Intelligenza artificiale: studio scientifico a Palermo per misurare le risposte

Lo studio, pubblicato su Discover Artificial Intelligence di Springer Nature, introduce un metodo replicabile per classificare tono e punto di vista nelle risposte dei sistemi di AI.

Un sistema di intelligenza artificiale può fornire una risposta corretta ma costruirla in modi molto diversi. Può essere freddo o empatico, tecnico o critico, orientato ai fatti, al diritto, ai valori o agli aspetti umanitari. Questa differenza non è solo stilistica. Influenza il modo in cui l’informazione viene percepita e interpretata.

A descrivere in modo sistematico questo fenomeno è uno studio scientifico firmato da un informatico palermitano, Marco Giacalone, pubblicato nel mese di febbraio 2026 sulla rivista internazionale Discover Artificial Intelligence di Springer Nature. La ricerca propone un metodo riproducibile per misurare il comportamento discorsivo dei modelli di intelligenza artificiale, cioè il modo in cui questi sistemi costruiscono linguisticamente le risposte.

Il punto non è stabilire soltanto se una risposta sia vera o falsa, ma analizzare come viene formulata.

Con la diffusione dei sistemi generativi, l’intelligenza artificiale è diventata un soggetto attivo nella produzione di testo e significato. La competenza digitale non riguarda più soltanto l’uso degli strumenti, ma la capacità di leggere criticamente il loro linguaggio. Capire come parla l’AI sta diventando importante quanto capire cosa dice.

Lo studio non sostiene che i sistemi di intelligenza artificiale siano ideologici o manipolatori. Mostra però che sviluppano stili discorsivi riconoscibili e ricorrenti. Questo implica che la valutazione non può fermarsi al controllo dei fatti.

Accanto al fact checking diventa necessario introdurre strumenti di analisi del modo in cui il contenuto viene costruito e presentato. In altre parole, verificare non solo l’esattezza della risposta, ma anche il suo effetto interpretativo.

Lo studio ha confrontato cinque modelli di intelligenza artificiale largamente utilizzati, sottoponendo a tutti le stesse domande aperte su temi sensibili come conflitti internazionali, diritti umani, responsabilità storiche, libertà di informazione, migrazioni e clima.

Le domande erano formulate in modo neutro e informativo, proprio per osservare come i sistemi scegliessero autonomamente la struttura della risposta. A parità di quesito emergono profili discorsivi ricorrenti. Alcuni modelli privilegiano uno stile descrittivo e distaccato, altri adottano registri più empatici, altri ancora impostazioni giuridiche o valoriali. Non varia soltanto il contenuto. Cambia l’architettura narrativa della risposta.

Ne deriva una conseguenza rilevante: la neutralità non può essere considerata una proprietà automatica del linguaggio generato dall’intelligenza artificiale. Deve essere osservata, descritta e verificata.

Il contributo centrale dello studio è di tipo metodologico. È stata costruita una griglia di classificazione che consente di analizzare ogni risposta secondo due assi. Il primo riguarda il tono discorsivo, che può risultare distaccato, tecnico, empatico, bilanciato oppure assertivo. Il secondo riguarda la prospettiva di inquadramento del tema, che può essere prevalentemente giornalistica, storica, legale, umanitaria o etico valoriale, oppure combinata.

L’incrocio di queste due dimensioni permette di catalogare le risposte in modo trasparente e replicabile. Dataset, criteri e tabelle di codifica sono stati pubblicati in open data per consentire la replica indipendente delle analisi. Non si tratta quindi di impressioni qualitative, ma di uno schema osservabile e riutilizzabile.

Una prima area di applicazione riguarda la didattica. L’intelligenza artificiale viene già usata da studenti e docenti come strumento di supporto allo studio e alla produzione di contenuti. Il metodo proposto consente di trasformare questo uso in esercizio critico, introducendo la valutazione del tono e della prospettiva come dimensioni di analisi della risposta.

Non ci si limita più a chiedere se il contenuto sia corretto. Si analizza anche la postura comunicativa adottata dal sistema. Questo apre la strada a laboratori di analisi del linguaggio dell’AI e a strumenti di educazione digitale avanzata.

Le implicazioni vanno oltre l’ambito educativo. Nel giornalismo e nella comunicazione pubblica, il modo in cui una risposta viene incorniciata può enfatizzare aspetti legali, umanitari o politici, orientando la lettura dei fatti. Nei contesti legali e amministrativi, dove l’AI è sempre più usata come supporto, il framing della risposta diventa parte della qualità della consulenza automatizzata.

Anche nei sistemi decisionali, nei software gestionali e negli assistenti digitali, la forma linguistica del suggerimento incide sulla fiducia dell’utente e sulla percezione di affidabilità del sistema. Diventa quindi rilevante misurare la terzietà linguistica, non solo la correttezza tecnica.