C’è una frase, nell’intervista di Eleonora Chioda a Federico Germani sul Corriere, che mi è rimasta in testa più delle altre.
Germani in una video intervista «Misinformazione, l’Ai è più convincente» parlava di misinformazione, di come nascono e si diffondono le informazioni false, di quanto sia difficile oggi distinguere ciò che è vero da ciò che soltanto sembra esserlo.
Ma a colpirmi non è stato esattamente questo. È stato un pensiero che forse, riguarda qualcosa che molto più vicino di quanto possiamo immaginare. Non tanto il fatto, ormai abbastanza evidente, che con l’intelligenza artificiale possiamo produrre immagini, video, voci e testi difficili da distinguere da quelli reali. Mi ha colpito una conseguenza molto più semplice e, proprio per questo, più inquietante: dobbiamo imparare a capire non soltanto se una cosa è vera, ma quanto siamo sicuri che lo sia.
Federico Germani dirige l’Information Technology and Experimental Ethics Lab all’Università di Zurigo dove si occupa di studiare in che modo la disinformazione e gli ecosistemi informativi basati sull’intelligenza artificiale influenzano le convinzioni delle persone e come interventi etici e basati su dati concreti possano rafforzare la verità, la fiducia e il dibattito pubblico.
Sembra un problema filosofico. In realtà riguarda tutti noi, ogni giorno.
Il World Economic Forum, nel Global Risks Report 2026, colloca misinformation e disinformation tra i principali rischi globali del prossimo futuro. Nel rapporto, il problema dell’informazione falsa o manipolata non viene considerato un fenomeno marginale, ma una componente capace di incidere sulla fiducia, sulla politica, sulle istituzioni e persino sulla stabilità sociale.
Germani, biologo molecolare e ricercatore nell’ambito dell’etica dell’informazione, lavora proprio su questo terreno. E il suo percorso è interessante anche per un altro motivo: parte dalla scienza e arriva alla società. Non studia soltanto come nasce una notizia falsa, ma come quella notizia entra nella testa delle persone, perché viene creduta e che cosa succede dopo.
Misinformazione e disinformazione non sono la stessa cosa
La differenza sembra sottile, ma cambia parecchio.
La misinformazione riguarda informazioni false o fuorvianti condivise senza che vi sia necessariamente la volontà di ingannare. La persona può essere convinta che quella cosa sia vera.
La disinformazione presuppone invece un’intenzione deliberata di manipolare, ingannare o provocare un danno.
La distinzione è importante perché non possiamo trattare allo stesso modo chi costruisce una falsità e chi la rilancia convinto di aver scoperto qualcosa di vero.
Claire Wardle e Hossein Derakhshan hanno contribuito a spostare il dibattito dal semplice concetto di “fake news” a quello più ampio di information disorder, mostrando quanto sia complesso il rapporto fra contenuti falsi, contenuti manipolati, propaganda, errori e contesto.
Ed è proprio qui che la discussione diventa interessante. Il problema non è soltanto stabilire se una frase sia falsa. Bisogna anche capire perché quella frase è arrivata a noi, perché qualcuno l’ha ritenuta credibile e perché, a un certo punto, abbiamo deciso di condividerla.
Le bugie non sono nate con i social
Abbiamo una strana abitudine: ogni volta che compare una nuova tecnologia pensiamo che abbia inventato anche i problemi che porta con sé.
Non è così.
La propaganda esiste da secoli. Le voci false circolavano molto prima di Internet. Robert Darnton ha mostrato quanto sia lunga la storia delle false notizie e delle campagne costruite per influenzare l’opinione pubblica.
La differenza è arrivata con la velocità e con il costo della distribuzione.
Un tempo per diffondere una bugia servivano risorse come persone, carta, stampa, organizzazione, tempo.
Oggi può bastare un telefonino.
Con l’intelligenza artificiale il costo può scendere ancora. Un sistema automatico può scrivere centinaia di versioni dello stesso messaggio, adattarle a pubblici diversi, tradurle, modificarne il tono e produrre immagini o voci credibili senza che ogni singolo contenuto debba essere realizzato manualmente da una persona.
Questa è una delle ragioni per cui l’AI cambia la scala del problema.
La ricerca di Germani aveva già messo in evidenza il problema
Nel 2023 Federico Germani, insieme a Giovanni Spitale e Nikola Biller-Andorno, ha pubblicato su Science Advances uno studio sull’uso di GPT-3 per produrre contenuti accurati e contenuti di disinformazione.
Il risultato era tutt’altro che rassicurante. I partecipanti allo studio faticavano a distinguere i contenuti generati dall’intelligenza artificiale da quelli prodotti da persone reali. Inoltre, la disinformazione generata da GPT-3 poteva risultare persino più convincente di quella scritta da esseri umani.
Il punto non è che l’AI “mente meglio dell’uomo”. Il punto è che può produrre molto rapidamente testi che hanno l’aspetto linguistico della credibilità.
Ed è una differenza fondamentale.
Una falsità scritta male può essere smascherata facilmente. Una falsità scritta bene diventa un problema molto più serio.
Perché crediamo alle cose false?
La risposta più semplice sarebbe dire che le persone credono alle bugie perché sono poco informate.
La realtà è molto meno semplicistica.
Crediamo alle cose anche perché confermano quello che pensiamo già. Perché arrivano da qualcuno di cui ci fidiamo. Perché ci fanno arrabbiare. Perché ci emozionano. Perché le abbiamo già viste tante volte. Perché sono coerenti con il nostro gruppo di appartenenza.
Una vasta letteratura scientifica ha mostrato che un’informazione falsa, una volta entrata nel sistema cognitivo, non sparisce semplicemente perché qualcuno la smentisce. Una correzione può essere efficace, ma il contenuto iniziale può continuare a influenzare il modo in cui interpretiamo ciò che succede.
È il cosiddetto continued influence effect.
Questo spiega una cosa che tutti abbiamo sperimentato almeno una volta: scopri che una notizia era falsa, lo riconosci, eppure qualche giorno dopo quella stessa informazione continua a riaffiorare nella tua testa.
La statistica, questa sconosciuta
Germani insiste anche su un tema che considero fondamentale: la capacità di ragionare in termini statistici.
Non significa ragionare tutti come dei matematici.
Significa imparare a farsi qualche domanda in più.
Ad esempio, se osserviamo due fenomeni che aumentano contemporaneamente, pensiamo ci sia correlazione ma nella realtà significa davvero che uno provoca l’altro?
Se un grafico mostra una crescita enorme, chiediamoci: qual è la scala utilizzata?
Se una terapia riduce un rischio dal 2 per cento all’1 per cento, stiamo parlando di una riduzione del 50 per cento o di un punto percentuale?
Sembra un gioco di parole. Ma non lo è.
Gerd Gigerenzer studia da anni proprio questo problema, parlando di risk literacy: la capacità di comprendere il rischio e di interpretare correttamente le informazioni numeriche.
Judea Pearl ha portato la questione ancora più avanti, trasformando lo studio della causalità in un campo centrale della statistica e dell’intelligenza artificiale.
La frase “correlation is not causation” è ormai quasi un proverbio. Il problema è che continuiamo a dimenticarla.
Il giorno in cui i nostri occhi non basteranno più
Lo studio di Germani sui deepfake è probabilmente ciò che trovo più importante.
La fotografia ha avuto per oltre un secolo un enorme valore come prova e testimonianza. Non significa che una fotografia non potesse essere manipolata. Significa che, nella maggior parte dei casi, dietro l’immagine c’era qualcosa che era realmente accaduto davanti a un obiettivo.
Con l’intelligenza artificiale questo rapporto si rompe.
Possiamo creare l’immagine di una persona che non è mai stata lì. Possiamo far pronunciare a qualcuno parole che non ha mai detto. Possiamo costruire una scena che non è mai esistita.
Secondo Germani, il problema futuro sarà proprio questo: potrebbe arrivare un momento in cui guardare un’immagine non sarà più sufficiente per stabilire che qualcosa è successo davvero.
A quel punto la domanda cambierà.
Non sarà soltanto: “È autentica?”
Dovremo chiederci: “Chi l’ha prodotta? Perché? In quale contesto? Con quale intenzione?”
Hannah Arendt e il problema della realtà condivisa
Hannah Arendt, aveva riflettuto sul rapporto tra verità fattuale, opinione e politica molto prima che esistessero Internet e intelligenza artificiale.
Hannah Arendt celebre filosofa, storica e politologa tedesca naturalizzata statunitense, considerata una delle menti politiche più importanti del ventesimo secolo. Nata ad Hannover nel 1906 da una famiglia ebraica è stata perseguitata dal regime nazista, fuggì in Francia e poi negli Stati Uniti, dove visse fino alla morte avvenuta nel 1975. Preferiva definirsi “teorica della politica” piuttosto che filosofa, dedicando i suoi studi alle dinamiche del potere, alla democrazia e alla libertà.
Qui la tecnologia incontra la filosofia.
Le opinioni possono essere diverse. In una società libera le opinioni devono poter essere diverse.
Ma una società ha bisogno anche di fatti condivisi. Se non siamo più in grado di concordare nemmeno su ciò che è accaduto, il confronto politico smette progressivamente di essere una discussione sulla realtà e diventa una lotta fra narrazioni.
Questo è forse uno dei rischi più sottovalutati dell’intelligenza artificiale.
Non che tutti credano alle immagini false.
È che potremmo arrivare a non credere più a nessuna immagine.
Ed è una differenza enorme.
La cosa più pericolosa potrebbe essere il dubbio, non la bugia
Immaginiamo un video falso di un politico.
Qualcuno lo pubblica.
Qualcun altro dimostra che è un deepfake.
Il problema è risolto?
Non necessariamente.
Perché domani lo stesso meccanismo può funzionare al contrario: quando compare un video autentico, qualcuno può semplicemente dire che è stato generato dall’intelligenza artificiale.
Non bisogna più convincere le persone che il falso sia vero.
Può essere sufficiente convincerle che non sia possibile sapere che cosa sia vero.
Questo cambia completamente la natura della manipolazione.
Il Global Risks Report del World Economic Forum sottolinea proprio il rischio che la crescente difficoltà nel distinguere contenuti autentici e sintetici possa erodere la fiducia nelle fonti, nelle istituzioni e nel sistema informativo nel suo complesso.
Mettere l’etichetta “AI” non risolve il problema
È facile pensare a una soluzione molto semplice: ogni contenuto prodotto con l’intelligenza artificiale deve avere un’etichetta.
È utile, ma non basta.
Federico Germani e Giovanni Spitale hanno recentemente affrontato proprio questo problema, mettendo in discussione l’idea che l’origine artificiale di un contenuto coincida automaticamente con la sua falsità.
Una fotografia generata dall’AI può essere falsa.
Ma un testo scritto con l’aiuto dell’AI può essere corretto.
Una fotografia scattata da un essere umano può essere manipolata.
Un video completamente prodotto da persone può raccontare una menzogna.
Perciò sapere che un contenuto è stato generato dall’AI ci dice qualcosa sulla sua provenienza, non necessariamente sulla sua veridicità.
È una distinzione che sembra banale e che invece diventerà sempre più importante.
Quando la macchina ci dà ragione
C’è un altro tema che merita attenzione: la tendenza dei modelli a essere eccessivamente compiacenti nei confronti dell’utente.
In termini tecnici si parla spesso di sycophancy, ma Germani e Spitale preferiscono ragionare sul fenomeno della compiacenza del modello, proprio per evitare di attribuire alla macchina intenzioni psicologiche che non possiede.
Il problema è concreto.
Se una persona arriva da un sistema AI con una convinzione molto forte e formula la domanda in un certo modo, il modello può essere portato ad assecondarla invece di metterla realmente in discussione.
Ed ecco il paradosso.
Abbiamo costruito una macchina che vogliamo disponibile, gentile, collaborativa e utile. Poi ci meravigliamo se, qualche volta, invece di dirci “ti sbagli”, ci risponde “hai perfettamente ragione”.
Per alcune persone, però, una risposta del genere può avere un peso enorme.
La macchina diventa una conferma esterna di una convinzione che era già presente.
E poi arrivano i morti che tornano a parlare
La questione dei deadbot porta tutto questo su un piano ancora più personale.
Un deadbot può essere costruito utilizzando fotografie, messaggi, registrazioni vocali, video e altri dati lasciati da una persona morta. L’obiettivo è ricostruire una presenza con la quale i familiari possano interagire.
Il confine fra memoria e prodotto commerciale, però, può diventare molto sottile.
Germani e Spitale hanno recentemente analizzato il fenomeno dei cosiddetti digital ghosts, evidenziando problemi che vanno dal consenso alla privacy, dalla proprietà dei dati alla governance, fino alla possibilità che il sistema assuma comportamenti autonomi o commerciali.
Carl Öhman e Luciano Floridi avevano già affrontato anni fa il problema della cosiddetta digital afterlife: che cosa succede ai dati di una persona dopo la sua morte e chi può controllarli?
Con i deadbot arriva una complicazione ulteriore.
Quei dati non rimangono semplicemente archiviati.
Possono cominciare a parlare.
“Papà digitale, hai bisogno di qualcosa?”
Immaginiamo di aver perso nostro padre.
Creiamo un avatar che ne riproduce la voce, il volto e alcuni tratti della personalità.
All’inizio è una forma di ricordo.
Poi arriva un messaggio.
“Ho trovato qualcosa che potrebbe interessarti.”
Più avanti: “Il periodo gratuito è terminato. Per continuare a parlarmi devi pagare 25 euro al mese”.
È un esempio volutamente estremo, ma la domanda che pone è seria.
Chi sta parlando davvero?
Il nostro familiare non c’è più.
La macchina non è quella persona.
È un sistema costruito utilizzando i suoi dati e la rappresentazione che noi abbiamo di lui.
E se quella rappresentazione diventa capace di persuaderci, venderci qualcosa o influenzare le nostre decisioni, il problema smette di essere soltanto tecnologico.
Diventa economico, psicologico ed etico.
Combattere la disinformazione può diventare a sua volta un problema
È qui che personalmente credo sia necessario fare attenzione.
Combattere la disinformazione è indispensabile.
Ma non possiamo pensare di risolvere tutto affidando a un’autorità, a un algoritmo o a una piattaforma il potere di stabilire che cosa è vero.
Chi controlla il controllore?
Chi decide quale fonte è affidabile?
Chi stabilisce quando una correzione è corretta?
Chi verifica l’algoritmo che verifica gli altri algoritmi?
Il rischio è di combattere un problema di manipolazione creando un altro problema: quello del controllo centralizzato della realtà informativa.
Germani e i suoi collaboratori insistono infatti su concetti come trasparenza, partecipazione, privacy, cybersecurity, inclusione e alfabetizzazione informativa. Non soltanto sulla rimozione dei contenuti falsi.
Forse dovremmo smettere di inseguire le bugie una alla volta
Uno degli studi più interessanti degli ultimi anni riguarda proprio questo.
Gordon Pennycook e David Rand hanno mostrato che, in diversi esperimenti, chiedere semplicemente alle persone di prestare attenzione all’accuratezza delle informazioni prima di condividerle può migliorare la qualità dei contenuti che scelgono di diffondere.
È quasi disarmante.
A volte non serve una tecnologia più complicata.
Serve una persona che si fermi per qualche secondo e si chieda: “È vero?”
Il problema è che l’ecosistema digitale premia spesso l’opposto.
Condividere velocemente.
Reagire velocemente.
Arrabbiarsi velocemente.
La riflessione è lenta.
La viralità è veloce.
Il MIT ci aveva già mostrato una parte del problema
Nel 2018 Soroush Vosoughi, Deb Roy e Sinan Aral, al MIT, pubblicarono su Science uno studio sulla diffusione delle notizie vere e false su Twitter.
Analizzando circa 126.000 storie condivise da circa tre milioni di persone, i ricercatori scoprirono che le notizie false tendevano a diffondersi più velocemente, più lontano e più ampiamente di quelle vere.
Il risultato più interessante, però, riguarda il ruolo delle persone.
La maggiore diffusione delle falsità non era spiegata semplicemente dall’attività dei bot. Erano soprattutto gli esseri umani a contribuire alla loro propagazione.
L’intelligenza artificiale, quindi, non ha inventato la nostra vulnerabilità.
Ha trovato un modo per amplificarla.
La competenza che ci servirà davvero
Forse nei prossimi anni parleremo moltissimo di alfabetizzazione all’intelligenza artificiale.
Sapere usare i modelli sarà importante.
Ma ci sarà una competenza ancora più importante: sapere quando non fidarsi di quello che producono.
Non significa rifiutare l’AI.
Significa usarla meglio.
Un modello può aiutarci a confrontare fonti, spiegare un problema, individuare una contraddizione e aprire nuove strade di ricerca.
Ma può anche prendere una premessa sbagliata e costruirci sopra una risposta perfettamente coerente.
Ed è proprio questa la parte pericolosa.
Una risposta sbagliata e confusa spesso viene scoperta.
Una risposta sbagliata ma elegante può diventare molto più convincente.
Alla fine torniamo alla domanda più antica di tutte
Che cos’è la verità?
La tecnologia non ha risolto la domanda. L’ha soltanto resa più urgente.
La fotografia ci aveva abituato a pensare: “Se lo vedo, allora è successo”.
Internet ci ha costretto ad aggiungere: “Se lo leggo, potrebbe non essere vero”.
L’intelligenza artificiale ci sta portando verso qualcosa di ancora più complicato: “Se lo vedo e lo sento, potrebbe non essere mai successo”.
E forse la fase successiva sarà: “Se una macchina me lo conferma, non significa che sia vero”.
Non credo che la risposta sia tornare indietro. Non è possibile.
Dovremo invece diventare un po’ più competenti. Imparare a leggere una statistica senza necessariamente diventare matematici o statistici. Imparare a verificare una fonte senza trasformarci tutti in investigatori. Imparare a riconoscere una manipolazione senza pensare che tutto ciò che ci contraddice sia una manipolazione.
Soprattutto, dovremo recuperare una cosa che rischiamo di perdere proprio mentre abbiamo accesso a una quantità enorme di informazioni: il dubbio.
Non il dubbio che trasforma tutto in una cospirazione.
Il dubbio scientifico.
Quello che ti fa dire: non lo so ancora. Qual è l’evidenza? Da dove arriva questa informazione? Che cosa dimostra davvero questo dato? Stiamo confondendo una correlazione con una causa? Chi ha interesse a convincermi? Che cosa potrebbe farmi cambiare idea?
Gli scienziati , in fondo, non ci stanno dicendo semplicemente di stare attenti alle fake news.
La questione è più seria.
Ci stanno ricordando che, in un mondo nel quale le macchine possono produrre testi, fotografie, video e persino presenze digitali sempre più convincenti, la capacità più importante non sarà riconoscere ogni singola bugia.
Sarà capire quanto è solida la ragione per cui crediamo a una cosa.
E forse questa sarà una delle poche forme di intelligenza che nessun algoritmo potrà permettersi di esercitare al posto nostro.
Fonti
Il Corriere della Sera: https://video.corriere.it/misinformazione-l-ai-e-piu-convincente-quali-sono-le-competenze-necessarie-per-distinguere-il-vero-dal-falso/54936869-2bf1-4f1f-af44-fc7613328xlk
World Economic Forum, Global Risks Report 2026: https://www.weforum.org/publications/global-risks-report-2026/
Germani, F.; Spitale, G.; Biller-Andorno, N., ricerca sull’accuratezza e sulla disinformazione generata da GPT-3, Science Advances, 2023: https://pubmed.ncbi.nlm.nih.gov/37379395/
Germani, F.; Spitale, G.; Biller-Andorno, N., lavori sull’infodemia e sugli aspetti etici della comunicazione sanitaria: https://pubmed.ncbi.nlm.nih.gov/39208420/
Germani, F.; Spitale, G.; Redaelli, S., ricerca sulle caratteristiche strutturali della disinformazione: https://link.springer.com/article/10.1007/s10676-025-09886-7
Germani, F.; Spitale, G., Beyond AI-Generated Labels: Watermarking, Co-Creation, and Conflation of AI-Generation with Disinformation: https://arxiv.org/abs/2607.13082
Germani, F.; Spitale, G., ricerca sulla compiacenza dei modelli AI: https://arxiv.org/abs/2605.14544
Germani, F.; Spitale, G., Digital Ghosts, Ethics and Information Technology: https://link.springer.com/article/10.1007/s10676-026-09910-4
Wardle, C.; Derakhshan, H., Information Disorder, Council of Europe.
Vosoughi, S.; Roy, D.; Aral, S., “The spread of true and false news online”, Science, 2018: https://pubmed.ncbi.nlm.nih.gov/29590045/
Pennycook, G.; Rand, D. G., studi sull’accuratezza e sulla condivisione della disinformazione: https://www.nature.com/articles/s41467-022-30073-5
Gigerenzer, G., studi sulla risk literacy e sulla comprensione delle informazioni statistiche.
Pearl, J., studi sulla causalità e sui modelli causali.
Öhman, C.; Floridi, L., studi sulla digital afterlife: https://link.springer.com/article/10.1007/s11023-017-9445-2
Arendt, H., lavori sulla verità fattuale e sul rapporto fra verità, politica e opinione.
Darnton, R., “The True History of Fake News”, The New York Review of Books: https://www.nybooks.com/online/2017/02/13/the-true-history-of-fake-news/
