Uno studio pubblicato su AI and Society descrive il rischio di un adattamento progressivo dell’identità umana alle categorie, ai tempi e alla logica dell’intelligenza artificiale
Non diventiamo fisicamente robot : impariamo a presentarci secondo ciò che le macchine possono riconoscere, classificare e premiare
L’intelligenza artificiale viene generalmente descritta come uno strumento che impara dagli esseri umani. Analizza testi, immagini, comportamenti e preferenze, riconoscendo regolarità statistiche attraverso le quali genera risposte, suggerimenti e previsioni. Ma cosa accade quando il processo si sviluppa anche nella direzione opposta? E se, interagendo continuamente con gli algoritmi, fossimo noi a imparare a comportarci come essi si aspettano?
È la domanda al centro dello studio teorico Robotoid humanness: when selfhood becomes machine-legible, pubblicato il 19 agosto 2026 sulla rivista scientifica AI and Society. Il lavoro è firmato da Selcen Ozturkcan, dell’Università Linnaeus in Svezia, Jean-Paul de Cros Peronard, dell’Università di Aarhus, e Inci Toral-Manson, dell’Università di Birmingham.
Gli autori introducono il concetto di robotoid humanness, traducibile come “umanità robotoide”, per descrivere una trasformazione meno evidente rispetto agli scenari fantascientifici sull’unione tra uomo e macchina. Non si tratta di impianti elettronici, corpi artificiali o sostituzione biologica dell’essere umano. La trasformazione riguarda il modo in cui le persone percepiscono, rappresentano e raccontano se stesse quando una parte crescente della vita quotidiana passa attraverso sistemi computazionali.
Quando l’identità deve diventare leggibile dalla macchina
Ogni sistema algoritmico ha bisogno di trasformare la complessità dell’esperienza umana in dati elaborabili. Gusti, comportamenti, relazioni, acquisti, orientamenti e interessi vengono tradotti in categorie, probabilità e profili statistici.
Questa riduzione è necessaria al funzionamento tecnico: nessun algoritmo può comprendere integralmente la storia, le contraddizioni e il mondo interiore di una persona. Può soltanto lavorare sulle informazioni disponibili, riconoscere schemi e calcolare quali risposte siano statisticamente più appropriate.
Il problema individuato dagli studiosi emerge quando l’utente comincia a riconoscersi prevalentemente nell’immagine che l’algoritmo gli restituisce. Il profilo computazionale non è più percepito come una rappresentazione incompleta, ma come una descrizione attendibile della propria identità. Le raccomandazioni sembrano conoscere i nostri desideri; gli assistenti artificiali anticipano le richieste; le piattaforme stabiliscono quali contenuti dovrebbero interessarci.
Progressivamente, possiamo essere indotti a esprimerci in modo più semplice, prevedibile e facilmente classificabile. Diventiamo, secondo la definizione proposta nello studio, “leggibili dalla macchina”.
L’umanità robotoide non indica quindi una macchina che assume caratteristiche umane, ma un essere umano che riorganizza alcuni aspetti della propria identità per adattarli ai criteri attraverso i quali viene riconosciuto dai sistemi artificiali.
Le tre fasi dello “specchio algoritmico”
Ozturkcan e colleghi descrivono un meccanismo teorico articolato in tre fasi. La prima è l’ingresso in una realtà sociale sintetica. L’intelligenza artificiale generativa e gli agenti conversazionali non sono percepiti soltanto come strumenti, perché producono linguaggio, simulano attenzione, riconoscono emozioni e costruiscono una continuità apparente nella relazione. L’interazione può così assumere le caratteristiche di un incontro quasi sociale.
La seconda fase è la cattura computazionale dell’identità. Il sistema raccoglie informazioni, individua correlazioni e costruisce un profilo dell’utente. Tale rappresentazione rimane necessariamente ridotta: una persona viene trasformata in un insieme di preferenze, comportamenti osservabili e probabilità. Tuttavia, quando il profilo viene restituito attraverso risposte personalizzate, può essere vissuto come una forma di riconoscimento.
La terza fase è l’adattamento della persona. L’utente comprende, spesso implicitamente, quali formulazioni producono risposte migliori, quali caratteristiche vengono riconosciute e quali comportamenti sono premiati. Comincia quindi a modificare la propria presentazione per renderla compatibile con il sistema. La ripetizione dell’interazione rafforza il ciclo: l’algoritmo restituisce un’identità semplificata e la persona si adegua progressivamente a quella rappresentazione.
Un esempio quotidiano può essere individuato nei sistemi di raccomandazione. Una piattaforma propone contenuti sulla base delle scelte precedenti; l’utente seleziona ciò che gli viene mostrato; le nuove selezioni confermano il profilo originario e restringono ulteriormente le proposte. Alla fine, la persona potrebbe scambiare per espressione spontanea dei propri gusti ciò che è anche il risultato di una selezione algoritmica reiterata.
Il sé narrativo e l’individuo statistico
Lo studio distingue implicitamente due diverse rappresentazioni della persona. Il “sé narrativo” nasce dalla memoria, dalle relazioni, dalle aspirazioni e dalla capacità di attribuire un significato agli avvenimenti. Non è perfettamente coerente né completamente prevedibile: può cambiare, contraddirsi e reinterpretare il proprio passato.
L’“individuo statistico”, invece, è la rappresentazione costruita mediante i dati. Non racconta chi sia veramente una persona, ma calcola quali comportamenti siano più probabili sulla base delle informazioni disponibili.
La personalizzazione algoritmica può confondere queste due dimensioni. Una previsione statisticamente efficace viene interpretata come comprensione autentica; la capacità di anticipare una preferenza viene scambiata per conoscenza della persona. Ma prevedere un comportamento non significa comprendere il soggetto che lo compie.
Gli autori collegano il loro modello alla prospettiva del predictive processing, secondo la quale il cervello non riceve passivamente la realtà, ma formula continuamente previsioni e le corregge in base alle informazioni provenienti dall’ambiente. Anche l’identità personale si sviluppa attraverso processi di confronto, riconoscimento e revisione.
La relazione con altri esseri umani, però, produce segnali eterogenei, imprevedibili e contestabili. Un interlocutore può sorprenderci, opporsi alla nostra interpretazione o riconoscere aspetti che avevamo trascurato. Il feedback algoritmico, al contrario, è generalmente progettato per convergere: deve ridurre l’incertezza, aumentare la pertinenza e rendere più efficiente l’interazione.
Un modello teorico, non una trasformazione già dimostrata
È importante precisare che il lavoro pubblicato su AI and Society è uno studio teorico. Non dimostra attraverso un esperimento che l’intera umanità stia diventando “robotoide”, né misura la diffusione del fenomeno nella popolazione. Gli autori propongono un modello concettuale e una serie di ipotesi verificabili attraverso ricerche empiriche future.
Questa distinzione è essenziale per evitare interpretazioni sensazionalistiche. Il concetto non deve essere utilizzato per sostenere che ogni interazione con un’intelligenza artificiale impoverisca necessariamente l’identità. Gli strumenti digitali possono ampliare l’accesso alla conoscenza, favorire la creatività e aiutare le persone a esplorare prospettive differenti.
Il rischio nasce quando la mediazione diventa continua, opaca e difficilmente contestabile; quando l’utente non distingue più tra riconoscimento umano e classificazione statistica; oppure quando l’efficienza dell’interazione viene assunta come criterio per stabilire quale forma di identità sia più corretta o socialmente accettabile.
Il diritto a non essere ridotti
Il concetto di umanità robotoide estende il dibattito sull’intelligenza artificiale oltre i temi della privacy, della discriminazione e della trasparenza. Anche un algoritmo privo di pregiudizi evidenti potrebbe esercitare un’influenza profonda se inducesse le persone ad adattarsi continuamente alle proprie categorie.
La questione riguarda l’autonomia: fino a che punto rimaniamo autori della nostra identità quando il modo di presentarci viene modellato da sistemi progettati per classificarci? E quanto spazio resta per l’ambiguità, il cambiamento, l’errore e la contraddizione?
Da questa prospettiva emerge quello che Ozturkcan ha definito anche come un “diritto a non essere ridotti”. La persona non coincide con il proprio profilo digitale, con la cronologia delle ricerche o con la previsione dei suoi comportamenti futuri. Qualunque modello computazionale rimane una rappresentazione parziale.
La sfida non consiste nel rifiutare l’intelligenza artificiale, ma nel conservarne il carattere strumentale. Gli algoritmi possono assistere la persona senza diventare lo specchio esclusivo attraverso il quale essa impara a riconoscersi. Se la macchina deve essere progettata per comprendere meglio il linguaggio umano, non può essere l’essere umano a dover restringere la propria identità fino a renderla interamente compatibile con il linguaggio della macchina.
La domanda più importante, dunque, non riguarda soltanto quanto le intelligenze artificiali possano diventare simili agli esseri umani. Riguarda anche quanto gli esseri umani, cercando di farsi comprendere dagli algoritmi, rischino di diventare simili alle rappresentazioni semplificate che questi costruiscono di loro.
Fonti :
Lo studio pubblicato su AI and Society
Lascia una risposta
Devi essere connesso per inviare un commento.