Per comprendere come il linguaggio stia evolvendo nell’interazione tra persone e sistemi intelligenti e quali effetti produca su comunicazione, competenze e modelli organizzativi.
Report a cura di Intesa Sanpaolo Innovation Center
Human Machine Language: come il linguaggio ridefinisce il rapporto tra persone e intelligenza artificiale
7 Settembre 2026
Il linguaggio è il punto di incontro tra persone e tecnologie intelligenti. L'intelligenza artificiale può generare contenuti linguistici, ma la comprensione del significato e la valutazione del contesto restano responsabilità umane. Riconoscere questa differenza è essenziale per un uso consapevole dell'intelligenza artificiale. In questo approfondimento, a partire dai contenuti del report"X-Plore - Human Machine Language" di Intesa Sanpaolo Innovation Center, esploriamo come il linguaggio stia ridefinendo l'interazione tra esseri umani e sistemi intelligenti e, attraverso l'intervista a Guido Saracco, riflettiamo sulle opportunità, sui rischi e sulle condizioni necessarie per costruire un'alleanza efficace e responsabile tra intelligenza umana e artificiale
Il linguaggio è da sempre uno degli strumenti più potenti a disposizione dell’essere umano. Non serve soltanto a trasmettere informazioni, ma a costruire significati condivisi, coordinare azioni, prendere decisioni e immaginare il futuro. Oggi, tuttavia, il linguaggio sta assumendo un ruolo nuovo e inedito: non è più solo il mezzo attraverso cui gli esseri umani comunicano tra loro, ma diventa l’interfaccia principale tra persone e tecnologie intelligenti.
Negli ultimi anni, l’evoluzione dell’intelligenza artificiale ha reso possibile interagire con sistemi complessi utilizzando parole, frasi, domande e istruzioni espresse in linguaggio naturale. Chatbot, assistenti virtuali, sistemi generativi e agenti intelligenti rispondono, sintetizzano, suggeriscono e producono contenuti testuali con un livello di fluidità sempre più vicino a quello umano.
Questo passaggio segna una trasformazione profonda: l’incontro tra esseri umani e intelligenza artificiale sta dando forma a un nuovo modo di comunicare. Le macchine imparano a interpretare il linguaggio umano, mentre noi impariamo a esprimerci in forme sempre più comprensibili ai sistemi digitali.
Come usare l'AI in modo consapevole?
La capacità delle macchine di produrre testi coerenti, ben strutturati e convincenti può influenzare il modo in cui ne valutiamo i contenuti. Quanto più percepiamo un sistema di intelligenza artificiale come competente o "intelligente", tanto più siamo portati ad attribuire valore e affidabilità alle sue risposte, senza interrogarci sulla loro accuratezza o completezza.
La fluidità del linguaggio e la sicurezza con cui un'informazione viene presentata possono indurci a considerarla corretta, autorevole o esaustiva anche quando richiederebbe ulteriori verifiche.
L'accesso a una grande quantità di dati può inoltre rafforzare l'idea che l'intelligenza artificiale disponga sempre della risposta migliore. In realtà, la quantità di informazioni disponibili non garantisce automaticamente l'accuratezza, l'aggiornamento o la pertinenza delle risposte. Per questo il giudizio critico e la valutazione umana restano elementi essenziali.
I sistemi di intelligenza artificiale non comprendono il significato di ciò che dicono, né sono consapevoli delle conseguenze delle loro affermazioni. Producono linguaggio sulla base di correlazioni statistiche e probabilità, non di esperienza, intenzionalità o giudizio. Affidarsi al linguaggio artificiale senza un adeguato filtro umano espone al rischio di una sovra-delega cognitiva, soprattutto in ambiti ad alto impatto decisionale come la finanza, il diritto, la sanità o la comunicazione istituzionale.
Inoltre, il linguaggio non è mai neutro. Riflette valori culturali, visioni del mondo, priorità e bias. Quando questi elementi vengono incorporati nei sistemi di AI attraverso i dati di addestramento, il linguaggio generato può riprodurre stereotipi, semplificazioni o distorsioni già presenti nella società. Parlare di linguaggio uomo–macchina significa quindi interrogarsi non solo sull’efficienza tecnologica, ma anche su responsabilità, trasparenza ed etica.
L’impatto sul lavoro, sulle organizzazioni e sulle decisioni
La trasformazione del linguaggio sta modificando il modo in cui lavoriamo e collaboriamo. Strumenti basati sull'intelligenza artificiale supportano attività come la sintesi di documenti, la traduzione di contenuti, la ricerca di informazioni e la generazione di testi, rendendo più accessibili conoscenze e processi.
In questo scenario, il valore delle persone non risiede solo nella produzione di contenuti, ma soprattutto nella capacità di interpretarli, contestualizzarli e attribuire loro significato. Man mano che alcune attività diventano più automatizzabili, assumono maggiore importanza competenze come il giudizio, la creatività, la responsabilità e la capacità di orientare le decisioni. La differenza non la fa chi formula la risposta più rapidamente, ma chi sa porre le domande giuste, verificare le informazioni disponibili e valutarne l'impatto nel contesto in cui opera.
L'intelligenza artificiale introduce inoltre nuove forme di collaborazione tra persone, sistemi e processi. Per questo motivo cresce l'importanza di figure capaci di facilitare l'integrazione tra competenze umane e tecnologie, garantendo trasparenza, affidabilità e comprensibilità dei processi decisionali. Il linguaggio rimane uno spazio distintivo dell'intelligenza umana: non solo per comunicare informazioni, ma per costruire significati, creare relazioni e orientare l'innovazione.
La vera sfida? Imparare a dialogare in modo consapevole
Oggi la sfida è costruire un’interazione consapevole tra capacità artificiali e intelligenza umana. Il linguaggio può diventare un potente abilitatore di innovazione, inclusione ed efficienza, ma solo se accompagnato da competenze critiche, regole chiare e una visione responsabile.
Comprendere come funziona il linguaggio delle macchine, quali sono i suoi limiti e quali implicazioni comporta è un passaggio fondamentale per orientarsi in un mondo in cui dialogare con la tecnologia è diventato normale. La vera innovazione non sta nel delegare il pensiero, ma nel rafforzare il ruolo umano all’interno di un dialogo sempre più stretto tra persone e sistemi intelligenti.
Scarica il report "X-plore Human Machine Language"
Intervista a Guido Saracco | Linguaggio umano e intelligenza artificiale: le condizioni di un’alleanza consapevole.
Ma cosa cambia davvero quando le macchine iniziano a parlare la nostra lingua? E come evitare che la fluidità delle risposte generate dall'AI venga confusa con una reale comprensione? Ne abbiamo parlato con Guido Saracco, che riflette sul ruolo del linguaggio nel rapporto uomo-macchina e sulle condizioni necessarie per mantenere il pensiero critico e la responsabilità umana al centro dell'innovazione.
Perché oggi il linguaggio è diventato il principale punto di incontro tra esseri umani e intelligenza artificiale?
Perché, per la prima volta, una tecnologia di enorme complessità non ci chiede più di imparare il suo linguaggio ma prova a usare il nostro, quella che io giudico essere la nostra tecnologia più potente.
Per decenni abbiamo dovuto tradurre intenzioni e problemi in comandi, menu, codici, procedure. Con l’IA generativa possiamo formulare una domanda, aggiungere un contesto, chiedere un esempio, contestare una risposta, cambiare strada. Il linguaggio naturale diventa così l’interfaccia più universale: accessibile a chi programma e a chi non programma. Un vero cambio di paradigma per sconfiggere il digital divide.
Ma sarebbe riduttivo considerarlo soltanto una nuova forma di “tastiera”. Il linguaggio umano serve a costruire significati semantici condivisi, coordinare azioni, negoziare priorità, assumere impegni, raccontare esperienze e immaginare futuri. L’IA non è più soltanto uno strumento che esegue: diventa un interlocutore che propone cornici, seleziona informazioni, suggerisce nessi e rende visibili alternative possibili.
Dal fatto che una macchina parli bene non possiamo dedurre che viva o comprenda il significato di ciò che dice. La fluidità può essere straordinariamente utile, ma non deve indurci ad attribuire alla macchina intenzioni, coscienza o giudizio morale che non possiede [1,2].
Per questo la relazione migliore non è quella tra un utente passivo e un oracolo eloquente, ma quella fra una persona consapevole e un alleato digitale. Il controllo, la valutazione e la decisione finale devono restare umani [3].
Cosa rischiamo di perdere quando confondiamo la fluidità del linguaggio con la reale comprensione?
Rischiamo anzitutto di perdere la vigilanza epistemica: la salutare abitudine a chiederci non soltanto “questa frase è ben scritta?”, ma “da dove viene, su quali prove si fonda, in quali condizioni è valida?”. Una risposta di IA può essere lineare, elegante ed empatica senza essere completa, aggiornata o corretta.
Possiamo scambiare la plausibilità per verità, una spiegazione ben concatenata per una dimostrazione o la capacità di simulare un dialogo per una reale comprensione. Un modello può riassumere migliaia di pagine, ma non possiede l’esperienza di una malattia, l’interesse concreto di un cliente, la memoria di una comunità o il dovere professionale [1,2].
Questo equivoco produce due rischi pratici: attribuire al sistema competenza generale o imparzialità solo perché adotta la voce di un interlocutore credibile, e perdere l’attrito cognitivo. Se riceviamo subito un testo ordinato, possiamo evitare la fatica di selezionare fonti, distinguere i fatti dalle interpretazioni e formulare ipotesi. Una recente indagine segnala che, quando cresce la fiducia nel sistema, può ridursi lo sforzo critico esercitato dall’utente [4].
La buona interazione non finisce con una risposta impeccabile: comincia con una domanda migliore.
In quali ambiti la sovra-delega cognitiva è più pericolosa, e per quali ragioni? E soprattutto: come possiamo allenare persone e organizzazioni a mantenere un ruolo critico e consapevole?
La sovra-delega è più pericolosa quando un testo, una previsione o una raccomandazione incidono su diritti, salute, reddito, libertà o dignità delle persone. Penso alla sanità, alla finanza, alla giustizia, alla scuola e ai servizi pubblici. In questi campi l’errore non è soltanto un refuso. Esso può negare una cura, rendere più difficile un prestito, escludere da un lavoro, orientare ingiustamente una decisione amministrativa o creare un danno reputazionale irreparabile.
Il rischio cresce quando l’IA non decide apertamente, ma prepara il terreno della decisione. È qui che l’idea dell’“umano nel ciclo” deve significare competenza effettiva, tempo, autorità e diritto di contraddire la macchina [3,6,7]. Allenare persone e organizzazioni richiede più di un corso sui prompt. Occorre una AI literacy situata: distinguere dati verificati e testo generato, controllare fonti e date, riconoscere bias e omissioni, documentare le ragioni della scelta finale [4,6,8].
Soprattutto, l’IA va usata come contraddittorio. Invece di chiedere “dammi la soluzione”, dovremmo domandare: “quali fatti potrebbero smentirmi?”, “quali interessi non sto considerando?”, “quali conseguenze avrà questa scelta per il soggetto più vulnerabile?”. È il ping pong socratico che propongo in Alleati digitali: la macchina non sostituisce il ragionamento, ne aumenta la qualità [3].
Dal punto di vista etico, chi è responsabile degli effetti prodotti dal linguaggio generato dall’IA?
Il linguaggio generato dall’IA è sempre il risultato di una catena di scelte umane. La responsabilità è dunque distribuita, ma non deve diventare diluita. Il fornitore risponde della qualità del sistema, della documentazione, delle misure di sicurezza e della gestione dei rischi prevedibili. L’organizzazione che lo adotta risponde dell’uso concreto.
Chi è responsabile? Non la macchina. Un sistema di IA può contribuire causalmente a un danno o a una buona decisione, ma non possiede intenzione morale, coscienza delle conseguenze
Professore ordinario al Politecnico di Torino, Dipartimento di Scienza Applicata e Tecnologia
L’AI Act europeo insiste su ruoli e obblighi differenziati lungo la filiera e, nei sistemi ad alto rischio, impone misure di supervisione umana. Una responsabilità effettiva richiede che l’essere umano abbia davvero la possibilità di capire, intervenire, sospendere o ribaltare l’esito del sistema [7].
La responsabilità va resa quindi tracciabile. Le persone toccate da una scelta devono poter sapere quando l’IA è intervenuta, chiedere spiegazioni comprensibili e contestare l’esito davanti a un interlocutore umano competente.
L’etica dell’IA deve aiutare a mantenere un soggetto responsabile al termine della catena.
Esiste il rischio che l’efficienza linguistica dell’intelligenza artificiale riduca lo spazio per il confronto, il dubbio e il pensiero critico all’interno delle organizzazioni?
Sì, il rischio esiste, ma non è un destino già scritto. Nelle organizzazioni il linguaggio serve a far emergere differenze di esperienza, verificare la legittimità delle scelte e costruire fiducia. Quando l’IA produce subito una sintesi impeccabile o una mail persuasiva, può creare una sorta di consenso automatico.
La velocità può allora trasformarsi in conformismo. Il primo documento generato dall’IA può fissare la cornice del dibattito, rendendo invisibili ipotesi laterali, minoranze o conoscenze tacite. La letteratura parla di riduzione della diversità dei contenuti e di monocultura algoritmica [5,9].
Per evitarlo serve progettare deliberatamente un po’ di attrito buono. L’IA può essere usata nella fase divergente per generare opzioni, scenari, obiezioni e punti di vista diversi; la decisione finale deve invece prevedere un confronto umano esplicito.
L’IA più preziosa non è quella che chiude in fretta una conversazione, bensì quella che la rende più profonda. Non deve essere un ghostwriter che ci risparmia la fatica, ma un tutor socratico che restituisce domande, contro-argomenti e prospettive inattese [3].
In un’epoca di linguaggio abbondante, il vero valore umano sarà custodire il dubbio produttivo e la responsabilità del confronto.
Riferimenti bibliografici
- Bender, E. M.; Koller, A. (2020), “Climbing towards NLU: On Meaning, Form, and Understanding in the Age of Data”, in Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics, pp. 5185-5198.
- Shanahan, M. (2024), “Talking about Large Language Models”, Communications of the ACM, vol. 67, n. 2, pp. 68-79.
- Saracco, G. (2026), Alleati digitali. La nostra IA personale, Laterza, Roma-Bari.
- Lee, H.-P.; Sarkar, A.; Tankelevitch, L.; Drosos, I.; Rintel, S.; Banks, R.; Wilson, N. (2025), “The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers”, in Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems, Article 1121, pp. 1-22
- Padmakumar, V.; He, H. (2024), “Does Writing with Language Models Reduce Content Diversity?”, in The Twelfth International Conference on Learning Representations.
- National Institute of Standards and Technology – NIST (2024), Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile, NIST AI 600-1, doi: 10.6028/NIST.AI.600-1.
- Parlamento europeo e Consiglio dell’Unione europea (2024), Regolamento (UE) 2024/1689 del 13 giugno 2024 che stabilisce regole armonizzate sull’intelligenza artificiale — AI Act.
- Miao, F.; Holmes, W.; UNESCO (2023), Guidance for Generative AI in Education and Research, UNESCO, Parigi.
- Kleinberg, J.; Raghavan, M. (2021), “Algorithmic Monoculture and Social Welfare”, Proceedings of the National Academy of Sciences, vol. 118, n. 22, e2018340118.
Guido Saracco
Accademico delle Scienze di Torino dal 2015, Guido Saracco è stato Rettore del Politecnico di Torino nel sessennio 2018-2024. Ha svolto ricerca nell’area della fotochimica, della catalisi e della chimica verde, con oltre 500 pubblicazioni all’attivo. È curatore del festival Biennale Tecnologia e della piattaforma di produzione di contenuti culturali Prometeo Tech Cultures, che si focalizzano sulle mutue relazioni tra tecnologia e umanità. Saggista ha pubblicato di recente Alleati Digitali: la nostra IA personale (Laterza, 2026); Chimica verde 5.0 (Zanichelli, 2024); Tecnosofia (Laterza, 2023).
