URCA 2026
Milano · 05 Giugno 2026
Alleanza metodologica.
L'AI come partner nell'analisi qualitativa.
premessa
Facciamo user research. Significa: ascoltiamo persone, registriamo, trascriviamo — e poi passiamo ore a leggere, riga per riga, cercando pattern in quello che hanno detto.
Quello che state per vedere è come proviamo a non rovinare quel processo infilandoci dentro un modello linguistico.
una definizione
L'analisi qualitativa è l'arte
di trovare il segnale
nel rumore.
È anche la parte più lenta, più costosa e meno scalabile di qualsiasi processo di ricerca.
per ~10 interviste
una domanda
L'AI può fare
analisi qualitativa?
la tentazione 😈
«Butto tutto
dentro Gemini.»
"Users want simplicity."
garbage in → garbage out
Plausibile ≠ situato.
10 trascrizioni
+ «estrai i temi»
la media globale
di tutto il web
generici,
generalizzabili,
indistinguibili
Il modello non ha sbagliato. Ha fatto esattamente quello che gli abbiamo chiesto: la sintesi più probabile del corpus. Solo che la nostra ricerca non era lì dentro.
parola dell'anno?
Epistemia.
Il modello dà sempre una risposta plausibile e trasferibile: vera un po' per chiunque, applicabile un po' ovunque. Ma «sempre valida» significa generica — non calata su queste persone, su questo oggetto d'indagine.
concetto di Walter Quattrociocchila ricerca qualitativa vive di differenze, non di medie.
la domanda
la domanda di partenza
L'AI può fare analisi qualitativa?la domanda giusta
Come progettiamo un sistema in cui AI e ricercatorx
lavorino insieme, senza che nessuna parte
sacrifichi ciò che sa fare meglio?
cosa fa il ricercatore · 1 / 2
L'umano sa capire.
Quello che un ricercatore esperto fa — e che nessun modello, oggi, fa al suo posto: giudizio contestuale, editoriale, mutevole.
esitazione, silenzio, contraddizione
ciò che non è stato detto
idea a metà progetto
il significativo dal frequente
cosa fa il modello · 2 / 2
Quello che un LLM ben istruito fa, meglio di noi, sempre: tenere il passo. Lo stesso criterio dalla prima riga all'ottomillesima.
Il modello sa tenere.
50.000 token senza dimenticare
un pattern visto 3 interviste fa
alle 18:30 di giovedì
lo stesso criterio, intervista dopo intervista
Distribuire.
Non sostituire.
Il sistema, in tre tempi.
Definiamo cosa cerchiamo. Il codebook è il contratto con il modello.
L'AI propone. Noi decidiamo. La provenienza è dato.
Interroghiamo i dati. Ogni risposta rimanda a una quote.
atto II · tempo 01
01.
Patto.
prima di toccare i transcript
tempo 01 · patto
Tanti temi.
Tanti colori.
Un tema è una macro-domanda della ricerca. La codifica parte da qui: aree d'indagine, un colore distinto per ciascuna.
tempo 01 · patto
Dentro al tema,
distinzioni più fini.
Ogni tema si articola in codici: sotto-aspetti distinti che voglio poter contare separatamente. Restano nella stessa famiglia di colore, in sfumature diverse.
tempo 01 · patto
Definiamo il framework.
- Ogni tema ha il proprio nome e descrizione
- Ognuno è suddiviso in codici, anch'essi descritti
- Il codice colore è quello che useremo per evidenziare
tempo 01 · patto
Codifichiamo a mano.
- Selezioniamo un passaggio nel transcript
- Lo evidenziamo col colore del suo tema
- Aggiungiamo una nota a margine
- Il gesto degli evidenziatori, ora digitale
tempo 01 · patto
Ritroviamo ogni occorrenza.
- Filtriamo per tema (o codice)
- Il tool raccoglie tutti i passi
- Ogni risultato: timestamp + quote esatta
- Un click → il punto nel transcript
tempo 01 · patto · estratto dal codebook
Percezione del rischio
Descrizione · il prompt strutturato
Convinzione che gli strumenti digitali siano intrinsecamente più rischiosi del contante. Include riferimenti a furti, clonazioni, e perdita di tracciabilità.
Le descrizioni non sono note.
Sono il prompt strutturato.
atto II · tempo 02
02.
Delega.
supervisionata · l'AI propone, noi decidiamo
tempo 02 · delega
Il patto è firmato.
Ora deleghiamo il volume.
L'AI tagga l'intero transcript. Noi supervisioniamo — una proposta alla volta.
tempo 02 · delega
AI Tag: proposte, una per una.
- AI Tag sull'intero transcript
- Highlight tratteggiati = non confermati
- Accetto · modifico · rifiuto, una per una
- L'AI non scrive: mostra. Il gesto, scalato
tempo 02 · delega · il meccanismo
L'AI propone con un perché.
Noi restiamo i supervisori.
Usa il patto
Le descrizioni del codebook sono il suo prompt. Cerca nei transcript i passi che rientrano in ogni tema.
Motiva la proposta
Non «questo è KD1», ma perché: quale frase, quale criterio del codebook l'ha fatta scattare.
Decidiamo noi
Vediamo il ragionamento, non solo l'esito. Accettiamo, correggiamo, rifiutiamo.
Supervisionare non è controllare l'output. È poter ispezionare il processo.
atto II · tempo 03
03.
Conversazione.
ogni risposta rimanda alle quote
tempo 03 · conversazione
Una chat che non inventa.
Cita, e ti riporta lì.
Cablata solo alle interviste del progetto. Ogni risposta nasce dal corpus — non dalla «media del web».
tempo 03 · conversazione
Ask AI: ogni claim è un link.
- Domanda in linguaggio naturale
- Ogni partecipante, ogni quote: un link
- Click → transcript al punto esatto
- Niente allucinazioni: tutto verificabile
tempo 03 · conversazione · il meccanismo
Ogni risposta è una catena.
Quali sono le ragioni di sfiducia verso i pagamenti contactless?
Quattro su dodici partecipanti riportano esperienza diretta di frode.
"dopo che mi hanno clonato la carta non mi fido più di niente"
P03 · 00:04:12 · click → apre il transcript al timestamp.
Tutto verificabile, parola per parola — fino al partecipante che l'ha detta.
tempo 03 · conversazione · system prompt
Your only job is to surface what the participants actually said.
Do not interpret. Do not elaborate. Do not hypothesize.
Do not propose solutions.
Do not go beyond the data.
L'AI non interpreta. Estrae.
L'interpretazione resta nostra — per design, non per default.
oltre il codebook
Possiamo chiederle dove non abbiamo guardato.
Interroghiamo i dati di traverso: «ci sono temi ricorrenti che il nostro codebook non aveva previsto?». Non giudica al posto nostro — ma illumina i confini del nostro sguardo.
L'alleanza non è solo velocità. È un secondo paio d'occhi sui nostri punti ciechi.
tempo 03 · conversazione
…e aspettarci risposte oneste.
- Una domanda fuori scope, di proposito
- «Nel corpus non c'è nulla su questo»
- 0 citazioni: non inventa per compiacerci
- Dire «non lo so» è un risultato
epilogo
Aggiungi l'AI a un metodo,
e il metodo si riconfigura.
Un elemento nuovo non si limita ad aggiungersi: ridistribuisce i ruoli. Il nostro — quello del ricercatore — non è sparito. Si è specializzato in tre.
primo ruolo · dal Patto
Il progettista.
Skill: precisione semantica.
Prima il nostro codebook viveva nella testa, vago. Ora l'AI lo legge alla lettera: ogni descrizione è un confine. Più ricco è il patto, più preciso l'output. Ci ha costretti a progettare meglio le nostre categorie.
secondo ruolo · dalla Delega
Il supervisore.
Skill: delegare senza abdicare.
Deleghiamo il volume, tratteniamo il giudizio. Non ci fidiamo alla cieca: ci fidiamo perché possiamo ispezionare il processo. Tra il «butto tutto in Gemini» e il «facciamo tutto a mano», c'è una terza via — calibrare.
terzo ruolo · dalla Conversazione
Il dubbioso.
Skill: interrogare i propri punti ciechi.
Usiamo l'AI non per confermarci, ma per metterci in dubbio: «cosa non avevamo previsto?». Il sistema più rigoroso non è quello che ha sempre ragione — è quello che ci mostra dove non guardavamo.
La domanda non era «l'AI può fare analisi qualitativa?». Era come progettare il sistema in cui lavoriamo insieme.
Alleanza
metodologica.
Grazie per l'attenzione.
Ci sono domande?