AI, devi dargli dati veramente utili. E questo cambia tutto il modo in cui pensiamo all'automazione personale.

Il problema dei dati generici nell'AI

La maggior parte delle interazioni che abbiamo con l'AI oggi si basa su dati superficiali o completamente decontestualizzati. Chiedi a ChatGPT di darti consigli sulla produttività e otterrai risposte generiche: "fai pause regolari", "prioritizza le task importanti", "evita il multitasking". Tutti consigli sensati, certo, ma zero personalizzazione.

Il motivo è semplice: questi modelli non sanno nulla di te. Non conoscono i tuoi ritmi, i tuoi pattern, le tue abitudini effettive. Lavorano su ipotesi statistiche medie. È come chiedere a un nutrizionista di prepararti una dieta senza dirgli né il tuo peso né le tue allergie né cosa mangi normalmente.

Ho voluto ribaltare questo approccio. Invece di dare all'AI domande generiche aspettandomi risposte magiche, ho costruito un sistema che traccia continuamente due metriche fondamentali del mio lavoro: le sessioni di lavoro concentrate (usando un timer Pomodoro modificato) e le task completate (attraverso una to-do list personalizzata). Due app desktop semplicissime, costruite da me, che registrano ogni attività in log strutturati.

Come ho costruito il mio AI Lifebot personale

L'architettura è più semplice di quanto sembri. Ho sviluppato due piccole applicazioni desktop che girano in background sul mio computer di lavoro:

• Un Pomodoro timer che logga ogni sessione di lavoro concentrato con timestamp precisi
• Una to-do list minimalista (che chiamo "typewriter") dove ogni task completata viene registrata con ora e data
• Un sistema che aggrega questi log e li rende disponibili a un agente AI tramite API

Quando chiedo consiglio all'AI, questa ha accesso immediato a tutto lo storico. Non deve indovinare se sono stato produttivo o meno: vede esattamente quante sessioni ho fatto oggi, a che ora, e quante task ho chiuso. Vede se sto lavorando fino alle 2 di notte (spoiler: lo faccio troppo spesso). Vede se sto entrando in quel pattern pericoloso di boom-bust: super-produttività seguita da crollo totale.

La parte interessante? L'AI ha notato questo pattern prima di me. Mi ha fatto notare che avevo due sessioni Pomodoro registrate quel giorno, ma un numero enorme di task completate nelle prime ore del mattino. Risultato: avevo lavorato tutta la notte precedente. Stavo per entrare in modalità burnout senza rendermene conto.

Dati ad alta qualità = consigli ad alta qualità

Quando l'AI mi ha detto "Finisci i due short video se sei ancora fresco, poi fermati", non stava improvvisando. Stava guardando i miei dati effettivi e vedendo un chiaro segnale di rischio. Quella non era consulenza generica da chatbot: era un intervento basato su evidenze concrete del mio comportamento lavorativo.

Questo è il vero salto di paradigma dell'AI personalizzata. Non si tratta di avere risposte più lunghe o più dettagliate. Si tratta di avere risposte basate su te , non sulla media statistica di milioni di utenti anonimi.

Ho sperimentato questo approccio usando Claude come backend AI, ma il principio funziona con qualsiasi modello sufficientemente capace di analizzare dati strutturati. La parte critica non è il modello: è la qualità e la specificità dei dati che gli fornisci. Un log Pomodoro con timestamp precisi vale infinitamente di più di una generica affermazione "oggi ho lavorato tanto".

L'AI come specchio, non come oracolo

C'è un aspetto sottile in tutto questo che vale la pena sottolineare. L'AI non mi sta dicendo cosa fare della mia vita. Non sta prendendo decisioni al posto mio. Sta facendo qualcosa di molto più prezioso: mi sta mostrando pattern che io stesso non riesco a vedere perché sono troppo immerso nella quotidianità.

È come avere un osservatore esterno che guarda il tuo lavoro da fuori e ti fa notare: "Ehi, guarda cosa stai facendo da tre giorni". Solo che questo osservatore non dorme mai, non si distrae, e ha una memoria perfetta di tutto quello che hai fatto negli ultimi mesi.

Questa è automazione intelligente applicata alla crescita personale: non sostituisce il tuo giudizio, lo amplifica dandoti visibilità su dati che altrimenti rimarrebbero nascosti o ignorati. E quando sai veramente cosa stai facendo (non cosa credi di fare), le decisioni diventano molto più facili.

Ma qui ritorna la domanda che mi pongo spesso: stiamo usando l'AI per prendere decisioni migliori, o stiamo lentamente delegando la nostra capacità di riflettere su noi stessi? Per ora, nel mio caso, l'AI è uno strumento. Ma la linea tra strumento e stampella è sottile.

Automazione personale accessibile: non serve essere uno sviluppatore

Quando parlo di "app che ho costruito", non sto parlando di progetti da migliaia di righe di codice. Sono script relativamente semplici che registrano dati in file di testo strutturati e li espongono a un'API. Se hai un minimo di familiarità con Python o anche con tool no-code come Make o n8n, puoi costruire versioni semplificate di questi sistemi.

La parte più complessa non è tecnica: è decidere quali dati vale la pena tracciare. Nel mio caso, ho scelto sessioni di lavoro e task completate perché sono metriche oggettive e actionable. Posso agire su di esse. Tracciare "umore generale" o "livello di motivazione" sarebbe molto più soggettivo e meno utile per un sistema automatico.

Se stai pensando di costruire qualcosa di simile per te, parti da una domanda semplice: quale aspetto della mia vita lavorativa vorrei capire meglio? Dove sto volando alla cieca? Una volta identificato quello, il resto è solo questione di trovare il modo più semplice per raccogliere quei dati in modo consistente.

L'AI può aiutarti a dare senso ai dati, ma solo tu puoi decidere quali dati vale la pena raccogliere. E questa, forse, è la skill più importante nell'era dell'automazione intelligente: non saper programmare agenti AI, ma saper fare le domande giuste.