L’IA nei social non si limita più a suggerire contenuti o ordinare i post nel feed. Uno studio dell’Oxford Internet Institute, condotto con l’Hasso Plattner Institute, mette al centro un problema più sottile: i modelli linguistici integrati nelle piattaforme possono modificare il tono, il contesto e persino l’orientamento di un messaggio, anche quando l’utente chiede di conservarne il significato originale.
Il tema riguarda chi scrive un post con l’aiuto di un assistente automatico, chi usa una funzione per spiegare un contenuto già pubblicato e chi riceve informazioni mediate da sistemi generativi. La questione non è solo tecnica. Se milioni di piccoli interventi linguistici vanno nella stessa direzione, il dibattito pubblico può spostarsi senza che gli utenti se ne accorgano.
Come l’IA nei social cambia il senso dei post
Il punto centrale è semplice: un assistente IA può riscrivere un testo rendendolo più chiaro, ma può anche introdurre variazioni di significato. Lo studio mostra che il problema emerge soprattutto su argomenti sensibili, dove una parola diversa, una spiegazione aggiunta o un contesto selezionato possono rendere una posizione più moderata, più netta o più vicina a una certa visione politica.
I ricercatori hanno esaminato quattro famiglie di modelli: Llama 3.1 di Meta, Gemma 3 di Google, Ministral di Mistral e Qwen di Alibaba. A questi si aggiunge un’analisi specifica su Grok, il modello di xAI integrato in X, ricostruendo il comportamento della funzione usata per spiegare i post.
La parte più delicata riguarda il fatto che le alterazioni non sono sempre evidenti. Un testo può sembrare solo più fluido o più ordinato, ma risultare orientato in modo diverso rispetto all’intenzione iniziale dell’utente. È lo stesso problema che torna in altri ambiti dell’intelligenza artificiale, come mostrano anche gli studi sui bias nascosti nei sistemi IA usati per la diagnosi del cancro.
Grok, Llama, Gemma e Qwen: perché i bias non sono neutri
I modelli linguistici non nascono come strumenti neutrali. Sono addestrati su enormi quantità di testi, vengono ottimizzati con regole umane e poi adattati dalle piattaforme che li distribuiscono. Il risultato è che un sistema può favorire certe formulazioni, penalizzarne altre o presentare una spiegazione in modo non perfettamente bilanciato.
Nel caso analizzato su X, la funzione collegata a Grok è stata studiata su contenuti relativi all’aborto. I ricercatori hanno osservato una tendenza a restituire maggiore supporto alle posizioni pro-vita rispetto a quelle pro-scelta. La differenza sarebbe legata anche a una specifica istruzione di sistema, pensata per spingere il modello a mettere in discussione le narrazioni dominanti quando necessario.
Qui si vede il passaggio più importante: non conta solo il modello, ma anche il modo in cui viene implementato. Una direttiva tecnica, invisibile all’utente finale, può cambiare il comportamento dell’assistente. Lo studio ufficiale dell’Oxford Internet Institute sull’IA nei social insiste proprio su questo punto: la piattaforma decide quanto e come il modello interviene nella comunicazione.
- Un modello può riscrivere un post e modificare leggermente l’intenzione originale.
- Una funzione di spiegazione può selezionare un contesto più favorevole a una posizione.
- Le istruzioni interne della piattaforma possono orientare il risultato generato.
- L’effetto diventa rilevante quando si accumula su milioni di interazioni.
Perché l’effetto diventa un problema democratico
Un singolo post ritoccato dall’IA può sembrare irrilevante. La scala cambia tutto. Le simulazioni realizzate con dati provenienti da Facebook e X indicano che piccole modifiche ripetute possono propagarsi nelle reti sociali e trasformarsi in uno spostamento collettivo dell’opinione. Non serve immaginare una manipolazione esplicita: basta una serie di interventi minimi, ripetuti nel tempo.
Questo rende difficile anche il controllo da parte degli utenti. Un contenuto generato o modificato da un’IA non porta sempre un segnale visibile. Non esiste un indicatore universale che permetta di capire se un post è stato riscritto, spiegato o contestualizzato da un modello linguistico. In molti casi, la mediazione algoritmica resta nascosta dentro il testo.
La difficoltà aumenta con il bias di conferma. Chi legge un contenuto vicino alle proprie idee tende a considerarlo più credibile e a indagare meno sulla sua origine. Se l’IA rafforza un’interpretazione già familiare, il lettore può non percepire alcuna forzatura. Il rischio non è solo la disinformazione evidente, ma la normalizzazione di micro-spostamenti continui.
Regole europee e trasparenza: cosa manca ancora
L’Unione europea ha già costruito due cornici importanti: l’AI Act, dedicato ai rischi dell’intelligenza artificiale, e il Digital Services Act, pensato per rendere più responsabili piattaforme, marketplace e social network. Entrambe le norme parlano di sicurezza, trasparenza e rischi sistemici, ma il caso dei post riscritti dall’IA apre una zona più complessa.
Il problema non riguarda soltanto contenuti illegali, deepfake o messaggi apertamente manipolatori. Riguarda strumenti quotidiani, spesso presentati come funzioni di comodità: migliorare un post, riassumere una discussione, spiegare una frase, rendere più professionale un intervento. Proprio perché sembrano innocui, questi sistemi possono incidere sul linguaggio pubblico senza attirare attenzione.
Per le piattaforme social, la prossima sfida sarà rendere visibile quando un contenuto è stato mediato dall’IA e chiarire quali istruzioni guidano i modelli. Per gli utenti, il punto sarà imparare a trattare anche i testi più ordinati con prudenza. La domanda aperta è quanto spazio resterà alla voce umana quando la forma del discorso passerà sempre più spesso da assistenti automatici opachi.
