Uno studio pubblicato su Discover Artificial Intelligence (Springer Nature) da Marco Giacalone introduce una griglia metodologica per classificare tono e prospettiva nelle risposte dei modelli generativi..

Mentre il dibattito pubblico sull’intelligenza artificiale si è finora concentrato sulla veridicità dei contenuti, sul binomio vero/falso, la ricerca scientifica inizia a spostare l’attenzione sulle modalità con cui queste informazioni vengono veicolate.

Un recente studio firmato dall’informatico palermitano Marco Giacalone, pubblicato sulla rivista internazionale Discover Artificial Intelligence, propone infatti un approccio sistematico per analizzare il comportamento discorsivo dei modelli di IA.

Il cuore della ricerca risiede nel superamento del semplice controllo dei fatti. Un sistema di IA può fornire una risposta tecnicamente corretta, ma la sua “architettura narrativa” può variare drasticamente: può essere distaccata, empatica, tecnica o orientata a valori etici. Queste sfumature non sono semplici dettagli stilistici, ma influenzano direttamente la percezione e l’interpretazione dell’utente finale.

I cinque modelli di AI analizzati

Lo studio ha messo a confronto cinque dei modelli più diffusi: ChatGPT, Claude, Copilot, DeepSeek, Gemini, sottoponendo loro quesiti neutri su temi complessi e sensibili come migrazioni, clima, diritti umani e conflitti.

I risultati evidenziano come ogni modello tenda a sviluppare profili discorsivi ricorrenti. La neutralità, dunque, non appare come una caratteristica intrinseca della macchina, ma come una variabile che deve essere misurata e verificata.

L’apporto principale di Giacalone è di tipo metodologico: lo studio introduce una griglia di classificazione basata su due assi principali: Il tono discorsivo, ad esempio tecnico, assertivo, empatico, bilanciato e la prospettiva di inquadramento, cosiddetto framing ad esempio legale, umanitaria, storica, giornalistica.

Le implicazioni di questo metodo sono molteplici. In ambito didattico, offre a docenti e studenti uno strumento per un uso critico dell’IA, trasformando la consultazione dei chatbot in un esercizio di analisi del linguaggio.

Nel settore dell’informazione e del diritto, dove l’IA è sempre più integrata come supporto decisionale o di scrittura, comprendere il “framing” di una risposta diventa essenziale.

Digitale popolare ha intervistato l’autore dello studio:

D: Perché ha ritenuto necessario spostare il focus della ricerca dall’accuratezza dei fatti (fact-checking) alla modalità di costruzione del discorso?

R: Perché il fact-checking da solo non basta più. Un sistema di intelligenza artificiale può fornire una risposta corretta, ma costruita in modo tale da orientare comunque l’interpretazione di chi legge. Il punto non è solo cosa viene detto, ma come viene detto. Nelle risposte dei modelli troviamo tono, selezione delle informazioni e costruzione del discorso. Sono questi elementi che influenzano davvero la percezione dell’utente.
Se ci limitiamo al vero o falso, perdiamo il livello più importante, cioè il modo in cui l’IA organizza il significato.

D: Il suo studio dimostra che i modelli di IA scelgono autonomamente una “postura” narrativa. Secondo lei, quanto di questo comportamento dipende dai dati di addestramento e quanto dai filtri di sicurezza impostati dalle aziende produttrici?

È il risultato di entrambe le componenti, ma in modo intrecciato. I dati di addestramento forniscono il “materiale culturale” da cui il modello apprende schemi linguistici, priorità e sensibilità. I filtri di sicurezza, invece, intervengono a valle, orientando il comportamento verso risposte considerate più appropriate o meno rischiose.
Quello che emerge è che la postura narrativa non è mai completamente neutrale: è il prodotto di scelte, sia implicite nei dati sia esplicite nelle policy.
Per questo è più utile analizzare come il modello costruisce le sue risposte e quali logiche guidano questa costruzione.

D: Come possono i professionisti dell’informazione utilizzare la sua griglia di classificazione per evitare che l’uso dell’IA generativa introduca involontariamente dei “bias” nei loro articoli?

R: La griglia può essere utilizzata come uno strumento di controllo prima della pubblicazione. Un giornalista può rileggere una risposta generata dall’IA non solo verificando i contenuti, ma analizzando il tono e il framing: è una risposta tecnica, emotiva, sbilanciata su una prospettiva specifica? Sta dando più spazio a un punto di vista rispetto a un altro?
Questo passaggio permette di individuare bias che non sono nei dati, ma nel modo in cui il discorso è costruito.
In questo senso l’IA non va usata come fonte diretta, ma come materiale da interpretare. La griglia aiuta proprio a fare questo: trasformare l’uso del chatbot in un esercizio di lettura critica, riducendo il rischio di introdurre inconsapevolmente distorsioni nel testo finale.

D: Nella sua esperienza alla LUMSA, come hanno reagito gli studenti messi di fronte all’analisi critica del “tono” dell’IA? È un metodo che può essere esportato anche nelle scuole secondarie?

R: La reazione degli studenti è stata molto interessante, perché cambia completamente il modo in cui guardano alle risposte dell’IA.
Quando li inviti a non fermarsi al contenuto ma ad analizzare il tono e il framing, iniziano a leggere in modo più consapevole. Si rendono conto che due risposte simili possono produrre effetti diversi a seconda di come sono costruite.
Il metodo è già adatto all’università e alla scuola secondaria di secondo grado, dove può essere utilizzato come strumento di educazione critica al linguaggio.
Per la scuola secondaria di primo grado è necessario semplificarlo e affiancarlo alla guida del docente, ma resta comunque un approccio efficace per sviluppare competenze di lettura e interpretazione.

D: Auspica che questo metodo di misurazione diventi uno standard per certificare l’imparzialità dei futuri assistenti digitali, magari attraverso enti regolatori indipendenti?

R: Più che certificare un’imparzialità assoluta, che è difficile da definire in modo oggettivo, l’obiettivo dovrebbe essere rendere misurabile e trasparente il comportamento dei sistemi.
Un indice basato su tono e framing potrebbe diventare uno strumento utile per valutare come un sistema costruisce le proprie risposte, non solo nei modelli testuali ma anche in altri contesti, come assistenti vocali o sistemi robotici.
In questo senso, un approccio di questo tipo potrebbe evolvere verso forme di certificazione, soprattutto se supportato da enti indipendenti, ma con una logica diversa da quella tradizionale: non stabilire se un sistema è neutrale, ma rendere visibili le sue caratteristiche comunicative.
Questo permetterebbe agli utenti e alle organizzazioni di utilizzare l’intelligenza artificiale in modo più consapevole e informato.

D: Tra i modelli analizzati, ne ha riscontrato uno che tende a privilegiare l registro “empatico”? In che misura questa “umanizzazione” del tono può influire sulla fiducia o sull’eccessivo affidamento dell’utente rispetto alla neutralità del dato?

Sì, tra i modelli analizzati ChatGPT mostra una tendenza abbastanza evidente verso un registro empatico, soprattutto quando il tema riguarda aspetti sociali o umanitari.
Dai risultati emerge che questa scelta di tono incide sulla percezione di affidabilità: una risposta più empatica viene spesso percepita come più vicina e quindi più convincente, anche a parità di contenuto.
Questo può tradursi in un livello di fiducia maggiore e, in alcuni casi, in un affidamento più rapido alle risposte fornite.
L’analisi del tono, in questo senso, aiuta a leggere meglio questa dinamica, distinguendo tra qualità dell’informazione e modalità con cui viene presentata.

Marco Giacalone

ha conseguito la laurea in Economia e Commercio e la laurea in Ingegneria Gestionale. È fondatore di MarcoMedia, azienda di sviluppo software specializzata in soluzioni innovative, ed è Professore a contratto di Informatica presso la LUMSA Santa Silvia di Palermo. È membro del LICAIM, LUMSA International Research Center for Artificial Intelligence Management. Ha collaborato con multinazionali ed enti pubblici, maturando competenze nelle applicazioni dell’intelligenza artificiale.
Svolge regolarmente seminari e attività formative sul potenziale dell’IA in diversi settori e opera come consulente informatico in Sicilia per ordini e associazioni professionali in ambito medico, contabile, giornalistico, biologico e veterinario. È anche giornalista freelance. I suoi interessi di ricerca includono l’intelligenza artificiale, l’analisi delle reti e la resilienza delle infrastrutture critiche.

Digitale Popolare ha già affrontato il tema, si leggano anche L’IA e i suoi “quattro quadranti”: al centro c’è l’empatia – Digitale Popolare e IA, nasce osservatorio Formez-PUA-CSI Piemonte con al centro l’umanesimo digitale – Digitale Popolare