AI nei contenuti: il problema non è usarla, ma fingersi esperti

Il dibattito sulla riconoscibilità dei contenuti prodotti con l’intelligenza artificiale sta prendendo una direzione estremamente comoda: trasformare lo strumento in una colpa e il suo utilizzatore in un sospetto. È una semplificazione perfetta per i social network, per i sacerdoti dell’autenticità digitale e soprattutto per chi vuole dividere il mondo tra chi scrive “davvero” e chi si farebbe scrivere tutto da una macchina. La realtà è molto meno rassicurante. L’intelligenza artificiale non è la prova dell’assenza di competenze e può essere, al contrario, un moltiplicatore di competenze già esistenti. Il vero problema nasce quando qualcuno privo di conoscenze utilizza un modello per costruirsi una competenza che non possiede e presentarsi pubblicamente come esperto. È lì che l’AI smette di essere correttore, assistente, strumento di produttività o acceleratore e diventa una macchina capace di produrre impostori credibili.

Il watermark non può certificare chi ha pensato un contenuto

Il caso Claude rende il paradosso particolarmente evidente. Anthropic ha lavorato alla possibilità di incorporare segnali statistici nei testi prodotti dai propri modelli in relazione agli obblighi europei e lo stesso dibattito è stato affrontato nell’analisi di Matrice Digitale dedicata a Claude, watermark e strumenti per rimuoverli. Il punto fondamentale è che un indicatore tecnico può eventualmente segnalare il coinvolgimento di un modello nella produzione o nella modifica del testo, ma non può certificare chi abbia concepito l’idea, chi abbia sviluppato il ragionamento, chi abbia verificato le informazioni e soprattutto chi ne assuma la responsabilità intellettuale. È una distinzione decisiva anche nel quadro del Codice europeo su etichette e watermark, perché un contenuto assistito da un modello può essere originale, verificato e sottoposto a controllo editoriale, mentre un testo scritto interamente da un essere umano può essere copiato, mediocre o completamente falso. La Commissione europea ragiona infatti sulla trasparenza rispetto ai contenuti generati o manipolati, non sulla creazione di una patente morale capace di stabilire automaticamente la qualità di ciò che viene pubblicato.

Copiare un testo mette già in crisi la grande caccia all’AI

La questione diventa ancora più interessante quando dalla teoria si passa alla circolazione reale dei contenuti. Se un testo prodotto attraverso un sistema generativo viene copiato da una piattaforma, incollato in un editor, modificato, accorciato, corretto, integrato con nuovi passaggi e successivamente ripubblicato, quanto rimane realmente riconoscibile della sua origine tecnica? E soprattutto: a quale percentuale di intervento umano dovrebbe scattare la trasformazione metafisica da “contenuto AI” a “contenuto umano”? È la stessa fragilità che da anni accompagna i detector, capaci di produrre falsi positivi anche su testi molto precedenti alla diffusione dei modelli generativi contemporanei. La discussione sulla trasparenza resta necessaria, ma trasformarla in una caccia alle streghe significa pretendere da strumenti probabilistici una certezza ontologica che non possono offrire. Il problema non è sapere se una frase sia stata rifinita da Claude, ChatGPT o Gemini: il problema è stabilire se qualcuno stia utilizzando quelle tecnologie per ingannare il pubblico sulla propria identità, sulle proprie conoscenze o sulla provenienza sostanziale di ciò che pubblica.

Le piattaforme usano l’AI mentre insegnano agli altri come usarla

C’è poi un elemento quasi comico. Le piattaforme che stanno definendo regole, etichette e sistemi di riconoscimento sono esattamente le stesse che stanno incorporando l’intelligenza artificiale in ogni fase della produzione digitale. LinkedIn offre funzioni generative e ha già aperto questioni rilevanti sull’utilizzo dei dati degli utenti per addestrare sistemi AI, mentre YouTube nelle proprie regole sulla disclosure dei contenuti sintetici distingue l’assistenza alla produzione dalla creazione di contenuti realistici manipolati in modo sostanziale. Si può quindi utilizzare l’AI per preparare un outline, correggere uno script, adattare un titolo o costruire una miniatura senza che ogni intervento debba trasformarsi automaticamente in una confessione pubblica. Lo stesso ecosistema che pretende di disciplinare l’AI la distribuisce come funzione nativa. Ed è difficile ignorare il paradosso quando YouTube assume sempre più una funzione editoriale nella selezione e monetizzazione dei creator e contemporaneamente decide quali utilizzi dell’automazione siano accettabili, premiabili o penalizzabili.

Il rischio vero è diventare esperti senza sapere nulla

La questione più seria non riguarda quindi il professionista che conosce una materia e utilizza un modello per ottimizzare il proprio lavoro. Riguarda chi utilizza la capacità linguistica dell’AI per costruirsi una competenza inesistente. Oggi una persona può chiedere a un modello di produrre contenuti apparentemente autorevoli su fisica, matematica, economia, cybersecurity o geopolitica senza possedere gli strumenti minimi per comprenderne davvero il significato. Può imparare il lessico della disciplina, imitare la costruzione retorica degli specialisti e perfino generare risposte convincenti alle obiezioni. Non è diventata competente: ha semplicemente ottenuto una protesi retorica della competenza. È qui che il dibattito dovrebbe diventare molto più severo, perché la trasformazione del lavoro attraverso l’intelligenza artificiale rende sempre più difficile distinguere dall’esterno chi conosca davvero un argomento da chi sappia soltanto interrogare efficacemente un modello. L’automazione non elimina quindi il valore della preparazione, ma può nasconderne l’assenza.

Il paradosso più inquietante è la mappatura della nostra mente

Esiste però un rischio ancora più profondo e stranamente meno discusso. Utilizzare quotidianamente un modello, correggerne gli output, insegnargli il proprio stile, fornire esempi, spiegare preferenze, strutture logiche, criteri decisionali e modalità di ragionamento significa progressivamente trasformare una parte del proprio metodo intellettuale in dati utilizzabili da una macchina. Non è necessario immaginare fantascientifiche copie digitali della coscienza: è sufficiente pensare alla costruzione di un modello operativo sufficientemente accurato del modo in cui una persona affronta un problema, struttura una tesi, sceglie le parole, seleziona le priorità e produce un giudizio. Qui nasce il vero paradosso. Il professionista utilizza l’intelligenza artificiale per aumentare la propria produttività, ma nel frattempo potrebbe contribuire a costruire lo strumento che renderà replicabile una parte della sua unicità professionale. Domani quello stesso schema cognitivo potrebbe essere applicato da una persona dall’altra parte del mondo, in un’altra lingua, ventiquattro ore al giorno e a un costo enormemente inferiore, magari ottenendo persino più visibilità e fatturato dell’originale. Il timore più interessante non è quindi che l’AI ci sostituisca perché è diventata intelligente da sola, ma che possa sostituirci dopo avere imparato abbastanza bene come pensiamo noi. In questa prospettiva privacy, proprietà intellettuale, know-how professionale e identità digitale finiscono nello stesso problema, molto più grande della presenza o meno di un watermark in fondo a un post.

L’originalità continua a dipendere da chi utilizza la macchina

Questo non significa però sostenere che ogni utilizzatore dell’AI possieda automaticamente qualcosa da dire. Vale esattamente il contrario. Una persona senza contenuti non diventa originale grazie a ChatGPT, Claude o Gemini: diventa soltanto più veloce nel produrre contenuti senza originalità. Può moltiplicare post, commenti, articoli e thread, ma continuerà a riciclare idee già circolate se non possiede esperienza, conoscenza o una propria capacità di analisi. È il limite che emerge anche nella critica alla narrazione magica dell’intelligenza artificiale: il modello può imitare una struttura, suggerire una formulazione e organizzare informazioni, ma l’originalità sostanziale deriva ancora dalla qualità di ciò che gli viene fornito e dalla capacità di giudicare ciò che restituisce. In altre parole, un modello può simulare perfettamente la forma del pensiero senza possedere l’esperienza che ha prodotto quel pensiero.

La caccia alle streghe sull’AI serve soprattutto a evitare la domanda giusta

La paura che ogni contenuto assistito dall’intelligenza artificiale venga bollato come artificiale rischia quindi di produrre una conseguenza grottesca: professionisti competenti che nascondono l’utilizzo legittimo di strumenti ormai ordinari mentre gli impostori imparano a riscrivere, ripulire e aggirare i sistemi di rilevazione.

La tecnologia di provenienza ha senso quando serve a contrastare frodi, impersonificazioni, deepfake e manipolazioni; diventa ridicola quando pretende di stabilire il valore intellettuale di una persona sulla base dello strumento che ha utilizzato per correggere una frase.

La domanda utile non è allora “hai usato l’intelligenza artificiale?”, ma “che cosa hai aggiunto tu?”. Conoscenza, esperienza, controllo, verifica, metodo, interpretazione e responsabilità oppure soltanto un prompt abbastanza sofisticato da fabbricare una credibilità che non esiste? Nel primo caso l’AI rimane uno strumento. Nel secondo diventa una maschera. E forse il pericolo più grande arriverà quando quella maschera non avrà nemmeno più bisogno dell’impostore originale, perché avrà imparato abbastanza bene da replicarne il modo di pensare senza di lui.