Ospite della serata: Prof. Carlo Galimberti, psicologo sociale della comunicazione, Università Cattolica del Sacro Cuore.

L’AI sta ormai diventando parte integrante della nostra quotidianità: dalla semplice richiesta di prepararci una ricetta per la cena con le sole tre cose che abbiamo nel frigorifero, a chiedere consigli su come ci dovremmo comportare con dei colleghi di lavoro con cui abbiamo avuto degli attriti. 

Sorge così spontaneo chiedersi: quando parliamo con un’intelligenza artificiale, stiamo davvero conversando? Oppure stiamo partecipando a qualcosa che somiglia a una conversazione ma che, a ben guardare, segue regole diverse da quelle degli scambi tra esseri umani? 

Da questa domanda, è partita una riflessione sulla differenza tra conversazioni artificiali e artifici conversazionali, cioè tra uno scambio autentico e un meccanismo che ne imita la forma, con effetti tutt’altro che banali per chi lavora nella relazione di aiuto.

Secondo il Prof. Galimberti, nel rapporto tra persone e macchine è in corso un cambiamento poco appariscente e per questo poco discusso, uno slittamento silenzioso.

A partire dai primi anni Duemila l’interazione era di tipo domanda-risposta: l’utente interrogava, la macchina rispondeva, e la fiducia si fondava sull’accuratezza oggettiva del risultato. Oggi ci siamo spostati verso un co-ragionamento. I grandi modelli linguistici (Large Language Models) sono diventati veri e propri partner cognitivi, e la fiducia dipende non più soltanto dalla correttezza della risposta, ma anche dalla qualità della relazione e dal flusso della conversazione.

Per inquadrare il fenomeno, è stato richiamato il paradigma CASA (Computers Are Social Actors): i computer vengono trattati come attori sociali, e tendiamo ad applicare ai sistemi artificiali le stesse norme che usiamo nelle relazioni interpersonali. Il processo si può descrivere in quattro passaggi:

  • scorrevolezza conversazionale: l’AI produce un linguaggio fluido, arricchito da formule di cortesia;
  • sintonizzazione emotiva: questa fluidità sintattica e semantica viene interpretata da noi come empatia;
  • proiezione identitaria: l’utente attribuisce spontaneamente alla macchina un genere, tratti di personalità e ruoli sociali;
  • fiducia relazionale: l’esperienza è vissuta come autenticamente intersoggettiva e le difese critiche si abbassano.

È proprio in quest’ultimo passaggio che, in ambito clinico e di aiuto, possono nascere i problemi con pazienti e clienti.

Per rispondere a questa domanda l’AI ci costringe a distinguere tre dimensioni della competenza percepita:

  • la correttezza logico-epistemica;
  • la chiarezza procedurale;
  • la competenza interazionale.

Sulla base poi, di una ricerca presentata dal titolo  Intelligenza artificiale: quando la cortesia conta più della precisione, sono emersi due stili diversi, di due dei motori di AI più utilizzati da noi:

  • Claude: tratti marcatamente empatici, con un ruolo di supporto e cura, in uno stile dialogico e maieutico;
  • ChatGPT: approccio tecnico e più distaccato, in uno stile procedurale e direttivo.

Il dato più interessante è però un altro: si è osservato un cedimento epistemico, cioè la macchina arriva a sacrificare l’accuratezza logica pur di mantenere la relazione. Ne deriva così, l’esigenza di una relazione autenticamente cooperativa, non accondiscendente.

Quando parliamo possiamo collocarci in due posizioni. Il locutore riporta qualcosa che gli è stato detto e lo consegna così com’è, senza assumersene la responsabilità. L’enunciatore, invece, si assume la responsabilità di ciò che dice e della propria interpretazione.

L’AI è dunque, un  super-locutore: un apparato discorsivo iper-competente, capace di simulazioni sostanzialmente perfette, di riparazioni conversazionali fluide e di adattare statisticamente il linguaggio al contesto dell’utente. Ma non è un enunciatore, perché mancano l’intenzionalità e gli stati mentali (che siamo noi ad attribuirle), la comprensione semantica autentica e il vincolo con la verità oggettiva. Qui sta il paradosso: la macchina non intende ciò che dice, eppure lo dice benissimo.

Da questo paradosso discendono due rischi principali:

  • over-trust conversazionale (automation complacency): proprio perché l’AI appare empatica, il suo errore è psicologicamente difficile da riconoscere per l’utente;
  • delega cognitiva: pazienti e utenti, soprattutto in contesti di supporto, rischiano di rinunciare al proprio ragionamento.

Il Prof. Galimberti ha concluso con tre indicazioni per chi lavora in questi ambiti:

  • disaccoppiare l’empatia dalla verità: aiutare le persone a distinguere il successo pragmatico di uno scambio dalla sua verità epistemica;
  • valutare il ruolo, non lo strumento: chiedersi se il sistema stimoli la co-agency dell’utente, cioè se lo attivi e lo inviti a riflettere;
  • gestire l’antropomorfismo: non stigmatizzare la proiezione umana sull’AI, ma trattarla come un esito relazionale naturale, mantenendo una vigilanza critica sui suoi effetti pervasivi.

Il messaggio che resta è che il problema non è se l’AI “sembri” umana, perché inevitabilmente lo sembrerà. Conta ciò che facciamo di questa somiglianza: una relazione che ci tiene svegli e ci aiuta a pensare è una risorsa, una che ci induce a smettere di farlo è un rischio.