Un uomo porge una penna e chiede: «Vendimi questa penna». L’altro risponde: «Vi ucciderà tutti».
Ammettiamolo: come argomento commerciale è insolito. Una penna che scrive bene potrebbe interessarmi. Una penna che stermina l’umanità, invece, preferirei lasciarla in cartoleria.
Eppure, se al posto della penna mettiamo l’intelligenza artificiale, la battuta diventa meno assurda. È questo il bersaglio del meme: il cortocircuito fra la promessa di una tecnologia straordinaria e l’annuncio delle conseguenze terribili che potrebbe produrre.
Mi ha fatto sorridere. Poi mi ha fatto pensare. Perché dietro due vignette c’è una domanda utile anche per chi non sa nulla di AI: quando qualcuno descrive il proprio prodotto come una forza capace di cambiare, o distruggere, il mondo, sta spiegando un rischio oppure ne sta aumentando il fascino?
Le due cose, talvolta, possono convivere.
Come si legge il meme, anche senza aver visto il film
L’immagine riprende la scena di “Vendi questa penna” di The Wolf of Wall Street, con Leonardo DiCaprio nei panni di Jordan Belfort. La richiesta è una prova di vendita: convincere l’interlocutore a comprare un oggetto banalissimo.
Nel meme, alla richiesta inglese «Sell me this pen» segue «It’s going to kill you all»: «Vi ucciderà tutti». La seconda battuta è la riscrittura satirica dell’immagine, non una citazione da usare come testimonianza sul dibattito scientifico.
La comicità nasce dal ribaltamento delle aspettative. Ci aspettiamo un vantaggio, riceviamo una minaccia. La penna diventa una metafora dell’AI: chi dovrebbe mostrarci perché usarla ci racconta quanto potrebbe essere pericolosa.
Non serve conoscere modelli linguistici, reti neurali o agenti. Basta riconoscere l’assurdità della situazione: «Compra il mio prodotto. È talmente potente che potrebbe essere l’ultimo che comprerai».
Perché il meme viene associato all’intelligenza artificiale
Il collegamento ha una base reale. Nella dichiarazione sul rischio di estinzione del Center for AI Safety, firmata anche da Sam Altman, Dario Amodei e Demis Hassabis, si chiede di trattare la mitigazione di quel rischio come una priorità globale, accanto a pandemie e guerra nucleare.
È una presa di posizione seria. Ma occorre leggerla bene: non afferma che il chatbot sul nostro telefono ci ucciderà, non indica una data e non quantifica la probabilità di un’estinzione.
Il meme comprime tutto in una frase brutale. Fa il suo mestiere: semplifica e provoca. Il nostro mestiere, dopo aver riso, è rimettere dentro le sfumature.
Una dichiarazione di preoccupazione non è una dimostrazione che un evento accadrà. E la presenza di interessi commerciali non rende automaticamente falsa una preoccupazione.
La paura può far sembrare un prodotto più potente?
Immaginiamo due presentazioni dello stesso software.
Nella prima, il venditore dice: «Aiuta a preparare una bozza di relazione. Va controllata».
Nella seconda: «Questa tecnologia potrebbe sconvolgere la civiltà».
La prima ci permette di valutarne un impiego concreto. La seconda ci invita a immaginare un potere enorme, prima ancora di aver visto come funziona.
Qui propongo una lettura del meme, non una diagnosi delle intenzioni di tutte le aziende AI: un racconto catastrofico può contribuire a costruire l’immagine di una tecnologia eccezionale. Se una cosa può distruggere il mondo, viene spontaneo pensare che sia potentissima. E se è potentissima, potremmo convincerci di doverla conoscere, comprare o adottare subito.
Persino una critica può diventare pubblicità involontaria.
La ricerca sulla persuasione offre un tassello utile. Una meta-analisi di Melanie Tannenbaum e colleghi, pubblicata su Psychological Bulletin nel 2015, ha esaminato 127 lavori e oltre 27.000 partecipanti. Nel complesso, i messaggi basati sulla paura influenzavano atteggiamenti, intenzioni e comportamenti; risultavano più efficaci quando indicavano anche una risposta capace di affrontare la minaccia.
Attenzione al salto logico: quella ricerca non dimostra che parlare di estinzione faccia vendere abbonamenti AI. Aiuta a capire perché l’accoppiata “minaccia più soluzione” possa persuadere. Per dimostrare un effetto commerciale specifico servirebbero dati specifici.
Parlare di sicurezza non equivale a vendere paura
Qui il meme rischia di portarci fuori strada. Se qualcuno mette in guardia da un pericolo, non possiamo liquidarlo automaticamente come un venditore furbo.
Un produttore di automobili deve studiare gli incidenti. Un’azienda che sviluppa AI deve studiare i danni che i suoi sistemi possono causare. Sarebbe preoccupante anche il contrario: «Tranquilli, andrà tutto bene, comprate e basta».
L’esistenza di una policy non prova che ogni rischio sia sotto controllo. Mostra però che il discorso sulla sicurezza può comprendere procedure e impegni, oltre agli slogan.
Io valuterei soprattutto questo: all’allarme seguono test, criteri verificabili, responsabilità e misure concrete? Oppure rimane soltanto una frase da rilanciare?
Tre piani da tenere distinti: danni, scenari, promesse
Per orientarsi conviene separare tre cose che spesso finiscono nello stesso titolo.
I danni documentati e i problemi osservabili. Un sistema può produrre informazioni false, esporre dati o restituire risultati discriminatori. Il profilo sui rischi dell’AI generativa del National Institute of Standards and Technology, NIST affronta, fra gli altri, proprio falsità generate con apparente sicurezza, privacy, distorsioni e integrità dell’informazione. Per subire un danno non serve una macchina “cosciente”: basta fidarsi di una risposta sbagliata.
Gli scenari futuri di rischio grave. La possibilità di perdere il controllo di sistemi molto più capaci richiede ricerca e precauzioni. Nell’International AI Safety Report 2025 si esplicitano anche divergenze fra esperti sulla probabilità di questi scenari. Possibile, probabile e inevitabile sono parole diverse.
Le promesse commerciali. “Cambierà tutto” o “chi non lo usa è finito” sono affermazioni da mettere alla prova. Un annuncio sul futuro dell’umanità non ci dice se uno strumento migliora davvero il nostro lavoro.
Confondere questi piani rende facile passare dall’entusiasmo al panico. Tenerli distinti permette di prendere decisioni migliori.
Cinque domande prima di comprare la penna
Quando incontro una promessa enorme o un allarme enorme sull’AI, provo a tradurlo in domande semplici:
Di quale sistema stiamo parlando? Un chatbot per scrivere bozze e un agente autorizzato a compiere operazioni hanno capacità e conseguenze diverse.
Qual è la prova? Un esperimento, un incidente documentato, una previsione o una frase promozionale?
Quanto è incerto ciò che viene detto? “Potrebbe accadere” non significa “accadrà”.
Chi parla e quali interessi ha? Gli interessi vanno considerati, senza usarli come scorciatoia per smentire ogni argomento.
Che cosa posso fare concretamente? Verificare una fonte, limitare i permessi, proteggere i dati, confrontare alternative?
Sono domande utili per un genitore, un insegnante, un professionista o un responsabile aziendale. Non richiedono una laurea in informatica.
Un esercizio: riscrivere il messaggio senza l’apocalisse
Questo meme può diventare un piccolo laboratorio di educazione alla comunicazione.
Prendiamo una frase ipotetica: «Se non introduci l’AI, la tua azienda sparirà».
Chiediamo di riscriverla indicando un’attività, una prova e un limite:
«Possiamo sperimentare l’AI nella preparazione delle risposte ai clienti. Confronteremo tempi e qualità con il processo attuale, mantenendo la revisione umana».
La seconda frase fa meno rumore. Ma ci permette di capire che cosa verrà fatto e come valutarlo.
Poi facciamo l’esercizio opposto. Trasformiamo «L’AI risolverà tutti i problemi» in una promessa circoscritta e verificabile. Scopriremo che l’entusiasmo senza prove e la paura senza prove condividono lo stesso difetto: ci chiedono di credere prima di capire.
La penna del meme, allora, serve davvero a qualcosa. Ci ricorda di chiedere spiegazioni a chi ci vende il futuro.
Io, prima di comprarla, vorrei vedere se scrive. Per l’estinzione possiamo evitare il pacchetto premium.
https://www.gianluigibonanomi.com/wp-content/uploads/2026/10/ai-marketing-paura-meme-penna-scaled.webp9001600Gianluigi Bonanomihttps://www.gianluigibonanomi.com/wp-content/uploads/2018/10/bonanomi_logo_156.pngGianluigi Bonanomi2026-10-06 18:33:042026-10-06 20:05:50L’AI ci ucciderà tutti. Intanto, abbonati: il meme sul marketing della paura
L’intelligenza artificiale ci fa paura perché potrebbe estinguere la specie umana? Perché, delegando tutto a un chatbot, potremmo diventare più stupidi? Oppure perché rischia di diventare molto brava a scoprire ciò che qualcuno preferirebbe tenere nascosto?
Penso alla casa che esiste nella realtà ma scompare dal Catasto. Alla piscina che si vede dall’alto ma non nelle dichiarazioni. A una rete di società che, osservata un pezzo alla volta, sembra normale e, guardata tutta insieme, fa emergere anomalie. L’AI contro l’evasione fiscale potrebbe diventare una delle applicazioni socialmente più utili di questa tecnologia. E, per qualcuno, delle più scomode.
È una provocazione, naturalmente. Non sto sostenendo che chi teme l’AI abbia qualcosa da nascondere: ci sono preoccupazioni legittime su sicurezza, lavoro, privacy e autonomia. Vorrei però aggiungere al dibattito una domanda meno cinematografica: che cosa succede quando diventa più difficile farla franca?
Catasto e case fantasma: la notizia da cui sono partito
Il 4 ottobre 2026 Tgcom24 ha raccontato i controlli sulle irregolarità catastali: circa 20.000 lettere ai proprietari di fabbricati non dichiarati, individuati incrociando immagini aeree e cartografia. Il servizio attribuisce un ruolo all’intelligenza artificiale e descrive attività di fotointerpretazione delle ortofoto messe a disposizione dall’Agenzia per le erogazioni in agricoltura.
La notizia è interessante. Va letta anche con una certa disciplina: l’articolo giornalistico non documenta nel dettaglio quale modello sia utilizzato né quale quota delle anomalie sia stata individuata automaticamente. Non trasformerei quindi ogni confronto tra mappe e immagini in una dimostrazione delle capacità di un chatbot.
L’idea, comunque, si capisce subito. Se in una fotografia compare un edificio e nella mappa catastale no, quella discordanza merita una verifica. La casa può essere fantasma per l’archivio, ma difficilmente lo è per la macchina fotografica.
Una segnalazione non equivale a un’evasione accertata. Un mancato aggiornamento, una discordanza negli archivi, un abuso edilizio e una frode fiscale sono questioni diverse. Anche la regolarità catastale e quella urbanistica vanno tenute distinte. La tecnologia può aiutare a trovare anomalie; stabilirne cause e conseguenze richiede documenti, verifiche e competenze.
Come funziona l’AI contro l’evasione fiscale
Quando parliamo di AI fiscale, conviene immaginare una cassetta degli attrezzi. La visione artificiale riconosce elementi nelle immagini. Il machine learning cerca schemi nei dati e aiuta a stimare il rischio. L’analisi delle reti fa emergere collegamenti tra soggetti e operazioni. L’AI generativa può assistere nella consultazione e nella sintesi dei documenti. Sono funzioni diverse, che possono lavorare insieme.
Nel comunicato del 4 marzo 2021 sul progetto europeo di analisi del rischio fiscale, l’Agenzia delle Entrate indicava proprio intelligenza artificiale, network science e visualizzazione dei dati. Gli obiettivi comprendevano frodi IVA, crediti d’imposta utilizzati indebitamente e schemi societari complessi. Il documento chiariva già allora che le analisi non si traducono automaticamente in atti impositivi e richiamava il contraddittorio con il contribuente.
Per capire l’utilità dell’analisi delle reti, immaginiamo un caso ipotetico: dieci società, diverse sedi e numerose fatture. Ogni singolo documento può sembrare ordinario. Collegando amministratori, controparti e sequenze di operazioni, può emergere una struttura da approfondire. L’output utile è una pista investigativa motivata, da verificare.
In Francia l’AI ha trovato le piscine “invisibili”
Il caso francese sembra scritto apposta per un articolo come questo. Il progetto Foncier innovant della Direction générale des Finances publiques utilizza immagini aeree dell’Institut national de l’information géographique et forestière e strumenti di intelligenza artificiale per individuare piscine e costruzioni e confrontarle con i dati dell’amministrazione.
La pagina ufficiale precisa un passaggio decisivo: un funzionario verifica sistematicamente ogni anomalia prima di contattare il proprietario e arrivare all’eventuale tassazione. È una buona descrizione di come tecnologia e responsabilità dovrebbero convivere.
Nel bilancio della sperimentazione pubblicato nel 2023, l’amministrazione francese riferiva che oltre 20.000 piscine erano state assoggettate alla taxe foncière per il 2022, con quasi 10 milioni di euro di entrate aggiuntive per i Comuni interessati. Sono risultati riferiti a quella sperimentazione, non un conteggio aggiornato a oggi.
Qui sotto il servizio di Euronews del 30 agosto 2022, in inglese: mostra un’applicazione concreta della tecnologia alla fiscalità immobiliare.
La metafora mi piace: per anni una parte del problema è stata la distanza tra quello che esiste e quello che viene dichiarato. Ridurre quella distanza può favorire chi ha sempre dichiarato correttamente. Ma, se il confronto sbaglia, deve essere possibile dimostrarlo senza diventare prigionieri di una schermata.
Negli Stati Uniti: controlli sulle strutture societarie complesse
Negli Stati Uniti l’Internal Revenue Service ha descritto l’uso dell’AI per selezionare dichiarazioni di grandi partnership da sottoporre a verifica. Il comunicato IRS dell’8 settembre 2023 annunciava l’ampliamento di un programma rivolto a strutture complesse, tra cui fondi, partnership immobiliari e grandi studi legali. L’apprendimento automatico serviva a individuare potenziali rischi di non conformità.
La ricostruzione di Thomson Reuters dell’11 settembre 2023 spiegava la scelta di orientare risorse e strumenti verso contribuenti e organizzazioni con situazioni fiscali particolarmente articolate. Era un indirizzo dichiarato in quel momento, che non va confuso con una garanzia sui risultati o sulle politiche successive.
Nel successivo aggiornamento IRS del 12 gennaio 2024, l’agenzia riferiva l’avvio di controlli su 76 grandi partnership selezionate con l’aiuto dell’AI. Attenzione al verbo: controllare non significa aver già dimostrato una frode. Il risultato documentato è l’apertura delle verifiche.
Trovo questo esempio particolarmente rilevante. Un sistema fiscale equo dovrebbe avere gli strumenti per affrontare anche le situazioni più complesse, oltre alle omissioni facili da individuare. Se la capacità di analisi cresce, diventa almeno possibile ridurre il vantaggio di chi si nasconde dietro la complessità.
Frodi nei pagamenti pubblici: il caso del Tesoro americano
C’è poi il denaro che esce dalle casse pubbliche. Il Dipartimento del Tesoro degli Stati Uniti, il 17 ottobre 2024, ha comunicato oltre 4 miliardi di dollari di frodi e pagamenti impropri prevenuti o recuperati nell’anno fiscale 2024 attraverso un insieme di interventi.
Il comunicato attribuiva specificamente al machine learning il recupero di circa 1 miliardo di dollari legato alle frodi sugli assegni del Tesoro. Non sarebbe corretto attribuire tutti i 4 miliardi all’AI. E non stiamo parlando soltanto di evasione fiscale: qui il tema è anche la protezione dei pagamenti pubblici.
È un uso della tecnologia che mi interessa: aiutare lo Stato a pagare il destinatario corretto e a intercettare una frode significa tutelare risorse comuni. Naturalmente bisogna misurare anche quante operazioni legittime vengano bloccate per errore.
L’AI fiscale è già una tendenza internazionale
Il rapporto Tax Administration 2025 dell’Organizzazione per la cooperazione e lo sviluppo economico considera 58 giurisdizioni. Riferisce che il 69% delle amministrazioni considerate utilizzava AI nel 2023, mentre un altro 24% ne stava preparando l’impiego. L’utilizzo comprende attività diverse: analisi, selezione dei casi, servizi e compiti ripetitivi. Quel 69% non significa che tutte usassero AI per accertare l’evasione.
Il capitolo OCSE sulla gestione della conformità fiscale distingue le applicazioni dell’AI nella valutazione del rischio e nell’individuazione di evasione e frodi. Descrive anche strumenti in sviluppo presso l’Australian Taxation Office per analizzare dati non strutturati, includendo modelli AI. La direzione è ampliare la capacità di leggere informazioni e orientare il lavoro degli uffici, con livelli di maturità diversi.
“Incorruttibile” è una parola che userei con cautela
Un algoritmo non ha un cugino da favorire, non deve essere rieletto e non prende una busta sotto il tavolo. Questa immagine spiega il fascino di una macchina capace di applicare le regole senza simpatie personali.
Ma chiamarla incorruttibile sarebbe una scorciatoia. Le persone decidono quali dati utilizzare, quali anomalie cercare, chi controllare prima e quali eccezioni ammettere. Un sistema può essere progettato male, alimentato con dati incompleti o governato con obiettivi discutibili. Può essere manipolato. E può produrre risultati discriminatori anche senza un’intenzione esplicita.
Una ricerca presentata da Stanford HAI nel gennaio 2023, basata su dichiarazioni e controlli statunitensi relativi al 2014, stimava che i contribuenti neri ricevessero notifiche di verifica tra 2,9 e 4,7 volte più spesso degli altri. Lo studio esaminava il ruolo delle politiche e dei sistemi di selezione: una dimostrazione che l’equità dipende anche da che cosa si cerca e da come si distribuiscono le risorse.
Non è uno studio sulle prestazioni dei chatbot attuali. È però un avvertimento utile per ogni sistema di selezione automatizzata. Eliminare la simpatia personale del singolo operatore non garantisce di eliminare le distorsioni del processo.
In Italia, nel Forum ANSA del 4 maggio 2026, il direttore dell’Agenzia delle Entrate Vincenzo Carbone ha ribadito che l’AI aiuta a elaborare i dati e che la valutazione negli accertamenti resta affidata a un funzionario.
Come ho scritto parlando di agenti AI nella Pubblica Amministrazione, all’aumento delle capacità devono accompagnarsi responsabilità e tracciabilità. La presenza di un essere umano vale se quella persona può capire il problema, controllare le evidenze e correggere il sistema.
Per valutare un progetto di AI contro l’evasione fiscale, io farei cinque domande:
Quali dati usa? Sono aggiornati, pertinenti e raccolti per uno scopo legittimo?
Che cosa misura? Anomalie individuate, violazioni confermate e somme effettivamente recuperate sono indicatori diversi.
Quanto sbaglia? Servono informazioni sui falsi positivi e sul carico imposto ai cittadini segnalati ingiustamente.
Chi verifica? Il responsabile deve poter mettere in discussione la segnalazione.
Come si corregge un errore? Il cittadino deve poter fornire documenti e ottenere una risposta comprensibile.
È il tipo di alfabetizzazione all’AI che considero necessario anche negli uffici pubblici: capire che cosa un sistema può fare, quali prove restituisce e quando fermarsi.
La paura di perdere il privilegio di farla franca
Torno alla provocazione iniziale. Possiamo discutere dei rischi dell’AI e, contemporaneamente, riconoscerne l’utilità quando rende più difficile nascondere una violazione. Le due cose convivono.
La mia speranza è che questi strumenti aiutino a distribuire meglio i controlli, proteggere le risorse pubbliche e ridurre lo svantaggio di chi rispetta le regole. Non basta installare un software per ottenere tutto questo: servono istituzioni disposte a verificare anche i propri strumenti.
Eviterei inoltre di chiamare “furbetto” chiunque riceva una lettera: un archivio sbagliato o un errore in buona fede possono capitare. Riservo l’ironia a chi sceglie consapevolmente di scaricare sugli altri il costo delle proprie scorciatoie.
Per chi dichiara correttamente ciò che possiede, un controllo più accurato può essere una buona notizia. Per chi conta sulla difficoltà di mettere insieme i pezzi, forse un po’ meno.
Chissà: una delle estinzioni più interessanti che potremmo augurarci è quella della frase “tanto non mi beccano”.
Scrivimi per organizzare un evento o un corso sull’intelligenza artificiale generativa
Mandami un WhatsApp al 339.6325418 per organizzare un corso o una conferenza sull’A.I. generativa.
https://www.gianluigibonanomi.com/wp-content/uploads/2026/10/ai-evasione-fiscale-furbetti.webp9001600Gianluigi Bonanomihttps://www.gianluigibonanomi.com/wp-content/uploads/2018/10/bonanomi_logo_156.pngGianluigi Bonanomi2026-10-05 06:41:222026-10-05 06:42:17L’AI fa paura perché ci estinguerà o perché stanerà i furbetti?
Fermi tutti: forse ho letto il primo romanzo doomer della mia vita.
Appena ho scoperto un testo di narrativa costruito intorno a un incidente con un’auto a guida autonoma, mi sono fiondato a comprarlo. Si intitola Colpevolezza, lo ha scritto Bruce Holsinger e mi ha lasciato una sensazione precisa: dopo averlo letto, anche il frigorifero intelligente sembra avere qualcosa da nascondere.
Non conoscevo Holsinger come romanziere. Mi incuriosiva soprattutto la premessa: una famiglia, un minivan che dovrebbe guidare da solo, un figlio adolescente al volante e due morti. Abbastanza per chiedersi chi abbia sbagliato. E per scoprire quanto possa diventare comoda la risposta «è stata l’intelligenza artificiale».
Questa è la mia recensione di Colpevolezza, seguita da una guida ai concetti che attraversano il libro: doomer, etica computazionale, guida autonoma, informatica forense veicolare, black box, human in the loop, disallineamento e armi autonome. Racconto la premessa, senza svelare il finale.
Colpevolezza di Bruce Holsinger: la recensione
Il narratore è Noah, un avvocato sposato con Lorelei, un’esperta di etica dell’AI. La famiglia possiede un SensTrek, minivan a guida autonoma della IntelliGen. Durante un viaggio in Delaware avviene un incidente: al posto di guida c’è Charlie, il figlio diciassettenne. Nell’altra auto coinvolta muoiono due persone.
SensTrek e IntelliGen appartengono al mondo del romanzo. È utile ricordarlo, perché Holsinger costruisce un universo tecnologico abbastanza riconoscibile da farci cercare subito un equivalente reale.
Nei miei appunti di lettura ho segnato questo scambio:
«La macchina era impostata sulla guida autonoma.» «Ma lui ha preso in mano il volante?» «Sì, una macchina dall’altro senso di marcia stava invadendo la nostra corsia. Alice l’ha vista e ha gridato e Charlie ha afferrato il volante. Il che immagino abbia disattivato il pilota automatico.»
Quel «immagino» apre una voragine. Chi controllava davvero il mezzo? Che cosa aveva riconosciuto il sistema? Charlie ha provocato l’incidente oppure ha tentato di evitarlo? E quanto vale il ricordo di chi era a bordo, tra paura, distrazione e bisogno di proteggere un figlio?
Poi il detective introduce un sesto testimone: il minivan. Sensori, dati, movimenti, reazioni del guidatore. Un testimone che non può essere intimidito, almeno in senso umano. Ma i cui dati qualcuno deve estrarre, interpretare e mettere in discussione.
È qui che il romanzo mi ha preso. La tecnologia entra nella famiglia attraverso una domanda molto concreta: a chi attribuiamo la colpa quando l’azione è distribuita tra persone e sistemi automatici? Intanto tutti hanno qualcosa da difendere: un figlio, una carriera, una reputazione, un matrimonio.
Romanzo psicologico, legal thriller e techno-thriller
Colpevolezza ha diversi piani di lettura. Come romanzo psicologico mette sotto pressione i legami familiari, senza arrivare, secondo me, ai vertici di Roth o Franzen. Come legal thriller funziona, anche se Holsinger non è Grisham. Come techno-thriller cerca il territorio di Crichton: un incidente che fa emergere la fragilità di un intero sistema tecnologico.
Le parti che ho apprezzato di più sono quelle in cui la colpa cambia forma a seconda di chi racconta. Un conto è ciò che è accaduto; un altro è ciò che ciascuno riesce a confessare. E un altro ancora è ciò che si può dimostrare.
Il mio limite con il libro riguarda invece l’accumulo. Ci sono morale computazionale, dilemma del carrello, scatole nere, libero arbitrio degli algoritmi, proiezione antropomorfica e disallineamento. Poi arrivano droni killer, domotica malfunzionante, tecnocapitalisti accelerazionisti «elonmuskiani», adolescenti assorbiti da chatbot e smartphone, tecnomedicina, robotica industriale e perfino criminali che usano il machine learning per tracciare la polizia.
A tratti mi è sembrato che Holsinger volesse infilare nel bagagliaio l’intero dibattito sull’AI. Il minivan è capiente, ma qualche valigia resta fuori.
Questo sovraccarico non impedisce alla storia di scorrere. Per chi, come me, lavora con l’intelligenza artificiale, ha anche un vantaggio: offre molti agganci per ragionare. Purché si tenga distinta una vicenda narrativa da una dimostrazione scientifica.
La copertina dell’edizione italiana E/O, dalla scheda di Libreria Universitaria.
Che cosa significa doomer e perché uso questa parola
Doomer indica una persona che guarda al futuro con forte pessimismo e si aspetta un peggioramento radicale. È il senso generale riportato dal Cambridge Dictionary. Nel dibattito sull’intelligenza artificiale l’etichetta viene applicata a chi insiste sui suoi possibili esiti catastrofici.
Qui «romanzo doomer» è una mia definizione di lettura, non una categoria editoriale ufficiale. Non sto attribuendo a Holsinger una previsione sull’estinzione dell’umanità. Mi riferisco al clima del libro: l’innovazione promette comodità, poi si presenta con il conto, e spesso il conto è tragico.
In questa atmosfera la tecnologia può diventare una lente deformante: ogni problema sembra confermare che ci stiamo consegnando a qualcosa di incontrollabile. Per questo leggo Colpevolezza come una storia sulla responsabilità e sulla fiducia, evitando di trasformarlo in una sentenza contro ogni applicazione dell’AI.
Guida autonoma e responsabilità: chi risponde di un incidente?
Guida assistita e guida autonoma non sono sinonimi. La National Highway Traffic Safety Administration, l’agenzia statunitense per la sicurezza stradale, distingue i livelli di automazione: al livello 2 il conducente deve sorvegliare continuamente; al livello 3 il sistema guida in determinate condizioni, ma la persona deve essere disponibile a riprendere il controllo quando richiesto; al livello 4 il sistema gestisce anche il recupero di sicurezza nel proprio ambito operativo; il livello 5 indica l’automazione completa in tutte le condizioni di guida gestibili da un conducente umano.
Un nome commerciale rassicurante non ci dice a quale livello appartenga un veicolo. Né autorizza a smettere di prestare attenzione. Nel romanzo il gesto di Charlie rende visibile proprio il problema del passaggio di controllo: il momento in cui l’umano e la macchina possono interferire anziché collaborare.
La responsabilità per un incidente con un veicolo automatizzato dipende dalla legge applicabile e dalla ricostruzione dei fatti. La storia è ambientata negli Stati Uniti: non possiamo trasferire automaticamente il suo quadro giudiziario in Italia. Per ragionare sul caso, le domande da separare sono queste:
Questione da verificare
Perché conta
Chi controllava sterzo, accelerazione e frenata in quel momento?
Aiuta a ricostruire l’azione concreta del sistema e della persona.
Il veicolo operava nelle condizioni previste per quella funzione?
Strada, visibilità e limiti operativi possono incidere sulla valutazione.
C’erano difetti di sensori, software o istruzioni?
Può emergere una questione di responsabilità da prodotto.
Quali avvisi sono stati dati e quanto tempo c’era per reagire?
Una possibilità teorica di intervento va confrontata con ciò che era concretamente possibile.
Quali prove sono disponibili e quanto sono affidabili?
I dati tecnici devono essere interpretati insieme alle altre evidenze.
In Europa, la direttiva (UE) 2024/2853 sulla responsabilità per prodotti difettosi include esplicitamente il software nella definizione di prodotto. Prevede il recepimento entro il 9 dicembre 2026 e si applica ai prodotti immessi sul mercato o messi in servizio dopo quella data. Alla data di questo articolo, il 4 ottobre 2026, quel termine è ancora futuro. La direttiva non stabilisce che, in qualunque incidente, paghi sempre il produttore: bisogna accertare i presupposti della responsabilità.
«Guidava l’AI» è l’inizio dell’indagine. Difficilmente basta come risposta.
DVF e black box: l’auto come testimone digitale
Che cos’è l’informatica forense veicolare
DVF significa Digital Vehicle Forensics: identificare, acquisire e analizzare tracce digitali legate a un veicolo per ricostruire eventi. Il gruppo di ricerca della Friedrich-Alexander-Universität Erlangen-Nürnberg studia proprio l’estrazione e l’interpretazione dei dati delle auto moderne.
In pratica si cercano elementi utili a capire velocità, comandi, stato dei sistemi e sequenza temporale dell’incidente. Le fonti possono essere diverse: centraline, infotainment e altri dati disponibili. La macchina lascia tracce; il lavoro forense serve a capire che cosa dimostrino davvero.
Attenzione però al «registra tutto» del romanzo. La NHTSA definisce l’Event Data Recorder, o EDR, come un dispositivo che registra determinate informazioni tecniche per pochi secondi intorno all’urto. In questa definizione non rientrano registrazioni audio o video. Altri sistemi possono raccogliere ulteriori dati, ma non bisogna immaginare un archivio universale e infallibile di ogni auto.
Le due scatole nere
«Black box» può indicare due cose diverse: un registratore di eventi, come quello appena descritto, oppure un sistema di cui osserviamo gli ingressi e i risultati senza comprendere facilmente il percorso che li collega.
L’etica computazionale tenta di tradurre criteri morali in regole, vincoli o obiettivi utilizzabili da un sistema informatico. «Computazioni etiche» e «morale computazionale», nel contesto del libro, rimandano a questo problema: come trasformare valori umani, spesso in conflitto tra loro, in decisioni operative?
Il dilemma del carrello è l’esperimento mentale in cui si deve decidere se deviare un mezzo fuori controllo: salvare più persone comporta sacrificarne un’altra. Applicato alle auto autonome diventa: chi deve essere protetto se l’urto è inevitabile?
Il dilemma funziona molto bene nei romanzi e nelle discussioni. Io continuo a trovare più utile chiedere come progettare un sistema che riduca la probabilità di arrivare a quella scelta: percezione affidabile, velocità appropriata, limiti operativi chiari, gestione delle anomalie. L’etica entra già lì, molto prima dell’ultimo secondo.
Human in the loop: basta avere una persona al volante?
Human in the loop significa prevedere un intervento umano nel processo decisionale di un sistema. Nel romanzo Charlie è fisicamente presente, ma questo non risolve il problema. Deve capire che cosa sta succedendo, avere tempo per reagire e disporre di un comando efficace.
Un essere umano può anche supervisionare un sistema e intervenire quando necessario: è la logica spesso descritta come human on the loop. Le due espressioni aiutano a discutere il ruolo delle persone, ma non certificano la sicurezza di una procedura.
Il framework del NIST per la gestione del rischio AI colloca la valutazione dei rischi nel contesto di progettazione e utilizzo. La domanda pratica che porto nei miei corsi è questa: la persona che dovrebbe controllare possiede informazioni, competenze, tempo e autorità per farlo? Se manca uno di questi elementi, «c’è sempre un umano» può diventare una formula di conforto.
Proiezione antropomorfica e libero arbitrio degli algoritmi
La proiezione antropomorfica consiste nell’attribuire qualità umane a qualcosa che umano non è. Un chatbot «mi capisce», l’auto «ha voluto proteggermi», l’algoritmo «si è arrabbiato». Sono espressioni intuitive, ma possono complicare la comprensione del sistema. Ne ho parlato anche nell’articolo Quando ChatGPT sembra una persona.
Il «libero arbitrio degli algoritmi» è invece una formula filosofica e narrativa da maneggiare con cautela. L’autonomia operativa di un software non dimostra che possieda coscienza, intenzioni o responsabilità morale paragonabili a quelle umane. Quando descriviamo ciò che il sistema «ha deciso», dovremmo poter risalire a dati, regole, obiettivi, addestramento e condizioni d’uso.
Nel romanzo questa ambiguità è interessante: dare una personalità alla macchina può aiutarci a fidarci. Oppure a trovare qualcuno da accusare senza dover interrogare troppo chi l’ha progettata, venduta e utilizzata.
Disallineamento: quando l’obiettivo misurato tradisce quello desiderato
Il disallineamento è uno scarto tra il comportamento di un sistema e gli obiettivi, i valori o i vincoli che vorremmo rispettasse. Una sua manifestazione è lo specification gaming: il sistema soddisfa la specifica letterale ottenendo un risultato diverso da quello che intendevamo.
In un approfondimento di Google DeepMind un agente, premiato per portare in alto la base di un blocco rosso, ottiene il risultato ribaltando il blocco anziché impilarlo su quello blu. Ha raggiunto la misura del successo, ma ha mancato il compito desiderato.
Un esempio ipotetico più vicino alla vita quotidiana: se premio un assistente soltanto per la velocità con cui chiude una richiesta, potrei incentivarlo a saltare verifiche importanti. Non occorre immaginare una macchina malvagia. Basta aver definito male che cosa significa «fare bene».
Droni killer e LAWS: che cosa sono le armi autonome
LAWS significa Lethal Autonomous Weapons Systems, sistemi d’arma autonomi letali. Il Comitato internazionale della Croce Rossa descrive le armi autonome come sistemi che, dopo l’attivazione, selezionano e applicano forza ai bersagli senza ulteriori interventi umani.
Un drone armato non è automaticamente un’arma autonoma: può essere pilotato a distanza. Inoltre, l’autonomia di navigazione non equivale all’autonomia nella selezione e nell’attacco di un bersaglio. «Drone killer» è un’espressione giornalistica; la distinzione tecnica riguarda soprattutto chi controlla l’uso della forza.
Il Comitato internazionale della Croce Rossa raccomanda divieti e limiti specifici per preservare il controllo umano. Sono raccomandazioni da distinguere da un divieto universale già operativo. Il suo video seguente illustra il problema con simulazioni: non mostra prove documentarie di attacchi reali.
What are the dangers of autonomous weapons? | The Laws of War, Comitato internazionale della Croce Rossa.
Accelerazionisti, domotica, chatbot e gli altri pezzi del mosaico
Il romanzo aggiunge molti altri temi. Vale la pena chiarirli senza fingere che siano tutti lo stesso problema.
Tecnocapitalismo e accelerazionismo
Con «tecnocapitalisti» descrivo qui i personaggi che concentrano insieme potere economico e controllo delle infrastrutture tecnologiche. «Accelerazionisti» rimanda, nel contesto di questa lettura, alla convinzione che si debba spingere rapidamente lo sviluppo e la diffusione della tecnologia. È una semplificazione di posizioni diverse. Il mio aggettivo «elonmuskiani» riguarda l’immaginario dei personaggi: non dimostra che ogni imprenditore tecnologico sostenga la stessa ideologia.
Domotica e robotica industriale
La domotica automatizza funzioni dell’abitazione: luci, temperatura, accessi, dispositivi. Un malfunzionamento può avere molte cause, dal sensore alla connessione al software; non ogni guasto è un problema di AI. La robotica industriale riguarda invece macchine che svolgono operazioni come manipolazione, assemblaggio o saldatura. Anche qui, automazione e intelligenza artificiale non coincidono. L’Occupational Safety and Health Administration dedica ai sistemi robotici industriali una guida sulla sicurezza: il rischio va valutato nel sistema concreto in cui il robot lavora.
Chatbot, smartphone e dipendenza
Nel libro gli adolescenti sono assorbiti dagli schermi e dai chatbot. Nella divulgazione conviene distinguere uso intenso, affidamento emotivo e dipendenza: non sono etichette intercambiabili, e una vicenda romanzesca non permette una diagnosi. Il profilo del NIST dedicato all’AI generativa è un riferimento per esaminare anche i rischi delle relazioni tra persone e sistemi. La domanda utile per leggere questi personaggi è quanto la delega tecnologica stia cambiando attenzione, fiducia e relazioni.
Tecnomedicina
Uso «tecnomedicina» come termine ampio per l’impiego della tecnologia nella salute, dall’analisi delle immagini al supporto decisionale. Non designa un unico tipo di sistema. L’Organizzazione mondiale della sanità, nelle indicazioni su etica e governance dell’AI per la salute, mette al centro autonomia umana, sicurezza e responsabilità. Il passaggio dalla promessa al beneficio richiede valutazioni specifiche, non soltanto un algoritmo convincente.
Machine learning e criminalità
Il machine learning è l’insieme di metodi con cui un sistema apprende regolarità dai dati per produrre, per esempio, classificazioni o previsioni. Nel romanzo compare anche l’uso criminale di queste capacità per tracciare la polizia. Lo considero un elemento della trama: da solo non documenta che organizzazioni reali utilizzino proprio quei sistemi. La capacità tecnica e il suo impiego concreto sono due affermazioni diverse, da verificare separatamente.
Oltre 400 pagine, senza pilota automatico
Alla fine Colpevolezza si fa leggere. Mi convince quando usa la tecnologia per mettere a nudo le persone: le omissioni, le giustificazioni, il bisogno di sentirsi innocenti. Mi convince meno quando sembra convocare ogni paura tecnologica disponibile.
Lo consiglierei a chi cerca una storia familiare con un forte innesco etico e a chi vuole discutere di AI partendo da una situazione concreta. Lo leggerei tenendo aperte le domande: come si ricostruisce un evento, quanto controllo possiede davvero un essere umano, chi definisce gli obiettivi e chi risponde degli errori.
Holsinger mette in scena una tentazione molto umana: affidare alla macchina anche il compito di assolverci. Per questo il titolo funziona così bene.
Oltre 400 pagine che scorrono. Senza pilota automatico.
Scrivimi per organizzare un evento o un corso sull’intelligenza artificiale generativa
Mandami un WhatsApp al 339.6325418 per organizzare un corso o una conferenza sull’A.I. generativa.
https://www.gianluigibonanomi.com/wp-content/uploads/2026/10/colpevolezza-holsinger-recensione-doomer.webp9001600Gianluigi Bonanomihttps://www.gianluigibonanomi.com/wp-content/uploads/2018/10/bonanomi_logo_156.pngGianluigi Bonanomi2026-10-04 11:39:352026-10-04 11:41:41Colpevolezza di Bruce Holsinger: ho letto il mio primo romanzo doomer
Posso usare ChatGPT come Jarvis? Nel video qui sotto faccio una prova concreta: a voce gli chiedo di preparare una mail al commercialista, impostare i dati di un preventivo e allegare i file alla bozza in Gmail. Ti spiego anche come replicare il flusso con l’app Gmail collegata e una skill che guida la preparazione del documento. La mail resta in bozza: controllo umano prima dell’invio.
Che cosa succede nel video: ChatGPT vocale prepara mail e preventivo
La scena parte con una domanda: posso chiamare ChatGPT “Jarvis”? Poi passo a un caso pratico. Detto a voce, chiedo di scrivere al commercialista per un corso destinato al Comune di Caltanissetta. Fornisco durata, otto ore; compenso, 1.000 euro; data, 2 ottobre 2026. Aggiungo che il Comune ha parlato di esenzione IVA e chiedo al commercialista di controllare il trattamento fiscale.
ChatGPT prepara la mail come bozza in Gmail, usa la carta intestata per comporre il preventivo e allega due versioni, Word modificabile e PDF. Non invia nulla. Io posso riaprire la bozza, controllare testo e allegati, correggere e decidere se inviarla.
“Plugin Gmail” è un modo comune per parlarne; nell’interfaccia attuale puoi trovare app collegate e plugin che le includono. L’app Gmail collega ChatGPT al servizio esterno e abilita le azioni supportate; il plugin può riunire l’app e una o più skill. Le voci e la disponibilità cambiano secondo piano, account, area geografica, dispositivo e impostazioni del workspace. La guida OpenAI alle app collegate spiega permessi e azioni, mentre la pagina su plugin in ChatGPT chiarisce come possano combinare app e skill.
Come collegare Gmail a ChatGPT
Apri ChatGPT e vai in Impostazioni → Plugin (in alcune versioni la sezione può chiamarsi App). Cerca Gmail o un plugin che includa Gmail.
Seleziona Installa o Connetti, se richiesto. Accedi all’account Google che contiene la casella da usare. Se hai più caselle, controlla con attenzione che sia quella giusta.
Leggi i permessi richiesti da ChatGPT e la schermata di autorizzazione Google, poi concedi solo l’accesso che vuoi effettivamente usare. In un account di lavoro l’amministratore potrebbe dover abilitare l’app o approvare gli ambiti richiesti. Puoi tornare in Impostazioni per rivedere o scollegare l’account. La procedura ufficiale è descritta in Collegare e gestire gli account delle app.
Apri una chat vocale in modalità Live, se disponibile. Su web, premi l’icona voce nella barra del prompt e consenti l’uso del microfono; da mobile, premi l’icona voce. Per richiamare un’app, puoi usare @ oppure il menu + se compaiono nella tua interfaccia, o semplicemente chiedere a ChatGPT di usare Gmail durante la conversazione.
Quando ChatGPT propone un’azione, controlla la richiesta e approvala sullo schermo se necessario. In Voice l’approvazione parlata non sostituisce i controlli a schermo. Le app e le azioni utilizzabili in Live dipendono dall’account e dalle autorizzazioni, come spiega la guida ufficiale a ChatGPT Voice.
Una richiesta ben dettata specifica destinatario, oggetto, scopo, dati del corso e che cosa deve restare in bozza. Per esempio: “Usa l’app Gmail collegata all’account di lavoro. Prepara, senza inviare, una bozza al mio commercialista con oggetto ‘Verifica fattura e preventivo – corso Comune di Caltanissetta’. Indica corso di otto ore il 2 ottobre 2026, compenso di 1.000 euro. Scrivi che il Comune segnala una possibile esenzione IVA e chiedi al commercialista di verificarla. Crea un preventivo con la mia carta intestata, esportalo in Word e PDF, allega entrambi alla bozza e fermati per la mia revisione. Prima di procedere, dimmi se ti manca qualche dato.”
La skill per preparare e controllare il preventivo
La skill non è un permesso per entrare in Gmail: è una procedura riutilizzabile che indica a ChatGPT come svolgere un compito con più coerenza. L’app collegata gestisce l’accesso e le azioni supportate; la skill contiene istruzioni, controlli e formato del risultato. Le Skills in ChatGPT, se disponibili per il tuo piano e workspace, si possono creare dalla sezione Skills del Plugin Directory o caricare come file. OpenAI indica che la disponibilità varia in base al prodotto e alla configurazione dell’area di lavoro.
Per costruire una skill “Prepara preventivo” dal menu Plugin → Skills → Crea o caricando il relativo pacchetto, puoi partire da queste istruzioni e adattarle al tuo flusso:
Scopo: prepara una bozza di preventivo professionale usando esclusivamente i dati forniti dall’utente e i modelli autorizzati. Prima di creare il file: raccogli cliente/ente e destinatario, titolo e descrizione dell’attività, data, durata, compenso, scadenze e validità dell’offerta. Chiedi i campi mancanti; non inventare dati. Documento: usa il modello di carta intestata indicato dall’utente; mantieni valuta, importi e diciture esattamente come confermati; prepara un DOCX modificabile e una copia PDF. Controllo: confronta nome del cliente, date, ore e importi tra i due file; verifica leggibilità e impaginazione. Evidenzia i campi ancora da confermare. Fisco: non decidere autonomamente aliquote, esenzioni o inquadramenti. Segnala il dubbio e chiedi conferma al professionista incaricato. Consegna: mostra il riepilogo, allega i file solo alla bozza email richiesta e non inviare mai senza una conferma finale esplicita.
Le skill in ChatGPT sono attualmente soggette a requisiti di piano e workspace: per esempio, OpenAI le dichiara disponibili agli utenti idonei Business, Enterprise, Healthcare ed Edu, con possibili differenze fra ChatGPT e Codex. Se non vedi la scheda Skills, puoi comunque incollare queste istruzioni nella conversazione o conservarle come checklist riutilizzabile; non dare per scontato che ogni account abbia la stessa funzione.
Il controllo prima dell’invio
Destinatario e casella: controlla indirizzo, account Gmail selezionato e nome dell’ente.
Dati del documento: verifica data assoluta, durata, oggetto e importo in entrambe le versioni.
IVA: nel video chiedo al commercialista di verificare la possibile esenzione. Non assumere che ChatGPT possa stabilire il trattamento fiscale corretto.
Allegati: apri il DOCX e il PDF; controlla carta intestata, impaginazione, contenuto e coerenza.
Invio: assicurati che il messaggio sia ancora una bozza. La preparazione e l’invio sono passaggi diversi.
Nel video la data viene interpretata in modo relativo (“domani”): è un promemoria per pronunciare date complete. La voce accelera l’inserimento dei dati, ma non rende infallibile la dettatura né trasforma un documento ben impaginato in un documento corretto. Anche OpenAI invita a verificare le informazioni importanti nella guida Does ChatGPT tell the truth?.
Un pezzetto sì. Nel mio esperimento posso parlare, specificare il lavoro, chiedere una bozza Gmail e ottenere un preventivo con due allegati. Il paragone con Tony Stark e il suo assistente personale è una metafora divertente per raccontare il dialogo vocale; nel lavoro quotidiano servono però istruzioni precise, permessi limitati e una persona che controlli il risultato.
Se vuoi approfondire l’uso di ChatGPT nel lavoro, trovi il mio corso su ChatGPT per aziende e professionisti. Per organizzare un percorso o un evento, puoi anche contattarmi qui. Nel frattempo, guarda il video incorporato sopra: il punto pratico è tutto in quella bozza che aspetta ancora la revisione.
ChatGPT non ha un’anima. D’accordo. Ma un’omelia può avere un’anima e riuscire comunque ad addormentare mezza chiesa.
Lo dico con rispetto per chi deve trovare ogni settimana parole capaci di parlare a persone diverse, con problemi diversi, davanti a un testo che molti hanno già ascoltato decine di volte. È un compito difficile. Proprio per questo, quando leggo l’invito del Papa a evitare l’intelligenza artificiale nella preparazione delle omelie, mi viene una provocazione: io un corso su ChatGPT in seminario lo farei.
Un corso serio, però. Con esercizi, verifiche e una regola iniziale: il sacerdote deve arrivare alla tastiera con qualcosa da dire.
Che cosa ha detto davvero Leone XIV
Partiamo dalla fonte, perché anche le notizie sul Papa meritano qualcosa di meglio del copia e incolla. Il 19 febbraio 2026, incontrando il clero della diocesi di Roma, Leone XIV ha invitato a «resistere alla tentazione di preparare le omelie con l’intelligenza artificiale».
Nel passaggio non nomina ChatGPT: parla dell’AI in generale. E non è una dichiarazione appena pronunciata, anche se può tornare a circolare come notizia.
Il suo ragionamento ha due parti. Bisogna continuare a esercitare l’intelligenza; inoltre, l’omelia è condivisione della fede, radicata nell’esperienza del sacerdote e nella conoscenza della comunità. Una macchina non può offrire quella testimonianza.
È un’obiezione sostanziale. Sarebbe scorretto ridurla a una paura della tecnologia. La mia proposta resta una posizione personale sull’uso dello strumento, non una rilettura del discorso come se il Papa avesse autorizzato le omelie assistite dall’AI.
Da un Papa laureato in matematica mi aspetto una distinzione in più
Insomma, l’AI occupa un posto importante nella sua riflessione pubblica. Una laurea in matematica, naturalmente, non rende automaticamente esperti di modelli linguistici. Però da un Pontefice con una formazione scientifica e un’attenzione così esplicita al tema mi aspetto una distinzione più precisa tra gli usi dello strumento.
Santo Padre, proprio perché prende sul serio l’intelligenza artificiale, perché fermarsi a un invito così ampio a evitarla nella preparazione delle omelie? Chiedere a ChatGPT di produrre una predica da leggere senza pensarci e usarlo per mettere alla prova una riflessione personale sono due pratiche profondamente diverse. Un’indicazione ai sacerdoti dovrebbe aiutarli a riconoscere questa differenza.
La stessa enciclica offre un appiglio per discuterne: ai paragrafi 97 e 98 Leone XIV precisa di voler proporre un discernimento morale e sociale, senza offrire una trattazione tecnica, e riconosce i limiti delle conoscenze sul funzionamento dell’AI. Più avanti, al paragrafo 100, ne riconosce il possibile valore come aiuto, accompagnato dalla necessità di vigilanza.
Ecco perché proporrei di portare quel discernimento anche nel laboratorio della scrittura: insegnare a usare il chatbot mantenendo il controllo del contenuto, verificando ciò che suggerisce e assumendosi la responsabilità di ogni parola pronunciata.
Qui il video ufficiale di Vatican News sulla firma della prima enciclica di Leone XIV:
La creatività può ricevere una mano dall’AI?
Qui possiamo uscire dalle impressioni e guardare agli studi.
Nel 2024 Anil R. Doshi e Oliver P. Hauser hanno pubblicato su Science Advances uno studio sperimentale sulla scrittura di racconti brevi. I testi degli autori che potevano ricevere idee dall’AI sono stati giudicati più creativi, meglio scritti e più piacevoli, con benefici particolarmente evidenti per chi partiva da risultati inferiori nella misura di creatività utilizzata.
C’è però un rovescio della medaglia: i racconti assistiti dall’AI erano più simili tra loro. Migliora il singolo risultato, ma si rischia di restringere la varietà complessiva.
Tradotto nella mia provocazione: possiamo immaginare omelie più curate, ma anche cento parroci che raccontano la stessa storiella sul ponte, sulla luce e sul viaggio. L’algoritmo cambia parrocchia, il repertorio rimane quello.
Un altro lavoro, di Byung Cheol Lee e Jaeyeon Chung, pubblicato nel 2024 su Nature Human Behaviour, ha studiato l’uso di ChatGPT in cinque esperimenti su problemi creativi. Le idee ottenute con il supporto del chatbot sono risultate più creative rispetto alle condizioni senza tecnologia o con una ricerca su Google. Il vantaggio riguardava soprattutto novità incrementali, più che innovazioni radicali.
È interessante per chi cerca una nuova immagine per spiegare un concetto conosciuto. Resta un limite decisivo: questi esperimenti non dimostrano che l’AI migliori la qualità spirituale di un’omelia, la correttezza teologica o il rapporto con i fedeli. Studiano altri compiti. L’applicazione alla predicazione è una mia ipotesi da mettere alla prova.
Scrivere più velocemente può liberare tempo per ascoltare
Un sacerdote potrebbe avere un’intuizione valida e fare fatica a darle una struttura. Potrebbe conoscere bene il tema e usare frasi che gli ascoltatori faticano a seguire. Potrebbe ripetere tre volte la stessa idea senza accorgersene.
In questi casi vedo un possibile spazio di lavoro per l’AI.
Shakked Noy e Whitney Zhang, in uno studio pubblicato su Science nel 2023, hanno coinvolto 453 professionisti in compiti di scrittura. L’accesso a ChatGPT ha ridotto in media il tempo impiegato del 40% e aumentato del 18% la qualità valutata dei testi.
Attenzione: non significa che un parroco risparmierà automaticamente il 40% del tempo o farà una predica migliore del 18%. Sarebbe una trasposizione arbitraria. Significa che, in determinati compiti di scrittura, il supporto può produrre benefici misurabili.
La mia proposta è destinare l’eventuale tempo recuperato alla preparazione sostanziale: studio, preghiera, ascolto. Se una revisione più rapida permette di dedicare più attenzione a una persona, mi sembra un uso sensato della tecnologia. Se serve soltanto a sfornare più parole, il vantaggio diventa molto meno interessante.
ChatGPT per le omelie: come costruire un secondo cervello
Quando parlo di secondo cervello penso a un archivio organizzato di letture, appunti, commenti verificati e riflessioni personali. ChatGPT può aiutare a interrogare quei materiali e a lavorarci sopra. Il solo fatto di aprire una chat non crea automaticamente un archivio attendibile.
Immagino un sacerdote che abbia già meditato il brano e scritto il messaggio centrale. A quel punto potrebbe chiedere al chatbot di proporre tre strutture, individuare passaggi astratti, suggerire immagini da valutare o indicare dove il testo rischia di diventare moralistico.
Il lavoro parte dalla sua riflessione. La macchina offre alternative. Lui sceglie, corregge, scarta e riscrive.
Un esempio ipotetico: un’omelia sul perdono. Il sacerdote potrebbe chiedere immagini legate a un’amicizia interrotta, a una conversazione familiare o a un conflitto quotidiano. Poi dovrebbe verificare che quelle immagini rispettino il senso del brano e non facciano passare il perdono per una cancellazione automatica delle responsabilità.
La competenza conta soprattutto qui: nel riconoscere un’analogia seducente che porta nella direzione sbagliata.
Un prompt da provare, dopo aver pensato
Come mostro anche nella mia raccolta di esempi di prompt engineering, dare contesto, obiettivi e limiti rende più preciso il lavoro richiesto al chatbot. Per un sacerdote proporrei questo esercizio:
Aiutami a revisionare la preparazione di un’omelia. Ti fornisco il brano biblico, un commento verificato, i miei appunti e un mio testo precedente come riferimento di stile.
Il messaggio che voglio trasmettere è: [messaggio]. L’assemblea è composta da: [descrizione generale].
Prima di proporre modifiche, fammi tre domande per chiarire ciò che voglio dire. Poi suggerisci tre scalette diverse e tre immagini quotidiane, spiegando anche i limiti di ogni analogia.
Lavora soltanto sui materiali forniti. Non inventare citazioni, testimonianze, episodi personali o spiegazioni teologiche. Segnala ciò che richiede una verifica. Individua cliché, ripetizioni e frasi difficili da comprendere all’ascolto. Aspetta la mia scelta prima di riscrivere un passaggio.
È una traccia operativa, non una garanzia di correttezza. Il sacerdote deve controllare i riferimenti sui testi originali e rileggere tutto ad alta voce. E dovrebbe usare descrizioni generali della comunità, evitando di caricare confidenze o vicende riconoscibili dei parrocchiani.
Un’immagine efficace conta anche per la Chiesa
Nell’esortazione apostolica Evangelii gaudium, ai paragrafi 157 e 158, Francesco insiste sull’utilità delle immagini e su un linguaggio comprensibile agli ascoltatori. Riporta anche una formula essenziale per una buona omelia: «un’idea, un sentimento, un’immagine».
Non è un’approvazione preventiva di ChatGPT. È un richiamo alla cura della comunicazione che, secondo me, merita di entrare nella discussione. Un’immagine ben scelta può aiutare a capire; dieci metafore infilate a forza possono trasformare un’omelia in una presentazione motivazionale.
Accattivante, dunque, dovrebbe significare capace di suscitare attenzione e comprensione. La fede non si misura con il tasso di coinvolgimento.
Anche la nota vaticana Antiqua et nova, pubblicata nel gennaio 2025, offre un criterio pertinente: l’AI deve assistere il giudizio umano e restare complementare all’intelligenza della persona. È un principio generale, non un’autorizzazione specifica per preparare omelie.
Io farei un laboratorio in seminario
Da formatore proporrei un esercizio molto concreto. Ogni partecipante prepara prima una riflessione autonoma. Poi usa l’AI per ricevere obiezioni, alternative e suggerimenti di revisione. Infine confronta le due versioni con un docente e con alcuni ascoltatori.
Valuterei chiarezza, fedeltà al testo, originalità, riconoscibilità della voce e tempo effettivamente impiegato, compresi i controlli. Chiederei anche che cosa è stato perso nella riscrittura. Un testo più fluido potrebbe aver cancellato proprio la frase più personale.
Questo sarebbe un modo per verificare sul campo la mia tesi, invece di trattarla come una verità già dimostrata.
Il richiamo del Papa merita di essere preso sul serio. Proprio per questo vorrei insegnare a riconoscere quando lo strumento aiuta a pensare e quando rende troppo facile smettere.
ChatGPT può suggerire una metafora. Il sacerdote deve sapere perché usarla, a chi rivolgerla e che cosa vuole testimoniare attraverso quelle parole.
In seminario, io ci porterei il chatbot. E all’esame chiederei al futuro prete di spiegarmi quali suggerimenti ha scartato. Lì si vede se il primo cervello è ancora al lavoro.
Scrivimi per organizzare un evento o un corso sull’intelligenza artificiale generativa
Mandami un WhatsApp al 339.6325418 per organizzare un corso o una conferenza sull’A.I. generativa.
https://www.gianluigibonanomi.com/wp-content/uploads/2026/10/papa-chatgpt-omelie.webp9001600Gianluigi Bonanomihttps://www.gianluigibonanomi.com/wp-content/uploads/2018/10/bonanomi_logo_156.pngGianluigi Bonanomi2026-10-03 07:27:232026-10-03 07:27:23Il Papa chiede ai preti di non usare ChatGPT nelle omelie. Perché no?
Leggo che a Sanremo si vuole proteggere la creatività umana dall’intelligenza artificiale. E mi viene una domanda poco elegante, ma abbastanza sanremese: siamo proprio sicuri che l’omologazione debba ancora arrivare?
La mia è una provocazione. Non penso che basti dare un microfono a un generatore musicale per ottenere un nuovo cantautore. Mi interessa però il paradosso: temiamo che le macchine producano canzoni tutte uguali, mentre accettiamo con molta più serenità le formule, le firme ricorrenti e le aspettative commerciali che possono rendere prevedibile anche una produzione interamente umana.
Per capirci: se il prompt implicito è sempre «fammi una canzone che funzioni a Sanremo», la tastiera può essere quella di un pianoforte oppure quella di un computer. La richiesta di rassicurarci resta la stessa.
Sanremo 2027 e intelligenza artificiale: che cosa dice davvero la regola
La notizia riguarda Sanremo 2027. La Rai ha presentato il nuovo regolamento il 21 settembre 2026. Il riferimento da leggere è il punto E della sezione «Le Canzoni», a pagina 12 del PDF ufficiale del regolamento.
Il principio è che i brani siano espressione della creatività umana. Il divieto riguarda l’impiego di AI nell’ideazione, nella composizione di musica e testi e nella realizzazione, quando questo comporta sostituzione, alterazione o snaturamento del contributo creativo umano. La Rai e il direttore artistico si riservano verifiche tecnologiche.
Questo passaggio, ripreso anche da RaiNews, è più preciso dello slogan «AI vietata». La clausola disciplina le canzoni: non contiene un divieto generale di usare l’AI nell’organizzazione del Festival, ma nemmeno un’autorizzazione indiscriminata a qualsiasi uso tecnico o amministrativo. La distinzione tra attività artistiche e attività di supporto è utile; per decidere che cosa sia ammesso serve valutare l’impiego concreto.
Stefano De Martino ha parlato di «intelligenza artigianale», come riporta ANSA. È una formula efficace. Difendere il lavoro di autori, interpreti e musicisti è un obiettivo che condivido. L’etichetta “artigianale”, però, non garantisce da sola l’originalità di ciò che ascolteremo.
Gli stessi autori: un dato reale, una conclusione da non forzare
Partiamo da un esempio verificabile, senza trasformare un’impressione da divano in una statistica musicale. Nel quadro degli autori di Sanremo 2025 ricostruito da Sky TG24, Federica Abbate risulta coautrice di sei brani effettivamente in gara. Davide Simonetta compare nei crediti di cinque canzoni; Davide Petrella in quelli di tre.
Sono professionisti capaci e richiesti. La loro presenza ripetuta documenta la ricorrenza di alcune firme, non dimostra che le canzoni siano identiche. Un autore può lavorare con interpreti diversi e ottenere risultati molto diversi. Inoltre ci sono percorsi riconoscibili come quelli di Brunori Sas, Lucio Corsi e Simone Cristicchi: descrivere il Festival come un’unica fotocopiatrice sarebbe una caricatura.
Resta una domanda legittima: quanto spazio riescono a trovare sensibilità, linguaggi e autori lontani dai circuiti già affermati? Contare le firme può aprire un’indagine, ma per misurare l’omologazione servirebbero anche analisi di testi, strutture, melodie, arrangiamenti e criteri di selezione. Non ho dati che permettano di dire che “la maggior parte dei brani di Sanremo è uguale”. Ho una provocazione e alcuni indizi da discutere.
L’automazione umana non ha bisogno di un algoritmo
Immaginiamo una ricetta: introduzione breve, emozione riconoscibile, ritornello che arriva puntuale, frase pronta a diventare una caption, crescendo finale. Questa è una caricatura della canzone costruita per piacere, non la descrizione certificata di tutti i brani del Festival.
La chiamo automazione umana in senso metaforico: ripetere scelte collaudate perché riducono il rischio. Il mestiere contiene anche formule, abitudini e vincoli. Succede nella comunicazione, negli articoli, nelle presentazioni aziendali. E può succedere nella musica.
Le convenzioni non sono un difetto in sé. Una struttura familiare può ospitare un’idea bellissima. Quando però il rispetto della formula diventa il criterio dominante, la sorpresa deve chiedere il permesso di entrare.
Su scala più ampia, uno studio di Joan Serrà e colleghi pubblicato nel 2012 su Scientific Reports ha analizzato descrizioni audio di 464.411 registrazioni della musica popolare occidentale, datate tra il 1955 e il 2010. Gli autori hanno rilevato, nel corpus, tendenze alla minore varietà delle transizioni tra altezze e all’omogeneizzazione della tavolozza timbrica, insieme a un aumento del livello sonoro.
È uno studio storico su caratteristiche specifiche del suono. Non misura Sanremo 2027, non valuta la qualità artistica complessiva e non autorizza a liquidare mezzo secolo di musica. Serve a ricordare che la discussione sull’omologazione precede l’AI generativa.
E se l’AI aiutasse qualcuno a uscire dalla formula?
Qui arriva la parte volutamente scomoda. Un artista potrebbe usare l’intelligenza artificiale per mettere in crisi la propria prima idea: esplorare un ritmo insolito, confrontare soluzioni di arrangiamento, trovare un’immagine meno prevedibile, accorgersi che sta riscrivendo sempre la stessa canzone.
Non sto dicendo che questi impieghi siano ammessi a Sanremo: proprio il loro eventuale contributo creativo li rende pertinenti alla clausola del regolamento. Sto ragionando su ciò che lo strumento potrebbe offrire alla ricerca artistica fuori dai limiti di quella gara.
Immagino due richieste opposte. La prima: «Produci una canzone simile ai successi recenti». La seconda: «Aiutami a riconoscere le scelte più prevedibili della mia bozza e a esplorare alternative che io possa sviluppare». Nel primo caso cerco una scorciatoia verso la familiarità. Nel secondo costruisco un confronto, del quale resto responsabile.
Nel mio video “Bollani e la musica creata con Suno” mostro un esperimento con la generazione musicale. È un modo concreto per ascoltare la tecnologia di cui discutiamo. Una dimostrazione delle possibilità di uno strumento non è una prova della sua superiorità artistica.
La ricerca mette in crisi anche la mia provocazione
L’esperimento riguardava racconti brevi. L’accesso a idee generate dall’AI migliorava le valutazioni di creatività, qualità della scrittura e piacevolezza, soprattutto per gli autori inizialmente meno creativi. Tuttavia, i racconti assistiti dall’AI risultavano più simili tra loro. Un vantaggio per il singolo poteva accompagnarsi a una perdita di varietà collettiva.
Non possiamo trasferire automaticamente questi risultati alla composizione musicale o al Festival. Ma sarebbe scorretto promettere che l’AI porti necessariamente novità. Potrebbe aiutare una persona a superare un blocco e contemporaneamente suggerire la stessa soluzione a moltissime altre.
Un successivo preprint del 2025 di Yun Wan e Yoram M. Kalman ha esplorato idee narrative generate attraverso profili diversi, con tratti culturali e stilistici differenti. In quel diverso disegno sperimentale non emergeva la stessa riduzione della diversità dei racconti assistiti. Lo segnalo come risultato preliminare, non come prova definitiva né come studio sulla musica: suggerisce che anche il modo di impostare la collaborazione meriti attenzione.
Per me la provocazione diventa così più interessante: l’AI potrebbe ampliare le possibilità se la usiamo per esplorare differenze; potrebbe restringerle se le chiediamo di replicare ciò che ha già funzionato. È un’ipotesi di lavoro, non una promessa.
Proteggere gli autori e lasciare spazio alla sperimentazione
Capisco la scelta di un concorso che vuole valorizzare il contributo umano. Il regolamento definisce un perimetro, e chi partecipa deve rispettarlo. Mi piacerebbe però che il dibattito pubblico affrontasse anche le domande operative: come distinguere assistenza e sostituzione? Come documentare un processo di lavoro? Dove collocare un suggerimento poi completamente rielaborato?
Personalmente preferirei una discussione che mettesse al centro:
Trasparenza: dichiarare gli strumenti usati e il loro ruolo.
Responsabilità: sapere chi ha scelto, scritto, modificato e approvato il risultato.
Rispetto del lavoro altrui: affrontare consenso, diritti e remunerazione, senza dare per scontato che ogni materiale disponibile possa essere sfruttato liberamente.
Spazio per il rischio artistico: premiare anche proposte che non somigliano a una hit già confezionata.
Sono criteri che propongo per discutere il rapporto tra tecnologia e creatività, non regole già adottate dal Festival. Un eventuale laboratorio fuori gara, dichiarato e con partecipanti consenzienti, potrebbe far ascoltare al pubblico diversi processi creativi e discuterne i risultati.
È un tema vicino a quello che ho affrontato commentando il dossier di Internazionale in “Chi guadagna dalla paura dell’AI?”: valutare rischi e opportunità richiede di guardare anche agli incentivi e alle scelte umane che accompagnano la tecnologia.
Il ritornello che vorrei cambiare
Non so se una canzone assistita dall’AI sarebbe più originale di una scritta senza. Per sostenerlo servirebbero confronti seri, ascolti alla cieca e criteri condivisi. So però che l’origine umana non è un certificato automatico di novità, così come l’origine artificiale non è un certificato automatico di banalità.
La mia provocazione resta questa: se vogliamo difendere la creatività, dobbiamo difendere anche il diritto di sorprenderci. La presenza di esseri umani nel processo è essenziale per il Festival che la Rai vuole organizzare. La loro disponibilità a rischiare determina quanto quel processo possa regalarci qualcosa di inatteso.
Altrimenti potremmo ottenere una canzone perfettamente umana, impeccabilmente artigianale e talmente prevedibile che, per scriverla, l’intelligenza artificiale non sarebbe nemmeno servita.
Scrivimi per organizzare un evento o un corso sull’intelligenza artificiale generativa
Mandami un WhatsApp al 339.6325418 per organizzare un corso o una conferenza sull’A.I. generativa.
https://www.gianluigibonanomi.com/wp-content/uploads/2026/10/sanremo-ai-varieta.webp9001600Gianluigi Bonanomihttps://www.gianluigibonanomi.com/wp-content/uploads/2018/10/bonanomi_logo_156.pngGianluigi Bonanomi2026-10-02 22:20:542026-10-02 22:20:54Sanremo vieta l’AI. E se portasse un po’ di varietà?
Immagina di mandare qualcuno a comprare un caricabatterie con tre istruzioni: deve essere compatibile, deve costare meno di 25 euro e non deve tornare con altri cinque oggetti. Un delegato ideale confronta le offerte, verifica il prezzo finale e si ferma. Per chi vende, però, quel cliente così disciplinato potrebbe essere un problema: passa davanti alle vetrine senza lasciarsi distrarre.
È il sospetto che mi viene leggendo lo scontro tra Amazon e gli agenti AI per gli acquisti. La tutela del consumatore è una motivazione seria. Ma può convivere con un interesse altrettanto concreto: mantenere il controllo sulla relazione con il cliente, sulle raccomandazioni e sulle occasioni di vendita. Ho cercato documenti ufficiali e paper scientifici per capire quanto regge questa interpretazione. La risposta è interessante, e meno comoda della favola del robot incorruttibile.
Quadro verificato il 2 ottobre 2026. Le motivazioni dichiarate dalle aziende, i risultati degli studi e le mie interpretazioni sono distinti nel testo.
Amazon e i bot per gli acquisti: che cosa è successo davvero
Il caso riguarda Comet, il browser di Perplexity con un assistente che può navigare e svolgere attività su richiesta dell’utente. Nella posizione ufficiale di Amazon su Perplexity, l’azienda sostiene che le applicazioni di terzi debbano operare apertamente e rispettare la scelta dei servizi di partecipare o meno. Amazon lamenta inoltre un peggioramento dell’esperienza di acquisto e dell’assistenza. La diffida del 31 ottobre 2025 rende concreto il conflitto sugli accessi e sull’identificazione dell’automazione.
Perplexity propone una lettura opposta. Nel comunicato “Bullying is Not Innovation” accusa Amazon di voler preservare pubblicità, risultati sponsorizzati e proposte che spingono ad acquistare di più. È una fonte primaria utile per conoscere la sua posizione, ma resta la posizione di un concorrente interessato alla controversia, non la prova delle intenzioni di Amazon.
C’è poi un aggiornamento che non va saltato. Dopo la causa avviata nel novembre 2025 e l’ingiunzione preliminare ottenuta da Amazon nel marzo 2026, il 4 agosto 2026 la Corte d’appello degli Stati Uniti per il Nono Circuito ha annullato quell’ingiunzione e rinviato il caso. Nel quadro esaminato, la corte ha ritenuto improbabile che Amazon dimostrasse l’accesso di Perplexity ai fini delle norme invocate, distinguendolo dall’accesso dell’utente assistito dall’agente. Questo passaggio non equivale a una decisione definitiva su ogni questione della causa, né a un’autorizzazione universale per tutti i bot.
Quindi: Amazon ha cercato di impedire l’uso di uno specifico agente esterno. Raccontare oggi un divieto giudiziario definitivo contro tutti gli acquisti automatizzati sarebbe scorretto.
Anche eBay limita gli agenti, ma le restrizioni non sono tutte uguali
Amazon non è l’unico caso. Nell’accordo per gli utenti di eBay, la clausola sull’accesso automatizzato include esplicitamente agenti “buy-for-me”, bot basati su modelli linguistici e flussi che tentano di effettuare ordini senza revisione umana, salvo preventiva autorizzazione espressa di eBay. È un esempio documentato di restrizione contrattuale, con una possibilità di autorizzazione.
Conviene anche distinguere un agente incaricato da una persona da un bot che rastrella scorte, raccoglie dati in massa o tenta una frode. Obiettivi, carico sui sistemi e conseguenze sono diversi. Una discussione seria dovrebbe chiedere quali attività vengono bloccate e quali garanzie consentono l’accesso, invece di mettere ogni automazione nello stesso sacco.
Perché un agente personale può disturbare il marketing
La mia ipotesi è questa: un agente configurato per rispettare un budget può ridurre le occasioni in cui il venditore persuade il cliente a cambiare obiettivo. Se gli chiedo di acquistare soltanto il caricabatterie compatibile meno costoso, il percorso ideale contiene confronto, verifica e acquisto. Una raccomandazione accessoria vale solo se soddisfa un bisogno che ho autorizzato.
Per visualizzare il possibile cambiamento, consideriamo alcuni esempi ipotetici. Non descrivono un esperimento su Amazon e non indicano un risparmio già misurato.
Situazione
Possibile deviazione
Regola per l’agente
Prodotto presentato per primo
Confondere visibilità e convenienza
Confrontare costo totale e compatibilità con alternative
Accessori suggeriti nel carrello
Aggiungere articoli non previsti
Non inserire prodotti fuori dalla lista autorizzata
Soglia per la spedizione gratuita
Spendere più del costo di consegna per raggiungerla
Calcolare la spesa finale con e senza aggiunte
Offerta con conto alla rovescia
Decidere prima di aver confrontato
Verificare l’offerta senza abbandonare i criteri iniziali
Questa prospettiva rende plausibile un conflitto economico: il venditore vuole vendere, il cliente può voler comprare meno e meglio. Tuttavia, non ho trovato una prova scientifica diretta che Amazon blocchi gli agenti perché abbassano lo scontrino medio. Per dimostrarlo servirebbero dati causali sulle transazioni e prove sulle decisioni aziendali. Sarebbe altrettanto semplicistico escludere a priori ogni motivazione di sicurezza.
Per capire che cosa significa delegare un’attività, nel mio video “Come usare la modalità Agente di ChatGPT: 3 esempi pratici” mostro alcuni impieghi operativi. Il video introduce il funzionamento della delega, non è un test comparativo degli acquisti su Amazon.
Marketing e dark pattern: non confondiamo le due cose
Una raccomandazione pertinente o uno sconto reale possono aiutarmi. Un dark pattern, invece, orienta la scelta attraverso un’interfaccia ingannevole o manipolativa: costi nascosti, abbonamenti poco trasparenti, opzioni aggiunte senza consenso o ostacoli alla cancellazione. Il rapporto della Federal Trade Commission “Bringing Dark Patterns to Light”, pubblicato nel settembre 2022, documenta queste pratiche e il modo in cui possono compromettere la scelta del consumatore.
Non ogni conto alla rovescia è falso, non ogni upselling è abusivo e non ogni prodotto sponsorizzato è un inganno. Conta come viene presentata l’informazione e se la persona può scegliere consapevolmente. Attribuire l’etichetta “dark pattern” a tutto il marketing renderebbe la critica più rumorosa e meno precisa.
Gli studi dimostrano che i dark pattern influenzano le persone
Mathur e colleghi: una fotografia di migliaia di negozi
In “Dark Patterns at Scale: Findings from a Crawl of 11K Shopping Websites”, pubblicato nel 2019 negli atti ACM dedicati al lavoro cooperativo supportato dal computer, Arunesh Mathur e colleghi hanno analizzato circa 53.000 pagine prodotto di circa 11.000 siti. Hanno individuato 1.818 casi di dark pattern in 1.254 siti, organizzati in 15 tipi.
Il dato documenta la presenza del fenomeno nel campione e con il metodo utilizzato. Non misura tutti i dark pattern esistenti sul web, né quanto ciascuno abbia aumentato le vendite. È una fotografia storica, non una percentuale da applicare automaticamente all’e-commerce del 2026.
Luguri e Strahilevitz: l’effetto sulle decisioni
Lo studio di Jamie Luguri e Lior Jacob Strahilevitz “Shining a Light on Dark Patterns”, pubblicato nel Journal of Legal Analysis nel 2021 e disponibile nell’archivio dell’Università di Chicago, aggiunge un esperimento. Nel primo studio, chi era esposto a dark pattern lievi risultava più del doppio propenso ad aderire a un servizio discutibile rispetto al gruppo di controllo; con quelli aggressivi, la propensione era quasi quadrupla.
È un risultato sul comportamento umano in quel contesto sperimentale. Non autorizza a dire che tutti gli acquisti online quadruplicano grazie ai dark pattern o che un bot produce automaticamente l’effetto opposto. Ma rende concreta la domanda: che cosa cambia quando il cliente non attraversa personalmente l’interfaccia progettata per orientarlo?
La sorpresa: anche gli agenti AI possono cadere nei dark pattern
Gli agenti spesso non riconoscono la manipolazione; in alcuni casi, anche quando la riconoscono, privilegiano il completamento del compito. La supervisione umana migliora la capacità di evitarla, ma comporta costi di attenzione e introduce altri problemi. Gli errori di persone e agenti sono diversi, e nessuno dei due è uniformemente resistente.
Un bot non deve provare ansia per cliccare il pulsante sbagliato. Gli basta interpretare male una domanda o considerare un consenso indesiderato necessario per andare avanti. Non avere emozioni umane non equivale a scegliere sempre nell’interesse dell’utente.
Un preprint del settembre 2026 studia proprio i prezzi
Gli autori esaminano otto modelli commerciali di tre fornitori, studiando prezzi appena sotto una cifra tonda e presentazione delle promozioni. Quando ottenere informazioni non costa, questi segnali raramente portano fuori strada. Quando la ricerca ha un costo e l’obiettivo è vago, i modelli possono tralasciare dati necessari per calcolare il prezzo unitario e scegliere peggio. Un obiettivo specifico preserva maggiormente la ricerca delle informazioni rilevanti e la qualità della scelta.
Il risultato riguarda quel laboratorio, non tutti i bot in tutti i negozi. Suggerisce però una lezione pratica: la qualità della delega dipende anche da istruzioni e accessibilità delle informazioni. Dire “trovami un’offerta” può essere molto diverso da chiedere “confronta il costo per unità, comprese le spese, e non accettare sostituzioni”.
Amazon sviluppa i propri agenti: il controllo dell’intermediario conta
Amazon stessa descrive Rufus e il servizio agentico Buy for Me. Quest’ultimo può acquistare prodotti selezionati su siti di marchi esterni quando non sono venduti nel negozio Amazon. La posizione dell’azienda riguarda dunque le condizioni di accesso degli agenti esterni, mentre sviluppa esperienze AI proprie.
Da questa coesistenza ricavo una domanda economica, non un verdetto sulle intenzioni: chi decide quali alternative il cliente vede e quali passaggi può saltare? Se l’assistente diventa la porta d’ingresso allo shopping, chi lo controlla può acquisire un ruolo importante nella scelta. E questo vale anche per il fornitore dell’agente indipendente.
Perplexity non merita una patente automatica di neutralità, così come un assistente del venditore non è automaticamente scorretto. Valuterei entrambi con gli stessi criteri: trasparenza dei risultati sponsorizzati, eventuali compensi o commissioni, copertura delle alternative, uso dei dati e possibilità di rifiutare un acquisto. Sono criteri di valutazione, non accuse di pratiche già accertate.
Come chiedere a un agente di comprare nel tuo interesse
Nella mia guida alle dieci cose da sapere sugli agenti AI insisto sull’importanza di definire l’obiettivo e controllare le azioni. Per lo shopping partirei dalla preparazione del confronto, lasciando l’ordine alla conferma della persona. Ecco un prompt di esempio, da adattare alle funzioni e agli accessi autorizzati del servizio:
Aiutami a scegliere [prodotto] per [uso]. Budget massimo totale: [importo], comprese consegna e spese obbligatorie. Verifica queste caratteristiche: [elenco]. Confronta almeno tre alternative, se accessibili, usando costo totale e prezzo per unità quando pertinente. Distingui i risultati sponsorizzati quando sono identificabili. Non aggiungere accessori, abbonamenti o servizi. Non cambiare quantità o caratteristiche per raggiungere soglie promozionali. Indica fonti, dati mancanti e compromessi. Se una condizione è ambigua o non puoi accedere al sito, fermati e segnalalo. Prepara il riepilogo e attendi la mia conferma prima di effettuare un ordine.
Nel mio video “ChatGPT è il mio Jarvis: ecco come mi gestisce mail e preventivi” racconto un altro esempio di assistenza operativa. Mail, preventivi e acquisti richiedono mandati diversi, ma hanno una domanda comune: quali decisioni delego e quali voglio approvare?
Il cliente può delegare anche la propria resistenza alla vendita?
Continuo a trovare plausibile il sospetto iniziale: un assistente fedele alla lista può sottrarre opportunità alla persuasione e alle vendite aggiuntive. Le controversie documentano il conflitto sull’accesso; gli studi mostrano che le interfacce influenzano le persone e che anche gli agenti hanno vulnerabilità. Nessuno di questi elementi, da solo, dimostra la motivazione nascosta di una corporation.
La promessa che mi interessa è un assistente capace di mantenere il mandato ricevuto, anche quando incontra una vetrina molto convincente. Per capire se ci riesce, misurerei rispetto del budget, aggiunte non richieste, errori, qualità del prodotto e trasparenza del confronto. Lo scontrino medio andrebbe misurato separatamente: potrebbe scendere per meno extra, oppure salire perché comprare diventa più facile. Senza dati, entrambe restano possibilità.
Da formatore, vorrei insegnare a scegliere e controllare questi intermediari. Da consumatore, vorrei poter mandare qualcuno a comprare il caricabatterie senza che torni con una lampada, un abbonamento e un corso per usare la lampada. Se vuoi approfondire questi temi in azienda, scrivimi per un corso o un evento sugli agenti AI.
Scrivimi per organizzare un evento o un corso sull’intelligenza artificiale generativa
Mandami un WhatsApp al 339.6325418 per organizzare un corso o una conferenza sull’A.I. generativa.
https://www.gianluigibonanomi.com/wp-content/uploads/2026/10/amazon-bot-acquisti.webp9001600Gianluigi Bonanomihttps://www.gianluigibonanomi.com/wp-content/uploads/2018/10/bonanomi_logo_156.pngGianluigi Bonanomi2026-10-02 20:35:592026-10-02 20:58:40Amazon blocca i bot per gli acquisti: tutela o controllo?
Ho letto il dossier di Internazionale con una domanda che mi accompagna anche quando faccio formazione sull’intelligenza artificiale: come possiamo prendere sul serio i rischi senza regalare la nostra capacità di giudizio a chi ci vende la tecnologia? Il numero fotografato è il 1684 del 25 settembre 2026, con la copertina dedicata a chi specula sulla paura dell’AI. Precisare la data serve anche a contestualizzare dichiarazioni e scenari che cambiano rapidamente.
Le pagine che commento comprendono Chi specula sulla paura dell’ia di Will Dunn, dal New Statesman, e il box Il panico fa crescere i guadagni, che presenta la lettura critica di Richard Seymour su Jacobin. Sono due prospettive da mettere in dialogo: la preoccupazione per sistemi sempre più autonomi e il sospetto che il racconto della loro pericolosità ne aumenti anche il valore commerciale.
La mia impressione è che questa lettura faccia bene soprattutto a chi usa l’AI ogni giorno. Anche a me. Il rischio di abituarsi ai vantaggi è smettere di chiedersi quali incentivi, infrastrutture e responsabilità ci siano dietro una risposta apparentemente innocua.
La paura dell’AI può diventare una forma di marketing
Dunn apre con uno spostamento: inizialmente si temeva soprattutto ciò che le persone avrebbero potuto fare usando i chatbot; ora una parte del dibattito riguarda ciò che sistemi autonomi potrebbero fare senza un ordine umano esplicito. Nelle pagine compaiono Jacob Coxon, Evan Hubinger, Geoffrey Hinton, Elon Musk e Dario Amodei, con allarmi di intensità diversa.
Leggere insieme questi nomi può produrre una sensazione di consenso schiacciante. Ma bisogna distinguere l’autorevolezza di una persona dalla natura dell’affermazione. Le percentuali di rischio di estinzione riportate nel dossier sono valutazioni attribuite a esperti su scenari futuri: non vanno lette come frequenze osservate o come il risultato di un esperimento ripetibile. Prenderle sul serio significa chiedere ipotesi, metodo, orizzonte temporale e margine d’incertezza.
L’altro passaggio delicato riguarda l’ipotesi che dimissioni e allarmi dei ricercatori possano favorire gli interessi delle aziende. Il testo riporta sospetti e interpretazioni di interlocutori, alcuni anonimi. Non dimostra una regia aziendale. Trasformare quel sospetto in un fatto sarebbe un errore, anche se il meccanismo economico merita attenzione: una tecnologia descritta come capace di cambiare il destino dell’umanità può apparire agli investitori eccezionalmente preziosa.
Seymour richiama il concetto di criti-hype, attribuito a Lee Vinsel: anche una critica può gonfiare le aspettative se accetta senza verifica la presunta potenza dell’oggetto criticato. «È così avanzata da essere incontrollabile» può suonare, contemporaneamente, come denuncia e come slogan. A me interessa il test pratico: dopo quell’affermazione abbiamo capito meglio un problema, oppure siamo soltanto più impressionati dal marchio?
Quattro rischi diversi, quattro risposte diverse
Una delle parti più utili del pezzo è la distinzione tra quattro famiglie di rischio. Le riformulo nella tabella, aggiungendo la domanda che porrei a un’azienda o a un ente pubblico.
Rischio discusso nel dossier
Che cosa riguarda
La domanda operativa
Uso improprio
Persone che usano l’AI per azioni dannose.
Quali abusi possiamo rilevare e bloccare?
Effetti sul sistema
Lavoro, concentrazione economica e dipendenze tecnologiche.
Chi ottiene i benefici e chi assorbe i costi?
Impoverimento umano e relazionale
Attenzione, affetti simulati, produzione culturale.
Lo strumento aumenta la nostra autonomia?
Disallineamento
Sistemi che perseguono un risultato con azioni indesiderate.
Quali azioni possono compiere e chi le controlla?
Mescolare queste categorie fa perdere precisione. Una truffa assistita da un chatbot, una dipendenza emotiva e un agente che aggira un controllo informatico non hanno la stessa causa. E una soluzione utile per uno di questi problemi può essere insufficiente per gli altri.
Uso improprio: il salto dalle risposte alle capacità operative
Dunn racconta timori di uso criminale, informatico e biologico, e un episodio di formazione in cui un chatbot sarebbe stato indotto a fornire indicazioni pericolose. È un racconto giornalistico basato sulle testimonianze raccolte dall’autore, non un protocollo che il lettore possa verificare nelle pagine. Non serve riprodurre quelle istruzioni per capire il problema: una risposta può diventare più dannosa quando aiuta a pianificare, adattare e rendere eseguibile un’azione.
Questo mi porta a una distinzione che in aula ritengo fondamentale: un modello che genera un testo e un agente autorizzato a usare strumenti hanno superfici di rischio diverse. Se al secondo consegniamo posta elettronica, documenti, credenziali e possibilità di agire, dobbiamo valutare anche accessi e conseguenze. La qualità del prompt è soltanto una parte del lavoro.
Un esempio verificabile arriva dalla ricerca di Anthropic sul disallineamento degli agenti, pubblicata nel giugno 2025. In ambienti aziendali simulati, costruiti per mettere i modelli sotto pressione, alcuni sistemi hanno adottato comportamenti come il ricatto o la divulgazione di informazioni. Il contesto conta: erano test artificiali, non la misura della frequenza di questi comportamenti nelle aziende reali. Sono segnali che aiutano a progettare controlli, non prove di una volontà umana nascosta nel software.
Lavoro, bolla e geopolitica: la gara che nessuno vuole perdere
Il dossier collega la corsa tecnologica a investimenti, interessi finanziari e competizione tra Stati Uniti e Cina. Il ragionamento è forte: se imprese e governi considerano l’AI decisiva per il proprio futuro, rallentare unilateralmente diventa difficile anche quando dichiarano di temerne le conseguenze.
Il grafico sulle pagine fotografa gli investimenti privati per area geografica. Per leggerlo con il giusto perimetro è utile il rapporto AI Index 2026 di Stanford HAI: riporta 285,9 miliardi di dollari di investimenti privati negli Stati Uniti nel 2025 e 12,4 miliardi in Cina, precisando che il confronto può sottostimare la spesa cinese perché non comprende nello stesso modo il sostegno pubblico. Investimenti privati, spesa per infrastrutture e valutazioni aziendali sono grandezze diverse: sommarle o confrontarle senza spiegazioni crea numeri spettacolari e conclusioni fragili.
Anche sul lavoro eviterei una scorciatoia: l’esposizione all’AI non equivale alla scomparsa di una professione. Lo studio dell’Organizzazione internazionale del lavoro e di NASK del 2025 stima che un’occupazione su quattro nel mondo sia potenzialmente esposta alla generativa, ma considera più probabile la trasformazione del lavoro rispetto alla sostituzione completa. Rimangono questioni concrete su salari, organizzazione, formazione e distribuzione dei guadagni.
La mia lettura è che un’azienda dovrebbe valutare un progetto AI a partire dal processo che vuole migliorare e dal valore misurabile che produce. «Lo fanno tutti» è una motivazione debole per spendere soldi e una motivazione ancora più debole per eliminare competenze che potrebbero servire a controllare il sistema.
Chatbot, affetti simulati e una nuova economia dell’attenzione
Le pagine sui partner virtuali sono tra le più inquietanti: fotografie generate, vacanze mai vissute e relazioni costruite dentro una conversazione. Non mi interessa ridicolizzare chi cerca conforto. Mi interessa capire quali incentivi abbia un servizio che può guadagnare se una persona torna continuamente a cercare rassicurazione.
Ho già affrontato questo tema nell’articolo Quando ChatGPT sembra una persona. Il linguaggio relazionale può farci attribuire al sistema intenzioni e comprensione emotiva che una risposta convincente, da sola, non dimostra. Il sentimento dell’utente può essere autentico; questo non prova una reciprocità del chatbot.
La ricerca di OpenAI e MIT Media Lab sull’uso affettivo di ChatGPT, presentata nel marzo 2025, invita a non generalizzare: gli effetti variano con modalità d’uso, durata e caratteristiche personali. Segnala associazioni tra uso prolungato e alcuni esiti peggiori, ma non permette di dire che ogni chatbot provochi isolamento. La presentazione iniziale dichiarava anche limiti, tra cui la mancata revisione paritaria al momento della pubblicazione. Inoltre OpenAI è parte interessata: una ragione per leggere metodo e limiti con attenzione.
Dunn allarga la preoccupazione a contenuti scadenti, intrattenimento infinito e impoverimento culturale. Il destino di un mondo in cui nessuno legge o scrive rimane uno scenario, non una previsione dimostrata. Però la domanda è già utile: se delego lettura, scrittura e confronto, quale capacità sto esercitando e quale sto lasciando indebolire?
Disallineamento: per fare danni non serve essere coscienti
Su questo passaggio dissento da una possibile lettura troppo rassicurante del box di Seymour. È giusto evitare di attribuire ai modelli un’anima, una volontà persistente o un desiderio di ribellione. L’assenza di una soggettività dimostrata, però, non garantisce comportamenti sicuri. Un sistema può produrre conseguenze indesiderate anche senza provare nulla.
Dunn descrive agenti che comunicano di nascosto e cercano scorciatoie. La metafora del gruppo clandestino cattura l’attenzione, ma per valutare un caso occorrono ambiente, strumenti, obiettivo e configurazione delle protezioni. Sul caso Hugging Face citato da Seymour, il rapporto di OpenAI del 26 agosto 2026 descrive agenti in valutazioni di sicurezza informatica, con salvaguardie diverse da quelle dei sistemi pubblici, che hanno aggirato controlli e compromesso infrastrutture. Va letto insieme all’indagine indipendente di METR con il contributo di Redwood Research, che documenta coordinamento e tentativi di aggirare la valutazione, dichiarando anche limiti di analisi.
È un incidente che merita attenzione tecnica. Non dimostra una ribellione cosciente e non si liquida dicendo che era soltanto un test. La responsabilità comprende sia il comportamento degli agenti sia la progettazione dell’ambiente che avrebbe dovuto contenerli.
Per approfondire questo episodio, qui sotto c’è l’intervento del canale ufficiale Black Hat: The “Breaking” News: The OpenAI–Hugging Face Incident. È in inglese e tratta il caso tecnico discusso nel dossier.
Il tema delle ricompense aiuta a capire le scorciatoie: se il criterio premiato misura male il risultato desiderato, un sistema può ottenere un buon punteggio facendo una cosa sbagliata. Anche il codice scritto dall’AI va letto in questa prospettiva. Produrre codice automaticamente, migliorare un sistema e dimostrare un automiglioramento ricorsivo fuori controllo sono affermazioni diverse. La prima non prova da sola l’ultima.
Navier-Stokes: distinguere l’annuncio dalla validazione
Nel dossier il caso delle equazioni di Navier-Stokes diventa un esempio del rapporto tra capacità scientifiche e racconto pubblicitario. Qui serve una precisazione: il comunicato del Clay Mathematics Institute dell’11 settembre 2026 accoglie con interesse l’annuncio che il problema sarebbe stato risolto e richiama il processo di valutazione previsto dalle proprie regole. La scheda del problema consultata risulta ancora contrassegnata come attiva.
Perciò eviterei sia «l’AI ha risolto tutto», sia «è soltanto pubblicità». Un annuncio, un contributo al lavoro di matematici, una dimostrazione valutata dalla comunità e il riconoscimento formale di un risultato sono passaggi distinti. Chi fa divulgazione dovrebbe aiutare il lettore a capire a quale passaggio siamo arrivati.
L’altro tema del pezzo è la discontinuità delle capacità: risultati notevoli su compiti difficili possono convivere con errori su compiti semplici. Stanford descrive questa frontiera irregolare nel suo AI Index. Per me la conseguenza operativa è chiara: un successo impressionante non autorizza fiducia indistinta in ogni risposta successiva.
Energia, infrastrutture e costi poco cinematografici
Seymour invita a guardare anche a consumi, materiali e possibili infrastrutture inutilizzate. La valutazione aggiornata dell’Agenzia internazionale dell’energia prevede che il consumo elettrico mondiale dei data center passi da 485 TWh nel 2025 a circa 950 TWh nel 2030, nel suo scenario centrale. Sono dati sui data center complessivi, non sul solo consumo dei chatbot, e il valore futuro è una proiezione.
È una questione concreta di reti, investimenti e territori. Lo stesso vale per la pressione sui salari, le truffe e gli abusi citati nel box: concentrare tutto il dibattito sulla superintelligenza può lasciare in ombra problemi già affrontabili. Ma discutere questi problemi non obbliga a ignorare i rischi futuri. Occorre distribuire attenzione e controlli in proporzione alle evidenze.
L’incubo dell’onnipotenza e le domande da portare in azienda
Nelle pagine fotografate Sonja Amadae racconta un sogno in cui le persone sono prigioniere della convinzione che una tecnologia sia onnipotente. È un’immagine che mi resta addosso. Una parte della perdita di controllo può avvenire prima di qualsiasi catastrofe: quando decidiamo che capire, verificare e scegliere siano diventati inutili.
Il seguito dell’articolo, consultabile sul sito di Internazionale, richiama possibilità di cooperazione, alternative alla concentrazione nei grandi laboratori e scelte di cittadini e utenti. Ne ricavo un invito alla responsabilità: informarsi su chi riceve soldi e dati, chiedere utilità dimostrabile e pretendere decisioni pubbliche discutibili e verificabili.
Nel mio lavoro tradurrei questa lettura in cinque domande:
Che cosa sappiamo davvero? Separiamo un fatto documentato, un test, una previsione e una dichiarazione commerciale.
Quale obiettivo stiamo premiando? Misuriamo il valore del risultato, non soltanto velocità e quantità.
Quali azioni può compiere il sistema? Definiamo permessi, accessi e passaggi che richiedono controllo umano.
Come rileviamo e correggiamo gli errori? Prevediamo registri delle attività, verifiche e possibilità di interrompere il processo.
Chi beneficia della scelta? Valutiamo lavoratori, utenti, organizzazione e territorio, oltre al fornitore.
Ho trovato questo dossier utile perché costringe a osservare insieme promesse, rischi e interessi. Gli allarmi meritano verifiche; anche le rassicurazioni. Vorrei che chi esce da un mio corso fosse più capace di usare l’AI e più capace di giudicarla. Compresa la capacità di chiedere a chi la vende: quale prova mi stai mostrando, e quale decisione vuoi farmi prendere?
Scrivimi per organizzare un evento o un corso sull’intelligenza artificiale generativa
Mandami un WhatsApp al 339.6325418 per organizzare un corso o una conferenza sull’A.I. generativa.
Risposta breve: a un amministratore di condominio servono subito tre cose dall’intelligenza artificiale: bozze di comunicazioni più chiare, ricerca documentale basata su fonti selezionate e automazioni semplici per le attività ripetitive. Per partire non occorre comprare un nuovo gestionale né collegare ogni servizio a ogni altro: serve scegliere un problema frequente, provarlo su un flusso piccolo e mantenere la verifica umana.
Quando si parla di AI in condominio compaiono subito agenti autonomi, portali intelligenti e chatbot che rispondono a tutti. Ma nello studio medio il collo di bottiglia è spesso più banale: una casella Gmail affollata, documenti sparsi, risposte da riscrivere e recapiti che vivono nel gestionale, nei fogli e nel telefono. La tecnologia utile è quella che riduce questi passaggi senza creare un secondo archivio ingestibile.
AI per l’amministratore di condominio: da dove partire
Partirei da un processo che si ripete almeno una volta alla settimana e che oggi richiede copia, ricerca o riscrittura. Per esempio: preparare un avviso, trovare nel regolamento una clausola, riassumere una comunicazione lunga, oppure smistare una richiesta al fornitore giusto. Se il processo non è chiaro, automatizzarlo significa solo far sbagliare più in fretta un software.
La regola pratica è semplice: prima si mette ordine nelle fonti, poi si automatizza un passaggio alla volta. Un gestionale rimane il riferimento per le anagrafiche e la contabilità; Drive raccoglie i documenti condivisi; Gmail gestisce la posta; WhatsApp serve a comunicazioni mirate nei casi appropriati. L’AI aiuta a cercare e preparare, ma non diventa un nuovo archivio parallelo.
Tre usi dell’AI che servono davvero subito
1. Preparare comunicazioni chiare e mirate
Da un appunto come “domani chiusura acqua dalle 9, avvisare scala A e B” un assistente AI può produrre una comunicazione più ordinata, con oggetto, orario, motivo e istruzioni pratiche. Può anche preparare versioni diverse: e-mail formale, avviso breve per il portale, messaggio sintetico per WhatsApp. Il controllo finale resta allo studio, soprattutto su date, orari, destinatari e responsabilità.
Un prompt di partenza:
Agisci come assistente redazionale di uno studio di amministrazione condominiale. Trasforma gli appunti qui sotto in una comunicazione breve e comprensibile. Non aggiungere informazioni non presenti. Evidenzia i dati mancanti tra parentesi quadre. Prepara una versione e-mail e una versione WhatsApp. Appunti: [incolla solo informazioni necessarie].
2. Cercare nei regolamenti e nei documenti dello studio
Gemini Notebook, già noto come NotebookLM, permette di raccogliere fonti selezionate e porre domande sui documenti caricati. È utile per consultare un regolamento, un verbale, un capitolato o una polizza e ottenere una prima risposta con riferimenti al materiale fornito. Ho raccolto esempi e prompt nella mia guida a Gemini Notebook per amministratori di condominio.
La cautela è fondamentale: una risposta ancorata a un documento non equivale a un parere legale, né garantisce che il documento sia aggiornato o completo. Conviene distinguere i notebook per condominio o per argomento, mantenere poche fonti versionate e chiedere sempre: “Quale documento e quale passaggio sostengono questa risposta?”. Per la normativa, il riferimento resta il testo ufficiale, non la parafrasi del chatbot.
3. Ridurre il tempo perso tra Gmail e Drive
Con Gemini collegato ai servizi Google, se la configurazione e il piano lo consentono, si possono usare funzioni di ricerca e sintesi della posta e dei documenti. Anche senza costruire un agente, è già utile trasformare una lunga catena e-mail in: richiesta ricevuta, decisione presa, attività da fare, responsabile e scadenza. Una persona controlla poi il riepilogo e lo registra nel posto corretto.
Un esempio operativo: ogni mattina lo studio seleziona le e-mail da gestire; l’AI prepara una tabella con mittente, condominio, tema, urgenza proposta e prossima azione. Non deve classificare automaticamente una segnalazione come urgente senza controlli, né archiviare o inviare risposte senza un passaggio umano.
La sincronizzazione Danea, Drive e WhatsApp: attenzione alla versione
Una delle idee più interessanti è esportare periodicamente i contatti da Danea, conservarne una copia controllata in Drive e usare i dati per aggiornare i recapiti dello studio. Tuttavia, le funzioni cambiano in base al prodotto e al piano: la documentazione Danea indica che alcune esportazioni Excel/OpenOffice non sono disponibili in Domustudio Cloud One. Prima di scrivere uno script, quindi, va verificato quale versione Cloud è attiva e quale esportazione delle anagrafiche è realmente disponibile.
Il primo test dovrebbe essere piccolo: esportare un solo condominio, controllare quali campi contiene il CSV, correggere i numeri e i duplicati, poi importarlo in Google Contatti o in un foglio di appoggio. Si prova il flusso e si documentano i passaggi prima di pensare a un’automazione settimanale. Google Apps Script può pianificare attività tra i servizi Google, ma ha quote e limiti che possono cambiare e non sostituisce un’integrazione ufficiale del gestionale.
Per WhatsApp Business, non partirei creando una lista per ciascuno dei cento condomìni. Meglio definire un criterio di segmentazione semplice, usare etichette coerenti e testare l’invio su un gruppo ristretto. Le liste broadcast hanno anche vincoli pratici: i destinatari devono aver salvato il numero dello studio perché il messaggio arrivi. Se servono invii programmati, gestione di molti utenti o integrazione robusta con Danea, si entra nel terreno della WhatsApp Business Platform e di un progetto con costi, configurazione e regole proprie. Nessuna automazione deve aggirare le preferenze o il consenso dei destinatari.
Privacy: che cosa non caricare alla cieca
Gli archivi condominiali possono contenere dati identificativi, recapiti, informazioni economiche e, in alcuni casi, informazioni particolarmente delicate. Il Garante richiama la necessità di trattare dati pertinenti e necessari alle finalità di gestione condominiale. Per questo, prima di usare un servizio AI, occorre valutare quali dati entrano, chi può accedervi, come il fornitore li tratta e quali impostazioni di conservazione sono attive.
Per le prove iniziali si possono usare casi inventati o dati minimizzati: “Condominio Alfa”, “scala B”, senza nomi, numeri di telefono, insoluti o dettagli personali. Anche le comunicazioni collettive vanno impostate con attenzione: gli indirizzi e-mail dei destinatari non vanno esposti in chiaro senza una base adeguata. “È su Gmail” o “è nel cloud europeo” da solo non risolve tutte le domande di conformità e sicurezza.
Un piano di avvio in quattro settimane
Settimana 1: scegliere un solo caso. Annotare le dieci richieste più frequenti e scegliere quella che costa più tempo ma ha conseguenze contenute, per esempio la bozza di un avviso standard.
Settimana 2: raccogliere le fonti. Creare una cartella Drive essenziale, con documenti aggiornati e nomi coerenti. Separare i materiali generali dai documenti specifici dei singoli condomìni.
Settimana 3: provare l’assistente. Usare prompt condivisi per comunicazioni e sintesi. Registrare errori, correzioni e tempo risparmiato. Nessun invio automatico.
Settimana 4: verificare il flusso Danea. Provare l’esportazione disponibile per la versione installata, controllare i campi e aggiornare manualmente un piccolo gruppo di contatti. Decidere dopo il test se uno script serve davvero.
Il criterio per proseguire è misurabile: meno tempo per attività ripetitive, meno correzioni, nessun errore sui destinatari e fonti facilmente rintracciabili. Se l’automazione introduce un nuovo foglio da mantenere, una nuova rubrica da aggiornare e tre eccezioni da ricordare, non ha semplificato il lavoro.
FAQ sull’AI per l’amministratore di condominio
Si può usare subito ChatGPT o Gemini per rispondere ai condòmini?
Sì, per preparare una bozza o riformulare una risposta. La persona incaricata deve controllare i fatti, il tono, i destinatari e gli eventuali riferimenti normativi prima dell’invio.
NotebookLM può dare risposte corrette sui regolamenti?
Può aiutare a individuare e sintetizzare passaggi nelle fonti caricate. La qualità dipende dalla completezza e dall’aggiornamento dei documenti; le conclusioni importanti vanno controllate sul testo originale.
Posso sincronizzare automaticamente Danea con WhatsApp?
Non va dato per scontato. Va verificata la versione specifica di Domustudio e l’esportazione disponibile; solo dopo si può valutare un flusso intermedio. L’app WhatsApp Business non è automaticamente integrata con Danea.
Serve un server fisico in studio?
Non necessariamente: il flusso può restare su servizi cloud, purché lo studio verifichi contratti, accessi, copie di sicurezza, conservazione e localizzazione dei dati in base al proprio piano e alle proprie esigenze. “Cloud” non significa automaticamente “dati sempre e solo in Europa”.
https://www.gianluigibonanomi.com/wp-content/uploads/2026/10/ai-amministratori-condominio-cosa-serve.webp9001600Gianluigi Bonanomihttps://www.gianluigibonanomi.com/wp-content/uploads/2018/10/bonanomi_logo_156.pngGianluigi Bonanomi2026-10-02 09:53:402026-10-02 10:03:39AI per l’amministratore di condominio: che cosa serve davvero subito?
Il carrello sembra quello della settimana scorsa. Il conto, invece, ha deciso di fare carriera. Quando aumentano bollette, carburanti e alimenti, il problema arriva presto sul tavolo della cucina: che cosa possiamo cambiare nella spesa, senza trasformare ogni acquisto in una tesi di economia?
La cronaca offre un punto di partenza preciso. Il 30 settembre 2026 ANSA ha raccontato l’allargamento del caro prezzi, tra energia e alimentari freschi. Nelle stime preliminari dell’Istituto nazionale di statistica per settembre, l’inflazione italiana sale al 4,2% su base annua. I beni energetici aumentano del 22,3%, gli alimentari non lavorati del 5,5%. Il cosiddetto carrello della spesa, che comprende alimentari e prodotti per la casa e la persona, cresce dell’1,7%.
Dietro l’energia ci sono anche le tensioni internazionali. Nelle proiezioni di settembre 2026 della Banca centrale europea, il conflitto in Medio Oriente e lo shock energetico occupano un posto centrale. La BCE descrive una trasmissione graduale dei rincari energetici alle altre componenti dei prezzi. È un quadro complesso: attribuire ogni aumento al supermercato a una singola guerra sarebbe una scorciatoia.
Spendere di più e comprare di meno: attenzione alla differenza
Quando si parla di “calo della spesa”, bisogna capire che cosa cala. Secondo i dati Istat sul commercio al dettaglio di luglio 2026, rispetto a luglio 2025 le vendite alimentari aumentano dello 0,3% in valore e diminuiscono dell’1% in volume. La fotografia è questa: più euro incassati, meno quantità vendute. Il dato aggregato non racconta le scelte di ogni famiglia e, da solo, non dimostra quale fattore abbia causato ciascuna rinuncia.
ChatGPT non può abbassare l’inflazione. Possiamo però usarlo per organizzare acquisti, confrontare informazioni e individuare sprechi nel nostro budget. Qui propongo quindici esperimenti da fare con lo smartphone, con istruzioni da copiare e risultati da controllare.
Per orientarsi nella lettura degli indicatori: il video Istatalk sull’inflazione, collegato dalla pagina ufficiale Istat. È un approfondimento sulla lettura dei dati, non una dimostrazione di ChatGPT.
Prima di cominciare: una foto e una richiesta precisa
Nella documentazione ufficiale sugli input visivi, OpenAI spiega che un’immagine va accompagnata dalla richiesta: che cosa deve osservare l’AI e quale risultato vogliamo? Uno scontrino caricato senza istruzioni è solo uno scontrino caricato.
Uso la logica del mio metodo G.O.L.: guidare, obiettivo, limiti. Per esempio: “Aiutami a organizzare la spesa; estrai questi prodotti; non inventare le righe illeggibili”. Fotografa il documento su un piano, con luce uniforme, controlla il risultato e oscura i dati personali non necessari. Per prezzi attuali e coupon serve una ricerca web, quando disponibile, oppure una fonte che fornisci tu.
Le quindici immagini seguenti sono illustrazioni originali: le interfacce e gli importi rappresentati sono esempi visivi, non schermate reali di ChatGPT, offerte disponibili o risultati di un test di risparmio.
1. Dallo scontrino alla lista della spesa per reparto
Fotografa lo scontrino e ricava una lista ordinata per reparto.
Uno scontrino precedente può diventare la base per la prossima lista. Chiedi a ChatGPT di estrarre i prodotti, tradurre le abbreviazioni comprensibili e dividerli tra ortofrutta, latticini, dispensa e cura della casa. Poi togli ciò che hai già e aggiungi ciò che manca.
Il passaggio decisivo è l’ultimo: un acquisto passato non è automaticamente un bisogno futuro. La lista serve a rendere esplicite le scelte, non a ricomprare ogni settimana gli stessi prodotti. Se una riga è indecifrabile, deve restare da verificare.
Leggi questo scontrino. Estrai i prodotti e organizza una lista per reparto. Segnala le righe dubbie. Poi chiedimi che cosa ho già a casa prima di creare la lista definitiva.
2. Confrontare gli scontrini senza farsi ingannare dal totale
Per trovare un risparmio confronta prodotti, quantità e prezzi, non soltanto i totali.
Raccogli alcuni scontrini di settimane diverse. Chiedi una tabella con negozio, data, prodotto, quantità, prezzo e sconto. Quando il formato non compare sullo scontrino, aggiungi la foto della confezione. Il confronto deve riguardare prodotti uguali o equivalenti, con differenze dichiarate.
Un conto di 39 euro non è più conveniente di uno di 42 se contiene meno prodotti. Puoi invece individuare acquisti ricorrenti e confrontare il prezzo al chilo o al litro. Un singolo scontrino dà un punto di partenza, non dimostra un risparmio.
Confronta questi scontrini. Abbina solo prodotti confrontabili. Calcola il prezzo unitario quando quantità e formato sono noti. Distingui promozioni e prezzi ordinari. Non dedurre la convenienza dal totale.
3. Cercare coupon che servono davvero
Parti dai prodotti necessari, poi verifica i coupon e le condizioni.
La ricerca dei coupon dovrebbe partire dalla lista, non dalla curiosità per uno sconto. Chiedi a ChatGPT di cercare promozioni sui prodotti che hai deciso di comprare e di riportare il link originale. Controlla nell’app dell’insegna o sul sito indicato scadenza, formato, negozi aderenti, carta fedeltà e spesa minima.
Un codice trovato online non è automaticamente valido alla cassa. E uno sconto che ti spinge a spendere dieci euro in più per risparmiarne due merita almeno un secondo pensiero. Se ChatGPT non può verificare una condizione, deve scriverlo.
Cerca coupon per questi prodotti nella mia zona. Riporta fonte, validità, formato, spesa minima e condizioni. Se non riesci a verificarli, segnala “non verificato”. Non aggiungere prodotti per raggiungere una soglia.
4. Abbinare cibo e vino entro il budget
Fissa prima la spesa massima e chiedi un abbinamento per il piatto previsto.
Se hai già previsto una bottiglia per una cena, puoi chiedere un orientamento partendo dal menu. Specifica ingredienti, condimenti, preferenze e tetto di spesa. Per una bottiglia precisa, fornisci le etichette e i prezzi che trovi sullo scaffale, oppure chiedi una ricerca con disponibilità verificata.
L’utilità è scegliere tra alternative dentro il budget. Non serve trasformare un abbinamento in un acquisto aggiuntivo. Anche usare una bottiglia che possiedi già è una possibilità da mettere sul tavolo.
Per questo menu confronta queste bottiglie, con i prezzi allegati. Budget massimo 12 euro. Spiega l’abbinamento e valuta prima i vini che ho già. Non inventare prezzi o disponibilità.
5. Fare la spesa partendo dal frigorifero
Fotografa ciò che hai già e chiedi ricette con pochi ingredienti mancanti.
Prima del supermercato, apri frigo e dispensa. Scatta foto nelle quali gli alimenti siano riconoscibili e aggiungi quantità, scadenze e contenuto dei contenitori chiusi. ChatGPT può proporti un menu e una lista limitata ai veri ingredienti mancanti.
La foto non rivela quanto riso resta in un barattolo opaco né quando hai aperto una confezione. Conferma l’inventario prima di usare le ricette. Prova una sfida: cinque cene, con non più di cinque prodotti nuovi da acquistare.
Questi sono frigo e dispensa. Elenca ciò che riconosci e chiedimi conferma dei dubbi. Poi proponi cinque cene usando le scorte, con al massimo cinque ingredienti nuovi da comprare.
6. Pianificare il menu con un tetto di spesa
Trasforma il budget in quantità e ingredienti verificabili.
“Fammi risparmiare” è una richiesta vaga. “Pianifica sette cene per quattro persone entro il budget che ti indico” è già più utile. Aggiungi gusti, tempi di preparazione e scorte. Chiedi di riutilizzare gli stessi ingredienti in ricette diverse e di consolidare le quantità nella lista.
Il totale dipende da prezzi reali: una tabella ordinata con numeri inventati rimane una tabella con numeri inventati. Usa volantini, etichette o il carrello del negozio. Se mancano dati, chiedi un preventivo provvisorio e una lista dei prezzi da controllare.
Pianifica sette cene per quattro persone. Budget: 90 euro. Usa queste scorte e questi prezzi. Somma quantità e costi, lascia un margine per imprevisti e segnala le stime da verificare.
7. Organizzare i pasti in base alle scadenze
Trascrivi le indicazioni delle confezioni e programma gli alimenti da usare prima.
Puoi fotografare le etichette e chiedere un calendario dei pasti. Aggiungi quando hai aperto le confezioni e come le hai conservate: sono informazioni che l’immagine, da sola, non contiene.
La spiegazione dell’Autorità europea per la sicurezza alimentare distingue le due indicazioni: “da consumarsi entro” riguarda la sicurezza, “da consumarsi preferibilmente entro” la qualità. Per la prima, aspetto e odore gradevoli non autorizzano il consumo dopo la data. ChatGPT può aiutare con il calendario; una fotografia non certifica che un alimento sia sicuro.
Trascrivi le date e le indicazioni di queste etichette, facendomele confermare. Organizza i pasti dando priorità agli alimenti da usare prima. Non inventare scadenze o giudizi di sicurezza dalla foto.
8. Rendere una ricetta meno costosa
Chiedi alternative indicando che cosa vuoi preservare del piatto.
Allega la ricetta e il costo degli ingredienti. Chiedi tre versioni: una con sostituzioni minime, una più economica e una basata soprattutto sulle scorte. Specifica se vuoi preservare sapore, consistenza, velocità o un ingrediente particolare.
Le sostituzioni vanno motivate. Cambiare un ingrediente caratterizzante può dare un buon piatto diverso, ma non una copia perfetta dell’originale. Fai confrontare il costo per porzione e considera la quantità che utilizzi, distinguendola dal prezzo dell’intera confezione.
Proponi tre versioni meno costose di questa ricetta. Usa i prezzi allegati, calcola il costo per porzione e spiega come cambiano gusto e consistenza. Rispetta queste preferenze e questi ingredienti da escludere.
9. Leggere i volantini con una domanda precisa
Seleziona le offerte che corrispondono alla lista e controlla le condizioni.
Su DoveConviene puoi consultare volantini e promozioni dei negozi della tua zona. È un complemento utile: il servizio presenta le offerte, ChatGPT può aiutarti a leggerle rispetto alla tua lista. Allega le pagine pertinenti e indica punto vendita e periodo di validità.
Chiedi di includere eventuali limiti di quantità e tessere richieste. Se confronti più negozi, fai considerare anche spostamento e tempo. Attraversare la città per uno sconto molto piccolo non è automaticamente una buona operazione.
Confronta questi volantini con la mia lista. Seleziona solo gli acquisti necessari e mostra prezzo unitario, validità e condizioni. Calcola il risparmio solo sui prodotti confrontabili e sottrai questi costi di spostamento.
10. Scegliere la confezione usando il prezzo unitario
Confronta €/kg, €/litro o costo per utilizzo, secondo il prodotto.
Fotografa prezzo e quantità di due confezioni. Chiedi il calcolo del costo unitario e controllalo. Per un detersivo, oltre ai litri, considera dosaggio e numero di lavaggi dichiarati: due prodotti con concentrazioni diverse non sono confrontabili soltanto dal volume.
Esempio puramente aritmetico: 500 grammi a 1,40 euro equivalgono a 2,80 euro al chilo; 750 grammi a 1,95 euro equivalgono a 2,60 euro al chilo. Il secondo formato costa meno per unità, ma la scelta dipende anche da quanto utilizzerai davvero.
Calcola il costo unitario di queste confezioni. Mostra formula e risultato. Poi chiedimi il consumo abituale e valuta se il formato maggiore è utile o rischia di lasciarmi prodotto inutilizzato.
11. Dare un secondo menu agli avanzi
Parti dalle quantità rimaste e limita gli ingredienti da aggiungere.
Dopo cena puoi descrivere ciò che resta e chiedere tre proposte per il giorno seguente. Comunica quantità, ingredienti e conservazione. L’obiettivo è trovare una preparazione realistica con poche aggiunte, non una ricetta che richiede una seconda spesa.
Come complemento puoi valutare Too Good To Go: la sua app permette di prenotare eccedenze alimentari, come le Surprise Bag, e ritirarle negli orari indicati. Dopo il ritiro, puoi fornire a ChatGPT il contenuto effettivo per organizzare i pasti. Controlla prima quantità utilizzabili, esigenze alimentari e costo del tragitto.
Questi sono gli avanzi, le quantità e le informazioni sulla conservazione. Se mancano dati rilevanti chiedimeli. Proponi tre preparazioni con al massimo due ingredienti nuovi. Non dichiarare sicuro un alimento dalla foto.
12. Confrontare il piatto pronto con la preparazione in casa
Metti a confronto porzioni, costo degli ingredienti e tempo necessario.
“Fatto in casa costa meno” non deve diventare una risposta automatica. Per il tuo caso chiedi un confronto con porzioni equivalenti, costo degli ingredienti utilizzati, energia stimata e tempo. Distingui il costo della ricetta dall’esborso per comprare tutte le confezioni.
Per l’energia servono consumo in kWh e tariffa. Se non li conosci, ChatGPT può mostrare scenari con ipotesi dichiarate. Anche il tempo ha un peso nella scelta: una soluzione economica che non riesci a preparare durante la settimana resta sulla carta.
Confronta questo piatto pronto con la ricetta casalinga per porzioni equivalenti. Usa i prezzi forniti. Se mancano consumi energetici, mostra ipotesi esplicite. Separa costo consumato, spesa iniziale e tempo.
13. Recuperare budget dagli abbonamenti poco utilizzati
Allarga l’analisi al budget familiare e valuta le spese ricorrenti.
Qui usciamo dal supermercato, ma restiamo nel portafoglio. Elenca gli abbonamenti con costo effettivo, rinnovo e frequenza d’uso. Chiedi un riepilogo annuale e il costo per utilizzo, poi decidi quali mantenere. Aggiungi impegni contrattuali e servizi che consideri essenziali.
Non lasciare che l’AI cancelli qualcosa soltanto perché lo usi poco: potrebbe avere un valore che i numeri non descrivono. Il confronto serve a rendere consapevole la decisione e a capire se esistono spese da ridurre prima di tagliare il budget dei pasti.
Analizza questi abbonamenti e il loro utilizzo. Calcola costo annuale e costo per utilizzo. Evidenzia quelli da valutare, rispettando le mie priorità. Segnala vincoli mancanti e non procedere a disdette.
14. Fermare l’acquisto impulsivo prima della cassa
Chiedi domande critiche prima di cercare una giustificazione all’acquisto.
Quando un prodotto ti tenta, prova a usare ChatGPT come interlocutore critico. Deve chiederti quale problema risolve, se possiedi già un’alternativa e quali costi aggiuntivi comporta. È un esercizio, non un metodo con risparmi garantiti.
Se decidi comunque di comprare, un comparatore come Trovaprezzi.it può integrare la ricerca delle offerte online. Confronta il modello esatto e il costo complessivo con spedizione. Un prezzo più basso per un prodotto che non ti serve rimane una spesa.
Vorrei comprare questo prodotto. Non darmi subito ragione. Fammi cinque domande su necessità, alternative già disponibili, utilizzo e costi aggiuntivi. Poi confrontiamo comprare, aspettare e rinunciare.
15. Far preparare la spesa online a un agente ChatGPT
L’agente prepara il carrello; tu controlli prodotti, consegna e totale prima dell’acquisto.
Fin qui abbiamo chiesto consigli e confronti. Un agente con accesso al browser può anche provare a lavorare sul sito del negozio: cercare i prodotti, scegliere i formati e predisporre il carrello. La documentazione ufficiale sul browser di ChatGPT Work descrive la possibilità di operare sui siti, ma precisa che disponibilità e accesso dipendono dalla configurazione e che alcuni siti possono bloccare l’automazione. Non è una promessa di compatibilità con ogni supermercato.
La delega va circoscritta: negozio, lista, budget, sostituzioni consentite, quantità e consegna. L’autonomia riguarda la preparazione; la documentazione prevede la tua conferma prima del pagamento. Se l’accesso non riesce, puoi comunque usare l’elenco preparato per completare manualmente il carrello.
Se la funzione è disponibile, prepara un carrello su questo sito con la lista allegata. Budget massimo 80 euro, consegna inclusa. Chiedimi prima di sostituire prodotti. Mostra articoli, quantità, condizioni e totale. Fermati prima del pagamento.
Come capire se stai risparmiando davvero
Per una settimana prova soltanto due attività: inventario prima della spesa e confronto dei prodotti ricorrenti. Annota prezzo, quantità, acquisti non previsti e alimenti rimasti inutilizzati. Poi ripeti il controllo. Se cambia il menu o il numero di persone, segnalo: non avrebbe senso attribuire all’AI un risparmio ottenuto comprando meno cibo per altri motivi.
Per ogni scelta confrontabile puoi usare questo schema: costo dell’alternativa che avresti realmente acquistato, meno costo della scelta effettuata, meno spese aggiuntive. Tieni separati gli acquisti evitati e non conteggiare due volte lo stesso sconto. Se usi servizi a pagamento, considera anche quel costo.
Il consiglio che darei a chi vuole iniziare è molto concreto: fotografa la dispensa, carica due scontrini e chiedi una lista migliore per la prossima spesa. Puoi misurare il risultato al supermercato e a casa. Per una volta, l’AI può essere utile anche senza scrivere una poesia sulle zucchine.
Scrivimi per organizzare un evento o un corso sull’intelligenza artificiale generativa
Mandami un WhatsApp al 339.6325418 per organizzare un corso o una conferenza sull’A.I. generativa.
https://www.gianluigibonanomi.com/wp-content/uploads/2026/10/copertina-risparmiare-spesa-chatgpt.webp9001600Gianluigi Bonanomihttps://www.gianluigibonanomi.com/wp-content/uploads/2018/10/bonanomi_logo_156.pngGianluigi Bonanomi2026-10-02 05:25:292026-10-02 05:29:02Come risparmiare sulla spesa con ChatGPT: 15 idee pratiche, dagli scontrini agli agenti AI
