Una riflessione personale che non pretende di rappresentare una verità, ma propone un punto di vista.
Per secoli l’umanità ha costruito strumenti per ampliare le proprie capacità. La ruota ha moltiplicato le possibilità di movimento, la macchina a vapore ha aumentato la forza disponibile, l’elettricità ha trasformato la produzione e la vita quotidiana. Il computer ha reso possibile elaborare quantità di informazioni prima impensabili. L’intelligenza artificiale è andata oltre l’amplificare una capacità fisica o automatizzare una procedura ed è entrata progressivamente in attività che sono profondamente umane come utilizzare il linguaggio, interpretare informazioni, elaborare conoscenze, formulare ipotesi, suggerire decisioni, produrre contenuti, e anche, entro limiti ancora significativi, pianificare attività, utilizzare software e compiere sequenze di operazioni. Per la prima volta nella storia, strumenti artificiali sono in grado di sostenere una conversazione articolata, produrre immagini realistiche, scrivere testi complessi e contribuire a risolvere problemi che richiedono un ragionamento. Non significa che ora le macchine possiedano una coscienza o comprendano il mondo come un essere umano. Significa però che possono svolgere un numero crescente di attività cognitive e comunicative, modificando il rapporto tra l’individuo e la conoscenza in tutti gli ambiti della vita (scuola, ricerca, professioni, medicina e comunicazione, per fare qualche esempio).
Il cambiamento è già misurabile. Secondo il rapporto Stanford AI Index 2026, che riprende rilevazioni sull’adozione aziendale, nel 2025 l’88% delle organizzazioni intervistate dichiarava di utilizzare l’intelligenza artificiale in almeno una funzione. L’uso dell’IA si sta diffondendo rapidamente e una domanda sembra preoccupare una parte dell’opinione pubblica: quanto diventeranno intelligenti le macchine? Che cosa accadrà se si arriverà a sistemi di intelligenza artificiale generale, capaci di affrontare un ampio insieme di compiti cognitivi, o persino a forme ipotetiche di superintelligenza?
A mio avviso, tuttavia, la domanda più importante non riguarda necessariamente quanto diventeranno intelligenti le macchine. Riguarda ciò che accadrà all’uomo quando una parte crescente della sua esperienza sarà mediata da sistemi capaci di selezionare, interpretare e generare informazioni. Per affrontare questa domanda può essere utile ricorrere a due pensatori dell’era moderna che hanno una relazione molto forte, per le ragioni che diremo, con l’IA e i social, René Girard e Marshall McLuhan. Nessuno dei due ha conosciuto l’intelligenza artificiale generativa nella sua forma attuale. Ma le loro riflessioni consentono di osservare due dimensioni fondamentali della trasformazione in corso: il desiderio e la comunicazione, che l’intelligenza artificiale rende sempre più strettamente intrecciate.
René Girard, filosofo e antropologo francese, ha dedicato gran parte della propria opera a un’idea apparentemente semplice, ma dalle conseguenze profonde: il desiderio umano è in larga misura imitativo. Noi non desideriamo soltanto un oggetto perché lo riteniamo utile, bello o necessario. Spesso impariamo a desiderarlo osservando il desiderio degli altri. Un’automobile, una professione, una posizione sociale o uno stile di vita possono apparirci desiderabili perché qualcuno che ammiriamo li possiede o li ricerca. Il desiderio non nasce quindi esclusivamente dalla relazione tra un individuo e un oggetto, ma frequentemente dalla presenza di un terzo elemento: il modello Girard descrive questa relazione attraverso il concetto di desiderio mimetico. Il modello che imitiamo, tuttavia, può trasformarsi in un rivale quando desideriamo qualcosa che non può essere condiviso. L’imitazione, inizialmente capace di favorire l’apprendimento e la socializzazione, può così generare competizione, invidia, rivalità e conflitto. Girard sembra arrivare a individuare nella propagazione mimetica della rivalità uno dei meccanismi attraverso i quali la violenza può diffondersi nelle comunità. Quando il conflitto diventa generalizzato, la collettività può ritrovare una temporanea unità individuando un responsabile comune, il capro espiatorio. La teoria girardiana è complessa e non può essere ridotta alla semplice affermazione che gli uomini imitano gli altri ma non possiamo ignorare che nell’epoca dei social network il desiderio mimetico assume una dimensione globale.
Prima della diffusione di Internet, i modelli ai quali un individuo poteva ispirarsi erano relativamente limitati: la famiglia, gli amici, i colleghi, la comunità locale e i personaggi pubblici, conosciuti attraverso i mezzi di comunicazione tradizionali costituivano i principali riferimenti. Oggi miliardi di persone possono osservare quotidianamente comportamenti, consumi, aspirazioni e successi di individui che vivono dall’altra parte del pianeta. Il modello da imitare non è più necessariamente una persona conosciuta, può essere un influencer, un personaggio famoso, un imprenditore, un atleta o un perfetto sconosciuto diventato improvvisamente popolare. Soprattutto, il desiderio altrui è diventato visibile e misurabile. I follower, i like, le visualizzazioni e le condivisioni rappresentano segnali pubblici dell’attenzione che una persona o un contenuto riescono ad attirare. Questi segnali non misurano direttamente il desiderio, ma possono essere interpretati dagli utenti come indicatori di popolarità, successo e valore. Un oggetto può apparire desiderabile non soltanto perché viene mostrato, ma perché viene mostrato come desiderato da molti. La dinamica descritta da Girard trova così un ambiente tecnologico capace di estenderne enormemente la portata. I social hanno modificato la velocità, la scala e le condizioni attraverso cui l’imitazione si manifesta. Non confrontiamo più la nostra vita soltanto con quella delle persone che conosciamo, ma con rappresentazioni selezionate delle vite di milioni di individui. E quelle rappresentazioni sono spesso costruite per apparire particolarmente attraenti.
Esiste un elemento storico che rende il pensiero di Girard particolarmente interessante per comprendere lo sviluppo dell’economia digitale. Peter Thiel, cofondatore di PayPal, primo investitore esterno di Facebook e cofondatore di Palantir, conobbe il pensiero di Girard durante gli studi a Stanford. In un’intervista del 2011 ha spiegato come la teoria mimetica abbia influenzato il suo modo di interpretare il conformismo, la competizione e le opportunità imprenditoriali. È dunque documentata l’influenza intellettuale di Girard su Thiel. Resta significativo che una teoria nata nell’ambito della letteratura e dell’antropologia sia stata utilizzata da un protagonista dell’economia digitale per leggere il comportamento umano e le dinamiche dell’innovazione.
Ma proprio qui emerge un problema. La conoscenza dei meccanismi attraverso i quali si formano i desideri può essere utilizzata per comprendere meglio il comportamento umano oppure per influenzarlo. La distinzione dipende dagli obiettivi perseguiti, dagli strumenti impiegati e dal grado di autonomia conservato dagli individui.
Se Girard ci aiuta a comprendere il desiderio, Marshall McLuhan, il teorico canadese della comunicazione, ci permette di comprendere l’ambiente nel quale quel desiderio si manifesta. Sua è la celebre affermazione: il medium è il messaggio. Il significato è più profondo di quanto possa apparire. Ogni mezzo di comunicazione non si limita a trasmettere contenuti. Modifica il modo in cui gli individui percepiscono il mondo, organizzano le relazioni e partecipano alla vita collettiva. La stampa ha contribuito a trasformare la diffusione della conoscenza, la radio ha consentito di raggiungere contemporaneamente milioni di ascoltatori, la televisione ha introdotto una comunicazione fondata sulla centralità dell’immagine; Internet ha reso possibile una circolazione globale e interattiva delle informazioni. I social network hanno aggiunto un ulteriore elemento: ogni individuo può essere contemporaneamente produttore, consumatore e diffusore di contenuti e soprattutto può essere costantemente connesso. Il villaggio globale è diventato, per molti, una condizione quotidiana.
McLuhan aveva anticipato l’idea del villaggio globale, un mondo nel quale le tecnologie elettroniche avrebbero ridotto l’importanza delle distanze fisiche. Quella intuizione appare particolarmente attuale: un avvenimento locale può diventare in pochi minuti un fenomeno mondiale; un’opinione può essere condivisa da milioni di persone; una protesta può diffondersi rapidamente attraverso continenti diversi; un’accusa può raggiungere un pubblico enorme prima ancora che i fatti siano stati verificati.
Questa accelerazione produce opportunità straordinarie, favorisce la circolazione delle conoscenze, rende possibili nuove forme di collaborazione e permette a persone e comunità di comunicare superando ostacoli geografici ed economici ma introduce anche rischi. La velocità della comunicazione può superare quella della verifica, l’emozione può precedere la riflessione, la ripetizione può essere confusa con l’attendibilità, la popolarità può essere interpretata come una prova di verità. In tutto questo correre o sarebbe meglio dire “scorrere” il problema non riguarda soltanto i contenuti falsi o manipolati che ci possono essere, riguarda il modo in cui la connessione permanente modifica le condizioni della nostra attenzione in un ambiente nel quale l’informazione non deve più essere necessariamente cercata ma anzi spesso ci raggiunge spontaneamente e non sempre siamo noi a decidere quale informazione incontrare.
È qui che il pensiero di McLuhan incontra direttamente la questione degli algoritmi.
Dalla nostra esperienza di utenti sappiamo che i social network non mostrano necessariamente i contenuti in ordine cronologico o secondo una nostra scelta esplicita. Molte piattaforme utilizzano sistemi di raccomandazione che selezionano e ordinano i contenuti sulla base di numerosi segnali. Tra questi possono figurare le interazioni precedenti, il tempo trascorso a osservare determinati contenuti, le preferenze espresse, le relazioni tra utenti e le caratteristiche dei contenuti stessi. L’obiettivo varia secondo la piattaforma e il sistema utilizzato, ma frequentemente comprende la previsione dell’interesse dell’utente e la promozione dell’interazione. Forse un esempio può essere utile per capire meglio. Una persona guarda alcuni video dedicati a un determinato argomento, il sistema registra il comportamento e può interpretarlo come un segnale di interesse e successivamente propone altri contenuti simili. Se l’utente continua a guardarli, il sistema riceve ulteriori segnali che possono rafforzare quella selezione. Progressivamente, l’individuo può essere esposto a una rappresentazione del mondo nella quale alcuni temi, opinioni o modelli diventano molto più presenti di altri. Molto dipende dalle caratteristiche delle piattaforme, dai comportamenti degli utenti e dal contesto sociale. È invece un fatto strutturale che l’algoritmo partecipi alla selezione dell’ambiente informativo nel quale l’individuo forma le proprie opinioni; gli effetti specifici di questa selezione variano e richiedono verifiche empiriche.
Nei fatti si tratta di un rischio di condizionamento senza imposizione. Le forme più interessanti di influenza algoritmica non richiedono necessariamente un ordine esplicito. Possono agire attraverso la selezione, la ripetizione, la disposizione e la presentazione delle alternative. Se un prodotto o un’idea viene mostrato frequentemente, può diventare più familiare. Se un’opinione appare continuamente sostenuta da molti, può essere percepita come maggioritaria. Se determinati comportamenti ricevono maggiore visibilità, possono essere interpretati come modelli socialmente premiati. Se una piattaforma propone alcune alternative e ne rende altre difficili da incontrare, modifica le condizioni entro cui viene esercitata la scelta.
Il condizionamento può quindi essere esercitato non soltanto attraverso ciò che viene detto, ma anche attraverso ciò che viene mostrato, quanto spesso viene mostrato e ciò che rimane invisibile. Questo è uno dei punti nei quali McLuhan appare particolarmente attuale. Il mezzo non trasmette semplicemente il messaggio, contribuisce a definire le condizioni della sua ricezione.
Avviandoci ad una conclusione possiamo osservare che Girard sostiene che il desiderio umano si forma frequentemente attraverso l’imitazione di modelli, McLuhan sostiene che il mezzo di comunicazione modifica l’ambiente delle relazioni umane ed è emerso che social network introducono una terza componente: gli algoritmi selezionano una parte dei modelli che incontriamo. Il risultato è un ambiente nel quale il desiderio mimetico può essere influenzato dalla struttura tecnologica della comunicazione. L’algoritmo non crea necessariamente un desiderio ma può contribuire a determinare quali modelli vengono osservati e con quale frequenza. Un individuo può così incontrare ripetutamente determinati stili di vita, comportamenti di consumo, modelli estetici, rappresentazioni del successo e altro, che possono influire sulle sue scelte, senza che il processo sia necessariamente consapevole.
È plausibile che nei social la formazione del desiderio continui a dipendere dalle relazioni umane, ma una parte crescente di tali relazioni viene mediata da sistemi di selezione automatizzata. La novità che stiamo osservando non consiste nell’esistenza dell’influenza sociale ma consiste nella possibilità che venga esercitata attraverso sistemi capaci di operare su scala enorme, personalizzando le informazioni e adattando continuamente le proprie selezioni sulla base dei comportamenti osservati. Con l’intelligenza artificiale generativa il processo compie un ulteriore passaggio. Gli algoritmi non si limitano più a selezionare contenuti prodotti dagli esseri umani. Testi, immagini, video, voci e personaggi possono essere prodotti artificialmente con un grado crescente di realismo. La distinzione tra una rappresentazione autentica e una sintetica può diventare difficile da riconoscere, ma la questione più importante non riguarda soltanto la possibilità di creare contenuti falsi. Riguarda la possibilità di costruire artificialmente modelli sociali credibili. Un personaggio virtuale può mostrare uno stile di vita, può suggerire prodotti e comportamenti. Un sistema conversazionale può presentare determinate informazioni come particolarmente rilevanti e può suggerire che un’opinione sia largamente condivisa. L’intelligenza artificiale può quindi intervenire non soltanto nella distribuzione dei modelli, ma anche nella loro produzione. Il rischio dunque non è semplicemente che l’intelligenza artificiale imponga una scelta, è che contribuisca a costruire un ambiente nel quale alcune scelte appaiono progressivamente più naturali, desiderabili o socialmente condivise.
Per fronteggiare questo rischio è importante che gli utenti possano comprendere, almeno nei principi fondamentali, perché determinati contenuti vengono loro proposti e quali criteri orientano la personalizzazione. Nell’Unione europea il Digital Services Act (regolamento UE 2022/2065) richiede alle piattaforme online di spiegare i principali parametri dei sistemi di raccomandazione; alle piattaforme di dimensioni molto grandi impone inoltre di offrire almeno un’opzione di raccomandazione non basata sulla profilazione. Su un piano distinto, l’AI Act (regolamento UE 2024/1689) disciplina l’intelligenza artificiale secondo obblighi differenziati e prevede, per determinate applicazioni, requisiti di trasparenza: per esempio informare le persone quando interagiscono con un sistema di IA e rendere riconoscibili, secondo le condizioni e le eccezioni previste dalla norma, contenuti generati o manipolati artificialmente. Le disposizioni entrano in applicazione secondo scadenze differenziate. Questi due regolamenti non eliminano il rischio di influenza, ma cercano di rendere più trasparenti e responsabili i sistemi che intervengono nella nostra esperienza digitale.
La regolazione, tuttavia, non può essere considerata una soluzione definitiva. Le tecnologie evolvono rapidamente e richiedono istituzioni capaci di aggiornare le proprie conoscenze e i propri strumenti di controllo.
Esiste un paradosso che attraversa l’intera trasformazione tecnologica. Quanto più diventano potenti gli strumenti artificiali, tanto maggiore può essere la tentazione di delegare loro attività che richiedono tempo, attenzione e fatica. Ma alcune di queste attività costituiscono anche il terreno sul quale si sviluppano le capacità umane. Ragionare, confrontare ipotesi, cercare informazioni, affrontare un problema e valutare alternative non sono soltanto mezzi per ottenere un risultato: sono anche processi attraverso i quali si forma il giudizio. Se l’intelligenza artificiale ci libera da attività ripetitive, può ampliare le nostre possibilità. Se invece viene utilizzata sistematicamente per sostituire ogni sforzo di comprensione, può contribuire a indebolire alcune competenze. Il problema del futuro potrebbe quindi non essere la contrapposizione tra intelligenza umana e intelligenza artificiale, ma la distinzione tra un’IA che amplia le capacità dell’uomo e un’IA che lo abitua a rinunciare a esercitarle.
La questione fondamentale non è dunque stabilire se l’intelligenza artificiale diventerà più intelligente dell’uomo. È comprendere se sapremo conservare la capacità di interrogarci criticamente sulle informazioni che riceviamo, sui modelli che imitiamo e sulle decisioni che deleghiamo. La libertà non coincide con l’assenza di influenze: nessuno è indipendente dalla cultura e dalle relazioni in cui vive. Richiede però di riconoscere quelle influenze, confrontarle con alternative e sottoporle al proprio giudizio. Forse il rischio più significativo non sarà che le macchine imparino a pensare come gli uomini, ma che gli uomini, abituandosi a ricevere risposte già elaborate, smettano di chiedersi perché le considerano giuste. In un mondo che ci suggerisce continuamente cosa guardare, desiderare e scegliere, sapremo ancora fermarci a domandare: perché proprio questo?
Mario Mancuso, già dirigente del Monte dei Paschi di Siena, è stato componente del CdA del Fondo nazionale pensione complementare della scuola, componente del consiglio direttivo della CCIAA di Siracusa, dirigente sindacale del settore credito. Artista poliedrico ha curato regie teatrali amatoriali, e partecipato a collettive e mostre personali di pittura. È laureato in Scienze e tecniche Psicologiche.
