Introduzione. La stessa macchina, due utilizzatori, due realtà differenti
Due individui aprono ChatGPT, utilizzano lo stesso modello e dispongono, in linea generale, delle medesime capacità tecnologiche. Uno chiede di scrivere cinquanta poesie, riceve i testi e li pubblica come propri. L’altro conosce la metrica, stabilisce la struttura dei componimenti, discute ogni soluzione espressiva e usa il sistema nel quadro di un progetto poetico che dirige personalmente. Entrambi hanno utilizzato ChatGPT. Ma hanno svolto la stessa attività intellettuale?
La coincidenza dello strumento non dimostra la coincidenza del metodo, delle conoscenze, delle scelte e delle responsabilità. Da qui nasce la provocazione che dà il titolo allo studio: ognuno ha la propria intelligenza artificiale. Non perché possieda un modello esclusivo, ma perché costruisce un rapporto operativo che nessun altro può presumere identico soltanto per il fatto di usare la medesima tecnologia.
Per comprendere quel rapporto non basta osservare il risultato finale. Occorre ricostruire la persona che lo ha governato, il metodo che ha portato nel lavoro e la storia delle interazioni.
1. Il contesto non nasce necessariamente dalla macchina
Ogni utilizzatore porta nella relazione con il sistema conoscenze, intenzioni, convinzioni, abitudini e criteri di valutazione. Un editore può conoscere già le regole di una revisione rispettosa dell’autore, il valore delle fonti e la differenza fra correzione e riscrittura. Uno scrittore può possedere una concezione precisa della prosa, della metrica o della struttura narrativa. In questi casi, l’intelligenza artificiale viene introdotta in un metodo che esisteva prima della sua adozione.
Non è l’individuo a dover reinventare il proprio lavoro per adattarlo alle risposte del modello. Può essere l’individuo a pretendere che quelle risposte rispettino criteri precedentemente costruiti. Se il sistema produce paragrafi troppo brevi, suggerisce un’impostazione sensazionalistica o trascura una verifica, l’utilizzatore competente lo corregge perché riconosce la distanza fra il risultato e il proprio metodo.
Questo non significa che il modello sia passivo: può proporre idee inattese, introdurre conoscenze utili o commettere errori capaci di orientare la discussione. Significa che le sue possibilità non stabiliscono automaticamente il metodo di chi lo utilizza. La funzione concreta dello strumento dipende anche dalla direzione umana che riceve.
2. Educare ChatGPT a riconoscere un metodo preesistente
Nel linguaggio corrente si può dire di avere «educato» ChatGPT. L’espressione non indica un riaddestramento tecnico dei parametri del modello, né un apprendimento umano. Descrive un lavoro continuativo di indicazioni, correzioni, esempi, conferme e decisioni attraverso il quale l’utilizzatore cerca di rendere riconoscibili i propri criteri.
L’esperienza editoriale di Inchiostrati costituisce un caso illustrativo. La linea editoriale, il metodo di documentazione, le regole di revisione dei contributi esterni e le preferenze narrative non sono stati ideati dal modello. Sono stati portati dall’utilizzatore dentro il rapporto di lavoro e riaffermati ogni volta che una risposta se ne allontanava. Il metodo editoriale non è stato cambiato per soddisfare le abitudini espressive dello strumento; è stato lo strumento a essere costantemente orientato verso quel metodo.
È qui che si colloca una differenza spesso trascurata: personalizzare uno strumento non equivale a personalizzare se stessi per lo strumento. La prima operazione conserva la direzione del lavoro nelle mani dell’individuo; la seconda rischia di far scambiare le soluzioni predefinite del sistema per le proprie scelte intellettuali.
3. La continuità non è soltanto memoria tecnologica
Più a lungo viene utilizzato un sistema, più occasioni esistono per stabilire riferimenti, convenzioni e procedure. Tuttavia la durata, da sola, non garantisce nulla. Conta la continuità effettiva del metodo e conta quali informazioni siano disponibili al modello nel momento della risposta.
ChatGPT può utilizzare il contesto corrente e, secondo le funzioni disponibili e le impostazioni del servizio, informazioni pertinenti provenienti da interazioni precedenti. Questo non significa che conservi integralmente ogni conversazione o che il modello di base venga modificato personalmente dopo ciascuno scambio. Una parte delle informazioni può non essere disponibile e una memoria può essere incompleta o imprecisa.
Ma il rapporto dispone anche di un’altra forma di continuità: quella dell’utilizzatore. Una persona che conserva criteri di lavoro, tono e tecnica riconoscibili può riproporli e farli valere anche quando il sistema non recupera un precedente. Le sue correzioni ricostruiscono il contesto. La coerenza del comportamento umano può dunque compensare, almeno in parte, le discontinuità della memoria artificiale.
Stabilità non significa immobilità: un metodo può evolvere deliberatamente. Ciò che conta è che la sua trasformazione sia frutto di una scelta consapevole e non dell’adattamento involontario alle risposte della macchina.
4. Codicillus e la costruzione di un universo di riferimenti
Nel lavoro creativo e satirico di Inchiostrati compare Codicillus, personaggio immaginario richiamato nelle conversazioni e in diversi contesti narrativi. Non è stato necessario creare un agente software, una skill dedicata o un profilo tecnico indipendente. Il personaggio è stato introdotto dall’utilizzatore e ha acquisito significato attraverso la ripetizione, le battute, gli impieghi editoriali e la continuità dell’interazione.
Codicillus può figurare in una scena letteraria e, poco dopo, essere evocato scherzosamente durante un intervento tecnico come improbabile magistrato chiamato a giudicare una procedura. La sua riconoscibilità dipende dai riferimenti disponibili e dal contesto che l’utilizzatore continua a ricreare.
Un’altra persona potrebbe impiegare lo stesso nome e lo stesso modello. Non avrebbe, per questo, la medesima storia di riferimenti. Non è la dimostrazione di una personalità autonoma del personaggio né di una memoria perfetta della macchina: è la dimostrazione che le convenzioni creative nascono nell’uso e non richiedono necessariamente un’infrastruttura speciale per esistere.
La conseguenza ironica è inevitabile: qualora si tentasse di certificare formalmente ogni nuovo riferimento, Codicillus potrebbe contestare l’«eccesso colposo di creazione di contesti non contestualizzati». Ma il punto serio rimane: è stata la persona a introdurre e mantenere vivo quel riferimento.
5. Le possibilità dello strumento non descrivono le azioni dell’individuo
Un modello può creare poesie, riassumere documenti, produrre notizie false, programmare, tradurre o elaborare argomentazioni persuasive. Ma il fatto che possieda tali capacità non dimostra che tutte siano entrate nel rapporto di ogni utilizzatore con esso.
Quando si attribuisce a qualcuno un comportamento sulla sola base delle potenzialità del modello, si sostituisce l’accertamento dei fatti con un’ipotesi. La possibilità appartiene allo strumento; l’azione concreta richiede l’esame di ciò che la persona ha chiesto, scelto, verificato e pubblicato.
Questo non esonera i produttori dei sistemi dalle loro responsabilità progettuali, né assolve chi li adopera in modo dannoso. Impedisce però una generalizzazione ingiustificata: non possiamo giudicare il comportamento di una persona come se avesse effettivamente esercitato tutte le capacità della tecnologia a cui ha accesso.
6. La silloge e la competenza che non si può dedurre dal risultato
Immaginiamo una persona che non abbia mai scritto versi e non possieda conoscenze di metrica o tecnica poetica. Utilizzando un sistema generativo ottiene una silloge formalmente curata e la pubblica. Il risultato può essere interessante, ma non costituisce da solo una prova delle capacità poetiche dell’utilizzatore.
L’assenza di precedenti pubblicazioni non dimostra, da sola, la delega integrale: una persona può aver studiato, imparato o lavorato a lungo sul testo. Occorre ricostruire il processo. Se però emerge che ha chiesto al modello di produrre i componimenti e li ha accettati senza comprenderne struttura e significato, non possiamo attribuirle le competenze tecniche manifestate dalle poesie.
L’intelligenza artificiale rende accessibile la produzione di testi dall’aspetto competente anche a chi non possiede la competenza rappresentata dal risultato. Il fenomeno non nasce con l’IA, ma la tecnologia ne modifica velocità, costo e scala. La conclusione non è che il prodotto sia automaticamente privo di valore: è che la qualità del prodotto e la capacità dimostrata dalla persona che lo presenta sono due oggetti di valutazione distinti.
7. Prima la persona, senza rinunciare a verificare il testo
Conoscere chi utilizza l’IA non significa pretendere di valutarne le idee attraverso reputazione, identità o curriculum. Un autore sconosciuto può formulare argomentazioni corrette e una persona autorevole può sbagliare. L’attendibilità delle affermazioni richiede il controllo delle prove e delle fonti.
Ma se vogliamo attribuire a qualcuno una competenza creativa, scientifica o professionale, allora dobbiamo comprendere che cosa abbia realmente fatto. Il modello utilizzato non è una testimonianza sufficiente del suo contributo.
Questa attenzione riguarda anche chi legge e condivide. Diffondere un contenuto significa compiere una scelta pubblica. Si può decidere di non rilanciare un testo pur trovandolo valido, quando non se ne conoscano sufficientemente origine e contesto. Non occorre dimostrarne la falsità per rinunciare a diventarne un ulteriore canale di distribuzione.
Un contenuto altrui può, invece, costituire legittimamente la fonte di una riflessione autonoma. Citarlo con correttezza documentale non equivale ad aderirvi né a promuoverlo: consente al lettore di ricostruire l’origine dell’argomento. Leggere, giudicare, citare e condividere sono attività differenti.
8. Prompt, skill e agenti: necessità operative o sovrastrutture?
Prompt strutturati, skill e agenti possono essere utili per rendere esplicite istruzioni, riprodurre procedimenti e automatizzare attività. Non costituiscono, tuttavia, condizioni necessarie per ogni impiego significativo dell’intelligenza artificiale. Un metodo di lavoro consolidato può essere espresso anche attraverso una relazione conversazionale continuativa.
Inchiostrati utilizza il dialogo con il sistema per attività differenti: scrittura e revisione, pianificazione editoriale, sviluppo di contenuti, gestione tecnica e corrispondenza. Le funzioni operative esterne richiedono naturalmente accessi, strumenti di collegamento, autorizzazioni e controlli; non possono essere realizzate dalla sola conversazione. Ma ciò non implica l’obbligo di configurare un agente distinto per ogni attività.
Quando servono ripetibilità rigorosa, esecuzione indipendente dalla presenza dell’utilizzatore o procedure sottoposte ad audit, formalizzare istruzioni e automazioni può essere preferibile. Quando invece il lavoro è governato direttamente e il metodo è già noto, introdurre nuovi livelli di configurazione può risultare ridondante.
Il criterio non dovrebbe essere quanti strumenti specializzati possiamo costruire, ma quali problemi reali dobbiamo risolvere. Una struttura tecnologicamente sofisticata non garantisce, da sola, un metodo intellettualmente solido.
9. Competenze digitali e responsabilità della circolazione
La capacità di ottenere un testo sofisticato non dimostra di saperlo comprendere. Allo stesso modo, la disponibilità di una tecnologia capace di produrre informazioni non assicura che chi la utilizza sappia distinguere un’affermazione verificata da una formulazione soltanto persuasiva.
Le competenze digitali comprendono la valutazione critica, la consapevolezza dei propri limiti, l’attenzione alle fonti e la responsabilità delle decisioni di pubblicazione e condivisione. Un individuo può essere esperto nel formulare richieste efficaci e impreparato nel giudicare i risultati. Un altro può impiegare lo stesso modello per ampliare un lavoro che è già in grado di dirigere.
Si comprende allora perché l’alfabetizzazione digitale non possa esaurirsi nell’insegnamento di strumenti e procedure. Deve riguardare l’essere umano che costruisce il contesto, decide se affidarsi a una risposta e sceglie se introdurla nella circolazione pubblica.
Attribuire genericamente alla macchina i comportamenti degli individui può oscurare proprio le responsabilità che dovremmo imparare a riconoscere.
Conclusione. La stessa tecnologia, non necessariamente la stessa IA
«Io ho la mia IA» non è una rivendicazione di proprietà sul modello, né la pretesa che altri non possano ottenere testi uguali o analoghi. È un modo per indicare la storia individuale di un rapporto operativo: le conoscenze portate dall’utilizzatore, le condizioni stabilite, le correzioni imposte, i riferimenti introdotti e la continuità del metodo.
Il punto decisivo è che il metodo può precedere la tecnologia. L’essere umano può inserirvi il sistema senza abbandonare la propria esperienza, orientarne l’impiego senza trasformarsi a immagine delle sue risposte e mantenere riconoscibili i propri criteri anche quando la memoria tecnologica è incompleta.
Per giudicare quel rapporto, sapere quale modello è stato utilizzato è soltanto l’inizio. Dobbiamo comprendere chi lo ha utilizzato, che cosa sapeva, quale contesto ha costruito e che cosa ha effettivamente fatto.
La macchina può essere la stessa. Il rapporto che ciascuno ha costruito con essa, no.
Fonti e riferimenti
- OpenAI, Memory in ChatGPT, documentazione sulle funzionalità e sui limiti della memoria contestuale.
- UNESCO, AI competency frameworks for students and teachers, competenze, autonomia e responsabilità.
- NIST, Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile (2024).
Nota metodologica: lo studio sviluppa una tesi interpretativa. Gli esempi relativi a Inchiostrati sono illustrativi e non costituiscono una prova sperimentale dell’unicità dei rapporti fra individui e modelli.