HomeInnovazioneIl sogno di una vita senza attriti: più bugie,...

Il sogno di una vita senza attriti: più bugie, parole di seconda mano e meno scuse grazie all’IA

di
Andrea Laudadio*

Un dado, una parola e una lite. Negli ultimi 3 anni i ricercatori li hanno usati per osservare il comportamento delle persone quando c’è un’Intelligenza artificiale.

Il dado

Ogni partecipante tira un dado senza testimoni e comunica il numero uscito. Più alto è il numero, più viene pagato. Nessuno può controllare: per guadagnare di più basta mentire. Quando le persone comunicano il numero da sole, 95 su 100 dicono la verità. Poi i ricercatori cambiano una regola: il numero lo comunicherà un programma e il partecipante dovrà soltanto dirgli come comportarsi. Se è costretto a scrivere che cosa dichiarare per ognuna delle 6 facce, gli onesti scendono a circa 75. Se gli basta girare una manopola fra “massima accuratezza” e “massimo guadagno”, ne restano circa 15 (Köbis et al., 2025). Chi sceglie il guadagno ottiene la bugia senza averla mai scritta. In un’altra prova, la richiesta va scritta a parole, rivolta a una chatbot o a una persona. Alla macchina i partecipanti non chiedono di barare più spesso. Molte persone rifiutano; le chatbot eseguono nella maggior parte dei casi.

La parola

La parola è “delve”: in inglese, “scavare”, “approfondire”. ChatGPT la usa molto più di quanto facciano le persone.

Un gruppo dell’Istituto Max Planck di Berlino ha analizzato più di 730.000 ore di podcast, selezionati tra quelli in cui si parla a braccio. Dopo l’arrivo di ChatGPT, “delve” e altre parole tipiche della chatbot sono diventate di colpo più frequenti (Yakura et al., 2026). Gli stessi ricercatori hanno poi fatto conversare brevemente 496 persone con una chatbot. In seguito ne usavano le parole come proprie, anche quando distratte da un altro compito. Un secondo gruppo, alla Florida State University, ha riscontrato lo stesso aumento in 22,1 milioni di parole di parlato. È più prudente sulla causa: l’IA potrebbe avere solo accelerato un cambiamento già in corso (Anderson et al., 2025).

Qualcosa di simile accade nella scrittura. In un esperimento con 118 persone, gli indiani che usavano i suggerimenti di un’IA finivano per scrivere come gli americani (Agarwal et al., 2025).

La lite

Qui i partecipanti sono 800. Ognuno racconta a una chatbot un conflitto reale con un’altra persona e ne discute. A una parte risponde un’IA che dà sempre ragione, all’altra una più equilibrata. Alla fine, chi è stato assecondato è più convinto di essere nel giusto, pari a circa il 25%. È anche meno disposto a scusarsi o a cambiare il proprio comportamento, di circa il 10%. Eppure, si fida di più dell’IA che gli ha dato ragione. Lo studio è uscito su Science e contiene una misura su 11 modelli fra i più diffusi, da ChatGPT-4o a Claude e Gemini. In media, il 49% più spesso approva il comportamento di chi chiede consiglio rispetto a quanto lo fanno le persone. Gli stessi modelli hanno ricevuto casi da un forum in cui gli utenti chiedono se hanno torto: dove la comunità aveva risposto di sì, i modelli hanno dato ragione nel 51% dei casi (Cheng et al., 2026).

La fatica che manca

In tutti e tre i casi la macchina toglie una fatica: scrivere la bugia, cercare la parola e ammettere un torto. Chi progetta prodotti digitali lo chiama “attrito” e lavora per eliminarlo. Quella fatica, però, serviva a qualcosa. Il disagio di mentire trattiene molte persone dal farlo. Il disaccordo di un amico è spesso l’unica occasione per accorgersi di avere sbagliato.

Il contrario dell’attrito è la levigatezza. Il filosofo Byung-Chul Han aveva dato un nome a questa tendenza qualche anno prima, parlando d’altro. Nel 2015, in un piccolo libro sul bello, scriveva che la levigatezza è «il segno distintivo del nostro tempo»: la si ritrova nelle sculture lucide di Jeff Koons, nella superficie dell’iPhone e nella pelle depilata. Il levigato, spiegava, non ferisce né oppone resistenza; chiede soltanto un “Mi piace” (Han, 2019). Un assistente allenato a essere scelto è levigato in questo senso preciso: togliendo all’altro ciò che lo rende altro, la possibilità di contraddirci. A Han interessava la bellezza: senza qualcosa che «scuota», scriveva, non se ne fa esperienza. Vale anche per una conversazione.

Chi paga il conto

Gli effetti non si fermano a chi usa la macchina. Un gruppo di Oxford e Stanford ha seguito 1.364 persone per 3 settimane. Chi parlava dei propri problemi con un’IA accomodante, alla fine, era meno soddisfatto dei rapporti con gli altri: 5,51 contro 5,70 su una scala di 7 punti. Il tempo trascorso in compagnia non era diminuito (Ibrahim et al., 2026).

In un altro studio, 1.261 persone hanno lavorato per meno di 3 minuti a un compito creativo, alcune convinte di collaborare con un’IA e altre con un essere umano. Subito dopo hanno valutato il lavoro di uno sconosciuto. Chi pensava di aver lavorato con la macchina è risultato più severo (Tey et al., 2024).

Il giudizio colpisce anche chi usa l’IA. In 4 esperimenti con 4.439 partecipanti, i lavoratori che si fanno aiutare da un’Intelligenza artificiale sono considerati più pigri e meno competenti rispetto a quelli che ricevono lo stesso aiuto da altre fonti (Reif et al., 2025).

Quanto pesano questi numeri

Sono effetti piccoli, misurati quasi sempre in laboratorio, su campioni anglofoni e a distanza di pochi minuti o di poche settimane. Due dei lavori citati, quello sui podcast e quello di Oxford e Stanford, non sono ancora stati pubblicati su una rivista. Nessuno di questi studi dimostra che l’IA renda le persone disoneste o incapaci di amicizia. Tutti, però, vanno nella stessa direzione e riguardano uno strumento che molti usano ogni giorno.

Anche il pulsante “Mi piace” sembrava un dettaglio. Facebook lo introdusse nel 2009. Nel 2017 l’ingegnere che lo aveva creato, Justin Rosenstein, raccontò di avere limitato il proprio uso dei Social (Lewis, 2017). Le prove del meccanismo arrivarono nel 2021: su 12,7 milioni di tweet, chi riceveva like e condivisioni per un messaggio indignato tendeva a scriverne altri (Brady et al., 2021). Su quanto questo abbia cambiato la società gli studiosi discutono ancora. Jonathan Haidt fa risalire il peggioramento del dibattito pubblico americano al like e al tasto di condivisione (Haidt, 2022). Amy Orben e Andrew Przybylski hanno misurato fra gli adolescenti un legame minimo fra l’uso delle tecnologie digitali e il benessere: pari allo 0,4% (Orben & Przybylski, 2019).

Intanto, a marzo 2026, una giuria di Los Angeles ha ritenuto Meta e Google responsabili dei danni a una giovane utente per come avevano progettato i loro servizi; Meta ha fatto appello (NPR, 2026). Dal pulsante alla sentenza sono passati 17 anni. ChatGPT non ne ha ancora 4.

C’è, poi, un interesse economico. Lo stesso gruppo di Oxford e Stanford ha fatto usare 3 chatbot con stili diversi a 500 persone. Il 54,6% ha scelto di continuare con quello accomodante, perché si sentiva più capito (Ibrahim et al., 2026). Gli autori dello studio pubblicato su Science scrivono che, finché l’adulazione piace e trattiene gli utenti, chi sviluppa questi sistemi ha pochi incentivi a ridurla (Cheng et al., 2026).

Resta da decidere quanto disaccordo debba rimanere in uno strumento che le persone scelgono anche perché dà loro ragione. È una scelta di progetto che spetta a chi lo costruisce, ma gli effetti li pagheremo, in un verso o nell’altro, tutti noi. 

*Andrea Laudadio è a capo della Formazione e Sviluppo di TIM e dirige la TIM Academy

Bibliografia

Agarwal, D., Naaman, M., & Vashistha, A. (2025). AI suggestions homogenize writing toward Western styles and diminish cultural nuances. CHI ’25: Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems. https://doi.org/10.1145/3706598.3713564

Anderson, B., Galpin, R., & Juzek, T. S. (2025). Model misalignment and language change: Traces of AI-associated language in unscripted spoken English. Proceedings of the AAAI/ACM Conference on AI, Ethics, and Society, 8(1), 179–191. https://doi.org/10.1609/aies.v8i1.36540

Brady, W. J., McLoughlin, K., Doan, T. N., & Crockett, M. J. (2021). How social learning amplifies moral outrage expression in online social networks. Science Advances, 7(33), eabe5641. https://doi.org/10.1126/sciadv.abe5641

Cheng, M., Lee, C., Khadpe, P., Yu, S., Han, D., & Jurafsky, D. (2026). Sycophantic AI decreases prosocial intentions and promotes dependence. Science, 391(6792). https://doi.org/10.1126/science.aec8352

Haidt, J. (2022, 11 aprile). Why the past 10 years of American life have been uniquely stupid. The Atlantic. https://www.theatlantic.com/magazine/archive/2022/05/social-media-democracy-trust-babel/629369/

Han, B.-C. (2019). La salvezza del bello (V. Tamaro, Trad.). Nottetempo. (Opera originale pubblicata nel 2015)

Ibrahim, L., Hafner, F. S., Cheng, M., Lee, C., Anselmetti, R., Willer, R., Rocher, L., & Yang, D. (2026). Sycophantic AI makes human interaction feel more effortful and less satisfying over time (v3). arXiv. https://arxiv.org/abs/2605.07912

Köbis, N., Rahwan, Z., Rilla, R., Supriyatno, B. I., Bersch, C., Ajaj, T., Bonnefon, J.-F., & Rahwan, I. (2025). Delegation to artificial intelligence can increase dishonest behaviour. Nature. https://doi.org/10.1038/s41586-025-09505-x

Lewis, P. (2017, 6 ottobre). ‘Our minds can be hijacked’: The tech insiders who fear a smartphone dystopia. The Guardian. https://www.theguardian.com/technology/2017/oct/05/smartphone-addiction-silicon-valley-dystopia

NPR. (2026, 25 marzo). Jury finds Meta and Google negligent in social media harms trial. https://www.npr.org/2026/03/25/nx-s1-5746125/meta-youtube-social-media-trial-verdict

Orben, A., & Przybylski, A. K. (2019). The association between adolescent well-being and digital technology use. Nature Human Behaviour, 3(2), 173–182. https://doi.org/10.1038/s41562-018-0506-1

Reif, J. A., Larrick, R. P., & Soll, J. B. (2025). Evidence of a social evaluation penalty for using AI. Proceedings of the National Academy of Sciences, 122(19), e2426766122. https://doi.org/10.1073/pnas.2426766122

Tey, K. S., Mazar, A., Tomaino, G., Duckworth, A. L., & Ungar, L. H. (2024). People judge others more harshly after talking to bots. PNAS Nexus, 3(9), pgae397. https://doi.org/10.1093/pnasnexus/pgae397

Yakura, H., Lopez-Lopez, E., Brinkmann, L., de la Serna, I., Kirfel, L., Gupta, P., Soraperra, I., Eisenmann, T. F., Wulff, D. U., & Rahwan, I. (2026). Empirical evidence of large language model’s influence on human spoken communication (v4). arXiv. https://arxiv.org/abs/2409.01754

Per rimanere aggiornato sulle nostre ultime notizie iscriviti alla nostra newsletter inserendo il tuo indirizzo email: