La riflessione di Papa Leone XIV sulla legge dell’amore apre una domanda scientifica ed etica : possiamo valutare le persone senza ridurle ai dati che producono ?
Dalla psicometria alle valutazioni algoritmiche, ogni sistema di misurazione seleziona soltanto alcuni aspetti della realtà
La società contemporanea genera una quantità crescente di dati sulle persone. Prestazioni lavorative, risultati scolastici, capacità cognitive, condizioni di salute, comportamenti di consumo e interazioni digitali vengono trasformati in indicatori, punteggi e profili previsionali. Queste misurazioni possono rendere le decisioni più informate, ma alimentano anche un equivoco: pensare che ciò che viene quantificato coincida con la totalità della persona.
Durante l’Angelus del 20 settembre 2026, commentando la parabola evangelica degli operai chiamati a lavorare nella vigna in momenti diversi della giornata, Papa Leone XIV ha affermato che la legge dell’amore può interrompere quella del calcolo e che la misericordia può ampliare l’esperienza del merito.
Trasferita sul terreno della scienza, della tecnologia e dell’etica, questa riflessione solleva una questione epistemologica decisiva. Fino a che punto un sistema di misurazione può descrivere una persona? E quando il dato, invece di rappresentare una parte della realtà, comincia a sostituirsi alla realtà stessa?
Misurare significa costruire un modello
La misurazione è essenziale per la conoscenza scientifica. Permette di confrontare fenomeni, verificare ipotesi e sottoporre i risultati al controllo di altri ricercatori. Tuttavia, anche la misura più accurata non è una fotografia completa del reale: nasce sempre dalla scelta di determinate variabili, unità e procedure.
Misurare la temperatura è relativamente semplice, perché esiste una grandezza fisica definibile attraverso procedure standardizzate. Diventa più complesso misurare concetti come intelligenza, personalità, affidabilità, motivazione o merito. In questi casi non osserviamo direttamente l’oggetto, ma costruiamo indicatori che dovrebbero rappresentarlo.
La psicometria affronta precisamente questo problema. Un test non misura genericamente “la persona”, ma una prestazione ottenuta in determinate condizioni e interpretata secondo uno specifico modello teorico. La sua qualità dipende, tra l’altro, dall’affidabilità dei risultati e dalla validità del costrutto: occorre cioè verificare che lo strumento misuri davvero ciò che dichiara di misurare.
Un punteggio elevato può indicare una buona prestazione nel test, ma non dimostra automaticamente una superiorità complessiva. Analogamente, un risultato basso può dipendere da numerosi fattori: condizioni fisiche o emotive, differenze culturali, difficoltà linguistiche, minori opportunità educative oppure semplicemente una corrispondenza imperfetta tra la capacità reale e il modo in cui è stata definita la prova.
Il primo limite del calcolo emerge quindi già sul piano scientifico: ogni misura è una rappresentazione selettiva e non la totalità dell’oggetto misurato.
Indicatori e realtà : il problema delle variabili proxy
Molti sistemi decisionali non possono osservare direttamente le caratteristiche che interessano e ricorrono pertanto a variabili proxy, ossia dati utilizzati come indicatori indiretti. Il titolo di studio può diventare un’approssimazione della competenza; la continuità lavorativa un segnale di affidabilità; la velocità nell’eseguire un compito una misura della produttività.
Queste associazioni possono possedere un valore statistico, ma non sono identità. Una persona priva di un determinato titolo può avere competenze elevate; un’interruzione nella carriera può dipendere da malattia, disabilità o responsabilità familiari; un lavoratore meno rapido può produrre risultati più accurati o contribuire in modo decisivo alla collaborazione nel gruppo.
Quando le variabili proxy vengono trattate come proprietà reali e definitive della persona, il modello commette una forma di riduzionismo. La probabilità diventa giudizio, la correlazione viene interpretata come spiegazione e il profilo statistico finisce per oscurare la storia individuale.
La conseguenza non è soltanto teorica. Se una previsione influenza l’accesso al lavoro, al credito, alle cure o all’istruzione, una rappresentazione incompleta può produrre effetti concreti sulla vita. Il modello non si limita più a descrivere il mondo, ma contribuisce a organizzarlo.
Quando l’indicatore diventa l’obiettivo
Esiste inoltre un problema noto nelle scienze sociali, nell’economia e nella teoria delle organizzazioni: quando un indicatore viene utilizzato come obiettivo, le persone e le istituzioni possono iniziare a ottimizzare il dato invece della realtà che quel dato avrebbe dovuto rappresentare. È il meccanismo spesso riassunto dalla cosiddetta legge di Goodhart.
Se la qualità del lavoro viene identificata esclusivamente con il numero di pratiche completate, crescerà la pressione a chiuderne di più, anche a scapito dell’accuratezza. Se la qualità dell’istruzione viene fatta coincidere con i punteggi ottenuti in prove standardizzate, l’insegnamento può concentrarsi sulla preparazione al test, trascurando comprensione, creatività e pensiero critico.
Il paradosso è evidente: più un numero acquista potere, più può perdere la capacità di rappresentare fedelmente il fenomeno originario. L’indicatore continua ad aumentare, mentre la qualità reale che avrebbe dovuto misurare potrebbe rimanere stabile o persino diminuire.
Questo principio aiuta a comprendere perché una società guidata esclusivamente dalle metriche non sia necessariamente più razionale. Può diventare, al contrario, meno capace di vedere ciò che sfugge ai propri strumenti.
Intelligenza artificiale e classificazione delle persone
L’intelligenza artificiale amplia enormemente la capacità di analizzare dati e individuare regolarità. Un sistema di apprendimento automatico può riconoscere associazioni troppo complesse per essere rilevate direttamente da una persona e produrre previsioni utili in medicina, ricerca scientifica e organizzazione del lavoro.
Tuttavia, un algoritmo non incontra la persona nella sua interezza. Elabora una rappresentazione numerica costruita sulla base dei dati disponibili, delle categorie decise dai progettisti e dell’obiettivo assegnato al sistema.
Se viene addestrato sui risultati di decisioni precedenti, può apprendere anche le disuguaglianze presenti nella storia. Se alcuni gruppi hanno avuto meno opportunità, il sistema può interpretare gli effetti di tale svantaggio come segnali individuali di minore affidabilità o competenza. In questo modo il passato non viene semplicemente registrato: rischia di essere trasformato in previsione e riprodotto nel futuro.
Anche un modello statisticamente accurato conserva margini di errore. Una precisione elevata sulla popolazione generale non garantisce che ogni decisione individuale sia corretta né che il sistema funzioni allo stesso modo per tutti i gruppi. Falsi positivi e falsi negativi possono avere conseguenze molto diverse a seconda del contesto.
Per questa ragione la valutazione di un sistema algoritmico non dovrebbe limitarsi alle prestazioni tecniche. Occorre interrogare la qualità dei dati, la validità delle variabili utilizzate, la distribuzione degli errori, la trasparenza delle procedure e la possibilità per la persona di contestare la decisione.
Predire non significa comprendere
I modelli contemporanei possono raggiungere notevoli capacità previsionali senza fornire necessariamente una spiegazione completa del fenomeno. Un algoritmo può stimare la probabilità che un candidato abbandoni un lavoro, che un paziente sviluppi una patologia o che uno studente incontri difficoltà. La previsione, tuttavia, non equivale alla comprensione causale e non stabilisce un destino.
Una probabilità riguarda una distribuzione di casi, mentre la decisione coinvolge una persona concreta. Applicare automaticamente una regolarità statistica al singolo individuo significa ignorare che egli può discostarsi dal gruppo di riferimento, cambiare comportamento, acquisire nuove competenze o trovarsi in condizioni non rappresentate nei dati.
La persona non è un elemento passivo all’interno di una popolazione statistica. Possiede capacità di apprendimento, libertà, relazioni e possibilità di trasformazione. Questa apertura al cambiamento costituisce uno dei limiti più profondi di qualsiasi previsione applicata alla vita umana.
La razionalità non coincide con l’ottimizzazione
L’uso del calcolo viene spesso presentato come alternativa alle emozioni, ai pregiudizi e all’arbitrarietà. In realtà, un sistema di ottimizzazione richiede sempre che qualcuno stabilisca quale risultato perseguire. La tecnica può indicare il percorso più efficiente verso un obiettivo, ma non può decidere autonomamente se quell’obiettivo sia giusto.
Massimizzare la produttività, ridurre i costi o individuare i candidati statisticamente più promettenti sono scelte che privilegiano determinati valori. Una decisione potrebbe risultare efficiente e, nello stesso tempo, aggravare l’esclusione delle persone più fragili.
La ragione scientifica permette di verificare il funzionamento dei modelli. La ragione etica domanda quali conseguenze siamo disposti ad accettare, quali diritti non possano essere sacrificati e quale concezione dell’essere umano sia incorporata nel sistema.
La misericordia richiamata da Leone XIV può essere letta, in questo quadro, non come negazione della razionalità, ma come contestazione della sua riduzione all’ottimizzazione. Introduce nella decisione ciò che l’indicatore non riesce a contenere: la storia personale, il bisogno, la vulnerabilità e la possibilità di ricominciare.
Fede, scienza e irriducibilità della persona
La fede cristiana afferma che la dignità della persona precede i suoi risultati. Non aumenta con il successo e non scompare con la malattia, la disoccupazione, l’età avanzata o una minore efficienza. Questa prospettiva non offre una teoria alternativa della misurazione, ma stabilisce un limite morale al suo impiego.
Anche la scienza, quando riconosce correttamente la natura dei propri modelli, conduce a una forma di prudenza epistemica. Un test non è la persona, un indicatore non è il valore e una previsione non è il futuro. Il riconoscimento di questi limiti non indebolisce la ricerca scientifica: la rende più rigorosa.
Il dialogo tra scienza e fede può dunque convergere su un principio comune, pur muovendo da fondamenti differenti: nessuna rappresentazione quantitativa esaurisce l’essere umano. La fede parla di una dignità intrinseca; la ragione scientifica ricorda che ogni modello costituisce una semplificazione.
Progettare sistemi che lascino spazio alla persona
La risposta non consiste nell’abbandonare dati, metriche o intelligenza artificiale. Significa utilizzarli come strumenti di supporto e non come autorità definitive sul valore delle persone.
Un sistema responsabile dovrebbe dichiarare che cosa misura e che cosa lascia fuori, rendere comprensibili i criteri decisionali, controllare gli errori sui diversi gruppi e prevedere una revisione umana reale. Dovrebbe inoltre consentire di correggere i dati, contestare una valutazione e presentare elementi che il modello non aveva considerato.
Soprattutto, dovrebbe evitare che una previsione negativa chiuda definitivamente le possibilità future. Il dato può segnalare un rischio, ma non deve trasformarsi in una condanna. La tecnologia dovrebbe aiutare a individuare bisogni e offrire opportunità, non soltanto a selezionare chi appare già più efficiente.
La legge dell’amore evocata da Leone XIV non elimina il calcolo nei contesti in cui è necessario. Ne impedisce l’assolutizzazione. Ricorda che la giustizia non coincide con l’esecuzione impersonale di una formula e che la persona resta sempre più grande del punteggio, del profilo e della previsione che la riguardano.
Lascia una risposta
Devi essere connesso per inviare un commento.