Il secondo cervello ha un secondo lettore

L'idea di secondo cervello è vecchia quanto il taccuino: siccome la memoria di lavoro è piccola e volatile, si scrive fuori. Quello che è cambiato negli ultimi quindici anni è la promessa commerciale che ci è stata costruita sopra — un archivio personale, collegato, ricercabile, che restituisce interessi composti sul tempo che ci metti dentro.

Nel 2026 la promessa ha un pezzo in più, e non è un dettaglio: il tuo archivio ha smesso di essere un posto in cui vai a cercare ed è diventato un posto in cui qualcun altro va a cercare per te. Quel qualcuno è un modello, con o senza un agente attorno. Cambia il calcolo su tutto — su cosa catturare, su quanto formattare, su quale strumento adottare e, soprattutto, su quanto sia sensato pagare la tassa di manutenzione di un sistema personale.

Vale la pena rifare i conti dall'inizio, separando ciò che è dimostrato da ciò che è marketing.

Cosa c'è di vero, sperimentalmente

Le prove a favore dell'esternalizzazione sono meno di quante ne citino i video di produttività, ma quelle poche sono buone.

La più diretta è del 2015: Benjamin Storm e Sean Stone hanno pubblicato su Psychological Science lo studio sul saving-enhanced memory. I partecipanti che salvavano un primo elenco di parole in un file prima di studiarne un secondo ricordavano il secondo elenco in modo significativamente migliore. Il salvataggio non serviva a ricordare la prima lista: serviva a liberare risorse cognitive per quella dopo. È la promessa del secondo cervello misurata in laboratorio — con una condizione che lo studio rende esplicita: il beneficio arriva solo se ti fidi del salvataggio. Se sospetti che la nota sia finita in un posto da cui non la recupererai, il carico mentale non se ne va.

La seconda prova è più ambigua e viene spesso citata al contrario. Nel 2011 Betsy Sparrow, Jenny Liu e Daniel Wegner hanno pubblicato su Science Google Effects on Memory: quando le persone sanno di poter riaccedere a un'informazione, ricordano meno l'informazione e ricordano meglio dove trovarla. Il fenomeno ha un nome tecnico — memoria transattiva — e non è di per sé un danno: è lo stesso meccanismo che ti fa delegare a un collega ciò che lui sa meglio di te. Diventa un danno quando l'indirizzo che ricordi punta a un posto che non esiste più, o quando la cosa che hai smesso di sapere era quella che ti serviva per ragionare, non per consultare.

Tenute insieme, le due ricerche dicono una cosa sola e piuttosto pratica: un archivio esterno funziona nella misura in cui è affidabile e nella misura in cui non svuota la testa di ciò che le serve per pensare. Tutto il resto della discussione sul secondo cervello è una nota a piè di pagina di questa frase.

I vantaggi, elencati senza retorica

• Scarico cognitivo verificabile. Meno cose da tenere aperte in testa significa più capacità per il problema in corso. È l'effetto Storm-Stone, ed è il vantaggio più solido.
• Continuità sulle cose lente. Un progetto che dura otto mesi non entra nella memoria di lavoro di nessuno. L'archivio è ciò che permette di riprendere in dieci minuti un filo lasciato a marzo, con le fonti e le obiezioni già raccolte.
• Meno decisioni ripetute. Un solo posto di default per le note, uno per le letture, uno per i task: ogni bivio eliminato è un micro-costo che smetti di pagare decine di volte al giorno, nel momento peggiore.
• Composizione. Il valore non sta nella nota singola ma nel fatto che, dopo tre anni, un articolo o una proposta si scrivano assemblando materiale già giudicato invece che partendo dal foglio bianco.
• Contesto per un agente. Il vantaggio nuovo. Un modello con accesso al tuo archivio non ha bisogno che tu gli spieghi da capo il progetto, i vincoli, chi è chi, cosa avevi già scartato e perché. La qualità di quello che ti restituisce dipende quasi interamente dalla qualità di ciò che hai messo dentro.

Gli svantaggi, che sono seri

La fallacia del collezionista. È l'obiezione centrale, e la formulazione più nota è di Christian Tietze: salvare un articolo produce una piccola scarica di completamento — fatto, è al sicuro — quasi indistinguibile dalla sensazione di averlo letto. La ricerca sul digital hoarding la chiama con un nome ancora meno lusinghiero, faux productivity: il senso di realizzazione che arriva dall'aver messo da parte del materiale utile prima di averci fatto qualsiasi cosa. La critica più tagliente al movimento del personal knowledge management resta che il suo prodotto più misurabile è altro contenuto sul personal knowledge management.

La tassa di manutenzione. Ogni strumento che può fare di più chiede di più: ogni funzione è una decisione in più. Riformattare, rinominare, sistemare i collegamenti rotti, riordinare le cartelle sono attività che sembrano lavoro e producono zero output. Chi ha un sistema elaborato passa una quota non banale del tempo dedicato al pensiero a fare il custode dell'archivio.

Il costo di migrazione, che si paga in settimane. Cambiare app non costa il pomeriggio dell'esportazione: costa reimparare le scorciatoie, ricostruire le automazioni, ripulire le note importate male. Se la funzionalità guadagnata è incrementale, l'investimento non rientra quasi mai — ne ho scritto a partire dal caso di Tiago Forte, che aveva scelto lo stack più noioso possibile per proteggersi dal rischio e si è ritrovato con l'app più stabile della lista, Evernote, acquisita, svuotata e ritariffata.

La dipendenza dalla piattaforma. È la stessa storia vista dal lato dei dati. Un archivio in formato proprietario è un archivio che qualcun altro può decidere di rendere più caro, meno accessibile o inesistente. La regola difensiva è antipatica ma semplice: se non riesci a leggere le tue note con un editor di testo qualunque, non le possiedi del tutto.

Il debito cognitivo. È il rischio nuovo, ed è quello di cui si parla meno nei confronti tra app. Un gruppo del MIT Media Lab ha misurato con l'elettroencefalogramma cosa succede quando si scrive con un assistente al posto di scrivere da soli: 54 partecipanti, tre sessioni, tre condizioni — modello, motore di ricerca, nessuno strumento. Il preprint riporta connettività cerebrale più debole nel gruppo che usava il modello e, il dato che colpisce di più, la larghissima maggioranza di quei partecipanti non è stata in grado di citare una frase del testo che aveva appena consegnato. È uno studio piccolo, non ancora passato dalla revisione paritaria, e va preso per quello che è; ma l'ordine del risultato è coerente con l'effetto Sparrow, e il dettaglio più utile è un altro: chi scriveva prima da solo e poi passava al modello se la cavava meglio di chi partiva dal modello. L'assistente aiuta di più quando arriva dopo il pensiero che quando lo sostituisce. Vale identico per un secondo cervello interrogato da un agente: se l'archivio contiene giudizi che hai formulato tu, il modello li amplifica; se contiene solo materiale grezzo salvato in fretta, il modello ti restituisce con più sicurezza la stessa confusione che ci hai messo.

Il collo di bottiglia non è la capacità di ritrovare — quella oggi la fornisce il modello. È la qualità di ciò che hai deciso di catturare.

Gli strumenti, in tre famiglie

Il panorama del 2026 si legge male come classifica e bene come tre categorie che risolvono problemi diversi.

1. Le cassette degli attrezzi: i tuoi file, il tuo disco

Obsidian è il riferimento di questa famiglia, e la ragione è il formato prima che l'app: ogni nota è un file Markdown in una cartella sul tuo disco, apribile con qualsiasi editor anche il giorno in cui l'azienda che lo produce non esistesse più. I collegamenti [[così]] costruiscono un grafo, l'ecosistema di plugin di comunità supera abbondantemente il migliaio, e dal 2025 l'uso è gratuito anche in ambito commerciale: si pagano solo, e facoltativamente, la sincronizzazione e la pubblicazione, nell'ordine di pochi dollari al mese. Lo svantaggio è l'altra faccia della stessa medaglia — è una cassetta degli attrezzi, non un prodotto finito: la configurazione è a carico tuo, e la libertà di plugin è anche la libertà di costruirsi un sistema fragile.

Logseq è la variante a blocchi e note giornaliere, gratuita e locale, diventata di nuovo competitiva sulla velocità dopo il passaggio a un motore a database. Roam Research, che questo modo di pensare lo ha inventato, nel 2026 è il caso di scuola opposto: le comparazioni gli imputano un prezzo attorno ai 15 dollari al mese, prestazioni che degradano con la crescita del grafo e nessun funzionamento offline. Notion resta la scelta giusta quando il problema non è personale ma di squadra — database veri, condivisione, permessi — con il compromesso che i tuoi contenuti vivono in un formato che è suo, non tuo.

2. I quaderni con l'AI dentro

NotebookLM, la memoria di ChatGPT, i progetti di Claude: zero installazione, zero manutenzione, sintesi immediata su un corpus che carichi tu. Sono ottimi per un lavoro delimitato — capire venti PDF in un pomeriggio — e sono la scelta sbagliata come archivio della vita: il perimetro lo decide il fornitore, l'esportazione è parziale o assente, e ciò che oggi è incluso domani può essere un piano a pagamento. Utilissimi come lettura, rischiosi come deposito.

3. I motori di memoria per agenti

È la categoria nata negli ultimi due anni, e il caso su cui vale la pena soffermarsi è GBrain (gbrain.io), scritto da Garry Tan. Non è un'app di note e non ha una bella interfaccia: è il livello di memoria che sta sotto un agente. La fonte della verità resta un normale repository git di file Markdown — quindi il vincolo di proprietà della prima famiglia è rispettato — che viene sincronizzato in un database locale (PGLite, nessun server da installare) o in Postgres quando il cervello è condiviso. Sopra ci sono un recupero ibrido — vettoriale più parole chiave più attraversamento di un grafo che si costruisce da solo estraendo i riferimenti dalle note, senza chiamate a un modello — e un comando, think, che al posto dei documenti restituisce una risposta con le citazioni e l'indicazione di dove le fonti si contraddicono o mancano. Il progetto è a licenza MIT e ha raccolto quasi trentamila stelle su GitHub.

I numeri che pubblica sono interessanti proprio perché mostrano quanto sia scivoloso il terreno: sul benchmark pubblico LongMemEval dichiara un recupero corretto attorno al 93-95% delle domande, ma è la stessa documentazione a spiegare che le percentuali simili sbandierate da vari concorrenti misurano un'altra cosa — la correttezza della risposta finale, cioè anche il modello che legge e il giudice che valuta — e che quindi non sono confrontabili. È una misurazione fatta in casa, come tutte quelle di questo settore, e va letta con la stessa prudenza; ma l'onestà del disclaimer dice qualcosa sulla serietà del progetto.

Il prezzo, qui, è operativo: l'importazione dai servizi esterni va costruita caso per caso, servono lavori pianificati che tengano in ordine l'indice, e la superficie principale è una riga di comando. È il posto giusto per chi vuole possedere il proprio stack, quello sbagliato per chi vuole la strada più corta. Attorno esiste ormai un'intera famiglia — Mem0, Supermemory, Zep/Graphiti, Cognee — che risolve lo stesso problema con compromessi diversi tra controllo e comodità.

Come scegliere senza pentirsene

1. Prima il formato, poi l'app. Se le note sono file di testo su un disco che controlli, ogni errore successivo è reversibile. Se non lo sono, non lo è nessuno.
2. Cambia strumento solo per un salto di categoria. Una funzione in più non ripaga settimane di attrito. Un archivio che risponde a domande che non sapevi di potergli fare, sì.
3. Un solo posto di default per tipo di materiale. Il valore sta nelle decisioni che smetti di prendere.
4. Fai la prova d'uscita prima di entrare. Esporta tutto il primo giorno, non il giorno in cui servirà. Quello che esce male è quello che perderai.
5. Cattura giudizi, non ritagli. Due righe su perché una cosa conta valgono più di dieci pagine incollate — per te fra un anno e per il modello che le leggerà.
6. Misura l'archivio dall'output. Se in tre mesi non ne è uscito niente — un articolo, una decisione, una proposta — non hai un secondo cervello: hai un magazzino con delle belle etichette.