:: AI OFFICER :: Interferenze semantiche sull'AI nella Comunicazione Pubblica

NewsLetter #6

Quando l'AI ci imita, ci "caricaturizza".

Uno studio italiano spiega perché questo è un problema per la comunicazione pubblica*.

Image: Gemini “Exxageration”


Un gruppo di ricercatori della Sapienza - Nudo, Ferrara, Morini, Pratelli e Quattrociocchi - ha appena pubblicato uno studio che chi si occupa di AI nella comunicazione pubblica dovrebbe leggere con attenzione. Si intitola “Generative Exaggeration: LLM Agents Produce Polarized, Stereotype-Driven Personas When Simulating Social Media Users” ed è stato presentato alla conferenza OSNEM 2026.

Cosa hanno fatto, in sintesi

I ricercatori hanno preso utenti reali di X (ex Twitter) durante le elezioni americane del 2024 e li hanno fatti “simulare” da sei diversi modelli linguistici, tra cui Gemini, Mistral e DeepSeek. L’obiettivo era capire quanto fedelmente un LLM riesce a riprodurre il comportamento comunicativo di una persona reale, partendo dai suoi dati pubblici.

Il risultato è controintuitivo e, per certi versi, inquietante.

L’AI non imita. Ricostruisce. E nel ricostruire, caricaturizza.

Più informazioni dai al modello su un utente e i suoi post, le sue interazioni, il suo orientamento politico, più il modello diventa coerente con la sua identità. Fin qui, prevedibile. Ma contemporaneamente, il modello amplifica i tratti estremi: toni più polarizzati, linguaggio più tossico, uso sproporzionato di hashtag e emoji identitarie.

I ricercatori chiamano questo fenomeno “esagerazione generativa” e lo descrivono come una distorsione strutturale. Non è un errore di prompt. Non è un problema di fine-tuning. È un sottoprodotto dell’architettura stessa dei modelli: i Large Language Model apprendono pattern statistici dal linguaggio, e i pattern più marcati - quelli estremi, quelli polarizzanti - sono anche quelli più riconoscibili e quindi più facilmente replicabili.

C’è un dato particolarmente significativo: la distorsione non è simmetrica. Gli utenti con orientamento politico di destra vengono caricaturizzati più di quelli di sinistra. E gli utenti moderati vengono sistematicamente “radicalizzati” nelle simulazioni.

Cosa significa questo per la comunicazione pubblica?

Provo a tracciare tre implicazioni concrete.

  1. Prima implicazione: il problema della delega comunicativa.

Se una Pubblica Amministrazione decide di usare agenti basati su LLM per generare risposte ai cittadini, moderare contenuti, o simulare scenari deliberativi, questo studio dimostra che il sistema non riprodurrà fedelmente il tono istituzionale. Lo amplificherà verso gli estremi. La “voce” dell’ente rischia di diventare una caricatura di sé stessa, più netta, più polarizzata, meno sfumata di quanto dovrebbe essere una comunicazione pubblica.

Seconda implicazione: il paradosso della personalizzazione.

Più contesto dai al modello, più il risultato è caricaturale. Questo è devastante per chi pensa che “personalizzare” la comunicazione pubblica tramite AI significhi renderla più accurata. È vero il contrario: più l’AI conosce il destinatario, più rischia di restituirgli una versione distorta di ciò che si aspetta di sentire.

Terza implicazione: il bias non dichiarato.

Se la distorsione è asimmetrica, se alcuni segmenti della popolazione vengono caricaturizzati più di altri, allora qualsiasi strumento AI impiegato nella catena comunicativa rischia di introdurre un bias politico non trasparente. Non è un rischio ipotetico. È un rischio misurabile e dimostrato.

Perché serve una mediazione umana competente

Questo studio rafforza una convinzione che porto avanti da tempo: l’adozione dell’AI nella comunicazione istituzionale non può essere delegata alla tecnologia stessa. Serve una figura di governance , chiamiamola AI Officer, chiamiamola come vogliamo, che abbia la competenza per intercettare e anticipare distorsioni come questa.

Non si tratta di bloccare l’innovazione. Si tratta di governarla. L’esagerazione generativa non è un bug che verrà risolto con il prossimo aggiornamento. È una caratteristica emergente dell’architettura. E come tale, va presidiata con intelligenza umana, non con ulteriore automazione.

L’approccio Human-Centered non è un vezzo filosofico. È una necessità operativa. Chi comunica per conto di un’istituzione pubblica ha la responsabilità di garantire che il messaggio che arriva al cittadino sia quello inteso - non una sua versione amplificata, polarizzata, caricaturizzata.

* Nota di trasparenza: Ho utilizzato Claude.ai per una lettura veloce del documento originale e per verificare la mia comprensione dei passaggi tecnici. Le implicazioni per la comunicazione pubblica che ho tracciato sono mie intuizioni alla lettura di questa ricerca - non conclusioni degli autori. Vi invito a leggere lo studio originale e a formarvi un’opinione autonoma.

--> Grazie della diffusione su Likedin a Walter Quattrociocchi

📎 Link allo studio: [LINK] Fonte: Nudo, F., Ferrara, E., Morini, V., Pratelli, M., Quattrociocchi, W. (2026). “Generative Exaggeration: LLM Agents Produce Polarized, Stereotype-Driven Personas When Simulating Social Media Users.” OSNEM 2026.

#AIofficer #ComunicazionePubblica #GenerativeAI #LLM #PubblicaAmministrazione #AIGovernance #HumanCentered #Ricerca #Università #LaSapienza