Questo articolo propone una prospettiva più utile, consapevole sia dei rischi che delle opportunità. Gli strumenti di IA fanno già parte delle modalità di lavoro delle OSC. La domanda non è più se usarli, ma come farlo senza perdere quel senso critico che rende significativo il vostro lavoro.

Lo strumento che state già usando – e che forse non comprendete appieno

Pensate all'ultima volta che avete cercato qualcosa online. In base al browser o al motore di ricerca usato, potreste aver trovato in cima ai risultati una risposta generata dall'IA anziché il solito elenco di link. Forse lo avete letto e siete passati oltre, considerando risolta la vostra ricerca. La maggior parte delle persone fa così.

Questo è uno dei modi in cui l'IA è diventata silenziosamente una fonte di informazione, e non solo uno strumento di produttività. Motori di ricerca come Google, Bing e altri ora mostrano risposte generate dall'IA in cima ai risultati, prima ancora dei siti web tradizionali. Il testo appare autorevole, ma spesso manca di una firma, di una data o di un elenco di fonti verificabili.

Allo stesso modo, usare l'IA per una ricerca preliminare su un nuovo argomento può essere una scelta più consapevole, ma comporta rischi simili. Sta diventando una pratica sempre più diffusa, perché è veloce ed efficiente. Per anni abbiamo consultato Wikipedia con lo stesso spirito: non come fonte definitiva, ma come primo orientamento. C'è però una differenza sostanziale: Wikipedia dichiara le proprie fonti e segnala chiaramente quando un contenuto è controverso o contestato, mostra un avviso affinché l'utente possa capire dove risiedano i dubbi o le discrepanze. Un chatbot, al contrario, vi offre una narrazione convincente, ma senza alcuna trasparenza equivalente.

In situazioni ancora più informali, interroghiamo l'IA per sciogliere piccoli dubbi quotidiani: Ad esempio, Cosa significa questo acronimo? Quando è stata approvata questa legge? o Chi guida questa organizzazione? Un tempo avremmo risolto con una ricerca veloce o consultando un sito affidabile; oggi lo chiediamo ai chatbot, che rispondono in modo fluido e convincente... anche quando sbagliano.

Nessuno di questi utilizzi è di per sé errato. Il problema sorge quando usiamo l'IA come fonte senza capire che tipo di fonte sia in realtà.

Come funzionano davvero questi strumenti – e perché è importante saperlo

I modelli linguistici di grandi dimensioni (la tecnologia alla base di ChatGPT, Claude, Gemini e simili) non comprendono il mondo né le informazioni che elaborano. Si limitano a individuare schemi statistici in enormi volumi di testo: quali parole tendono ad associarsi e come si concatenano le frasi tra loro. Il modello non afferra il significato di ciò che produce; genera semplicemente un testo che rispecchia il modo in cui solitamente si scrive di un certo argomento.

Questo ha una conseguenza pratica cruciale da tenere a mente ogni volta che interroghiamo questi strumenti: il modello non distingue il vero dal falso, sa solo se un'affermazione ricalca l'opinione più comune o diffusa. Per i fatti storici assodati, questa distinzione passa inosservata e la risposta risulta corretta. Pensiamo, ad esempio, a una scoperta scientifica consolidata, come quella del radio da parte di Marie e Pierre Curie nel 1898. Ma per eventi recenti, cronaca locale o temi in cui i dati scarseggiano, sono controversi o contraddittori, il modello può fornire una risposta errata con la stessa naturalezza e convinzione di una corretta. Immaginate i risultati contestati di un'elezione locale in un paese non anglofono (trattandosi di modelli linguistici, la lingua è un fattore determinante per il loro addestramento): non si tratta di un errore casuale, bensì di una caratteristica intrinseca al funzionamento di questi sistemi.

Esiste un secondo problema strutturale: questi modelli sono estremamente sensibili al modo in cui vengono formulati i prompt. Chi ne conosce i meccanismi può costruire domande che spingano l'IA a confermare tesi false. Non servono conoscenze tecniche eccelse: in genere bastano pochi tentativi per manipolare il risultato, proprio come si impara a sfruttare gli algoritmi dei social media a proprio favore.

IA e integrità dell'informazione

I rischi legati all'IA che ricevono più attenzione sono i più evidenti: deepfake, immagini sintetiche e video manipolati. Sono minacce reali, ma anche le più facili da individuare e discutere, perché frutto di una falsificazione deliberata.

Esiste però un rischio più subdolo: quello che si potrebbe definire il "riciclaggio" di narrazioni fuorvianti. Si tratta di contenuti che, pur non essendo tecnicamente falsi, impongono a un tema una chiave di lettura volta a manipolarne o distorcerne la percezione. Chiedete a un modello di IA di riassumere una questione controversa e potreste ottenere una sintesi apparentemente equilibrata che però omette sistematicamente un punto di vista. Oppure, il modello potrebbe spacciare una posizione marginale per mainstream solo perché più presente nei suoi dati di addestramento. Qui non c'è un'intenzione dolosa, ma una distorsione che nasce dalla base statistica dello strumento.

Per chi lavora nella società civile, questo non è solo un rischio esterno, ma una minaccia per la qualitàdei propri contenuti. Se usate l'IA per fare ricerca, redigere documenti o sintetizzare rapporti, i bias presenti nei dati utilizzati per l'addestramento del modello potrebbero insinuarsi nei vostri testi senza che ve ne accorgiate. Il risultato sembrerà solido e coerente, ed è proprio per questo che va verificato con rigore.

Dove l'IA supporta realmente l'integrità dell'informazione

Consapevoli di questi limiti, esistono diversi modi in cui l'IA può supportare il lavoro sull'integrità dell'informazione: l'obiettivo non è sostituire il giudizio umano, ma potenziarlo e renderlo più efficiente.

1. Analisi dello scenario: capire cosa circola e perché

Quando il volume dei contenuti da monitorare supera la capacità di analisi manuale di un team, l'IA può essere d'aiuto nella classificazione e nel triage. Partendo da una grande mole di post, articoli o messaggi, un modello può raggrupparli per narrazione di fondo, segnalare quelli che ricalcano schemi sospetti o individuare quali temi stiano guadagnando terreno. In questo caso, il modello propone categorie e schemi; spetta poi al team umano convalidare queste intuizioni, trasformando il monitoraggio in una strategia mirata.

Un'applicazione preziosa è l'analisi delle narrazioni: si può chiedere al modello di identificare la chiave di lettura implicita di un contenuto prima di rispondere. Quali presupposti dà per scontati questo testo? A quali emozioni cerca di fare appello? Quale convinzione preesistente intende rafforzare? Comprendere l'architettura narrativa di un messaggio fuorviante permette di elaborare risposte più incisive, capaci di neutralizzare contemporaneamente molti contenuti simili che condividono la stessa radice.

2. Revisione e "stress test" dei contenuti

Prima di utilizzare un documento come fonte o di rispondere a un'affermazione, l'IA può aiutarvi a mappare ciò che è effettivamente verificabile. Non ogni asserzione, infatti, è un'affermazione fattuale, e non tutti i fatti sono esposti con la specificità necessaria per essere controllati. Il modello permette di isolare rapidamente i punti che richiedono un fact-checking rigoroso, permettendovi di concentrare l'analisi umana dove è davvero indispensabile. Ricordate: i modelli propongono una traccia, ma spetta sempre al vostro giudizio convalidarla e prendere le decisioni finali.

Se la vostra organizzazione sta preparando una risposta pubblica a una narrazione fuorviante, l'IA può rivelarsi un utile sparring partner. Chiedetele di scovare i punti deboli della vostra tesi, segnalare affermazioni prive di prove solide o evidenziare passaggi che potrebbero essere travisati o estrapolati dal contesto. È bene però tenere a mente un limite invalicabile: non si tratta di esternalizzare il giudizio editoriale, ma di sottoporre il proprio lavoro a uno stress test rigoroso prima che raggiunga il pubblico.

Infine, di fronte a una fonte o a un'affermazione sospetta, il modello può aiutarvi a strutturare il pensiero critico suggerendo le domande giuste da porsi: Cosa servirebbe sapere per valutare correttamente questa tesi? Quali prospettive sono assenti? Quali interessi potrebbero nascondersi dietro questo messaggio? L'IA potrebbe non fornire risposte attendibili a questi interrogativi, ma è preziosa per aiutarvi a formularli.

Buone abitudini per usare l'IA senza perdere il giudizio critico

La chiave non è stabilire se usare l'IA, ma definire come farlo senza compromettere l'integrità dell'informazione. Ecco alcuni consigli pratici:

1. Privilegiate prompt strutturati. Un comando generico come "Riassumi questo rapporto" produce risultati mediocri. Siate specifici: "Identifica le tre tesi principali, cita le prove a supporto ed evidenzia eventuali affermazioni infondate, in massimo 200 parole". Più definirete con precisione obiettivi e limiti, più l'output sarà utile e verificabile.

2. Esigete il ragionamento, non solo le conclusioni. Se chiedete a un modello di stimare l'attendibilità di una fonte, chiedete che ne spieghi il perché. Un modello che esplicita i propri passaggi logici produce risultati più accurati e vi offre elementi concreti da valutare. Se il ragionamento non regge secondo il vostro giudizio (che resta l'unico a contare davvero), non reggerà nemmeno la conclusione.

3. Mai delegare la verifica dei fatti. Un modello linguistico può generare risposte sicure e dettagliate, ma interamente inventate. Usate l'IA per supportare il processo - ad esempio per identificare cosa controllare o generare le domande da porre - ma mai per ultimare una verifica.

4. Siate vigili sui bias del modello. I dati di addestramento riflettono il mondo così come rappresentato nei materiali usati per istruirlo; ciò significa che alcune prospettive risultano sovrarappresentate e altre trascurate. Questo può influenzare il taglio dei riassunti, gli esempi scelti dal modello e le conclusioni verso cui tende a scivolare.

5. Identificate i casi di inaffidabilità. L'IA è particolarmente imprecisa sugli eventi molto recenti, sulle informazioni locali o iper-specifiche e in ogni situazione in cui la chiave dell'inganno risieda nel contesto più che nel contenuto. Se per smontare un messaggio è necessario sapere chi sia il pubblico, in cosa creda e quale momento storico stia vivendo, il controllo umano è insostituibile.

6. Documentate l'uso dell'IA. Non come obbligo burocratico, ma come una forma di disciplina. Sapere di dover registrare come è stato usato uno strumento cambia l'attenzione con cui lo si impiega. Aiuta inoltre a costruire una memoria organizzativa su cosa funziona e cosa no, oltre a essere uno standard di trasparenza oggi fondamentale.

In conclusione: L'IA può aiutare le OSC a rafforzare l'integrità dell'informazione?

Sì, ma con cautela. È uno strumento potente per gestire i volumi, far emergere schemi ricorrenti, strutturare il ragionamento e testare le argomentazioni. Ma non è in grado di valutare il contesto, correggere i propri bias o determinare la verità. Le organizzazioni che sapranno usarla meglio sono quelle che comprendono questa distinzione con la chiarezza necessaria da sapere, in ogni istante, cosa vogliono ottenere e cosa possono effettivamente chiederle.

Gli strumenti sono utili, ma il giudizio finale deve sempre essere il vostro.

Il tuo feedback è importante

Cosa ne pensi di questo testo? Dedica 30 secondi per condividere il tuo feedback e aiutarci a creare contenuti significativi per la società civile.

Note e Disclaimer

Questa risorsa è stata creata nell'ambito del progetto AI for Social Change nell'ambito del Digital Activism Program di TechSoup, con il supporto di Google.org.

Gli strumenti di IA si evolvono rapidamente e, sebbene facciamo il possibile per garantire l'accuratezza dei contenuti, alcuni elementi potrebbero non essere più aggiornati. Se noti informazioni superate, segnalacelo all'indirizzo content@techsoup.org.

"AI and information integrity: a practical guide for CSO staff", di Rocío Benavente Pérez, Fundación Maldita.es, 2026, per Hive Mind è rilasciato sotto licenza CC BY 4.0.