Che cos'è l'intelligenza collettiva? L'intelligenza collettiva è la capacità di gruppi di individui — umani, macchine o entrambi — di agire collettivamente in modi che sembrano intelligenti, producendo giudizi, decisioni e soluzioni che possono superare ciò che qualsiasi membro potrebbe raggiungere da solo.
L'intelligenza collettiva, come definita da Thomas Malone e Michael Bernstein nel Manuale di Intelligenza Collettiva (MIT Press, 2015), è 'gruppi di individui che agiscono collettivamente in modi che sembrano intelligenti.' Il campo spazia dal Teorema del Giurì di Condorcet (1785) e dall'esperimento di pesatura del bue di Francis Galton del 1906 fino alla scienza di laboratorio moderna: Anita Williams Woolley e colleghi (Science, 2010) hanno trovato evidenze per un fattore generale di intelligenza collettiva — il fattore c — che spiegava circa il 43% della varianza nella performance di gruppo attraverso i compiti e si correlava di più con la sensibilità sociale, l'uguaglianza nei turni di conversazione e la proporzione di donne nel gruppo rispetto all'IQ dei membri. Il fattore c è stato dibattuto (Credé e Howardson, 2017) e supportato da una meta-analisi di 22 studi e 1.356 gruppi (Riedl et al., PNAS, 2021). Il Genoma dell'Intelligenza Collettiva (Malone, Laubacher e Dellarocas, 2010) mappa i mattoni fondamentali dei gruppi intelligenti lungo Chi, Perché, Cosa e Come. La ricerca attuale del MIT Center for Collective Intelligence (2026) si concentra su AI generativa e intelligenza collettiva, progettazione di supermind e progettazione di team uomo-AI; una meta-analisi del 2024 (Vaccaro, Almaatouq e Malone, Nature Human Behaviour) ha trovato che le combinazioni uomo-AI non superano automaticamente il migliore di entrambi da soli — la vera sinergia richiede una progettazione deliberata dell'allocazione dei compiti e dell'interazione. I sistemi CCI attuali includono Supermind Ideator, che avvolge un modello di linguaggio di grandi dimensioni in un supporto strutturato per la risoluzione creativa dei problemi, e una competizione PNAS del 2026 che ha studiato oltre 180.000 negoziazioni autonome AI-to-AI. All'interno del ciclo di vita decisionale — Partecipare, Inquadrare, Generare, Indagare, Aggregare, Deliberare, Allocare, Scegliere, Implementare, Monitorare — la ricerca sull'intelligenza collettiva riguarda principalmente le fasi di Aggregazione e Deliberazione: come i gruppi raccolgono conoscenze disperse e ragionano insieme. Argumentree opera queste scoperte attraverso la presentazione indipendente e asincrona degli argomenti, una struttura di partecipazione equa, valutazioni multidimensionali aggregate in punteggi di consenso e un audit trail completo del ragionamento del gruppo.
Che cos'è l'intelligenza collettiva?
L'intelligenza collettiva è la capacità dei gruppi — umani, macchine o entrambi — di agire in modi che sembrano intelligenti. Non è una metafora: la ricerca l'ha misurata, dibattuta e mostrato come progettarla. Questa guida copre la scienza da Condorcet (1785) alla ricerca sui team umani-AI del MIT (2026).
Ultimo aggiornamento: 2026-07-18
TL;DR
I gruppi possono essere misurabilmente intelligenti. Woolley et al. (Science, 2010) hanno trovato un fattore di intelligenza collettiva (c) che predice le prestazioni di gruppo attraverso i compiti — guidato meno dal QI dei membri che da sensibilità sociale, pari opportunità di parola e processo. La scoperta è dibattuta (Credé & Howardson, 2017) ma supportata da una meta-analisi di 1.356 gruppi (Riedl et al., PNAS, 2021). La frontiera moderna è l'intelligenza collettiva umana-AI: la meta-analisi del MIT del 2024 mostra che aggiungere un umano al processo non migliora automaticamente i sistemi AI — la sinergia dipende dall'allocazione dei compiti e dalla progettazione del processo. Argumentree è costruito su quella lezione: strutturare il ragionamento, aggregare i giudizi, mantenere gli umani a decidere.
Definire l'intelligenza collettiva
La definizione accademica standard proviene dal Handbook of Collective Intelligence di Thomas Malone e Michael Bernstein (MIT Press, 2015): l'intelligenza collettiva è "gruppi di individui che agiscono collettivamente in modi che sembrano intelligenti." La definizione è deliberatamente ampia. Copre un mercato che stabilisce i prezzi, una comunità di Wikipedia che scrive un'enciclopedia, una giuria che pesa le prove, una colonia di formiche che trova il percorso più breve per il cibo — e, sempre più, team ibridi di persone e sistemi AI.
L'intelligenza collettiva è più ampia della saggezza delle folle, che riguarda l'aggregazione statistica di molti giudizi indipendenti. L'intelligenza collettiva include anche la collaborazione e la deliberazione genuine — gruppi che interagiscono, discutono e costruiscono sul ragionamento degli altri. Si differenzia dalla intelligenza collettiva, dove il coordinamento emerge da semplici regole locali senza deliberazione. E si collega a meccanismi studiati in campi vicini: i sistemi di voto aggregano preferenze, i mercati predittivi aggregano credenze probabilistiche e la deliberazione strutturata aggrega ragioni — tre risposte diverse alla stessa domanda su come trasformare molte menti in una decisione.
All'interno del ciclo di vita del processo decisionale — Partecipare, Inquadrare, Generare, Investigare, Aggregare, Deliberare, Allocare, Scegliere, Implementare, Monitorare — la ricerca sull'intelligenza collettiva si concentra sulle fasi di aggregazione e deliberazione: come la conoscenza dispersa viene raccolta e come i gruppi ragionano insieme senza le patologie delle cascate informative e del pensiero di gruppo.
Una breve storia della ricerca sull'intelligenza collettiva
Il campo ha radici nella matematica dell'Illuminismo, nella statistica, nell'economia, nella biologia e nella scienza informatica. Il filo conduttore: nelle giuste condizioni, i gruppi superano i loro membri — e le condizioni possono essere ingegnerizzate.
Il Marchese di Condorcet dimostra che se ogni elettore è anche solo leggermente migliore del caso e vota in modo indipendente, la probabilità che la maggioranza sia corretta si avvicina alla certezza man mano che il gruppo cresce — il risultato matematico fondante dell'intelligenza collettiva.
Francis Galton analizza 787 stime del peso di un bue vestito a una fiera di campagna del 1906. La stima mediana (1.207 lb) si colloca entro l'1% del peso reale (1.198 lb) — meglio degli esperti di bestiame. Pubblicato su Nature.
Il "L'uso della conoscenza nella società" di Friedrich Hayek (American Economic Review) sostiene che i mercati aggregano conoscenze disperse e locali attraverso i prezzi — la base teorica per i mercati predittivi.
James Surowiecki codifica le quattro condizioni per la saggezza delle folle (diversità, indipendenza, decentralizzazione, aggregazione). Nello stesso anno, Hong e Page pubblicano il loro contestato modello "la diversità supera l'abilità" in PNAS.
Woolley, Chabris, Pentland, Hashmi e Malone (Science) trovano evidenze per un fattore generale di intelligenza collettiva in 699 persone che lavorano in piccoli gruppi — un'analogia a livello di gruppo del QI individuale.
Malone, Laubacher e Dellarocas (MIT Sloan Management Review) catalogano i mattoni fondamentali — "geni" — dei sistemi di intelligenza collettiva lungo quattro domande: Chi, Perché, Cosa e Come.
Il manuale di Malone e Bernstein della MIT Press consolida il campo e la sua definizione standard: gruppi di individui che agiscono collettivamente in modi che sembrano intelligenti.
Il libro Superminds di Thomas Malone descrive cinque tipi duraturi di intelligenza collettiva — gerarchie, democrazie, mercati, comunità ed ecosistemi — e chiede come i computer possano rendere ciascuno più intelligente.
Riedl, Kim, Gupta, Malone e Woolley (PNAS) analizzano 22 studi con 1.356 gruppi e trovano evidenze per un fattore di intelligenza collettiva tra le popolazioni di studenti, militari, giocatori e lavoratori online.
L'analisi meta di Vaccaro, Almaatouq e Malone di 106 esperimenti (Nature Human Behaviour) trova che le combinazioni uomo-AI in media hanno performato peggio rispetto al migliore tra uomo o AI da soli — la sinergia deve essere progettata, non assunta.
Burton e 27 co-autori (Nature Human Behaviour) mappano come i modelli di linguaggio di grandi dimensioni possano migliorare l'intelligenza collettiva — e come rischiano di omogeneizzare i punti di vista e fabbricare un falso consenso.
Il Centro per l'Intelligenza Collettiva del MIT persegue tre aree: AI Generativa e Intelligenza Collettiva, Progettazione di Supermind e Progettazione di Team Umano-AI — inclusi uno studio PNAS su oltre 180.000 negoziazioni AI-to-AI.
Il fattore c: un gruppo può avere un QI?
Nel 2010, Anita Williams Woolley e colleghi hanno posto una semplice domanda con un secolo di psicologia individuale alle spalle: proprio come un fattore generale (g) predice le prestazioni di un individuo attraverso molti compiti cognitivi, esiste un fattore generale per gruppi? Hanno testato 699 persone che lavorano in gruppi di due a cinque su una vasta gamma di compiti (Science, 330, 686–688). La risposta è stata sì: un singolo fattore statistico — c — spiegava circa il 43% della varianza nelle prestazioni di gruppo attraverso i compiti.
Cosa predice il c di un gruppo — e cosa non lo fa
L'IQ dei membri conta poco
Sia l'intelligenza media che quella massima degli individui del gruppo erano solo debolmente correlate con c. Assumere le persone più intelligenti non rende, di per sé, un gruppo intelligente.
La sensibilità sociale conta
Il punteggio medio del gruppo nel test "Leggere la mente negli occhi" — la capacità di inferire stati mentali da segnali facciali — era un predittore significativo di c (r = 0.26).
Il turno di parola equo conta
I gruppi i cui membri hanno contribuito in modo più equo alla conversazione avevano un c più alto; la varianza nei turni di parola era correlata negativamente con c (r = −0.41). I gruppi dominati da una o due voci erano collettivamente meno intelligenti.
Effetti di composizione
Nello studio del 2010, i gruppi con una maggiore proporzione di donne hanno ottenuto punteggi più alti su c (r = 0.23) — un effetto che gli autori collegano statisticamente alla maggiore sensibilità sociale media delle donne, cioè al processo, non alla demografia in sé.
Il fattore c è reale? Il dibattito sulla replicazione
Come la maggior parte delle scoperte influenti in psicologia, c è stato sottoposto a stress test — e i lettori meritano lo stato onesto delle evidenze:
La critica (2017)
Credé e Howardson (Journal of Applied Psychology) hanno rianalizzato sei campioni e hanno sostenuto che il supporto empirico per un singolo fattore generale di gruppo è debole — che la performance di gruppo potrebbe essere meglio descritta da abilità specifiche per compito piuttosto che da un c.
La risposta (2018)
Woolley, Kim e Malone hanno risposto che la critica si basava su procedure di punteggio e assunzioni di simulazione che non corrispondevano ai compiti che i gruppi effettivamente svolgevano.
La meta-analisi (2021)
Riedl, Kim, Gupta, Malone e Woolley (PNAS) hanno aggregato 22 studi che coprono 1.356 gruppi — studenti, personale militare, lavoratori online, giocatori — e hanno trovato evidenze per un fattore c in tutti loro, con il processo di collaborazione e la percezione sociale dei membri tra i suoi correlati più forti.
In sintesi: una grande meta-analisi supporta l'esistenza di un fattore di intelligenza collettiva misurabile, mentre la sua esatta struttura e generalità rimangono attivamente dibattute. Ciò che non è dibattuto è la lezione pratica: il processo di gruppo — chi viene ascoltato, come vengono combinati i giudizi — predice le prestazioni di gruppo meglio della brillantezza dei membri.
Folle Statistiche vs. Interattive
Ci sono davvero due tipi di intelligenza collettiva, e funzionano con carburanti diversi:
Folle statistiche
Molte stime indipendenti, aggregate meccanicamente — media, votazione, prezzi di mercato. Questo è il mercato equo di Galton e ogni mercato predittivo da allora. Il successo dipende dall'indipendenza e dalla diversità; l'esercizio è spesso una tantum.
Folle interattive
Le persone si influenzano a vicenda per costruire una comprensione condivisa — discussione, deliberazione, collaborazione. Questo è Wikipedia, una comunità scientifica, un team di design. Il successo dipende dalla qualità della comunicazione e dalla sicurezza di parlare; il lavoro è in corso.
I due modi tirano in direzioni opposte: l'indipendenza aiuta le folle statistiche ma affama quelle interattive. Un team che non parla mai può aggregare bene ma non costruisce nulla di nuovo; un team che parla sempre può costruire una comprensione condivisa mentre distrugge silenziosamente l'indipendenza di cui i suoi giudizi hanno bisogno.
La deliberazione strutturata è un tentativo di ottenere entrambi. In Argumentree, i contributi e le valutazioni vengono inviati in modo indipendente — la modalità statistica — mentre l'albero degli argomenti in cui si trovano è un oggetto condiviso ed evolutivo su cui il gruppo delibera — la modalità interattiva. La struttura decide quando si applica ciascuna modalità, invece di lasciare che la modalità più rumorosa vinca.
Il Genoma dell'Intelligenza Collettiva
Se l'intelligenza collettiva può essere misurata, può essere progettata? Malone, Laubacher e Dellarocas (MIT Sloan Management Review, 2010) hanno catalogato i mattoni ricorrenti — "geni" — dei sistemi di intelligenza collettiva, organizzati attorno a quattro domande. Qualsiasi sistema, da Wikipedia a un processo strategico aziendale, è una combinazione di questi geni:
Chi sta svolgendo il compito?
Una gerarchia definita assegna il compito, oppure una folla aperta si auto-seleziona. Le folle portano scala e diversità; le gerarchie portano responsabilità e coordinamento.
Perché lo stanno facendo?
I geni della motivazione: denaro (pagamento, premi), amore (piacere intrinseco, comunità) e gloria (riconoscimento, reputazione). I sistemi sostenibili allineano gli incentivi con il contributo.
Cosa viene fatto?
Creare (generare qualcosa di nuovo — design, idee, argomenti) o decidere (valutare e selezionare tra alternative). La maggior parte dei processi reali collega i due.
Come viene fatto?
Indipendentemente (contributi aggregati senza interazione — concorsi, votazione, media) o dipendentemente (collaborazione, dove i contributi si basano l'uno sull'altro). La scelta determina quali modalità di fallimento erediti.
Cinque Superminds
In Superminds (2018), Malone descrive cinque forme durature di intelligenza collettiva che le società umane continuano a reinventare — e sostiene che la vera domanda sull'AI non è "ci sostituirà?" ma "come rende più intelligente ogni supermind?":
Gerarchie
Decisioni delegate su e giù lungo una catena di autorità. Veloci e responsabili; vulnerabili a colli di bottiglia informativi in cima.
Democrazie
Decisioni tramite votazione. Legittime e inclusive; come i voti aggregano le preferenze è una scienza profonda a sé (teoria della scelta sociale).
Mercati
Decisioni attraverso prezzi e scambi. Eccellenti aggregatori di credenze disperse — il meccanismo dietro i mercati predittivi.
Comunità
Decisioni tramite norme, reputazione e consenso informale. Potenzia l'open source e Wikipedia; lenti ma resilienti.
Ecosistemi
Nessun meccanismo di decisione condiviso — i risultati emergono dal potere e dalla sopravvivenza. Il default quando non è progettato alcun altro supermind.
Design dei Supermind: Sei Mosse
La metodologia di Design dei Supermind del MIT CCI trasforma il genoma in una pratica di risoluzione creativa dei problemi. Sei "mosse" riformulano sistematicamente un problema per far emergere nuovi design per gruppi di persone e computer:
Zoom Out
Fai un passo indietro per vedere il sistema più ampio o lo scopo in cui si trova il problema.
Zoom In
Scomponi il problema in parti e processi che possono essere riprogettati.
Analogizza
Chiedi come altri domini — natura, altre industrie, storia — risolvono un problema strutturalmente simile.
Raggruppa
Chiedi come un diverso supermind — un mercato, una comunità, una democrazia — affronterebbe il compito ora gestito da una persona o da una gerarchia.
Cognifica
Chiedi quali processi cognitivi (percepire, ricordare, decidere, apprendere) la soluzione necessita, e chi o cosa dovrebbe svolgere ciascuno.
Tecnifica
Chiedi dove la tecnologia — inclusa l'AI — può eseguire, connettere o aumentare quei processi.
Dentro il Centro per l'Intelligenza Collettiva del MIT (2026)
Il Centro per l'Intelligenza Collettiva del MIT (CCI), fondato da Thomas Malone, è il laboratorio di punta del campo. I suoi progetti precedenti — il Climate CoLab, il CI Design Lab, Misurare l'Intelligenza Collettiva, Predizione Collettiva — sono ora conclusi come lavoro di eredità. A partire dal 2026, la ricerca del CCI è organizzata sotto tre aree:
AI Generativa e Intelligenza Collettiva
Utilizzare l'AI per aumentare la creatività umana — inclusi strumenti come Supermind Ideator e DesignAID che supportano l'ideazione uomo-AI.
Progettazione di Supermind
Progettare combinazioni innovative di persone e computer, basandosi sul genoma e sui sei movimenti di design.
Progettazione di Team Umano-AI
Progettare e allocare compiti nei team uomo-macchina — la domanda successiva a "uomo contro macchina." Con il programma Singapore-MIT M3S, CCI sta costruendo una scienza sistematica dell'allocazione dei compiti: quali sottocompiti vanno alle persone rispetto all'AI, chi supervisiona e verifica, e se l'AI agisce come strumento, assistente, pari o manager.
Risultati chiave dalla fase di ricerca 2024–2026
Il supporto supera i LLM grezzi per l'ideazione
Supermind Ideator avvolge un modello di linguaggio di grandi dimensioni in un supporto per la risoluzione creativa dei problemi (inclusi i sei movimenti). In uno studio sperimentale, gli utenti hanno generato significativamente più idee innovative rispetto a persone che utilizzavano solo ChatGPT o lavoravano senza aiuto; i beta tester hanno creato più di 10.000 idee con il sistema (ACM Collective Intelligence Conference, 2024).
"Umano nel loop" non è automaticamente migliore
L'analisi meta di Vaccaro, Almaatouq e Malone di 106 esperimenti e 370 dimensioni di effetto (Nature Human Behaviour, 2024) ha trovato che le combinazioni uomo-AI in media hanno performato peggio rispetto al migliore tra uomo o AI da soli — con perdite concentrate nei compiti decisionali e guadagni nei compiti di creazione di contenuti. CCI ora distingue tra sinergia forte (la combinazione supera sia gli umani da soli che l'AI da sola) e aumento debole (supera gli umani da soli ma non l'AI) — e trova che la sinergia forte richiede un'allocazione dei compiti progettata deliberatamente, non solo l'aggiunta di un umano.
180.000 negoziazioni AI-to-AI
Uno studio PNAS del 2026 ha condotto una competizione internazionale in cui agenti AI stimolati hanno condotto più di 180.000 negoziazioni tra loro. La scienza classica della negoziazione umana ha retto: calore — positività, gratitudine, porre domande — è stato costantemente associato al raggiungimento di accordi e alla creazione di valore, mentre le tattiche di dominanza prevedevano impasse.
Mappare dove l'AI può essere utilizzata
Un documento di lavoro MIT del 2026 (arXiv 2603.20619) ha riorganizzato circa 20.000 attività lavorative dal database O*NET degli Stati Uniti in un'ontologia profonda e ha classificato 13.275 applicazioni AI rispetto ad essa — trovando che il 1,6% delle attività rappresenta oltre il 60% del valore di mercato dell'AI. Uno strumento per ragionare sistematicamente sull'allocazione dei compiti uomo-AI.
Valutare AI e compiti su un'unica scala
AGI-Elo (NeurIPS 2025, arXiv 2505.12844), da ricercatori affiliati al CCI tra cui Malone, valuta i modelli AI e i singoli casi di test l'uno contro l'altro come giocatori di scacchi — mettendo la competenza di un modello e la difficoltà di un compito su un'unica scala comparabile, un prerequisito per un'allocazione dei compiti principled nei team uomo-AI.
Intelligenza Collettiva nell'Era dell'AI
I modelli di linguaggio di grandi dimensioni stanno diventando partecipanti all'intelligenza collettiva, non solo strumenti per essa. Burton e 27 co-autori di diverse discipline (Nature Human Behaviour, 2024) hanno mappato le conseguenze a doppio taglio:
Opportunità
Abbattere le barriere alla partecipazione
I LLM possono tradurre, riassumere e redigere — consentendo a più persone di contribuire ai processi collettivi indipendentemente dalla lingua o dalle abilità di scrittura.
Aggregare conoscenze disperse
I LLM possono sintetizzare grandi quantità di testo — trascrizioni di riunioni, risposte a sondaggi aperti, consultazioni pubbliche — che in precedenza sopraffacevano gli aggregatori umani.
Supporto alla deliberazione
L'AI può far emergere controargomentazioni, raggruppare posizioni simili e strutturare discussioni — aumentando la fase di Deliberazione piuttosto che sostituirla.
Rischi
Omonizzazione dei punti di vista
Se molte persone consultano gli stessi modelli, le loro uscite convergono — erodendo la diversità di prospettive di cui dipende l'intelligenza collettiva.
Falso consenso
Un testo generato dall'AI fluente può fabbricare l'apparenza di accordo o opinione di maggioranza che non esiste tra gli esseri umani reali.
Riduzione degli ecosistemi informativi
Un ambiente informativo sempre più filtrato attraverso pochi modelli rischia di generare errori correlati che rendono le folle collettivamente stupide piuttosto che intelligenti.
L'implicazione progettuale rispecchia la scoperta di Vaccaro: l'AI migliora l'intelligenza collettiva quando le vengono assegnati i sottocompiti in cui è dimostrabilmente brava — trascrizione, estrazione, traduzione, riassunto — mentre il giudizio, la valutazione e la decisione stessa rimangono con gli umani responsabili. Questa è la frontiera dei sistemi umani-AI (bias di automazione, calibrazione della fiducia, controllo umano significativo) che la scienza delle decisioni sta ora mappando.
Come Argumentree Applica la Ricerca sull'Intelligenza Collettiva
Argumentree è una piattaforma di decisione collaborativa costruita direttamente su queste scoperte. Ogni scelta progettuale mappa a un risultato nella letteratura:
Contributo indipendente e asincrono
I partecipanti aggiungono argomenti nel proprio tempo, prima che il gruppo converga — proteggendo le condizioni di indipendenza e diversità che la ricerca sull'aggregazione mostra essere necessarie per le folle.
Uguaglianza strutturale della partecipazione
La ricerca di Woolley collega l'intelligenza collettiva al turno di parola equo. In un albero degli argomenti non c'è un pavimento da mantenere: gli argomenti di ogni partecipante entrano nella stessa struttura e vengono pesati allo stesso modo.
Aggregazione tramite valutazione multidimensionale
Gli argomenti vengono valutati in base all'utilità, chiarezza, accuratezza e completezza, e le valutazioni si aggregano in punteggi di consenso — un meccanismo di aggregazione esplicito, quindi il giudizio collettivo è misurato piuttosto che assunto.
Deliberazione con struttura
La catena di domande, compromessi e revisioni in 4 fasi consente ai partecipanti di esaminare e affinare gli argomenti — collaborazione dipendente in termini di genoma, ma all'interno di una struttura che mantiene il ragionamento visibile.
Allocazione dei compiti uomo-AI fatta bene
L'estrazione AI trasforma le trascrizioni delle riunioni e i documenti in alberi di argomenti preliminari — il lavoro di elaborazione dei contenuti in cui l'AI è brava — mentre la valutazione e le decisioni rimangono con le persone, in linea con le evidenze sulla sinergia uomo-AI del 2024.
Una memoria per il supermind
L'intera traccia di audit (bozza, aperta, ciclo chiuso con versioning) preserva il ragionamento del gruppo, in modo che l'organizzazione possa apprendere dalla propria intelligenza collettiva invece di perderla quando la riunione finisce.
Domande Frequenti
Che cos'è l'intelligenza collettiva?
L'intelligenza collettiva è la capacità dei gruppi — di persone, di macchine, o di entrambi — di agire collettivamente in modi che sembrano intelligenti (Malone & Bernstein, Manuale di Intelligenza Collettiva, 2015). Copre la saggezza delle folle statistiche, la produzione collaborativa come Wikipedia, team di deliberazione, mercati che aggregano credenze e moderni team uomo-AI.
Qual è il fattore c nell'intelligenza collettiva?
Il fattore c è un fattore generale di intelligenza collettiva identificato da Woolley et al. (Science, 2010): un singolo fattore statistico che spiegava circa il 43% della varianza nella performance di un gruppo in molti compiti diversi, analogo al fattore g del QI per gli individui. Era correlato con la sensibilità sociale del gruppo e l'uguaglianza nei turni di conversazione molto più che con l'intelligenza individuale dei membri.
Il fattore c è stato replicato?
È supportato ma dibattuto. Credé e Howardson (2017) hanno sostenuto che le evidenze per un singolo fattore generale sono deboli, e Woolley e colleghi hanno pubblicato una risposta dettagliata nel 2018. Una meta-analisi del 2021 di Riedl et al. (PNAS) che copriva 22 studi e 1.356 gruppi ha trovato evidenze per un fattore c tra popolazioni diverse. La conclusione pratica — il processo di gruppo predice la performance meglio del QI dei membri — è robusta attraverso il dibattito.
Qual è la differenza tra intelligenza collettiva e la saggezza delle folle?
La saggezza delle folle è il fenomeno più ristretto: molti giudizi indipendenti, aggregati statisticamente, convergono su risposte accurate (come nell'esperimento del bue di Galton del 1906). L'intelligenza collettiva è il campo più ampio: include la saggezza delle folle ma anche la vera collaborazione, deliberazione, mercati, comunità e team uomo-AI — qualsiasi sistema in cui un gruppo agisce in modo intelligente.
Qual è la differenza tra intelligenza collettiva e intelligenza collettiva?
L'intelligenza collettiva è il coordinamento che emerge da molti agenti semplici che seguono regole locali — colonie di formiche, stormi di uccelli, sciami di robot — senza deliberazione e senza ragionamento esplicito. L'intelligenza collettiva umana implica lo scambio e la valutazione di ragioni. Condividono principi profondi (decentralizzazione, conoscenza locale, aggregazione), motivo per cui le piattaforme decisionali attingono da entrambi.
Che cos'è un supermind?
Un supermind, nel libro di Thomas Malone del 2018 con lo stesso nome, è qualsiasi gruppo di individui che agiscono insieme in modo che sembri intelligente. Malone identifica cinque tipi ricorrenti — gerarchie, democrazie, mercati, comunità ed ecosistemi — e sostiene che i computer rendono i supermind più intelligenti principalmente abilitando nuove combinazioni di essi, non sostituendoli.
Qual è il MIT Center for Collective Intelligence?
Il MIT Center for Collective Intelligence (cci.mit.edu), fondato al MIT Sloan e diretto da Thomas Malone, studia come i gruppi di persone — e sempre più persone più AI — possano essere organizzati per agire in modo più intelligente di qualsiasi individuo. I suoi progetti precedenti dell'era del crowdsourcing (il Climate CoLab e CoLabs, Misurare l'Intelligenza Collettiva) sono ora lavori legacy; a partire dal 2026 la sua ricerca è organizzata sotto tre aree: AI Generativa e Intelligenza Collettiva, Progettazione di Supermind e Progettazione di Team Umano-AI, con strumenti come Supermind Ideator e DesignAID e, con il programma Singapore-MIT M3S, una scienza sistematica dell'allocazione dei compiti uomo-AI.
Aggiungere un umano nel loop migliora le decisioni dell'AI?
Non automaticamente. Un'analisi meta del 2024 di 106 esperimenti (Vaccaro, Almaatouq & Malone, Nature Human Behaviour) ha trovato che le combinazioni uomo-AI in media hanno performato peggio rispetto al migliore tra l'umano o l'AI da soli, con perdite concentrate nei compiti decisionali. Le combinazioni hanno aiutato di più nei compiti di creazione di contenuti. L'intelligenza collettiva efficace uomo-AI richiede un'allocazione deliberata dei sottocompiti a chiunque li svolga meglio.
Come possono i team aumentare la loro intelligenza collettiva?
Le evidenze indicano la progettazione del processo: uguagliare la partecipazione (input strutturato o asincrono piuttosto che discussione aperta), proteggere il giudizio indipendente prima della convergenza del gruppo, reclutare per diversità cognitiva e sensibilità sociale, utilizzare un meccanismo di aggregazione esplicito come la valutazione o il voto, e mantenere un registro del ragionamento in modo che il gruppo possa apprendere. Strumenti come Argumentree integrano queste meccaniche per default.
Riferimenti e Ulteriori Letture
Condorcet, M. de (1785). Essai sur l'application de l'analyse à la probabilité des décisions rendues à la pluralité des voix.
Il risultato matematico fondante: le maggioranze di elettori indipendenti, migliori del caso, convergono sulla verità.
Galton, F. (1907). Vox Populi. Nature, 75, 450–451.
787 partecipanti alla fiera indovinano il peso di un bue; la mediana si colloca entro l'1% della verità.
View source →Hayek, F. A. (1945). The Use of Knowledge in Society. American Economic Review, 35(4), 519–530.
I mercati come aggregatori di conoscenza disperse.
Surowiecki, J. (2004). The Wisdom of Crowds. Doubleday.
Le quattro condizioni: diversità, indipendenza, decentralizzazione, aggregazione.
Woolley, A. W., Chabris, C. F., Pentland, A., Hashmi, N., & Malone, T. W. (2010). Evidence for a Collective Intelligence Factor in the Performance of Human Groups. Science, 330(6004), 686–688.
Il fattore c: 699 persone, gruppi di 2–5, un fattore che spiega ~43% della varianza delle performance.
Malone, T. W., Laubacher, R., & Dellarocas, C. (2010). The Collective Intelligence Genome. MIT Sloan Management Review, 51(3), 21–31.
I mattoni fondamentali Who/Why/What/How dei sistemi di intelligenza collettiva.
View source →Malone, T. W., & Bernstein, M. S. (Eds.) (2015). Handbook of Collective Intelligence. MIT Press.
Il riferimento e la definizione standard del campo.
Credé, M., & Howardson, G. (2017). The structure of group task performance — A second look at "collective intelligence." Journal of Applied Psychology, 102(10).
La critica principale della generalità del fattore c.
Malone, T. W. (2018). Superminds. Little, Brown.
Cinque tipi di supermind e come i computer li rendono più intelligenti.
Riedl, C., Kim, Y. J., Gupta, P., Malone, T. W., & Woolley, A. W. (2021). Quantifying collective intelligence in human groups. PNAS, 118(21).
Meta-analisi: 22 studi, 1.356 gruppi, evidenze per c tra le popolazioni.
Vaccaro, M., Almaatouq, A., & Malone, T. W. (2024). When combinations of humans and AI are useful: A systematic review and meta-analysis. Nature Human Behaviour, 8, 2293–2303.
106 esperimenti: le combinazioni uomo-AI non superano automaticamente il migliore tra i due.
View source →Burton, J. W., et al. (2024). How large language models can reshape collective intelligence. Nature Human Behaviour, 8, 1643–1655.
28 autori sulle opportunità e i rischi dei LLM per l'intelligenza collettiva.
View source →Advancing AI Negotiations: A Large-Scale Autonomous Negotiations Competition. PNAS (2026).
Oltre 180.000 negoziazioni tra agenti AI; il calore vince anche tra macchine.
View source →Cai, A., et al. (2026). Where can AI be used? Insights from a deep ontology of work activities. arXiv 2603.20619.
Un'ontologia profonda di ~20.000 attività lavorative per ragionare sull'allocazione dei compiti uomo-AI.
View source →MIT Center for Collective Intelligence. Research (2026).
Aree attuali: AI Generativa e CI, Progettazione di Supermind, Progettazione di Team Umano-AI.
View source →MIT Center for Collective Intelligence. Metodologia di Progettazione di Supermind.
I sei movimenti di design: Zoom Out, Zoom In, Analogizza, Raggruppa, Cognifica, Tecnifica.
View source →Sun, S., et al. (2025). AGI-Elo: How Far Are We From Mastering A Task? NeurIPS 2025.
Valutazione congiunta in stile Elo di modelli AI e difficoltà dei casi di test; co-autori affiliati al CCI tra cui Malone.
View source →Concetti Correlati
Trasforma il tuo team in un gruppo misurabilmente più intelligente
L'intelligenza collettiva è un problema di design: eguagliare la partecipazione, proteggere il giudizio indipendente, aggregare esplicitamente e mantenere il ragionamento. Argumentree integra queste meccaniche in ogni decisione — con l'AI che si occupa del lavoro noioso e le tue persone che si occupano del giudizio.
Inizia Prova Gratuita