Il frame prima del contenuto
Il frame prima del contenuto
Un esperimento involontario
Il 13 maggio 2026 un utente della piattaforma X, registrato con lo pseudonimo @SHL0MS, ha pubblicato un'immagine accompagnata da una richiesta apparentemente neutra: descrivere, nel maggior dettaglio possibile, in che cosa quella presunta immagine generata dall'intelligenza artificiale fosse inferiore a un autentico dipinto di Claude Monet. Per consolidare l'inganno, l'utente aveva applicato all'immagine l'etichetta ufficiale della piattaforma «Made with AI», quella che X utilizza per certificare i contenuti sintetici. L'immagine, tuttavia, non era sintetica: era una delle circa duecentocinquanta tele della serie delle Ninfee che Monet ha dipinto negli ultimi trent'anni della sua vita nel giardino di Giverny, uno dei vertici riconosciuti dell'Impressionismo mondiale.
Le risposte sono arrivate numerose, dettagliate e sicure di sé. Gli utenti hanno spiegato con dovizia di particolari perché quella presunta produzione algoritmica fosse artisticamente inferiore: mancanza di coesione cromatica, assenza di profondità emotiva, riflessi che sarebbero «solo rumore spiaccicato». Stavano descrivendo, con il piglio dell'esperto, i difetti di un capolavoro autentico. L'episodio, documentato da PetaPixel e discusso estesamente su Hacker News, non è una curiosità aneddotica. È un modello in scala di come funziona la manipolazione epistemica nell'era dell'intelligenza artificiale, e solleva questioni che riguardano tanto la psicologia cognitiva quanto, come si vedrà, il diritto e l'ordinamento.
Il meccanismo cognitivo: il frame precede l'esperienza
La prima cosa da comprendere, ed è la più scomoda, è che quasi nessuno dei commentatori si è comportato in malafede. Hanno fatto esattamente ciò che il sistema cognitivo umano fa per impostazione predefinita. Daniel Kahneman, in Thinking, Fast and Slow (2011), ha documentato con rigore sperimentale che la quasi totalità delle nostre decisioni non transita dal ragionamento analitico, lento e faticoso — quello che chiama Sistema 2 — ma da un sistema rapido, il Sistema 1, che lavora per associazioni e conferme e si attiva prima che la coscienza si accorga di stare giudicando. L'etichetta «Made with AI» non era un dettaglio marginale: era l'ancora cognitiva. Ha definito la categoria mentale «questa è roba di macchina» prima ancora che l'occhio si posasse sulle ninfee, e da quel momento ogni pennellata di Monet è stata letta come prova a carico dell'inferiorità algoritmica.
Questo meccanismo — che la psicologia cognitiva chiama percezione selettiva — non è un difetto degli individui poco istruiti: è il funzionamento standard di tutti noi. Lo stesso fenomeno per cui due tifoserie opposte guardano lo stesso identico fallo e vedono due eventi radicalmente diversi. Ma vi è un secondo strato, più sottile e più recente. Una ricerca pubblicata nel 2025 su Nature Human Behaviour da Moshe Glickman e Tali Sharot ha dimostrato che quando gli esseri umani credono di interagire con un sistema artificiale cambiano il modo stesso in cui percepiscono, giudicano ed entrano in empatia, non soltanto le conclusioni cui pervengono. Comunicare al pubblico che un contenuto è artificiale non lo rende più severo nel valutarlo: lo rende letteralmente cieco a ciò che ha davanti, perché il frame precede l'esperienza e la riscrive, con un meccanismo analogo all'effetto nocebo, per cui una pillola di zucchero produce sintomi reali in virtù della sola aspettativa negativa.
La certezza come sintomo, non come indicatore
Vi è un ulteriore profilo che merita attenzione: le risposte degli utenti non erano timide né incerte. Erano articolate, tecniche, scritte con il piglio di chi se ne intende. Nessuno ha scritto «non sono sicuro, ma mi sembra». Hanno sentenziato. Questo è precisamente il punto più rilevante dell'esperimento: tendiamo a trattare la sensazione soggettiva di certezza come se fosse un misuratore affidabile della competenza oggettiva. Come se più ci si sentisse sicuri, più probabilmente si avesse ragione. È falso. La certezza è uno stato emotivo prodotto dal Sistema 1 quando un'informazione combacia bene con ciò che già si crede, e combacia tanto meglio quanto meno la si sta verificando. Il fenomeno è noto in letteratura come effetto Dunning-Kruger nella sua declinazione più sottile: chi sa poco di un tema tende a sopravvalutare la propria competenza, e online questo si amplifica perché manca l'attrito del contraddittorio competente.
Il pubblico di @SHL0MS non stava analizzando un dipinto: stava performando una competenza che il frame gli aveva regalato a costo zero. E qui risiede la lezione più importante: il momento in cui si è più sicuri della propria opinione non è il momento in cui si è più forti, è il momento in cui si è più manipolabili, perché si è smesso di fare la domanda.
Dal quadro alla polarizzazione: lo stesso circuito in scala
L'episodio delle ninfee non è un aneddoto isolato. È un modello in scala ridotta di come funziona la polarizzazione, e il passaggio dall'uno all'altra è molto più breve di quanto sembri. Sostituendo «Made with AI» con un'etichetta politica, un'appartenenza partitica, una bandiera identitaria, il meccanismo non cambia. Eli Pariser aveva avvertito già nel 2011, in The Filter Bubble, che gli algoritmi delle piattaforme avrebbero progressivamente chiuso gli utenti in ambienti informativi autoreferenziali, dove si vede prevalentemente ciò che conferma quanto già si pensa. Cass Sunstein, in #Republic, ha aggiunto la dimensione più inquietante: esposti soltanto a posizioni omogenee, gli individui non divengono più informati, ma più estremi nelle posizioni già detenute. Jonathan Haidt, in The Righteous Mind, ha chiuso il cerchio spiegando che le persone non aderiscono a una falsità per stupidità, ma perché quella falsità si incastra con la loro identità di gruppo, al punto che mettere in discussione la falsità significa mettere in discussione l'appartenenza.
Gli utenti che hanno criticato il Monet non difendevano un giudizio estetico: difendevano l'appartenenza alla tribù di chi «l'AI la riconosce al volo». Riconoscere il quadro come autentico avrebbe significato tradire la tribù. È il circuito esatto della polarizzazione politica, osservato in laboratorio su un campo neutro — le ninfee — su cui nessuno aveva interessi da proteggere. Se il meccanismo opera con tale potenza su un giardino di fiori di un secolo fa, vale la pena immaginarne la forza su immigrazione, vaccini, conflitti armati, dove l'identità è in gioco per davvero e dove sganciarsi dal giudizio del gruppo ha un costo sociale reale.
L'epistemia come condizione sistemica
Walter Quattrociocchi, che dirige il laboratorio di scienza computazionale dei sistemi sociali alla Sapienza di Roma, utilizza il termine epistemia per descrivere la malattia del processo con cui costruiamo collettivamente la conoscenza. Il suo punto non è che diamo la risposta sbagliata: è molto più radicale. Abbiamo smesso di porre la domanda. Il pubblico dell'esperimento non si è chiesto se l'etichetta fosse veritiera, né cosa concretamente avrebbe fatto cambiare idea. Ha saltato la fase del dubbio ed è andato direttamente alla performance del verdetto, perché il frame aveva già chiuso la questione e il dubbio avrebbe richiesto fatica cognitiva.
Questo si innesta su un terreno già fragile. Gli esseri umani riconoscono un deepfake in poco più della metà dei casi — una percentuale appena superiore al lancio di una moneta. Ma nell'esperimento delle ninfee siamo perfino sotto quella soglia: di fronte a un'opera autentica, una massa di persone ha rilevato con sicurezza un'intelligenza artificiale che non esisteva. È il falso positivo dell'epistemia: non solo non si riconosce il sintetico quando c'è, ma lo si allucinazione quando non c'è, perché ci è stato detto che ci sarebbe stato. Le stime disponibili parlano di circa 1,1 miliardi di dollari di frodi basate su deepfake nei soli Stati Uniti nel 2025, con proiezioni che per il 2026 superano i 12 miliardi. In questo scenario, una popolazione strutturalmente orientata a generare falsi positivi a comando rappresenta una fragilità sistemica, non una curiosità da social media.
Implicazioni giuridiche e ordinamentali
Le riflessioni fin qui svolte non hanno soltanto interesse teorico. La manipolazione epistemica mediante frame artificiali solleva questioni concrete sul piano giuridico. In primo luogo, sul versante della responsabilità da disinformazione: l'utilizzo deliberato di etichette false per alterare la percezione collettiva di un contenuto — sia esso un'opera d'arte, un documento, una notizia — è condotta che può integrare, a seconda dei contesti, fattispecie di frode, diffamazione o concorrenza sleale, e che le normative europee sulla disinformazione — dal Digital Services Act al Codice di buone pratiche sulla disinformazione — stanno progressivamente cercando di presidiare, senza ancora aver trovato un equilibrio soddisfacente tra libertà di espressione e tutela dell'integrità informativa.
In secondo luogo, il problema si pone con particolare acuità nell'ambito del procedimento amministrativo e della decisione pubblica. Se il giudizio collettivo può essere distorto da una singola etichetta su un'opera pittorica, il rischio diventa enormemente maggiore quando i frame operano su atti, documenti e decisioni che investono diritti e interessi legittimi. L'intelligenza artificiale applicata alla pubblica amministrazione introduce nella catena decisionale pubblica elementi la cui opacità è strutturale, e rispetto ai quali il frame di «oggettività algoritmica» rischia di produrre negli operatori e nei destinatari un effetto analogo a quello dell'etichetta sulle ninfee: la sospensione del dubbio critico proprio là dove il dubbio sarebbe più necessario. Non a caso l'art. 22 del Regolamento (UE) 2016/679 e, più recentemente, l'AI Act (Reg. UE 2024/1689) richiedono per le decisioni automatizzate significative garanzie di trasparenza e meccanismi di revisione umana: sono risposte normative, ancora imperfette, a un problema cognitivo prima ancora che tecnico.
In terzo luogo, vi è la questione della prova nel processo. La crescente circolazione di contenuti sintetici — immagini, audio, video — manipolati mediante intelligenza artificiale pone sfide inedite alla valutazione probatoria. Se una comunità di osservatori non specializzati può essere indotta ad attribuire artificialità a un'opera autentica, il giudice — e prima ancora il perito — non possono fare affidamento sulla sola percezione, nemmeno qualificata. La questione della prova tecnica in materia di deepfake è già emersa nella giurisprudenza di vari ordinamenti e richiederà probabilmente, nel medio periodo, l'elaborazione di standard di accertamento specifici.
Conclusioni
L'esperimento delle ninfee è una buona notizia, non una cattiva, anche se a prima vista sembra il contrario. Ci ha mostrato il meccanismo mentre veniva eseguito, su un bersaglio innocuo, senza vittime se non l'orgoglio di qualche commentatore. Il trucco — il frame che precede il contenuto e lo riscrive — è antico quanto la retorica, ma nell'era dell'intelligenza artificiale acquisisce una potenza e una scalabilità senza precedenti, perché le piattaforme digitali consentono di applicare etichette a milioni di contenuti in tempo reale, e perché la fiducia — o la diffidenza — verso l'AI è già un'identità di gruppo consolidata, con tutto ciò che ne consegue in termini di impermeabilità alla smentita.
La difesa non sta nello scetticismo sistematico, che è soltanto un altro modo di smettere di pensare. Sta nel reintrodurre deliberatamente l'attrito cognitivo che il Sistema 1 vorrebbe eliminare: trattare la certezza assoluta, specie quando arriva insieme all'indignazione, come un segnale di allerta piuttosto che di conferma; chiedersi, prima di emettere il verdetto, cosa concretamente farebbe cambiare idea; e riconoscere che se la risposta onesta è «niente», non si sta ragionando, si sta appartenendo. Sul piano ordinamentale, la stessa logica impone di presidiare i processi decisionali — pubblici e privati — con meccanismi che non si limitino a garantire la correttezza formale del procedimento, ma che tutelino attivamente la qualità epistemica della decisione: la capacità, cioè, di fare ancora la domanda giusta anche quando il frame ha già risposto per noi.
