Perché non mettiamo un copilota IA dentro la trattativa

C'è una funzione che sembra quasi inevitabile per una piattaforma di negoziazione basata sull'IA: ascoltare la conversazione reale, trascriverla, riconoscere la mossa del fornitore e suggerire al buyer il passo successivo in tempo reale. I suggerimenti potrebbero essere “contesta l'argomento di costo”, “chiedi evidenze”, “non riempire il silenzio” o “concedi volume solo in cambio di prezzo”. Tecnicamente è sempre più fattibile. Per costruire capacità negoziale, pensiamo però che sia la direzione sbagliata.

L'IA ha un ruolo utile prima della conversazione e un altro dopo. Il problema inizia quando diventa un terzo partecipante invisibile nella trattativa reale e comincia a dire alla persona cosa fare mentre la pressione è in corso.

Una review pubblicata nel settembre 2026 da Jeanne Brett su Current Opinion in Psychology fornisce una base di ricerca particolarmente rilevante. Brett distingue gli interventi di IA in negoziazione tra pratica, coaching e feedback. Il coaching socratico, insieme al feedback e alla riflessione dopo la trattativa, sembra favorire l'apprendimento. Il coaching IA esplicito e interattivo durante la pianificazione o durante la negoziazione può invece creare dipendenza.

Il meccanismo ipotizzato non è la pigrizia. Anche studenti motivati possono deferire all'apparente expertise dell'IA oppure essere sovraccaricati da suggerimenti dinamici. È quasi esattamente il confine di prodotto che sceglieremmo.

Il giudizio in diretta deve restare alla persona

Una trattativa non è una sequenza di obiezioni a cui corrisponde una risposta corretta. Il fornitore dice che il tre per cento è il minimo. Sfidare, accettare, scambiare o sospendere dipende da informazioni che potrebbero non essere pronunciate in quel momento: mandato concordato con finance, valore di progetti futuri, tempi per qualificare un'alternativa, forza della BATNA, fermata produttiva imminente, vincolo legale o una concessione già ottenuta.

Una trascrizione mostra cosa è stato detto. Non mostra automaticamente quale fosse la decisione commerciale giusta.

Per un copilota live questo è fondamentale. Deve suggerire adesso, anche se parte del contesto decisivo si trova fuori dalla conversazione.

Un buyer passa dal due al tre per cento dopo che il fornitore introduce il rischio di continuità. Un sistema che vede solo il dialogo potrebbe segnalarlo come concessione inutile. Ma forse il tre per cento era già dentro il mandato autorizzato e il fornitore aveva appena accettato tariffe orarie fisse per il progetto. Forse un ulteriore punto percentuale farebbe risparmiare meno di quanto costerebbe ritardare la mobilitazione.

Il comportamento osservabile è chiaro. La qualità della decisione non lo è.

È lo stesso limite discusso nel nostro articolo su IA negli acquisti e capacità di giudizio. Il contesto commerciale è distribuito tra persone, sistemi e decisioni precedenti. L'IA vede solo ciò che riceve.

Un'analisi può dire con sicurezza: “Ti sei mosso dopo che il fornitore ha introdotto il rischio di continuità senza chiedere prima evidenze.” Dovrebbe essere più prudente nel dire “non avresti dovuto muoverti”, perché la seconda conclusione richiede più contesto.

I suggerimenti in diretta competono con la conversazione per l'attenzione

C'è un secondo problema anche quando il consiglio è corretto. Una trattativa tesa consuma già attenzione. Bisogna ascoltare, capire cosa conta, ricordare il mandato, seguire più variabili, valutare la credibilità di una minaccia, regolare la propria reazione, scegliere una risposta e formularla con chiarezza.

Ora aggiungiamo un altro flusso: leggere il suggerimento dell'IA, interpretarlo, valutare se dispone di sufficiente contesto, confrontarlo con il proprio giudizio, accettarlo o rifiutarlo e poi tornare alla controparte, che magari ha già continuato a parlare. Il sistema diventa un altro partecipante da gestire.

Brett indica esplicitamente il sovraccarico da suggerimenti dinamici come una possibile via verso la dipendenza. Una ricerca separata presentata a CHI 2026 offre un meccanismo di supporto utile. In un esperimento controllato di negoziazione immobiliare con 32 partecipanti, la performance umana diminuiva quando aumentava il numero di questioni da gestire contemporaneamente e saliva il carico cognitivo. Lo studio non testava un copilota in una vera trattativa fornitore tra due persone, quindi non è una prova diretta contro questo tipo di prodotto. Mostra però quanto la performance possa diventare sensibile alla complessità aggiuntiva.

Lo stesso studio ha anche trovato che una visualizzazione non prescrittiva poteva ridurre il carico nelle negoziazioni più complesse. È una distinzione importante. Organizzare la complessità non significa dire continuamente quale deve essere la prossima mossa.

La domanda quindi non è se ogni tecnologia debba sparire dalla trattativa. È se aiuta la persona a vedere meglio la situazione o comincia a sostituire il suo giudizio.

La dipendenza resta un problema anche se il deal migliora

Supponiamo che il copilota funzioni perfettamente. Il buyer ottiene un risultato migliore perché il sistema suggerisce la domanda giusta, ricorda di mantenere il silenzio e segnala una concessione prematura. Il risultato commerciale immediato può migliorare, ma la domanda sull'apprendimento diventa più difficile: se il sistema interviene proprio nei momenti difficili, la persona riceve meno ripetizioni del giudizio che l'organizzazione si aspetta possa esercitare da sola.

Performance assistita dall'IA e costruzione della capacità non sono quindi automaticamente lo stesso obiettivo. Un navigatore può migliorare il tragitto di oggi senza insegnare la città. Un copilota di negoziazione può migliorare la risposta di oggi senza rendere il buyer più capace di produrla domani senza supporto.

Per questo la review di Brett è così utile. I meccanismi di apprendimento promettenti mantengono la persona attiva: coaching socratico, pratica, feedback e riflessione. Il rischio di dipendenza compare quando il consiglio esplicito si avvicina all'esecuzione del compito.

La ricerca è ancora giovane e Brett chiede esplicitamente ulteriori studi sui meccanismi di apprendimento e dipendenza. Non dimostra che ogni forma di supporto live danneggi la competenza, ma obbliga a porre una domanda di design migliore di “possiamo costruirlo?”.

Prima della trattativa c'è tempo per attaccare la logica

Prima della conversazione il tempo funziona diversamente. Il buyer può fornire un briefing strutturato, far separare fatti e ipotesi, chiedere all'IA di attaccare la logica, individuare informazioni mancanti e costruire il caso più forte del fornitore. C'è tempo per verificare, coinvolgere finance, scoprire che la presunta alternativa richiede nove mesi di qualifica e rifiutare un cattivo consiglio senza perdere il filo della conversazione.

È qui che ChatGPT può avere molto valore. Il nostro articolo su come allenarsi a negoziare con ChatGPT approfondisce questo ruolo di preparazione. La preparazione deve migliorare la mappa mentale della persona, non creare un copione da seguire. La trattativa resta della persona.

Dopo la trattativa, l'IA può analizzare senza interrompere la performance

Dopo la conversazione la pressione temporale è finita. A quel punto un sistema può esaminare trascrizione, briefing originale e contesto aggiuntivo che l'organizzazione è autorizzata a fornire. Può identificare dove la conversazione è cambiata, quali ipotesi hanno retto, dove il buyer si è discostato dalla strategia e quali momenti meritano un'altra prova.

È un posto molto migliore per l'analisi forense rispetto al mezzo di una frase. Anche qui bisogna distinguere comportamento e giudizio commerciale. “Hai offerto movimento prima di chiarire cosa avrebbe dato il fornitore in cambio” è un'osservazione fondata sulla conversazione. “Avresti dovuto rifiutare l'offerta” può richiedere informazioni che la trascrizione non contiene.

Nelle sessioni simulate di Voice2Evolve questa distinzione conta già: l'analisi lavora con scenario, conversazione e contesto di allenamento noto. Voice2Evolve oggi non cattura né analizza trattative reali con i fornitori. Se in futuro questo confine venisse ampliato, la direzione che prenderemmo in considerazione sarebbe un'analisi successiva alla conversazione confrontata con il briefing e il contesto noto. Non sarebbe un canale IA nascosto che suggerisce al buyer cosa dire nella trattativa reale. È un confine di prodotto intenzionale, non una funzione mancante.

Il ciclo di sviluppo non è un copilota

Il ciclo che preferiamo è semplice: preparare il caso, allenare la conversazione, lasciare la decisione live alla persona e poi analizzare ciò che è successo e decidere cosa allenare dopo. L'IA è molto presente intorno alla trattativa, ma non diventa il negoziatore.

Mostrare la frase perfetta al momento perfetto sembra più spettacolare. Per costruire capacità duratura, il confine meno appariscente può essere più prezioso.

Se l'obiettivo è soltanto ottimizzare la prossima risposta, l'aiuto live è allettante. Se l'obiettivo è creare buyer che restano efficaci sotto pressione quando nessuno suggerisce la risposta, il confine conta. L'IA dovrebbe rendere migliore il negoziatore, non diventare il negoziatore.

Fonti

• Brett, J. M. (7 settembre 2026). AI and negotiation: Facilitating learning or fostering dependency?. Current Opinion in Psychology, 73, 102437.
• Parmar, M., & Silpasuwanchai, C. (13 aprile 2026). From Overload to Convergence: Supporting Multi-Issue Human-AI Negotiation with Bayesian Visualization. CHI '26.