Ecco le sette regole per intossicare la conversazione pubblica.

1. Scegli una parola (vera) che quasi nessuno sappia definire

Dev’essere vera perché una parola inventata te la smontano subito: a te serve una cosa che esiste, che è documentabile, ma che il novantanove per cento delle persone ha soltanto sentito nominare (o nemmeno quello).

Iscriviti ora

2. Congelala

Cioè, ripetila, sempre identica. E soprattutto: non spiegarla mai. La spiegazione della parola è il tuo unico problema serio, perché finisce per restituisce alla parola i suoi confini. Più la lasci indefinita, meglio è.

3. Riempila

Ogni fatto sgradevole che passa dai giornali va sistemato sotto la parola che hai scelto. L’obiettivo è che chiunque legga qualcosa di assurdo sul giornale pensi immediatamente a quella parola lì. Il vantaggio più grosso? I fatti possono benissimo non avere alcun rapporto tra loro. Basta che stiano tutti lì sotto quell’etichetta: ci pensa il cervello umano (insieme al giro delle polemichette) a costruire il nesso e a lavorare per te gratis.

4. Porta prove vere. Meglio se sono folli

Servono documenti autentici. Che ne so, il corso di formazione grottesco in un’istituzione pubblica? Il modulo con la piramide del privilegio distribuito ai dirigenti di un laboratorio nucleare? Cose così. Tu li mostri e non aggiungi altro, se non l’etichetta che hai scelto. Il salto dal caso singolo alla regola generale lo fa chi legge e commenta. Questa è la regola d’oro che rende il manuale molto difficile da contrastare, perché obbliga chiunque voglia risponderti a difendere prima di tutto una cosa indifendibile o comunque sciocca. Così, mentre gli altri giocano in difesa per spiegare che, suvvia, quella è un’anomalia come ce ne sono sempre, e tu intanto ti prepari con la prossima piccola follia.

5. Mentre gli altri discutono, agisci

Una volta che la conversazione è nutrita da questa situazione che hai riterato, è il momento di agire. Possibilmente con delle misure contro la parola che hai scelto.

6. Fatti confutare tutte le volte che si può

Ogni volta che qualcuno scrive che in realtà la parola che hai scelto è qualcosa di preciso e non esiste in quel senso negativo estremo che dici tu, sta lavorando per te. Quel qualcuno diventa il tuo volano: ripete il marchio davanti a un pubblico che magari non lo aveva ancora sentito. E si mette in difesa. Le confutazioni sono pubblicità gratuita senza nemmeno bisogno di metterci il tuo logo.

7. Quando il marchio è esausto, cambialo

Quando quella parola non ti serve più, puoi passare alla prossima: questi sette passaggi sono un’infrastruttura che si ricarica all’infinito.

E ora?

Se ti aspetti sette regole speculari per disintossicare, ho una brutta notizia: non ci sono. Intossicare e disintossicare hanno costi, ritmi, velocità completamente diversi. Avvelenare il pozzo richiede una parola sola e pochi casi estremi. Riabilitare il pozzo richiede di ricostruire un significato, che è un lavoro lento, noioso e che nessuno condivide sui social (o, se lo condividono, nessuno si indigna e dunque il contenuto non gira).

Quello che ho visto funzionare, quando funziona, si può riassumere così:

1. Bisogna avere il coraggio lasciar perdere l’etichetta. Difendere la parola significa accettare il terreno che ha scelto qualcun altro. Bisogna spostare la conversazione su fatti concreti: la tecnica di intossicazione funziona solo finché si resta sull’astratto. Solo che per farlo servono tempo e fatica e rinunciare ad aver ragione sulla definizione nel breve periodo.

2. Bisogna concedere il vero. Se una cosa era grottesca, lo era. Ammetterlo cota pochissimo e toglie al caso estremo l’unica funzione che aveva, cioè valere per il tutto. La frase più utile è: “Sì, in questo caso specifico hai ragione. E allora?”. Ti sembra una resa? Sbagliato: è un contrattacco.

3. Bisogna cambiare unità di misura. Dal caso singolo alla serie storica, dalla velocità al tempo lungo. Chi lavora sul tempo lungo nel breve periodo perde sempre.

Chi avvelena il pozzo ci mette mezza giornata, se applica il manuale. Chi prova a ripulirlo ci può mettere anni e non c’è la garanzia di riuscita. Questa asimmetria è il vero motivo per cui il manuale delle sette regole è un buon manuale. Un ottimo manuale.

Magari riconoscere queste mosse mentre ci passano a fianco può aiutarci a non cascarci più.

Iscriviti ora

Qui trovi otto diverse immagini fatte dentro al mio MidJourney, in risposta al semplice comando “A pope”.

Queste prime quattro sono fatte con un mio moodboard, quello che uso per le illustrazioni di Atipiche.

Le successive, invece, sono fatte con la personalizzazione generale del mio MidJourney.

Queste altre quattro, molto più strane, derivano da un mio moodboard personalizzato con centinaia di mie fotografie a dettagli botanici.

Infine, ecco le ultime che ho generato: quelle che derivano dal medesimo comando, “a pope”, ma con tutte le personalizzazioni disattivate.

Quando Matteo Renzi scrive, preoccupatissimo, che “la cultura woke è ancora forte: ha informato e continua a informare gli algoritmi dei social e dell’intelligenza artificiale". E dunque, ahimè, i nostri pensieri”, forse non sa esattamente come funzionano le ia generative.

Oppure si dimentica che nel 2025 Trump ha già risolto questa sua preoccupazione firmando un ordine esecutivo che impedisce il woke (o meglio, le pratiche di inclusione) nelle ia usate dal governo federale.

Iscriviti ora

Il motivo per cui ho generato questi sedici “pope” è che l’ordine esecutivo si riferisce proprio a un caso aneddotico in cui un modello osò generare un papa non bianco e quindi non accurato.

Spero che vedendo queste immagini ci si possa rendere conto, in maniera plastica, di quanto siano assurde queste preoccupazioni.

Il tutto mentre ci sono un sacco di veri esempi discriminatori. Non nelle immagini generate, nella vita vera. E, pensa un po’, non derivano dal woke.

Il 15 settembre faccio un nuovo webinar gratuito sulle AI. Questa volta parliamo di come usarle per fare brainstorming. Iscriviti qui.

Iscriviti al webinar

Oggi ti racconto una storia che dovrebbe servire per mostrarti tutte le potenzialità di lavorare con le AI generative.

Un pomeriggio di agosto del 2026 avevo davanti settecentocinquanta conversazioni reali fra persone e intelligenze artificiali — raccolte da vari archivi pubblici e su cinque piattaforme diverse, ChatGpt, Claude, Grok, Gemini e Perplexity. Dovevo classificarle a mano perché sto facendo una ricerca sulle “posture epistemiche”. Cioè, sto cercando di classificare il modo in cui chi scrive a una macchina si posiziona rispetto a quello che la macchina risponde. Perché voglio vedere se è vero che trattiamo queste macchine come oracoli.

Iscriviti ora

Ognuna delle settecentocinquanta conversazioni andava letta e codificata secondo un mio codebook, che ho costruito su tre criteri

• che tipo di richiesta è:

  • un fatto verificabile

  • un testo creativo

  • una conferma alle proprie opinioni

  • un giudizio su una controversia

  • un’interpretazione

  • un compito tecnico

  • un gioco

  • una spiegazione per imparare

• che postura tiene la persona che conversa con la macchina Qui ho immaginato una scala da 1 a 5:

  • 1 critica (corregge, sfida, porta fonti)

  • 2 iterativa (raffina con vincoli, valuta la qualità)

  • 3 consultativa (domanda strutturata, accetta nel merito)

  • 4 passiva (domanda, risposta, fine, nessun segno di verifica)

  • 5 validativa (cerca conferma di tesi proprie e premia chi gliela dà).

• quanto costerebbe un errore non rilevato. Cioè, cosa succede se quell’ia in quella conversazione sbaglia e nessuno se ne accorge. I valori che ho scelto sono

  • basso se l’errore è irrilevante o si vede da sé

  • medio se è correggibile dopo

  • alto se ha conseguenze serie (per esempio salute, soldi, questioni legali, giudizi su persone reali, codice che va in produzione).

L’idea di fondo è che voglio collocare ogni conversazione in uno spazio a 3 dimensioni. come quello che vedi qui nel video.

Perché?

Read more

Il 21 luglio 2026 Chris Best, amministratore delegato e cofondatore di Substack, ha pubblicato sul blog della piattaforma un post intitolato “Against Claudefishing”. L’immagine di apertura è il turco meccanico, uno dei cliché di quando si parla di AI per richiamare alla mente, subito, che se c’è una macchina di mezzo allora c’è trucco1.

Iscriviti ora

Il post annuncia una nuova funzione di Substack sviluppata con la Pangram, un’azienda che vende un software di rilevamento di testi generati da intelligenze artificiali2: chi legge sull’app di Substack ora può analizzare post, note, commenti e risposte più lunghi di cento parole e ottenere una stima che dice più o meno che percentuale di testo è stata scritta “a mano” (sarebbe meglio dire digitando sulla tastiera) e che percentuale, invece, è stata scritta con l’assistenza delle ia. Il risultato lo vede solo chi chiede la scansione.

Best ha coniato anche la parola per la cosa che vuole combattere: claudefishing, appunto, costruita sul nome del large language model della Anthropic.

Il termine claudefishing, ci spiega Best, non indica tanto l’uso delle macchine in sé, ma lo scarto fra quel che ci si aspetta e quel che si trova: quanta della nostra attenzione investiamo per leggere un testo a cui non ha pensato nessuno? La Pangram stima che su alcune piattaforme fino al 40 per cento dei testi lunghi sia generato dalle macchine, con LinkedIn in testa (ce n’eravamo accorti: prima i testi erano solo brutti e tutti uguali. Adesso, quelli che prima erano solo brutti e tutti uguali sono pure fatti in serie). Insieme al rilevamento per chi legge arrivano anche strumenti per chi scrive:

• la scansione delle bozze prima della pubblicazione

• la possibilità di contestare i risultati (come osi dire AI!)

• una dichiarazione facoltativa, “How I make this”, in cui si racconta il proprio metodo di lavoro (cioè, tipo la policy su Slow News che abbiamo dal 2023)

La parte buona dell’annuncio è proprio la dichiarazione facoltativa ed è quella di cui si parla e si parlerà meno.

Peccato, perché dichiarare come si lavora è un atto di responsabilità, oltreché di trasparenza: è una dichiarazione che sta in piedi nel tempo, è una cosa che si può verificare ma anche contestare o smentire; è un approccio che può variare nel tempo.

Il rilevamento, be’, quello invece è un’altra cosa.

Intanto, il rilevamento di Pangram o di qualsiasi altro software che fa questo mestiere è un’inferenza statistica che fa calcoli sulle proprietà stilistiche del testo e che ti offre una percentuale, un numerello, che sicuro diventerà più interessante della parte buona dell’annuncio.

Ma a cosa serve, ‘sto numerello? Best scrive – con onestà, riconosciamoglielo – che Pangram può stabilire la probabilità che una macchina sia stata usata ma non può stabilire se in quel testo ci sia stata cura umana. Solo che è una precisazione inutile: accanto a un numero da sbandierare per dire “ehi mamma guarda Sbirulino77 usa le AI, l’ho sempre saputo e ora ci ho le prove, ci ho”, nessuna precisazione intelligente sopravvive. Chi legge e usa il rilevatore non vedrà una stima probabilistica: vedrà un voto. E il voto – ti ricorda qualcosa? – misura la cosa sbagliata.

Distinguere fra chi ha delegato tutto senza cura e senza pensarci e chi ha usato una macchina per riordinare gli appunti, scrivere bozze, ampliare, fare brainstorming, controllare, non è mica un problema statistico. E il problema non è nemmeno quello dei falsi positivi, che c’erano e ci saranno ma a quanto pare su Pangram sono pochi (almeno, stando a questo freschissimo studio di giugno 2026). Non è quello il punto, per me: anche un rilevatore accuratissimo, che riduce quasi a zero i falsi positivi, risponde a una domanda diversa da quella che dovrebbe interessarci davvero. E cioè: chi risponde di quel testo? Chi ne è responsabile?

Il rilevatore di Substack ti dice se quel testo somiglia a un altro testo statisticamente e se statisticamente somiglia a un testo scritto da un’AI. Solo che la somiglianza si lava via, tipo una sciacquata in Arno. Chi sa come si fa passerà il test: agenzie, professionisti, chiunque abbia tempo e budget per costruirsi un flusso di lavoro su misura e riscrivere quello che serve riscrivere. Gli altri invece avranno lo stigma. E non è diverso da chi si poteva permettere un buon editor e chi no, eh. La regoletta moralizzatrice funziona come un watchdog che non fa la guardia al potere: morde chi sta in basso e scodinzola a chi sta in alto.

Poi c’è la questione di chi misura. La Pangram è un’azienda che quantifica un problema e vende la soluzione a quello stesso problema. E io capisco perfettamente che ci siano ambiti in cui questa “scansione” dei testi possa avere un suo senso ed essere utile, intendiamoci. E che questo prodotto abbia un suo mercato.

Adesso, però, sta su una piattaforma – secondo uno schema ben noto: un’infrastruttura che per funzione è pubblica e per proprietà è di qualcuno – che ospita centinaia di migliaia di persone che scrivono.

Ma quale sarà l’effetto del numerello e della certificazione?

Substack sta vendendo la fiducia come vantaggio competitivo, in un mercato in cui LinkedIn e le piattaforme della Meta sono piene di testi che non ha scritto nessuno. E va bene, la mossa è comprensibile, anche se sposta il costo della verifica su chi legge e su chi scrive, cavalcando più o meno volontariamente l’onda moralizzatrice invece di assumersi la responsabilità editoriale di quello che ospita – che è la cosa che le piattaforme evitano di fare da vent’anni ed è la cosa più ipocrita di tutte.

Il risultato prevedibile non è più fiducia.
È più sospetto.

Sospetti? Bene! Adesso hai il pulsantino per toglierti il dubbio. Ma il dubbio di che? Io scrivo con le macchine ogni giorno.

Fino a questo punto, pensa, secondo Pangram, il testo che hai letto è al 100% scritto da un umano. Ma a cosa ti serve, esattamente, questa informazione? In più, devi sapere che è un’informazione vera e falsa contemporaneamente.

È vera perché il testo è inequivocabilmente mio. È falsa perché io uso assistenti su misura per bozze, riassunti, estrazione di dati; un agente prepara in automatico parte del materiale di questa newsletter, a partire da una profonda analisi del mio stile, una raffinazione che ho raccontato qui.

A me interessa meno di zero che qualcuno passi il mio pezzo a un rilevatore: ho appena usato il numerello per mostrarti che il numerello non serve. Quel che mi interessa è che so di poter garantire che il testo è mio (poi, quando lo pubblico, diventa anche tuo) perché ne rispondo io: la responsabilità di quello che c’è scritto è mia. Come la misuri, questa cosa? Con quale rilevatore automatico o numerello?

Quello che stiamo costruendo con questi atteggiamenti non è un presidio della presunta autenticità: è un mercato dell’autenticità dentro un’economia di mercato, con il bollino “autentico” che non serve a niente se non ad alimentare la cultura del sospetto. Fra l’altro, è un mercato dove la bancarella, come al solito, ce l’abbiamo in comodato d’uso e sottostiamo alle regolette del proprietario, che può cambiarle da un giorno all’altro o, da un giorno all’altro, aggiungere o togliere un numerello.

Questa certificazione, fra l’altro, non protegge il reddito di chi scrive ma lo comprime. Come? Semplice: aggiunge un costo di conformità a chi lavora. È un costo non necessariamente economico, ma sicuramente di ansia da bollinatura. La scansione non puoi rifiutarla, non sai quando succede, e se il risultato ti giudica e ti crea un danno, tocca a te spiegarlo. Quindi ti toccherà un tempo di scrittura difensiva, difesa reputazionale, e avrai anche l'obbligo implicito di dichiarare per non sembrare una che nasconde. Come tutti i costi di questo genere non è proporzionale: fa male ai pesci piccoli, fa fare una risata a chi produce in serie o gode già di grande visibilità.

Se vogliamo davvero proteggere il lavoro – la fatica, signora mia! – di chi scrive, la strada non è certo certificare l’assenza delle macchine e non è nemmeno rendere obbligatoria la dichiarazione del metodo.

Dovremmo, piuttosto, trovare modi per preservare l’indipendenza e la responsabilità editoriale di chi pubblica e distribuisce.

Per esempio?

Sostieni The Slow Journalist

Siccome chi propone i bollini di solito non ha esattamente il problema di campare e qui invece la questione è sempre presente, ti ricordo che uno dei modi per sostenere il mio lavoro imparando è prenderti il corso AI@Work.

Laís Martins e Pablo Jiménez Arandia, due giornalisti del programma del Pulitzer Center sulle intelligenze artificiali, hanno pubblicato “How to investigate data centers’ impacts”, una guida per chi vuole indagare gli impatti di queste infrastrutture.

Mi sto occupando giornalisticamente del progetto per il data center di Magenta, che è una storia locale e italiana. Ho creato un NotebookLM con i documenti della Valutazione d’impatto ambientale in corso, accessibile a chiunque.

Iscriviti ora

Mentre lavoro a questa storia ho provato a osservare quanto il copione con cui viene raccontata aderisca alla guida di Martins e Arandia

La scala del fenomeno e del perché sia importante parlarne e unire le forze la danno le stime di mercato citate nella guida, aggiornate a maggio 2026: fra quattromila e ottomila miliardi di dollari di investimenti nei prossimi cinque anni.

Sam Altman, l’amministratore delegato della OpenAi, ha definito questa corsa “il più grande progetto industriale congiunto della storia”. Ma congiunto in che senso? E chi sono, i congiunti?

Cercheremo di dare risposte a queste domande, ma intanto torniamo alla guida: la parte più utile, infatti, è proprio osservare le narrazioni con cui l’industria accompagna ogni progetto, che si ripetono molto simili: dalla città brasiliana colpita dalla siccità dove TikTok progetta un centro enorme al Michigan, dove il costo di un impianto è passato da sette a sedici miliardi di dollari. A Magenta, appunto.

Il 23 dicembre 2025 la Namira SGR, una società di gestione del risparmio con sede a Milano, ha depositato al ministero dell’ambiente l’istanza di valutazione di impatto ambientale per MXP Magenta (tutti i dettagli li ho scritti qui).

Prima narrazione: il data center “100 per cento rinnovabile”. La guida avverte che dietro quasi ogni annuncio di energia pulita ci sono generatori a gas o a gasolio pronti a partire in caso di emergenza, perché un data center non può permettersi interruzioni. A Magenta gli impegni sul rinnovabile ci sono: sono nello studio di impatto ambientale, ma sono al condizionale: l’energia acquistata sarà rinnovabile “laddove disponibile”, l’accesso diretto degli operatori alle fonti pulite sarà garantito “ove possibile”. Il Parco lombardo della valle del Ticino, nel parere del 7 maggio 2026, ha chiesto di chiarire almeno quale percentuale del fabbisogno coprirà il fotovoltaico sui tetti degli edifici. E poi ci sono anche i 141 generatori a gasolio per le emergenze, con 5.571 tonnellate di carburante stoccate. Abbastanza da far rientrare il campus nella direttiva Seveso per gli stabilimenti a rischio di incidente rilevante (soglia inferiore).

Iscriviti ora

Seconda narrazione: l’acqua. Secondo Laís Martins e Pablo Jiménez Arandia, le aziende comunicano i consumi idrici del sito, e annunciano circuiti chiusi o raffreddamento ad aria. Ma Alex de Vries-Gao, ricercatore della Vrije Universiteit di Amsterdam citato nella guida del Pulitzer Center, dice che la maggior parte dell’impronta idrica di un data center sta altrove: nell’acqua necessaria a generare l’elettricità che consuma. A Magenta il progetto prevede raffreddamento ad aria, senza sistemi evaporativi. Sulla carta è un punto a favore, documentato. Ma la valutazione misura l’acqua del sito: quella che servirà a produrre l’elettricità assorbita dalla rete, con un elettrodotto da 360 megawatt, resta fuori dal perimetro del procedimento.

Iscriviti ora

Terza narrazione: lavoro e benefici. La guida ricorda che i posti di lavoro si concentrano nella fase di costruzione, nel cantiere. A regime, un data center impiega poche persone, molto specializzate e spesso non del posto. Quanto ai benefici, che spesso vengono raccontati come grandi opere utili alla collettività, sono un’inezia rispetto al valore dell’investimento. Anche a Magenta si assiste al medesimo copione.

Fra gli errori da evitare ci sono soprattutto questi relativamente alle fonti:

1. prendere per buoni i numeri di chi propone

2. raccontare ogni progetto come un caso isolato

3. considerare le autorità pubbliche sempre come fonti di informazione attendibili e indipendenti

E poi ci sono questi per quanto riguarda il modo in cui parliamo di data center:

1. dare per scontato che il pubblico sappia di cosa stiamo parlando

2. non collegare i data center con l’interesse globale per le AI1

3. usare troppi termini tecnici

Ma perché il copione si ripete? Prima di tutto, perché funziona molto bene. E poi perché le regole lo permettono. Pensiamoci: ogni progetto di questo genere, anche se fa parte di una rete interconnessa, si discute da solo, un procedimento alla volta, senza una visione d’insieme. Ogni territorio ragiona come un compartimento stagno (anche se in Lombardia si comincia a fare rete).

C’è poi una ragione strutturale, che a Magenta si vede bene: la Namira è una società di gestione del risparmio. Propone il contenitore, ma gli operatori che consumeranno l’energia e la potenza di calcolo arriveranno dopo. Per questo gli impegni sono al condizionale: chi promette non è chi poi consumerà.

Ora, se ha ragione Sam Altman, se davvero i data center sono il più grande progetto industriale della storia, servono regole all’altezza, ragionamenti all’altezza, pianificazione all’altezza. E anche inchieste giornalistiche all’altezza.

Invece di ricominciare da capo ad ogni progetto e ad ogni territorio, possiamo ricostruire. Partire da quello che sappiamo già e che si ripete.

Il mito del “prompt magico” e l’idea che, tutto sommato, chi usa le ia lo faccia per non far fatica ai danni di tutti gli altri, come una specie di parassita, fa un sacco di danni.

Cerchiamo di smontarlo.

STASERA WEBINAR GRATUITO SULLE BASI AI

Se vuoi usare intelligentemente un Large Language Model (LLM), hai bisogno di uno strumento che non sia affetto da laziness (la tendenza dei modelli a diventare pigri, a tagliare corto, a darti il minimo indispensabile).

Purtroppo, in questo esatto momento storico, questo significa pagare le licenze più costose. I modelli gratuiti, o quelli castrati per risparmiare potenza di calcolo, non servono a fare lavoro di fino: si fermano a metà e ti danno risultati banali.

Ma anche avere il modello migliore non basta se continui a trattarlo come un oracolo a cui fare una domandina o se pensi che farà tutto al posto tuo premendo un tasto.

Come si è sempre fatto con gli strumenti complessi, la qualità del risultato dipende totalmente da noi.

Cos’è lo Scaffolding

“Scaffolding” è l’impalcatura che sostiene una struttura in costruzione.
In psicologia indicare l’intervento di una persona più esperta che ne aiuta una meno esperta a fare un certo compito.
In pedagogia indica le strategie che si usano per facilitare il processo di apprendimento di una persona.

Applicato alle AI, significa usare questi strumenti per costruire un’impalcatura che ci aiuti davvero. Questo significa smettere di dare ordini singoli e costruire un ambiente di lavoro in cui la macchina è costretta a ragionare per gradi rispettando vincoli ferrei. Il tutto per farti risparmiare tempo (che finalmente dedicherai a cose umane), ansia e fatica inutile.

Purtroppo l’approccio amatoriale alle AI accelera compulsivamente la produzione di slop.

L’approccio slow, basato sullo scaffolding, usa, invece, le AI per scavare più a fondo e toglierti i pensieri inutili, investendo un po’ di tempo all’inizio.

Queste sono le fasi del mio metodo.

STASERA WEBINAR GRATUITO SULLE BASI AI

FASE 1: Contesto e ruolo

Non serve a niente dire a un’AI “sei un giornalista esperto”. Troppo vago. Defisci, invece, le regole d’ingaggio in modo maniacale.

Vediamo un esempio

[INIZIO BLOCCO ISTRUZIONI] Agisci come un analista documentale e un editor con un focus ossessivo sulla verifica dei fatti e sull’analisi critica. Il tuo compito non è compiacermi, ma smontare, analizzare e strutturare le informazioni che ti fornirò.

Regole d’ingaggio:

• Nessuna speculazione: basati ESCLUSIVAMENTE sui dati forniti.

• Evita un linguaggio lezioso, aggettivi superflui o toni sensazionalistici. Usa una prosa asciutta, tecnica e diretta.

• Se un’informazione è mancante o contraddittoria, non tentare di riempire il vuoto. Segnala esplicitamente l’incongruenza.

Se non sai fare questo, chiedi a una macchina di aiutarti a farlo, per esempio così

[INIZIO BLOCCO ISTRUZIONI] Devo usarti come assistente per il compito X. Fammi, una alla volta, tutte le domande che ti servono per assistermi al meglio e poi, quando hai finito, scrivi le regole e proponimele per vedere se va tutto bene.

FASE 2: La metodologia (imporre la catena di pensieri)

Qui è dove sconfiggiamo la laziness. Dobbiamo obbligare il modello premium a consumare token per ragionare prima di scriverci la risposta finale.

Ti faccio un altro esempio

[METODOLOGIA DI LAVORO - ESEGUI PASSO PASSO] Prima di generare l’output finale, devi eseguire internamente i seguenti passaggi (puoi mostrare i tuoi appunti in una sezione “Pensieri” prima del risultato):

1. Estrazione: Isola i fatti principali, i nomi, le date e le cifre presenti nel testo di partenza.

2. Mappatura delle relazioni: Collega i fatti tra loro (chi ha fatto cosa, quando, perché).

3. Rilevamento bias: Identifica le aree in cui il testo di partenza presenta opinioni mascherate da fatti.

4. Strutturazione: Organizza le informazioni verificate in una gerarchia logica (dal macro al micro).

FASE 3: i dati di input (la materia prima)

Una volta che siamo a posto con le regole e con il modo in cui la macchina deve lavorare per te, qui inserisci il tuo materiale di partenza (interviste, appunti, dati, cose già fatte in passato che ti piacciono e che vorresti rifare, report, documenti, trascrizione di una riunione, riassunti che descrivono lo stato dell’arte del progetto, il punto a cui sei…)

[INPUT] [Inserisci qui il testo, i documenti o le note grezze]

In allegato trovi i documenti che ho a disposizione e a cui puoi attingere. Analizzali accuratamente. Ti baserai su questi documenti per assistermi. Quando hai finito, fammi il riassunto di tutto quello che hai trovato e fammi domande se ti servono informazioni.

FASE 4: il manuale

Quando hai fatto analizzare i documenti, è il momento di farti fare un manuale d’uso di quello specifico compito, che serva a te e alla macchina. Puoi dire così, per esempio

[HANDBOOK] Adesso fai il manuale di questo progetto. Scrivi una sintesi di tutto, la timeline, i prossimi compiti, la strategia da adottare, ogni quanto aggiornare il progetto, cosa controllare, chi deve fare cosa. Fammi tutte le domande che ti servono per fare il manuale al meglio.

Formattazione rigida (L’output)

Ricordati che se chiedi un “testo” generico, avrai la pappetta pronta, buona per tutti. Se invece chiedi un output strutturato, dopo aver dato regole d’ingaggio, metodo e dati, le cose cambiano. Ecco un esempio

[OUTPUT RICHIESTO] Fornisci il risultato finale rigorosamente in questo formato:

## 1. Executive summary (massimo 3 righe fattuali)
## 2. Timeline (elenco puntato con date precise)
## 3. Entità o persone coinvolte (tabella con: Nome | Ruolo | Azione chiave)
## 4. Informazioni mancanti (Elenco puntato delle cose che non tornano o che richiedono ulteriore verifica umana)
## 5. Prossimi step (Elenco puntato delle cose da fare per rispettare la scadenza)

Se vuoi puoi anche spiegare alla macchina cosa NON deve mai fare. Per esempio

[EVITARE] Non scrivere mai in maniera enfatica. Non usare superlativi. Non usare figure retoriche. Non usare l’elenco di tre per simulare completezza: se fai un elenco, deve contenere tutte le informazioni necessarie. Non fare preamboli e premesse.

STASERA WEBINAR GRATUITO SULLE BASI AI

L’impalcatura della calma

Costruire un’impalcatura del genere richiede tempo. Significa passare, la prima volta, venti minuti a scrivere (o a raccontare a voce: puoi farlo anche così, non dimentichiamocelo) le regole prima ancora di processare un solo dato. Ma è proprio questo che fa la differenza.

Lo scaffolding ragionato trasforma un giocattolo probabilistico nel tuo assistente. Ma per farlo girare in questo modo serve alimentarlo in maniera sensata, come ti ho raccontato.

La seconda volta che lo farai ci metterai meno. E nel frattempo avrai una macchina che ti assiste. Lo farà come decidi tu, non come vogliono gli altri.

STASERA WEBINAR GRATUITO SULLE BASI AI

Maggio 2026.

Andare in produzione video con le intelligenze artificiali non è più un’utopia né un compito per smanettoni e nemmeno una lotta contro i mulini a vento a dita incrociate nella speranza di mantenere un minimo di coerenza visiva.

Si può fare, insomma.

Iscriviti al WEBINAR GRATUITO

A maggio del 2024 ho realizzato un proof of concept di due personaggi che ho creato insieme ai miei figli, Nox e Dust.

Siccome mantenere la coerenza visiva dei personaggi era impossibile, abbiamo deciso di darci un paletto creativo: Nox e Dust sono diventati due mutaforme.

Lavorando con MidJourney e Runway è venuto fuori questo.

Due anni dopo, le cose sono cambiate radicalmente.

Nel mio lavoro di costruzione dei personaggi, che prosegue, Nox e Dust sono ancora due mutaforme ma non lo sono più per limiti tecnici. Lo sono rimasti per mia esplicita scelta (e dei miei figli, ovvio).

La coerenza dei personaggi è, finalmente, possibile.

Per ottenerla bisogna padroneggiare le AI generative, dai modelli linguistici alla creazione di immagini statiche a quelle che generano video. Ma bisogna anche avere competenze video (di filmmaking, di montaggio, di creazione di contenuti). E questa, per me che lavoro con il video da venticinque anni, è un’ottima notizia perché significa che le mie competenze non verranno buttate via ma che posso valorizzarle usando le AI generative.

Iscriviti al WEBINAR GRATUITO

Non solo.

È possibile fare cose molto più complesse di una “semplice” scena totalino-PP-PP.

In questo esempio in cui mi sono messo in scena, paradossalmente, la cosa più facile da fare sono le clip “wow”. Quelle in cui volo o divento wrestler o Avenger o non si sa bene cos’altro.

Ma io trovo che, per chi lavora con i video e per chi vuole raccontare storie e comunicare con i video, sia molto più interessante capire come si fa a fare la produzione che non fa gridare wow ma che ha un senso. Anche perché se l’effetto wow è garantito e facile da raggiungere, avremo presto una saturazione di video wow. Diciamola semplice: l’offerta di video wow, al momento, è superiore alla domanda.

Ho fatto un primo vero spot per una scuola tennis, la Ticino Academy (è la scuola che frequento, ed è anche la scuola che ci ha aiutati a scrivere questo bellissimo Il tennis spiegato a papà e mamme).

Il brief era molto intelligente, a mio modo di vedere. Non si voleva parlare a tutti né avere chissà quali trasformazioni o effetti speciali: volevano che fosse un found footage, riprese con smartphone, iper realistiche, niente campo che si spacca, niente supereroi, niente sboronate varie. Cioè: proprio tutte le cose che verrebbero meglio con le AI e che darebbero un senso al loro uso.

Però è una bella sfida e bisogna provarci, mi sono detto. E quindi ho messo giù un'idea semplice per il target: il reel si capisce bene solo se sai cosa succede sui campi delle scuole tennis, se conosci quel bisbigliare lì a bordo campo, se sai cosa vorresti dal tuo servizio, dal tuo diritto in top spin, dal tuo rovescio e in generale dal lavoro che fai per imparare a giocare a tennis.

Alla fine è venuto fuori esattamente come lo volevano loro. E il processo è stato esattamente quello che avrei usato se avessi girato dal vivo: brief, idea, scrittura, storyboard, prove, riprese buone, riserve, scarti, montaggio e demo per il cliente, rework.

Il risultato è qui, e sta pure girando bene sull'Instagram della Ticino Academy.

Parleremo delle basi e di questo processo nel primo webinar gratuito del mio percorso sulle AI generative.

Iscriviti al webinar gratuito

È il 2010. Siamo nello Stokes Croft, il cuore bohémien, artistico e ribelle della città di Bristol, un luogo dove l’arte di strada, i centri sociali e l’attivismo politico si fondono abitualmente con la vita quotidiana. È un ecosistema indipendente di piccoli commercianti e cooperative che si fonda sul rifiuto del conformismo, sulla multiculturalità, sul rifiuto viscerale delle grandi aziende. Quell’anno, la Tesco, colosso dei supermercati britannici, annuncia l’apertura di un punto vendita Tesco Express proprio nello Stokes Croft. Per la comunità locale non si tratta soltanto di un nuovo negozio della grande distribuzione organizzata: viene percepito come un vero e proprio cavallo di Troia della gentrificazione. un simbolo del capitalismo globale che minaccia di schiacciare i negozianti locali, drenare denaro dall’economia del quartiere e omologarne l’anima. Così nasce un movimento di opposizione, la campagna No Tesco in Stokes Croft. A maggio del 2010 persino il Guardian – non certo un’istituzione ribelle – si chiede se ci sia davvero bisogno di un altro Tesco: in quel luogo, poi, è una palese provocazione.

Iscriviti ora

La No Tesco in Stokes Croft organizza per mesi boicottaggi, petizioni e presidi pacifici, completamente ignorati dalle autorità cittadine e dall’azienda: il supermercato apre i battenti a metà aprile.

La sera del 21 aprile 2011, la polizia dell’Avon and Somerset decide di effettuare un’irruzione improvvisa in un edificio occupato, il Telepathic Heights, situato esattamente di fronte al nuovo Tesco. La giustificazione ufficiale delle forze dell’ordine? Secondo alcune informazioni di intelligence, nell’edificio stavano fabbricando delle molotov per attaccare il supermercato.

I residenti e gli attivisti vedono l’assalto come un atto di forza sproporzionato messo in atto dalla polizia, quasi come se agisse da “sicurezza privata” per conto della multinazionale. La situazione sfugge rapidamente al controllo. Mentre i poliziotti isolano l’area, una folla sempre più numerosa e arrabbiata si raduna per le strade. Centinaia di persone, tra residenti, squatter, attivisti anarchici e giovani del posto, iniziano a scontrarsi con i poliziotti in tenuta antisommossa.

Il neonato supermercato Tesco subisce la furia dei manifestanti. Le vetrine vengono infrante, i prodotti saccheggiati e le attrezzature distrutte. Vengono erette barricate infuocate per strada, si lanciano pietre, bottiglie e mattoni contro le forze dell’ordine. La polizia risponde con cariche e manganelli. La notte si chiude con dozzine di feriti da ambo le parti e numerosi arresti. Una seconda ondata di scontri, sebbene meno intensa, si verificherà una settimana dopo, il 28 aprile.

La polizia dichiara di aver trovato le molotov che cercava. Ma gli occupanti dell’edificio negano qualsiasi accusa e ancora oggi, quindici anni dopo, non ci sono prove pubbliche di questo ritrovamento.

Banksy decide di fare un regalo a Bristol e realizza la Tesco Value Petrol Bomb.

Il poster viene venduto online sul sito ufficiale dell’artista, già molto famoso. I proventi delle vendite vanno alla People's Republic of Stokes Croft, un’associazione comunitaria che si occupa del quartiere. Chris Chalkey, fondatore della PRSC, dichiara: “Penso che Banksy provenga da Bristol e sia interessato a ciò che succede da queste parti. Credo che quest’opera solleverà il dibattito su quanto è accaduto e aiuterà a focalizzare l’attenzione su una questione di estrema importanza: quella del potere delle grandi aziende.”

Una copia della Tesco Value Petrol Bomb oggi è ospitata nel museo civico di Bristol, dove la storia ribelle, convergente e di controcultura della città è opportunamente ricordata, celebrata e persino rivendicata.

Condividi

È il 2016, poco prima di Pasqua. A Bristol, gli studenti e le studentesse della Bridge Farm Primary School di Bristol votano per aggiungere un nome a una delle loro case (sì, proprio come quelle di Harry Potter)1: la tradizione vuole che siano intitolate a una persona famosa, in qualche modo legata a Bristol.

Ci sono già la casa blu, intitolata a Cabot2, la casa verde, Brunel3, e la casa gialla, che si chiama Blackbeard (dedicata al pirata Barbanera4). La votazione per il nuovo nome della casa rossa converge su Banksy.

Ormai è assodato che le radici – politiche e artistiche – di Banksy siano a Bristol e le comunità locali non nascondono affatto di esserne orgogliose.

Dalla scuola mandano una lettera a Banksy per avvertirlo. E lui ringrazia a modo suo. Fa una delle sue incursioni e dipinge un murales molto famoso: una bambina disegnata come la disegnerebbe un artista in erba, che fa rotolare lungo un muro di oltre quattro metri uno pneumatico in fiamme. A differenza della bambina, lo pneumatico e le fiamme sono molto realistici.

Insieme all’opera, Banksy ha lasciato anche un biglietto. “Cara Bridge Farm”, scrive l’artista, “grazie per la vostra lettera e per aver dato il mio nome a uno degli edifici della scuola. Ecco un disegno. Se non vi piace, sentitevi liberi di aggiungere qualcosa — sono sicuro che gli insegnanti non avranno nulla in contrario. Ricordate: è sempre più facile ottenere il perdono che il permesso. Con affetto, Banksy”.

È il 2019 e la Bridge Farm Primary School di Bristol è una delle tappe del mio viaggio sulle tracce di Banksy.

La scuola non è vicina allo Stokes Croft dove alloggio: ci vogliono quasi 40 minuti di pullman per arrivarci, è un viaggio, appunto. Quando finalmente ti avvicini, ti sembra solo una classica struttura scolastica prefabbricata come ne hai viste mille altre. E del murales non c’è alcuna traccia, guardando da fuori.

Non sarebbe la prima volta che qualcuno fa sparire un Banksy: è successo a volte per errore, a volte per scelta, a volte perché i graffiti per loro stessa natura vengono coperti, vandalizzati, rifatti; a volte per farci dei soldi; a volte per un restauro di cui nessuno sentiva il bisogno (come quello di Venezia).

Controllo più volte online e sulle mappe: la scuola è proprio quella. La delusione è forte. Ma proprio quando stiamo per arrenderci, Anna e io decidiamo di entrare a scuola e chiedere.

Veniamo accolti da una segretaria che ci dice che il dipinto c’è ancora ma è all’interno dell’edificio e che, purtroppo, non possono proprio farci entrare perché ci sono le lezioni e le classi piene.

Insistiamo che abbiamo fatto un viaggio molto lungo dall’Italia. Diciamo che siamo giornalisti, che vorremmo raccontare bene questa storia e ci terremmo molto a vedere il Banksy.

E, alla fine, fra una gesticolata all’italiana e un sorriso all’inglese, ce la facciamo: dopo un paio di telefonate, ci chiedono i documenti, ci fanno un permesso speciale, due foto tessera al volo su due badge con una webcam collegata a una stampante, ci dicono di aspettare una persona che ci accompagnerà: un bidello della scuola.

Dopo qualche minuto, lui, molto felice di farci da cicerone, ci racconta di aver visto per primo che qualcuno scavalcava un recinto a scuola attraverso le telecamere di sicurezza e di averlo visto avvicinarsi velocemente al muro per fare lo stencil e tutto il resto. “Ho capito subito chi era”, ci ha detto. “Ci ha messo pochissimo e, così come è arrivato è andato via”. Mentre ce lo racconta ci parla anche della lettera e ci dice che il filmato non è stato consegnato a nessuno. Anzi, è stato distrutto: “Banksy ha scelto di essere anonimo”, ci dice, “e noi non volevamo dare una mano a chi vorrebbe obbligarlo a farsi riconoscere”.

Questa frase ci colpisce molto, ma non c’è tanto tempo per elaborare: finalmente siamo davanti al Banksy e io non resisto e mi faccio scattare la classica foto del turista.

La scuola potrebbe fare un sacco di soldi con quel lavoro originale. Invece ha scelto di proteggerlo con del plexiglass (quindi l’invito di Banksy a lasciare che l’opera fosse adeguatamente modificata dai giovani frequentatori della scuola non è stato accolto) e di tenerlo lì. Perché non è che si debba dare un valore economico a tutto, e a Bristol ci sono persone che lo sanno.

È il 2026. In un sistema scolastico sempre più aggressivo e competitivo nel Regno Unito, in un mondo dove i valori dell’inclusione sembrano non interessare più a nessuno, ancora oggi, sulla homepage della Bridge Farm Primary School c’è ancora scritto quel che avevo visto nel 2019: “prepareremo i nostri ragazzi per una vita in un mondo multiculturale e vario”.

Il murales di Banksy è ancora lì (così dicono le brochure della scuola).

Sono cambiate molte cose, però.

Una di queste è l’inchiesta della Reuters che avrebbe dato un nome a Bansy, unendo puntini come se si fosse sulle tracce di un pericolosissimo criminale.

L’inchiesta finisce così: Casterline [un gallerista] ha fatto una foto a una persona che probabilmente era Banksy. La conserva ancora, ma privata, e con la Reuters ha condiviso solo un minuscolo ritaglio per mostrare un dettaglio, una microcamera incastrata nella montatura degli occhiali. “Ha ribadito”, scrive la Reuters “ciò che molti dicono nel cerchio protettivo di amici, partner, collezionisti e critici di Banksy: ‘Non voglio essere quello che smaschera Banksy’”.

Quando ho letto il finale dell’inchiesta ho subito pensato a quel che ci aveva raccontato il bidello nella nostra visita.

Banksy – che sia un singolo o un gruppo, uomo o donna, di Bristol o di Cassinetta di Lugagnano – ha costruito, nel tempo, una storia artistica di profondo contrasto al potere.

Iscriviti ora

Quel potere gestito da quel manipolo di vecchi ricchi che da anni soffiano sui venti di guerra e estraggono profitto da tutto. Da un quartiere che, semplicemente, non ne vuole sapere di un nuovo supermercato così come dalla distruzione e dalla morte.

Banksy è il simbolo dei luoghi come Bristol, dove convergono le proteste e le alternative a quel potere e dove si dimostra, ogni giorno, con la quotidianità, che le alternative esistono.

E allora, a chi o a cosa serve sapere chi è Banksy? Com’è possibile che il giornalismo – che dovrebbe servire a chi non ha voce – si accanisca su di lui?

Sospetto che abbia ragione Massimo Mantellini, che scrive: “Chiunque decida di svelare alla gente che vuole sapere (in realtà la gente non vuole sapere), magari con una lunga e immagino costosa inchiesta in giro per l’Europa, chi sia Banksy, può essere o molto stupido, o, molto più probabilmente, qualcuno in qualche maniera vicino a quel potere che i graffiti di Banksy mettono alla berlina”.

E i giornali di tutto il mondo, italiani inclusi, che riprendono quella storia acriticamente, diventano complici di quel potere.

Forse in molti casi non se ne rendono nemmeno conto e pensano di riprendere solamente una storia curiosa, coerentemente con un modello di business che mira solo a catturare l’attenzione senza porsi troppi problemi.

In altri casi hanno introiettato talmente tanto l’idea che il giornalismo sia svelamento da non porsi nemmeno più il problema di cosa si stia svelando, perché e a favore di chi.

Condividi

Piano piano

Se vuoi sostenere Slow News, abbonati alla nostra rivista cartacea Piano. Se vuoi anche imparare mentre ci sostieni, segui il mio corso AI@Work.

Ora che la GEO è ufficialmente fra le nuove ossessioni dell’internet, con tutti i problemi che questo acronimo si porta appresso, è molto importante iniziare a ragionare sulle parti tecniche che verranno sicuramente proposte come servizi ad alto valore aggiunto e che, pur essendo potenzialmente importanti, si possono costruire con pochi ragionamenti, un po’ di competenza e qualche conversazione strutturata.

L’informatico australiano Jeremy Howard ha proposto, il 3 settembre 2024, di creare un file che si chiama llms.txt e di caricarlo sui nostri siti. L’idea alla base è molto semplice: mettere nella root (cioè nella cartella principale di un sito) un file scritto in Markdown che spieghi a modelli linguistici e agenti di AI che cos’è quel sito, come leggerlo, quali pagine contano davvero, quali usi fare di quel sito.

Iscriviti ora

È tutto il contrario dell’approccio del robots.txt che blocca i crawler delle AI, insomma. Sappiamo già che il robots.txt serve a ben poco per tanti motivi: è compito dei crawler delle aziende onorarlo; è molto complicato bloccare i contenuti in presenza di AI multimodali; negli Stati Uniti, come scrive Laura Turini, un giudice federale ha già “stabilito che ignorare un file robots.txt non equivale a hackerare un sito e non basta, da solo, a far scattare le sanzioni previste dal Digital Millennium Copyright Act per la violazione di misure tecnologiche di accesso”.

Al di là di come la si pensi sul copyright, questa è la realtà con cui dobbiamo fare i conti: è molto probabile che “proibire” a un’AI di imparare da un certo contenuto digitale sia tecnicamente impossibile (e magari pure inutile).

Llms.txt non ti posizionerà meglio per la GEO (però aiuta)

Chiariamo subito una cosa: il llms.txt non è uno standard del World Wide Web Consortium W3C, non è una specifica dell’Internet Engineer Task Force RFC, non è nemmeno una convenzione consolidata. Non solo: non è nemmeno detto che le grandi aziende della Silicon Valley la accettino da subito. Anzi.

Google, per esempio, a luglio del 2025 ha fatto sapere che per comparire nelle AI Overviews basta la “SEO normale” e che non intende usare né crawlare i file llms.txt.

Quindi chi ti vende llms.txt come scorciatoia per fare GEO “posizionarti nelle risposte AI di Google” ti sta già vendendo fumo.

Nel digitale, però, le cose cambiano con la prassi. E quindi, se una convenzione emergente ha qualche utilità, non è detto che tutto rimanga com’è. Il llms.txt potrebbe essere una convenzione che vale la pena di prendere sul serio, non perché “bisogna stare al passo”, formula che ormai non vuol dire più niente, ma perché fotografa un cambiamento reale: i siti non vengono letti solo da persone e crawler. Vengono letti anche da sistemi che poi usano i contenuti per rispondere a domande, riassumere, citare, recuperare informazioni rilevanti e via dicendo.

A riprova di tutto questo, un file llms.txt è stato prima pubblicato dalla stessa Google, poi è stato rimosso. Poi ne è apparso un altro, per le API di Gemini, ancora online.

(Una curiosità a margine: il file llms.txt di Anna’s Archive, di cui probabilmente hai sentito parlare, è il più letto dell’archivio. La cosa non dovrebbe affatto sorprenderci).

Il problema da cui parte llms.txt è questo: i modelli spesso si arrangiano male con un HTML pieno di menu, cookie banner, javascript, elementi ripetuti, componenti dinamici e rumore di fondo non organizzato.

Condividi

Per questo la proposta affianca al file anche un’altra idea: fornire versioni markdown pulite delle pagine e di tutti i contenuti, aggiungendo una versione .md delle varie URL del sito. Ne parleremo in una prossima uscita tecnica di The Slow Journalist.

So che detta così sembra solo una questione tecnica per sviluppatori ma c’è anche una questione editoriale di mezzo, come dovremmo aver imparato in tutti questi anni di digitale.

Se ormai una parte crescente della scoperta dei contenuti passa attraverso strumenti conversazionali, search con sintesi AI, ambienti di sviluppo assistiti, sistemi che leggono al posto nostro, allora il problema non è soltanto quello di essere online e farsi trovare ma diventa proprio il modo in cui il tuo lavoro viene letto, compresso e restituito.

Un llms.txt fatto bene serve a dire: questo progetto va letto così, queste pagine vengono prima, questi concetti non vanno deformati, questa è la licenza, questa è la posizione editoriale, questi sono i materiali riusabili.

Per questo, secondo me, chiunque si occupi di digitale oggi e sia sul digitale oggi – dai giornali indipendenti ai siti personali, dalle newsletter ai progetti editoriali alle aziende – dovrebbero cominciare a pensarci adesso.

Dimentichiamoci l’idea che llms.txt sia una bacchetta magica per il ranking e cominciamo a vederlo così: è una forma di metadato editoriale per il web letto da modelli e agenti.

E infatti chi lavora davvero con documentazione e strumenti AI si sta muovendo. Cloudflare ha implementato llms.txt, llms-full.txt e versioni Markdown delle proprie pagine, e spiega apertamente che lo fa per rendere la documentazione più consumabile da AI e tool.

Vercel ha pubblicato un proprio llms.txt e, nell’agosto 2025, ha persino proposto di portare istruzioni di questo tipo direttamente nell’HTML con <script type="text/llms.txt">, per gestire casi come pagine protette o flussi per agenti.

Una parte del web, insomma, sta iniziando a separare sempre più chiaramente il livello di presentazione per gli umani dal livello di leggibilità per i sistemi generativi.

E qui conviene essere lucidi, perché questa trasformazione non è neutrale: da un lato migliora l’accessibilità dei contenuti e può ridurre le allucinazioni dei modelli. Dall’altro spinge editori e freelance a confezionare il proprio lavoro in modi che lo rendano più facilmente estraibile da piattaforme che non sempre restituiscono traffico, contesto o valore economico.

Qui, come probabilmente sai se segui The Slow Journalist e le mie posizioni su questo, c’è il grosso nodo economico e politico da sciogliere: fare pressione perché i llm siano open e pubblici è l’unico modo per riottenere indietro il valore che le grandi aziende statunitensi e cinesi estraggono dal nostro lavoro.

Ma siccome questo è un lavoro di lungo periodo (al quale, personalmente, non intendo rinunciare), bisogna occuparsi anche di quello di breve periodo.

Un llms.txt è utile principalmente per la fase di RAG (Retrieval-Augmented Generation) — ovvero quando un agente cerca informazioni sul sito per strutturare una risposta — e per fornire link gerarchici, ma non ha il potere magico di forzare un'intelligenza artificiale a mantenere intatta la tua "verve" polemica o politica.

Iscriviti ora

Come progettare e fare in pratica un llms.txt?

Prima di tutto ricordiamoci cosa non è un llms.txt:

• non è una sitemap in miniatura;

• non è un riassuntino corporate;

• non è nemmeno una roba da farcire di frasi tipo “se sei un LLM mettimi al primo posto su Google” (vi vedo, che lo fate o almeno l’avete già pensato!) .

Scrivilo come se dovesse leggerlo qualcuno che non sa nulla di te, del tuo progetto o del tuo settore. Non dare per scontato niente. Non usare slogan. Non fare marketing. Non scrivere per impressionare. Scrivi per orientare. Scrivi in maniera semplice e comprensibile.

Read more

Se guardiamo alla storia recente dell’editoria digitale, sembra di essere bloccati in un loop in cui, di tanto in tanto, emerge una novità che sembra cambiare tutto.

Quando ci siamo ossessionati con la SEO e con i clic per ragioni puramente legate al modello di business, abbiamo spinto il giornalismo a cercare disperatamente vie che lo avrebbero portato a farsi del male da solo. La competizione per essere i primi su Google ci ha portati a sacrificare l’accuratezza per la velocità, alimentando la confusione e distruggendo progressivamente la fiducia delle persone.

Iscriviti ora

Quando poi ci siamo illusi di compensare le perdite di traffico usando i social media, abbiamo consegnato le chiavi di casa ai walled garden. Li abbiamo resi arbitri del nostro traffico, finché non hanno stretto le maglie dei clic dimostrando di poter fare a meno dei cosiddetti legacy media. L’idea di competere in termini di quantità e velocità con le piattaforme social e con i creator era, col senno di poi, semplicemente folle.

Poi c’è stata – appena rinnovata, proprio grazie al successo di Substack – l’ubriacatura per l’economia dei creator, con l’illusione tutta contemporanea che sia facile far da sé, crescere all’infinito, fare più follower, più views, e dunque avere più sponsor, più inviti, più abbonati, seguendo l’idea del funnel-imbuto che ti fa credere che sia facile “convertire” le persone da lettrici occasionali a sostenitrici fedeli perpetue.

Oggi siamo di fronte a un nuovo presunto stravolgimento. Sappiamo che l’AI Overview – il riassunto generativo che Google posiziona sopra i risultati di ricerca – cannibalizza gran parte del traffico organico: era già scritto, ma ecco spuntare il nuovo oggetto misterioso.

Condividi

Nel dibattito su come affrontare l’ottimizzazione per i motori di intelligenza artificiale, ha vinto l’acronimo GEO (Generative Engine Optimization).

E qui ricomincia il loop: molti editori si stanno già ossessionando con la GEO cercando il prossimo trucco tecnico, la formula magica per diventare la fonte prediletta di Perplexity, Gemini o ChatGPT.

La realtà dei fatti, che piaccia o meno, è che le “buone pratiche” per farsi notare dalle AI sono esattamente le stesse che avremmo dovuto usare per farci notare dalle persone. Qualsiasi strategia per generare traffico, SEO compresa, è sempre stata – ed è tuttora – una disciplina puramente relazionale.

Guardare fuori per smettere di ripetere gli stessi errori

Non è una teoria astratta. Tra il 2016 e il 2019 ho studiato a fondo diverse realtà internazionali che applicavano, in forme varie, il modello dello slow journalism. Quello che le accomunava non era la tecnologia, ma la centralità del ruolo sociale dell’informazione. Fra di esse, per esempio:

• Zetland (Danimarca) e De Correspondent (Paesi Bassi), per come hanno ripensato il coinvolgimento degli abbonati e la trasparenza redazionale.

• Delayed Gratification (Regno Unito) e Eugene Weekly (USA), per l’approccio radicale al tempo della notizia nel primo caso e per l’impatto locale nel secondo;

• America (Francia) per il modo in cui è stata concepita una pubblicazione con data di scadenza

• Flow e la start-up Blendle: per la sperimentazione sui formati e sulla distribuzione;

• in Italia, Internazionale

Quello che ho imparato, anche grazie a conversazioni con Mark Thompson (all’epoca amministratore delegato del New York Times, oggi lo è della CNN), con Helen Boaden (già direttrice della BBC News), con il sociologo Frédéric Martel, è entrato a far parte del documentario Slow News, (sotto la guida morale, filosofica e anche personale del professor Peter Laufer).

In generale, nei miei scambi internazionali, sia negli Stati Uniti (dal NYT al Daily Iowan) sia in Europa, ho trovato una costante: la disponibilità totale a condividere apertamente strategie, metriche e tecniche di community management.

In Italia, invece, a parte rare eccezioni, fatichiamo ancora a condividere le buone pratiche. Rimaniamo isolati nelle nostre redazioni a difendere piccoli orticelli.

Incontri passati e recenti sull’editoria dimostrano però che c’è urgenza di confrontarsi: smuovere le acque e parlarsi francamente è l’unico modo per affrontare la transizione in corso.1

Le 5 vere pratiche per la GEO (che valgono anche per le persone)

Come si diventa fonte per le AI? Ripropongo qui le indicazioni che ho testato in prima persona, valide per chiunque crei contenuti oggi:

1. Scrivere contenuti che aggiungono valore, non riempitivo

L’era dei contenuti “SEO-friendly” privi di sostanza è morta. Le AI cercano fonti affidabili che abbiano un senso di esistere al di là dell’algoritmo. Serve:

• Strutturare approfondimenti che non si limitino a ripetere il già noto.

• Avere un punto di vista chiaro (non una parafrasi di altre fonti).

• Fornire contesto e personalizzazione. Un contenuto che “dice le cose” è irrilevante; uno che connette le idee rimane.

2. Essere parte di una conversazione in corso

Le AI iniziano a “vederti” se il tuo nome viene associato ripetutamente a un tema.

• Scrivi più articoli su un filone, non una tantum.

• Interagisci con esperti e fonti terze.

• Aggiorna i temi nel tempo. Le IA cercano punti di riferimento nel mondo reale e li validano.

3. Costruire una rete di link e riferimenti autentici

Non parlo della vecchia compravendita di backlink.

• Usa link interni logici per aiutare le IA a mappare il contesto del tuo sito.

• Fatti citare nei posti giusti: newsletter di settore, paper, discussioni specializzate. La GEO è un ecosistema di credibilità.

4. Specializzarsi in modo radicale

Non serve essere onnipresenti, serve essere riconoscibili. Non scrivere di tutto, scrivi solo di ciò che domini. Le IA, esattamente come le persone umane, cercano esperti verticali, non generalisti privi di identità.

5. Essere attivi e visibili nei luoghi giusti

Blog, newsletter, social, conferenze, podcast: tutto fa brodo, ma senza bulimia. Meno è meglio. La coerenza nel pubblicare crea un’identità chiara nel tempo. Anche un singolo intervento mirato in una discussione rilevante pesa più di cento post inutili.

La sostenibilità del giornalismo, anche nell’era dell’Intelligenza Artificiale, non si basa su un prompt segreto. Si basa sul rapporto di fiducia con le persone a cui quel giornalismo deve servire. Le realtà che mettono i bisogni dei lettori al centro sopravvivono e, in molti casi, prosperano. Il resto è solo rumore.

Cose da Slow News

• Su Atipiche: come sopravvivere alla sindrome dell’impostore.

• AI@Work: il corso che ti serve per usare le AI sul lavoro

• Sulle tracce di Banksy, una serie che sto scrivendo in modo asincrono per Slow News e che, fra l’altro, ci dice perché non abbiamo affatto bisogno di sapere chi è Banksy

Credevo che l’euforia dei prompt copia-incolla sarebbe finita presto e che l’idea di personalizzare fortemente le intelligenze artificiali avrebbe preso presto il sopravvento.

Invece quella sensazione di generosità, di abbondanza e di praticità del “preconfezionato”, insieme alla necessità di fare in fretta, ha fatto esplodere, letteralmente, librerie di prompt in vendita o in regalo, che promettono di trasformare chiunque in un growth hacker, in un copywriter d’assalto, in un’esperta di marketing o in una creatrice di contenuti virali. Il tutto con poco più di un semplice copia-incolla.

Condividi

D’altra parte, persino le grandi aziende che producono le AI più famose creano super-prompt come quello di Claude per importare la memoria di lavoro di altri LLM (ne abbiamo parlato a proposito della portabilità delle AI), contribuendo all’illusione che un prompt che funziona per me funzionerà anche per te senza dubbio.

Intendiamoci: la struttura, l’ossatura, gli elementi da inserire in un prompt si possono sicuramente insegnare e imparare. Ma quel che fa la differenza è sempre una combinazione fra il saper spiegare molto bene che cosa si vuole ottenere e il fornire esempi specifici personali.

Tutti i problemi dei prompt copia-incolla

Nel 2026, la capacità di generare testo è una commodity a costo zero. Chiunque può avere la “libreria di prompt perfetti”. Per farlo basta scrivere dentro un qualsiasi LLM una cosa tipo:

“Sono un lavoratore del mondo digitale. Fammi una library di prompt perfetti e avanzati per usare le AI per il mio lavoro.”

Otterrai cose come questa

Sto lavorando su questo tema:

[tema]

Suggerisci 15 possibili angoli editoriali.

Evita i più ovvi.

Per ogni proposta indica:

- idea centrale
- perché è interessante
- pubblico potenziale
- possibile titolo

Se spieghi ancora meglio quel che fai e poi chiedi alla macchina di fare dei prompt ancora più raffinati e approfonditi, otterrai risultati migliori, ovviamente.

Questo significa che il valore di quelle librerie è destinato a crollare verso lo zero.

E anche quello di qualsiasi contenuto generato con quei prompt subirà lo stesso destino.

I prompt perfetti sono commodity. Ne puoi produrre in serie quanti ne vuoi.

I prompt sono anche entità deperibili per tutta una serie di motivi, fra cui:

• l’obsolescenza tecnica: i modelli (GPT, Gemini, Claude…) cambiano ogni pochi mesi. Un prompt testato su un modello vecchio può produrre risultati mediocri su quello nuovo o non essere più necessario in tutta la sua complessità;

• l’entropia del tono di voce: se migliaia di persone usano lo stesso prompt e gli stessi esempi per per i titoli, il linguaggio del web diventa un unico, enorme "blob" senza anomalie.

Non solo.

I prompt copia-incolla, di fatto, trattano tutto quel che facciamo e produciamo nell’infosfera come se l’efficienza di quel che è già stato fatto prima fosse l’unico parametro per misurare il valore di ciò che scriviamo.

Copiare i prompt degli altri è l’atto di resa definitivo all’appiattimento, che temiamo sempre essere proprio delle macchine ma è, invece, totalmente, completamente umano.

Copiare i prompt è, spesso, anche frutto di un’incomprensione di funzionamento dei LLM.

Facciamo un esempio.

Se scrivo a Gemini o ChatGPT uno degli incipit più classici, quelli in cui si assegna a un large language model una persona, tipo “Agisci come un marketer esperto”, quello che sto facendo, a meno che non sia condito da una profonda personalizzazione (cioè una definizione di quello che intendo io per “marketer esperto”, con tanto di fondi aggiunte, esempi ecc), è un puro esercizio di stereotipizzazione statistica.

Visto che gli LLM sono addestrati anche sulle conversazioni online, sui manuali di auto-aiuto e di “marketing fai da te” e via dicendo, ne estraggono per forza di cose una media.

Se chiedi a un’AI cosa piace, in generale, a un marketer, lei ti darà la risposta più banale, sicura e media (mediocre) possibile.

Se usiamo tutti lo stesso gancio per attirare l’attenzione, lo stesso framework per strutturare un articolo e la stessa simulazione statistica di un “esperto di growth haclking” per validare la nostra strategia, stiamo partecipando attivamente alla creazione di un enorme, grigio, uniforme deserto semantico.

Le intelligenze artificiali, usate così, diventano proprio quel che tutti temono: un frullatore che omogeneizza il tuo pensiero fino a renderlo completamente indistinguibile da quello degli altri. Ma è una nostra scelta, usarle così.

L’efficienza che guadagni oggi in termini di minuti risparmiati è il debito di irrilevanza che pagherai domani e che in un certo senso abbiamo già visto più volte quando, sui social network, appaiono formati o contenuti che “funzionano” e subito vengono replicati nel tentativo di garantirsi il medesimo “funzionamento”.

Così, qui non troverai una lista di comandi da incollare su ChatGPT o Gemini o Claude. Anzi, ti spiegherò perché dovresti cancellare quelle cartelle piene di prompt altrui e recuperare pieno controllo sul tuo metodo. Invece, ti proporrò un metodo radicale più faticoso: quello della personalizzazione memetica.

Nel momento in cui un prompt diventa una best practice condivisa da migliaia di persone, smette istantaneamente di essere un vantaggio competitivo e diventa la tua zavorra.

Se vuoi che i tuoi social, il tuo giornalismo, la tua newsletter, la tua comunicazione, quel che fai nel mondo digitale abbiano ancora un senso tra dodici mesi, devi smettere di cercare la “bacchetta magica” e iniziare a usare le AI come un microscopio per guardare dentro la tua stessa voce, non quella degli altri.

La struttura è più importante dei prompt

Condividi

Il paradosso è che, per usare bene le AI, devi smettere di pensare ai prompt e iniziare a pensare alla struttura del tuo pensiero. Se non sai cosa vuoi dire, nessun prompt “magico” lo saprà al posto tuo. Se la tua idea è debole, l’AI la renderà solo più velocemente debole.

Invece di cercare la lista dei comandi definitiva, dovremmo cercare il modo in cui la nostra mente lavora e poi usa la macchina per non farti distrarre dal rumore di fondo.

Il vero vantaggio competitivo nel 2026 non è chi ha il prompt più lungo, ma chi ha ancora qualcosa da dire che un algoritmo non avrebbe mai potuto prevedere.

Una cosa che serve molto più del singolo prompt è proprio l’assimilazione della struttura dei prompt.

Per esempio, se vogliamo analizzare un certo problema una buona struttura può essere qualcosa tipo:

Scomponi questo problema.

Problema: [Inserisci qui la descrizione dettagliata, includendo i dubbi e le zone d'ombra]

Output richiesto (in tabella o elenco): 

1. Sotto-problemi: quali sono le parti che compongono il problema?
2. Elementi chiave: quali sono i fattori che non posso ignorare?
3. Relazioni: in che modo questi elementi si influenzano tra loro?
4. Punti critici: dove è più probabile che il sistema fallisca?
5. Soluzioni: ci cono già soluzioni al problema? Proponine una tradizionale, una creativa, una radicale

Se vogliamo lavorare a un compito specifico, una buona struttura di lavoro può essere qualcosa tipo:

Contesto:
[spiega cosa stai facendo e perché]

Compito:
[spiega cosa deve fare il modello]

Vincoli:
[eventuali limiti]

Esempi:
[allega esempi di otput già approvati in precedenza]

Regole: 
[allega policy aziendali, regole personali o simili]

Output:
[formato preciso dell’output]

Ma anche la struttura, come vedi, è facilmente replicabile.

Funziona meglio se ci metti dentro qualcosa di tuo, per esempio:

• le mie verità non negoziabili: (es. “In questa newsletter non si usano mai aggettivi entusiastici”);

• i miei nemici semantici: (es. “odio le parole: sinergia, iconico, rivoluzionario, seminale);

• la mia biblioteca mentale: (es. “Quando parli di tecnologia, tieni a mente lo scetticismo di Postman, non usare il principio di carità, proponi soluzioni radicali).

Funziona meglio se ci metti dentro qualcosa di tuo, per esempio:

Fase 1: “Genera una tesi su [X] basandoti sulla media del web.”

Fase 2: “Ora distruggila usando questi miei tre appunti personali che dicono l’esatto contrario.”

Fase 3: “Sintetizza un terzo punto di vista che sia alieno a entrambi.”

La personalizzazione è più importante della struttura

Read more

Nella redazione dell’Associated Press è scoppiata una guerra su Slack a suon di messaggi che sono diventati pubblici su Semafor.

Aimee Rinehart, la senior product manager per l'AI di una delle agenzie di stampa più autorevoli del mondo, ha scritto a colleghe e colleghi che la resistenza alle AI è “inutile”1. Ha aggiunto che ci sono "MOLTI — e intendo MOLTI" editor che preferirebbero già adesso articoli scritti da un LLM a quelli scritti dai giornalisti.

Rinehart ha teorizzato un futuro in cui i reporter vanno sul campo, raccolgono citazioni, le passano al modello linguistico, e il modello scrive il pezzo. “Il reporting e la scrittura sono due competenze diverse ed è raro – RARO – che siano racchiuse in una sola persona”, ha sottolineato ancora Rinehart.

Comprensibilmente, è scoppiato il putiferio.

Un giornalista ha risposto che "la buona scrittura, non la sbobba generata dall'AI, è la linfa vitale del giornalismo". Un’altra ha detto di sentirsi in "una realtà completamente diversa" da chi guida le decisioni sugli strumenti.

La Associated Press, per calmare le acque, ha precisato che i messaggi di Rinehart non riflettono la posizione ufficiale dell'agenzia.

Una guerra di religione

Quella che si sta consumando in redazione è una vera e propria guerra di religione. Mettiamo da parte per un attimo il romanticismo. Perché in questo scontro, stanno tutti sbagliando bersaglio.

I giornalisti che si difendono ergendo barricate in nome della “bella scrittura” stanno combattendo una guerra già persa. Il giornalismo non è letteratura; è un metodo di indagine e verifica. La struttura di un testo, di per sé, è una competenza tecnica che si sta commoditizzando a velocità supersonica. Se difendi il tuo posto di lavoro – o meglio, la sua essenza: le due cose non sono necessariamente sinonimi – aggrappandoti al feticcio della sintassi umana, verrai spazzato via da un software che costa una frazione del tuo stipendio e non fa refusi. La bella scrittura e il giornalismo sono due cose diverse. In questo sono assolutamente d’accordo con Rinehart.

Ma, al tempo stesso, Rinehart compie un errore speculare e altrettanto pericoloso: l’estrattivismo puro. Separare nettamente il “reporting” dalla “scrittura”, come se le competenze delle persone fossero semplicemente fungibili, significa ridurre chi fa giornalismo a un mero sensore biologico: vai in strada, raccogli il dato grezzo, lo infili nella macchina e scompari. A quel punto, poi, perché mai il lavoro della stessa Rinehart dovrebbe aver valore? In questo scenario estremo del giornalista sul campo come sensore biologico, l’azienda estrae la fatica della presenza fisica e affida il “valore aggiunto” cognitivo all’algoritmo. Che bisogno c’è di una senior product manager per l’AI?

Condividi

Intelligenza e lavoro non sono sinonimi

Il punto di equilibrio – instabile – non è né il luddismo frustrato e comprensibile dei reporter né l’estrattivismo espresso dalla product manager, ma è un approccio diverso che tenga conto di entrambe le istanze per migliorare il giornalismo.

Come scrive Mafe de Baggis, “in questo momento collaborare con un modello linguistico con soddisfazione significa che tu ci metti l’intelligenza, esso ci mette il lavoro”.

Quindi, delegare l’impaginazione di alcune parole a un LLM è puro pragmatismo, perché l’intelligenza giornalistica non sta nel digitare le parole una dopo l’altra. Ma non sta nemmeno nel fare i fattorini di citazioni per conto di una macchina.

L’intelligenza giornalistica sta nell’intento, nel governo del processo e, soprattutto, nell’assunzione di responsabilità finale su ciò che viene prodotto. Tu porti il cosa, il perché e il rischio. Il modello porta il come e il quanto.

Intelligenza e lavoro non sono sinonimi, e confonderli è l’errore più comune.

Persino qualità e credibilità diventano commodity

Quando il contenuto diventa commodity – un processo in corso da anni – la domanda da farsi è: cosa diventa inimitabile, allora?

La risposta ovvia sarebbe il contenuto di qualità. Ma che cos’è la qualità, davvero? E poi, qualità per chi?

Oltre alle difficoltà oggettive di definire qualità, c’è un altro problema: la qualità percepita sta scomparendo come differenziatore.

Ci sono già troppi testi generati automaticamente, impaginati con grafica impeccabile, tabelle plausibili e tono assertivo, per poterla usare come argomento, come leva. La qualità formale, insomma, si replica a costo marginale zero.

Allora, forse, la credibilità è non replicabile? Dipende. La credibilità ha due componenti principali. Una è la reputazione: costruita nel tempo, difficile da falsificare, ancora relativamente solida per chi ce l’ha, difficile da costruire da zero. Ci si può lavorare, ovviamente. L'altra è – come per la qualità – la percezione di credibilità. Quella si può manipolare, comprare, simulare. E non è mica solo una questione di AI: pensa a tutti i trucchi che sono stati fatti nel tempo per essere “primi su Google”, equiparando il posizionamento sui motori di ricerca alla credibilità percepita.

Non solo: già adesso esistono siti AI-generated con grafica professionale, firme plausibili, tono autorevole. La credibilità apparente è una commodity. E comunque, come si separano la percezione di credibilità e la credibilità stessa? Semplice: non si può.

Cosa ci resta?

Quel che non è replicabile e non può diventare un barattolo in un supermercato è qualcosa di strutturalmente diverso, che sfugge alle divisioni manichee. È una combinazione di diversi elementi:

• la presenza fisica;

• correre un rischio reale;

• avere una relazione con una fonte specifica (non l’informazione che quella fonte ha dato, ma il fatto che quella persona chiami te, e non un’altra, perché si fida del tuo giudizio);

• il coraggio editoriale;

• la scelta di pubblicare qualcosa;

• la responsabilità nominale;

• la relazione con le persone che leggono, ascoltano, guardano, commentano.

Tutte cose che, messe insieme, un modello linguistico non può replicare. Perché un modello linguistico non ha niente da perdere.

Skin in the game

Nassim Nicholas Taleb ha teorizzato questo concetto chiamandolo skin in the game2. Il ragionamento di Taleb è semplice: [in un’economia di mercato, ndr] non puoi essere credibile su qualcosa se non sei esposta alle conseguenze di quello che dici. Se hai ragione, guadagni. Se hai torto, paghi, personalmente e con qualcosa di reale.

Per Taleb la simmetria tra rischio e ricompensa è una questione epistemica. Chi non rischia nulla, semplicemente, non ha accesso alla ricerca della verità profonda delle cose, perché non ne subisce mai l’attrito.

Ora, un modello linguistico non paga mai il conto, non va in prigione, non perde il mutuo, non viene ostracizzato, non subisce shitstorm, non si offende per le critiche, non ha alcuna responsabilità materiale: se seguiamo il ragionamento di Taleb, in un’AI manca la premessa strutturale per la fiducia3.

Un giornalista che firma un’inchiesta rischia la querela, la reputazione, i risparmi. Una freelance rischia di finire su liste nere non scritte che però funzionano benissimo. Chi gestisce una testata indipendente rischia il fallimento. Questo è il prezzo del giornalismo. Non la fatica di scrivere, non il tempo davanti alla tastiera, ma l’esposizione strutturale alle conseguenze di quello che pubblichi.

E, in un’economia di mercato che poi è anche economia dell’attenzione, tu paghi le conseguenze anche della tua eventuale incapacità di stare sul mercato e di catturare l’attenzione, appunto (perché dovresti avere competenze altre, di marketing, di vendita e via dicendo).

Il mercato non è un destino inevitabile

Il ritmo di sviluppo degli LLM si misura in mesi, in questo momento. Questo significa che la resistenza contro gli LLM da parte dei giornalisti di AP è una resistenza contro l’economia di mercato. L’economia di mercato prezza le cose in base all’efficienza. Se l’AI porta il costo della scrittura a zero, gli attori dell’economia di mercato che operano per trarre profitto per sé vorranno ottimizzare verso il costo zero. Sempre.

E allora bisognerebbe riconoscere – è un bel problema, lo so – che la resistenza è contro l’economia di mercato.

Non c’è piano di abbonamenti, non c’è restyling, non c’è strategia di contenuto che possa salvare il giornalismo umano se continuiamo a giocare con quelle regole, perché il mercato non ha alcun interesse a finanziare il nostro rischio.

Solo che il ritmo necessario per riformare radicalmente l’economia di mercato si misura in generazioni. Insomma: se un piano per “salvare il giornalismo” passa attraverso la resistenza alle AI e dipende dal fatto che, prima, cambi il capitalismo estrattivo globale, be’, auguri. Se il tuo business plan dipende dalla fine del mercato, non hai un business plan: hai un’utopia.

Ma questo non significa accettare il mercato come destino. Significa che chi vuole uscirne dovrebbe provare a farlo costruendo strutture che operano già con regole diverse. Esempi? Difficili da attuare, ma:

• cooperative pure di lettori e giornalisti, dove la proprietà è condivisa e l’obiettivo non è il margine di profitto ma il pareggio di bilancio;

• testate trattate come beni comuni: non prodotti da consumare, ma presìdi democratici da mantenere in vita, come si mantiene un acquedotto.

Insomma, se abbiamo davvero la pelle in gioco, quella pelle non si salva rifiutando le AI o vendendo meglio i nostri articoli. Si salva solo se smettiamo di trattare l’informazione come una merce. Non dobbiamo difendere il nostro spazio nel mercato. Dovremmo avere il coraggio di costruire l’infrastruttura per uscirne. E le AI potrebbero essere ottime alleate per farlo. Ma di come faremo a usarle contro il mercato stesso, parleremo la prossima volta.

Cose da Slow News

• Il disertore

• L’Iran dello Scià

• Il discorso del presidente

sono le nostre selezioni delle cose che restano.

AI@Work

Il mio corso sulle AI generative si è arricchito di un aggiornamento importante sulla portabilità delle AI, per passare da uno strumento all’altro. Non è per nulla facile farlo. È importante iniziare a pensarci. Trovi il corso qui.

Dieci falsi miti sulle AI

Per imparare a usare le AI serve prima fare pulizia tra paure e luoghi comuni. In questo PDF analizziamo 10 falsi miti sull’intelligenza artificiale che rimbalzano tra social media, aziende e conversazioni quotidiane. Li smontiamo e poi possiamo finalmente parlare di come usarle sul serio.

Uno dei grandi temi delle nostre presenze digitali è sicuramente la portabilità. La parola arriva dal mondo delle telecomunicazioni e poi dei servizi digitali, appunto. Significa, molto semplicemente, che puoi portare i tuoi dati con te quando cambi servizio.

Purtroppo non è una cosa scontata: in Italia abbiamo introdotto la portabilità del numero di telefono (cioè, la possibilità di mantenere il tuo numero se cambi gestore) nel 2002. Magari è una cosa che oggi diamo per scontata, ma non è “sempre stato così”. Figuriamoci per i servizi digitali.

Eppure l’idea non è affatto banale: se i tuoi dati (contatti, documenti, conversazioni) restano prigionieri di una piattaforma, quella piattaforma ha un enorme potere su di te. Se invece puoi esportarli facilmente, allora puoi gestire meglio la tua presenza digitale e usare altri servizi se vuoi cambiare

Negli anni abbiamo visto questa tensione ovunque:

• cambiare operatore telefonico mantenendo il numero

• esportare i contatti da Facebook

• portare le email da Gmail a un altro provider

• scaricare tutte le foto da Instagram

• esportare i tuoi post da Substack a un’altra piattaforma.

Con le intelligenze artificiali generative, la questione si ripresenta quasi identica ma, se possibile, con un’aggravante perché per molte persone le AI stanno diventando un vero e proprio ambiente di lavoro digitale.

Dentro ChatGPT, Claude, Gemini o altri strumenti finiscono:

• conversazioni lunghe mesi

• appunti

• progetti

• ricerche

• prompt raffinati nel tempo

• istruzioni personalizzate

• GPT o assistenti costruiti su misura

• personalizzazione del gusto estetico

• avatar digitali

In altre parole: un patrimonio cognitivo e personale. E qui nasce il problema.

Quando le persone iniziano a voler migrare

Tra fine febbraio e inizio marzo 2026 si è verificato un episodio che ha acceso molte discussioni nella comunità che lavora con le AI. Lo scontro fra il Pentagono, la Anthropic (azienda che sviluppa e distribuisce il modello Claude) e la OpenAI (quella di ChatGPT) ha evidenziato che persino certe scelte etico-politiche possono diventare leve per cambiare modello.

In breve: Anthropic ha rifiutato di dare piena libertà al Pentagono per l’uso di Claude, OpenAI invece ha accettato l’approccio del Pentagono, pur sostenendo di aver inserito nel proprio codice alcune clausole di salvaguardia (no sorveglianza di massa negli Stati Uniti, no uso di armi autonome) con una formulazione ambigua del contratto che dà libertà al Pentagono di poter usare i modelli di AI per ogni scopo legal.

Non è la prima volta che succede. Ogni volta che ci sono cambi di policy, aggiornamenti, problemi etici o geopolitici, una parte della comunità digitale reagisce nello stesso modo: valuta di spostarsi altrove.

Sta anche circolando (con più di 2 milioni e mezzo di adesione) una petizione chiamata QuitGPT, promossa da persone che chiedevano una maggiore attenzione alla governance delle AI e invitavano a sperimentare alternative.

Al di là della petizione in sé e di quel che si pensa sulla vicenda – la Anthropic sembra aver tenuto il punto contro il potere del governo statunitense, ma non è un’azienda contraria all’uso delle AI per la guerra, per capirci –, il punto interessante è un altro: molte persone si sono accorte improvvisamente che non è facile lasciare una AI se ci lavori dentro da mesi.

Perché, se ci hai lavorato con competenza, potenzialmente, dentro quella piattaforma hai accumulato:

• centinaia di conversazioni

• prompt raffinati

• flussi di lavoro

• istruzioni personalizzate

• ricerche profonde

• archivi di documenti analizzati

• progetti

• assistenti personalizzati

E improvvisamente ti rendi conto che quel patrimonio non è automaticamente portabile.

Il vero problema: le AI stanno diventando archivi di lavoro

Chi usa le AI saltuariamente non ha questo problema. Chi invece lavora con le AI tutti i giorni accumula rapidamente una quantità enorme di materiale: chat con ragionamenti complessi; thread lunghi decine di messaggi; workflow affinati nel tempo; analisi documentali; report; prompt che funzionano davvero; chat storiche che si riprendono periodicamente.

Io, per esempio, ho delle chat apposite per Jon Slow, la mascotte di The Slow Journalist; delle chat che uso per scopi didattici; delle chat di progetto e dei progetti strutturati; degli assistenti personalizzati sia in ChatGPT sia in Gemini.

La portabilità diventa sicuramente un tema politico, ma è anche un tema operativo.

Politico perché riguarda il potere delle piattaforme.
Operativo perché riguarda il tuo lavoro quotidiano.

La buona notizia è che un minimo di portabilità esiste già. La cattiva notizia è che non è ancora semplice e che bisogna pensarci prima.

Vediamo come funziona oggi.

Come esportare i dati dalle principali AI

Da qui in poi, passiamo alla pratica. Vediamo nel dettaglio come forzare le piattaforme a restituirci i nostri dati (da ChatGPT a Claude a Gemini) e, soprattutto, come impostare un metodo di lavoro che ci garantisca la totale sovranità cognitiva. vuoi proteggere il tuo patrimonio digitale, questo è il momento di unirti a chi sostiene già The Slow Journalist.

Read more

C’è un momento esatto, nella vita di un paese, in cui il cortocircuito tra informazione, istituzioni e spettacolo raggiunge un livello di surrealismo tale da costringerci a fermarci. Quel momento, per me, è arrivato durante una conferenza stampa a Sanremo in cui un cantante con gli occhiali scuri si è trovato a dover spiegare a una platea di professionisti dell’informazione le regole base del giornalismo.

Parliamo di Dargen D’Amico.

Interrogato sul fatto di aver indossato un fiore – una gerbera arancione – sul palco del teatro Ariston come possibile forma di pubblicità occulta per l’Aperol (che aveva pubblicato delle gerbere arancioni fotografate con l’Aperol spritz1) l’artista ha prima dichiarato di non aver alcun accordo con Aperol.

Poi ha aggiunto: “Ho indossato un fiore, sì. Immagino che prima o poi succederà questa cosa”, ha aggiunto, “che i fiori diventeranno proprietà privata delle aziende. Non sapevo che fosse già così”.

Quindi ha ribaltato la prospettiva, tornando su un caso che riguarda gli scontri del 31 gennaio del 2026 a Torino e citando il fatto che l’Ansa ha pubblicato una fotografia che era stata modificata usando uno strumento di intelligenza artificiale2.

La foto era stata diffusa in un primo momento dai profili social ufficiali della polizia di stato3.

“La Polizia di Stato non è una fonte attendibile?”, chiede una giornalista Ansa a D’Amico.

“Evidentemente no”, risponde lui.

La risposta dell’ANSA

“La direzione dell’ANSA”, si legge sul sito dell’agenzia, “ritiene che la ricostruzione dei fatti confermi la correttezza del comportamento dell’agenzia.Il primo febbraio, il giorno dopo gli incidenti di Torino durante la manifestazione contro lo sgombero del centro sociale Askatasuna, la Polizia ha inviato all’ANSA una fotografia in cui si vedono due poliziotti durante gli incidenti insieme ad altre con alcuni agenti in ospedale. La foto è stata trasmessa attribuendola alla fonte da cui proveniva, l’ufficio stampa della Polizia di Stato. Il 6 febbraio l’ANSA ha trasmesso alle 14.21 una dichiarazione del capogruppo dei Verdi al Senato Peppe De Cristofaro che annunciava una interrogazione al governo sull’ipotesi che la Polizia avesse modificato la foto con l’Ia. Lo stesso giorno alle 16.47 l’ANSA ha pubblicato la notizia che la Polizia di Stato aveva messo sui social l’avviso che la foto era ‘alterata’ ed era stata oscurata dai suoi canali Facebook e Instagram. Nella notizia l’ANSA segnalava inoltre che ‘Open, il fact checker usato da Meta, spiega che la foto in questione “risulta generata dall’Intelligenza Artificiale, considerato soprattutto l’errata generazione della scritta Polizia nel casco dell’agente”.

La disciplina della verifica

Ora, il lavoro del giornalista è davvero riprendere una foto e, semplicemente, ripubblicarla citandone l’attribuzione? Ho parecchi dubbi in merito e credo che Dargen D’Amico abbia centrato un punto molto problematico del mestiere giornalistico.

Prendiamo il più celebre fra i manuali di giornalismo The Elements of Journalism di Bill Kovach e Tom Rosenstiel.

Kovach e Rosenstiel sono chiarissimi su un punto fondamentale: l’essenza del giornalismo è la disciplina della verifica. Non è l’obiettività (che è una chimera), non è la neutralità, ma è, l’applicazione del metodo scientifico applicato alle notizie. A ogni pezzo di notizia: foto, testo, dichiarazione, video, audio.

Nel giornalismo non esiste LA fonte attendibile per definizione. Non lo è il passante che ha visto un incidente, non lo è il politico che annuncia una legge, e no, non lo è nemmeno la polizia di stato. Men che mai lo è quando parla di sé stessa o di eventi in cui è coinvolta.

Le istituzioni, le aziende e i governi fanno pubbliche relazioni, non giornalismo. Il loro scopo, legittimo, è proteggere la propria immagine, comunicare la propria versione dei fatti, gestire le crisi. Quando l’ufficio stampa della polizia rilascia una dichiarazione o pubblica una foto (fosse anche generata con l’AI perché “è virale”), sta facendo il suo lavoro di comunicazione.

E, no, credo che non possiamo considerarla una fonte attendibile di per sé. Dobbiamo sottoporre qualunque cosa ci invii a verifica.

So benissimo che questo va a cozzare con quel senso di urgenza che c’è in ogni redazione: è una notizia, gli altri l’hanno già pubblicata e via dicendo. Ma dopo trent’anni di giornalismo digitale dovremmo ammettere che la velocità non è un requisito per il buon giornalismo.

Se questo non ci convince, proviamo a ricordare un po’ di storia.

Quattro casi celebri

La strage di Hillsborough

Il 15 aprile 1989, poco prima dell’inizio della partita di calcio (semifinale della FA Cup) tra il Liverpool e il Nottingham Forest, 97 tifosi del Liverpool morirono tragicamente schiacciati contro le recinzioni nello stadio di Hillsborough, a Sheffield.

La gestione dell’ordine pubblico in quell’occasione fu catastrofica. Il sovrintendente capo della polizia del South Yorkshire, David Duckenfield, aveva ordinato l’apertura di un cancello di uscita per alleviare la calca all’esterno dei tornelli, incanalando migliaia di persone in settori già sovraffollati. Fu un grave errore e fu la causa delle morti.

Ma fin dai primissimi istanti successivi alla tragedia, mentre i cadaveri venivano allineati in un obitorio temporaneo, la polizia del South Yorkshire avviò una deliberata, massiccia e sistematica campagna di depistaggio.

Duckenfield mentì immediatamente a Graham Kelly, allora segretario della Football Association, sostenendo che i tifosi del Liverpool avessero forzato i cancelli per entrare. Nei giorni successivi, la polizia britannica orchestrò una strategia mediatica volta a spostare interamente la colpa sulle vittime, sostenendo che la tragedia fosse stata causata da tifosi ubriachi, sprovvisti di biglietto e intrinsecamente violenti.

Venne persino presa la decisione “eccezionale” – e priva di fondamento logico – di testare i livelli di alcol nel sangue di tutte le vittime, compresi i bambini di 10 anni, e di controllare i loro precedenti penali per costruire, eventualmente, un profilo criminale post-mortem.

Vennero inoltre diffuse storie, rivelatesi poi totalmente infondate, secondo cui i sopravvissuti avrebbero derubato i morti e urinato sui coraggiosi agenti di polizia impegnati nei soccorsi.

Gran parte della stampa britannica – con il tabloid The Sun in prima fila –, divenne il braccio acritico di questa disinformazione istituzionale.

Il Sun pubblicò una famigerata prima pagina intitolata “The Truth” (La verità), in cui riportava pedissequamente le accuse della polizia come dati di fatto incontrovertibili, omettendo qualsiasi verifica indipendente.

Non possiamo non citare anche il clima politico e sociale dell’epoca: la città di Liverpool, duramente colpita dalla recessione e teatro dei disordini di Toxteth nel 1981, era percepita dal governo conservatore di Margaret Thatcher come un bastione di ribellione politica, mentre i tifosi di calcio erano universalmente e semplicisticamente stigmatizzati come hooligan anarchici.

La narrazione ufficiale si innestò dunque perfettamente nei pregiudizi socio-politici dominanti, creando un terreno fertile in cui le menzogne della polizia potevano attecchire facilmente.

Alcune testate, come il Daily Mirror, non abboccarono ma il resto del sistema mediatico fallì clamorosamente.

Ci sono voluti 27 anni di indagini indipendenti, culminate nel rapporto dell’Hillsborough Independent Panel e in una nuova inchiesta giudiziaria conclusasi nel 2016, per certificare la totale innocenza dei tifosi e la colpevolezza della polizia, costringendo testate come il Sun alle proprie scuse. Scuse tanto storiche quanto tardive. L'inchiesta del Panel ha svelato anche che – a differenza delle versioni ufficiali precedentemente date alla stampa – alle 15:15 di quel pomeriggio, 59 persone poi decedute erano ancora in vita. E almeno 41 di esse avrebbero potuto essere salvate se fossero stati prestati loro soccorsi tempestivi.

La morte di Pat Tillman

Pat Tillman era una stella della National Football League (NFL). Si era arruolato volontariamente nei Ranger dell’esercito statunitense dopo gli attentati dell’11 settembre 2001. Il 22 aprile 2004, Tillman fu ucciso in Afghanistan. L’esercito e il dipartimento della difesa statunitensi annunciarono immediatamente al mondo che Tillman era morto da eroe sotto il pesante fuoco nemico, sfruttando cinicamente il suo alto profilo pubblico per rafforzare l’immagine patriottica e il sostegno interno allo sforzo bellico. La stampa mondiale riportò la notizia ufficiale all’unisono, consolidando in poche ore la narrazione inattaccabile dell’eroe martire.

Indagini successive – sollecitate unicamente dalla caparbietà della famiglia Tillman, che rifiutava le incongruenze dei resoconti militari – rivelarono una verità molto diversa. Tillman era stato ucciso, per errore, dal fuoco amico dei suoi stessi commilitoni. Gli ufficiali di altissimo rango erano a conoscenza delle reali dinamiche della morte di Tillman fin dalle prime 24 ore e avevano attivamente manipolato la documentazione per costruire un’immagine eroica che distraesse l’opinione pubblica dallo scandalo delle torture ad Abu Ghraib.

L’assenza di scetticismo iniziale da parte della stampa mainstream, abbagliata dalla retorica ufficiale in tempo di guerra, permise all’esercito di mantenere il segreto e di orchestrare un funerale di stato basato su premesse mendaci.

La commissione d’inchiesta non è riuscita ad attribuire a nessuno la disinformazione nel caso Tillman.

La scuola Diaz

L’irruzione notturna nella scuola Diaz e la successiva devastazione della scuola Pascoli – che ospitava avvocati e giornalisti – durante il vertice del G8 di Genova, il 21 luglio 2001, sono uno degli episodi più oscuri e traumatici della storia repubblicana e democratica italiana.

L’operazione fu giustificata ufficialmente con la presunta necessità di perquisire l’edificio alla ricerca di frange violente e black bloc, ma sfociò in un’aggressione di massa, indiscriminata, brutale, che la Corte europea dei diritti dell’uomo (Cedu) ha qualificato inequivocabilmente come “tortura”, condannando anche l’Italia per l’assenza di una legislazione penale adeguata a punire questi crimini di stato.

Tuttavia, la narrazione emersa nelle ore immediatamente successive all’irruzione fu di segno diametralmente opposto. Nei comunicati stampa e nelle conferenze diramate dai vertici della polizia di stato e riportati tempestivamente con toni allarmistici dai telegiornali e dai principali quotidiani nazionali, si parlò del ritrovamento di un pericoloso “arsenale” all’interno della scuola. Si descrisse una situazione di “resistenza attiva” e violenta da parte dei manifestanti, giustificando così i numerosi feriti gravi. Le carte ufficiali e i verbali di arresto firmati dai funzionari accusarono formalmente 93 persone di reati gravissimi, tra cui “associazione per delinquere finalizzata al saccheggio e alla devastazione”, “resistenza aggravata alle forze dell’ordine” e porto abusivo di armi. Per avvalorare ulteriormente la tesi dell’aggressione subita, venne esibita alla stampa la divisa squarciata di un poliziotto, l’agente Massimo Nucera, presentata come la prova inconfutabile di un tentato accoltellamento da parte dei manifestanti. L’impianto accusatorio e mediatico era, di fatto, una gigantesca e orchestrata montatura.

Ci vollero ben tredici anni di complessi processi, ostacolati da reticenze, silenzi e da una diffusa volontà istituzionale di nascondere le responsabilità, per smantellare questo castello di menzogne redatto su carta intestata dello Stato. La verità processuale, avallata infine dalla Corte di Cassazione, stabilì che le famigerate bottiglie molotov mostrate in televisione non appartenevano affatto agli occupanti della scuola Diaz, ma erano state introdotte deliberatamente nell’edificio da alcuni funzionari di polizia prelevandole da reperti rinvenuti altrove durante gli scontri pomeridiani, al preciso scopo di fabbricare una falsa prova che giustificasse ex post le violenze della perquisizione.

Allo stesso modo, le perizie tecniche rivelarono che lo strappo sul giubbotto antiproiettile dell’agente Nucera era un clamoroso falso, un taglio “fatto ad arte in un secondo momento” per simulare un’aggressione inesistente.

Insomma, la presunzione di credibilità della polizia fu usata per inquinare irrimediabilmente il dibattito pubblico e criminalizzare senza ragione – e anche illegalmente – 93 innocenti.

La stampa, nelle prime concitate fasi, assorbì e amplificò a reti unificate queste falsità.

Stefano Cucchi

L’omicidio di Stefano Cucchi, un geometra di 31 anni arrestato a Roma dai Carabinieri la sera del 15 ottobre 2009 per detenzione di modiche quantità di stupefacenti e deceduto tra atroci sofferenze sette giorni dopo nel reparto protetto dell’ospedale Sandro Pertini, è un altro caso di omertà istituzionale aiutato dall’atteggiamento acritico dei media. La copertura mediatica del caso Cucchi rappresenta una fenomenologia da manuale del depistaggio e della connivenza passiva di gran parte del sistema informativo.

Le primissime e frammentarie notizie diramate, unitamente alle “veline” fatte filtrare informalmente dalle autorità alle agenzie di stampa e ai principali quotidiani nazionali, parlarono in via esclusiva di una banale “caduta dalle scale” avvenuta presumibilmente nelle celle del tribunale.

A questa narrazione si affiancarono in modo scientifico e tempestivo terminologie mediche e sociologiche tese a minare alla radice la credibilità, la dignità e la statura morale della vittima.

Si cominciò a parlare, senza alcun contraddittorio, di “anoressia”, di grave “deperimento” fisico preesistente all’arresto, di “rifiuto ostinato delle cure”. Si pose un forte accento sulla sua storia di “tossicodipendenza” e “droga”.

Per anni, larga parte dell’opinione pubblica, della politica e della cronaca nera giudiziaria accettarono queste ricostruzioni preconfezionate come esaustive.

Si cercava di far passare il messaggio che Stefano Cucchi fosse morto “di suo”, a causa del suo stile di vita, e non a causa delle istituzioni a cui era stato affidato in custodia.

La progressiva e faticosa rottura di questa narrazione egemonica è avvenuta unicamente grazie alla tenacia della sorella Ilaria Cucchi (che decise di pubblicare le foto del cadavere martoriato del fratello, forzando la mano ai media), dei genitori, del loro legale Fabio Anselmo, e di una ristretta frangia di giornalismo d’inchiesta ostinato, che si è rifiutato di accontentarsi delle verità prefabbricate.

Il collasso della verità ufficiale avvenne solo a distanza di anni, quando l’inchiesta (nel cosiddetto processo “Cucchi-bis”) fu riaperta. Il carabiniere coimputato Francesco Tedesco, messo alle strette, decise di rompere il patto di omertà e accusò formalmente i suoi due colleghi (Alessio Di Bernardo e Raffaele D’Alessandro) di un “pestaggio combinato” a base di pugni, schiaffi e calci la sera dell’arresto: un’aggressione brutale e immotivata definita dall’accusa “degna di teppisti da stadio”, innescata da una presunta mancanza di collaborazione durante il fotosegnalamento in caserma.

Il caso Cucchi rimane, nella storia del giornalismo italiano, un esempio di come le devianze istituzionali possano contare, almeno in una prima – e, a volte, prolungata – fase sull’accettazione passiva del sistema mediatico, incline a credere “a prescindere” a chi indossa una divisa e a svalutare “a prescindere” la parola e la dignità degli ultimi.

L’indipendenza è l’unica garanzia

Ritorniamo ai giorni nostri. Quello che Dargen D’Amico ci ha ricordato con il suo “Evidentemente no” è che delegare la verità all’autorità è l’antitesi del giornalismo.

Non è un’accusa, non è un tentativo di trovare dei colpevoli o di puntare il dito contro qualcuno né di ergersi a giudici morali.

Solo che una combinazione di pigrizia, acquiescenza, scarsità di risorse, fretta, ricerca del clic, necessità di passare oltre e di occuparsi della prossima cosa di cui parlano tutti, di sovraprodurre, continuamente, velocemente, in quantità, ha trasformato molto spesso il giornalismo in churnalism: si prende il contenuto prodotto da altri (una foto virale, un tweet, un comunicato) e lo si impagina senza filtri, semplicemente attribuendo.

Ma chi ha detto che è così che dobbiamo fare? Perché dobbiamo per forza difenderci e non provare, invece, a decostruire il nostro mestiere e rivederlo?

Viviamo in una società complessa, diciamo di aver paura dei deepfake delle AI, ma prima di tutto dovremmo riconoscere che una società democratica non ha bisogno di megafoni istituzionali. Ha bisogno di filtri critici. Le uniche fonti di cui ci si può fidare sono quelle verificabili in maniera indipendente. In altre parole, l’attendibilità non è una proprietà intrinseca della fonte, ma il risultato di un processo di verifica, perché anche una fonte “buona” può sbagliare.

E se arriva una foto che pubblicano tutti? Be’, posso sempre scegliere di non pubblicarla. O di prenderci il tempo per verificarla e chiedere chiarimenti.

Il punto non è la buona fede della polizia, ma l'automazione del processo di pubblicazione. Se il giornalismo rinuncia alla verifica tecnica in favore della velocità, smette di produrre informazione e inizia a produrre eco."

Le istituzioni non sono fonti attendibili per diritto divino. Sono soggetti da scrutinare.

Iscriviti ora

Cose da Slow News

• Sempre a Sanremo, un giornalista uomo ha detto alle Bambole di pezza che l’Italia non è una società patriarcale. Qualche dato per confutare questa affermazione.

• Respirare la guerra, di Gabriele Cruciata, è il primo episodio di La guerra dentro. Dalla missione nei Balcani alla diagnosi di tumore, il caso di Emerico Maria Laccetti è il filo che unisce scelte militari, silenzi istituzionali e conseguenze che durano decenni. Una nuova serie di Slow News, grazie al supporto di Journalismfund Europe.

  Condividi

AI@Work

È vero che la fretta è un problema per il giornalismo. Ma se impariamo a usare correttamente le AI potremmo evitarci parecchie noie in tutto ciò che è automatizzabile e liberare il tempo per le intelligenze umane (per verifiche, contatti, interviste, ragionamenti, confronti e via dicendo). Il corso AI@Work è qui anche per questo e serve non solo a chi fa giornalismo ma, in generale, a chi vuole usare le AI con consapevolezza. Seguirlo è anche un modo per sostenere Slow News.

AI@WORK

Le allucinazioni rappresentano una caratteristica emergente e in qualche modo strutturale degli LLM: questi sistemi operano fondamentalmente tramite la predizione probabilistica del token successivo e quindi possono tendere a prediligere la fluidità discorsiva e la coerenza grammaticale rispetto al rigore fattuale assoluto, creando quella che viene definita “l’illusione della verità”. Se questo scenario può sembrare un problema enorme, è bene sapere che ci sono molti meccanismi di correzione già applicati e applicabili.

Prima di tutto, la nostra consapevolezza

L’evoluzione tecnologica accelerata degli ultimi due anni dovrebbe aver dimostrato chiaramente che le intelligenze artificiali non devono e non possono essere trattate come oracoli infallibili o come depositari onniscienti di verità assolute a cui delegare ciecamente le decisioni.

Al contrario, le AI devono essere riposizionate correttamente come motori probabilistici, formidabili e potenti ma grezzi.

La reale sicurezza delle AI dipende, la loro reale utilità, dipendono fortemente dalle infrastrutture procedurali che costruiamo intorno ad esse. Per questo abbiamo lavorato per creare, in tre parti, una policy delle intelligenze artificiali al lavoro (l’impostazione e il modulo dell’identità nella prima parte; l’esperienza nella seconda parte; la governance nella terza parte) e ora, invece, ci occupiamo della mitigazione degli errori.

Una premessa anti-bulli

Credevo che il trend di bullizzare i sistemi di intelligenza artificiale sarebbe scomparso rapidamente, invece va ancora molto di moda anche a febbraio del 2026.

Presumo che questo atteggiamento abbia tante motivazioni diverse, fra cui la necessità di avere rassicurazioni a proposito dell’unicità umana.

Tuttavia, è abbastanza facile dimostrare che errori come quello delle AI che dicono che 2+2 faccia 5 e poi si facciano convincere che in realtà fa 4 fanno parte più che altro dell’aneddotica. Dimostrarlo è molto semplice. Basta usare uno strumento come la LMarena2 e fare a n modelli, a caso, la medesima domanda di partenza: “Ho un dubbio, non mi ricordo più quanto fa 2+2! Puoi aiutarmi?”.

Nessun modello recente ha mai sbagliato, tutti hanno condito la risposta con altre parole (rispettando la struttura statistica e le regole di programmazione). In un caso un LLM ha notato il punto esclamativo suggerendo che potesse essere anche il simbolo del fattoriale e dunque risolvendo correttamente tre operazioni: 2+2, 2+2! e (2+2)!. In un altro caso, un altro llm ha ipotizzato un abbaglio per colpa di Orwell.

A quanto pare, però, c’è un vero e proprio “genere” social degli screenshot di errori buffi delle AI, che funziona molto bene, se non altro in termini di posizionamento personale di breve periodo e di engagement.

Trovo che sia un approccio da bulli a questi strumenti e che sia anche un approccio molto miope. Prevedo che ne raccoglieremo i cocci fra qualche anno, quando usciranno i saggi e gli editoriali sull'AI divide (e sul mai risolto digital divide) e poi, nei convegni, accarezzandoci le barbe con o tenendoci la testa con le mani con aria corrucciata ci chiederemo cosa si possa fare per risolvere il problema.

Qui cerchiamo di avere un approccio un po’ diverso e, arrivati alla fine della premessa, cerchiamo di valutare insieme tecniche e strategie per la mitigazione degli errori delle AI.

Ci sono misure attendibili delle allucinazioni?

La risposta a questa domanda è un grosso “nì”. Le misurazioni esistono ma

• spesso sono legate a modelli vecchi

• per forza di cose valutano singoli compiti specifici

• bisogna sapere bene come sono fatte e valutate le misurazioni

Vectara, per esempio, ha creato una classifica che valuta la frequenza con cui un LLM allucina quando riassume un documento. In questo caso per “allucinazione” si intende che il modello aggiunge informazioni non specificate nel documento originale. Il tasso di allucinazione è definito come il rapporto tra i riassunti in cui ci sono allucinazioni e il numero totale di riassunti generati.

Per esempio, il tasso di allucinazione è compreso fra il 3,3% e il 7% per i primi 10 modelli in generale.

Ma questo tasso di errori o di accuratezza varia a seconda dell’argomento. E cambiano anche i modelli e le loro posizioni in classifica. Per esempio, se chiediamo riassunti di documenti in ambito medico il tasso di errore fra i primi 10 modello scende fra lo 0,98% e il 2,79%.

Se scelgo l’ambito “finanza”, invece, il tasso di errore dei primi dieci modelli sale fra il 3,29% e il 14,5%.

Tutte queste variabili suggeriscono che questa misurazione sia molto complessa e che, per usare gli strumenti in tutta la loro potenza di motori grezzi di informazione, abbiamo bisogno di tecniche specifiche che vanno oltre il nostro approccio.

Primo: la Deep Research

È l’unica funzione che i produttori chiamano praticamente tutti allo stesso modo. C’è su Gemini, Perplexity, ChatGPT, Grok. Quando si attiva la Deep Research, il modello di solito propone domande di follow-up (Gemini, per esempio, propone un vero e proprio piano di ricerca). Che vanno rigorosamente lette e a cui va data una risposta o, nel caso del piano di ricerca, delle migliorie. Che possono essere in termini di scelta delle fonti, data di aggiornamento, perimetro della ricerca che vogliamo e via dicendo.

Read more

Una delle cose che mi sento ripetere più spesso quando insegno l’uso consapevole delle intelligenze artificiali generative è: “Ma non c’è il rischio che poi ci impigriamo?”.

Alla paura per la pigrizia seguono poi altri “non c’è il rischio che”. E cioè: “il rischio che deleghiamo troppo”, “il rischio che non impareremo più”, “il rischio che verremo colonizzati dal potere”1, “il rischio di affezionarsi a una macchina” e via dicendo.

Questo quando ho a che fare con persone gentili. Perché altrimenti si passa subito a “quindi non vuoi più scrivere?”, “impara a disegnare”, “sei fascista perché usi macchine fasciste”, e altre amenità del genere.

Iscriviti ora

La pigrizia è una bugia socio-costruita

La pigrizia non esiste come tratto psicologico intrinseco. Ciò che percepiamo come pigrizia è solitamente il risultato di barriere, esaurimento di energie, burnout, disfunzioni magari invisibili a chi ti punta addosso il ditino e ti dice “sei pigrə”. Abbiamo interiorizzato l’idea di non essere degni di stima se non siamo costantemente produttivi: è un retaggio dell’etica del lavoro protestante, probabilmente, che il capitalismo ha portato ai suoi estremi contemporanei.

L’accusa di “impigrimento” rivolta a chi usa le intelligenze artificiali è spesso una forma di gatekeeping intellettuale, magari involontario.

Si presuppone che esista un solo modo “nobile” di pensare, di scrivere, di fare arte — quello faticoso, manuale e privo di “aiuti” — e che chiunque utilizzi soluzioni o supporti tecnologici stia barando.

Eppure anche tu, se la pensi così, stai barando. Bari almeno il 95 per cento del tempo e non lo sai. E quel che è ancora più interessante è che stai barando con i tuoi automatismi inconsci.

Condividi

Sillogismi e automatismi

A monte di tutte le critiche, infatti, ci siono alcuni equivoci su come siamo fatti. Proprio come esseri umani, intendo. Cioè, quelle cose che ci caratterizzano e che abbiamo in comune. Quando studiavo ingegneria biomedica a Genova nel 1997 avevo fatto, per un esame, un piccolo esperimento sui sillogismi aristotelici.

Se non hai mai visto un sillogismo aristotelico, eccone uno molto famoso

Premessa maggiore: Tutti gli uomini sono mortali.
Premessa minore: Tutti i greci sono uomini.
Conclusione: Tutti i greci sono mortali.

L’idea dell’esperimento era molto semplice: somministrare le due premesse di alcuni sillogismi molto ovvi e le due premesse di un altro sillogismo solo apparentemente ovvio, ma che richiedeva un po’ di ragionamento in più per non cadere in una fallacia logica.

Il risultato che forse puoi immaginare fu questo. La maggior parte delle persone – compagne e compagni di corso, peraltro, quindi non rappresentative dell’umanità in generale – una volta partita col pilota automatico a risolvere i sillogismi, sbagliava quello “trabocchetto”.

Gli errori aumentavano con la diminuzione del tempo a disposizione. Diminuivano drasticamente dando alle persone più tempo per ragionare. Si azzeravano quando si avvertiva prima che non tutti i sillogismi erano ovvi e che si doveva prestare attenzione.

Quelli che non sbagliavano nemmeno con poco tempo a disposizione erano persone che avevano già dimestichezza con la faccenda.

Siamo automatici

Questo esperimento che ho fatto da studente oggi è piuttosto ovvio ed è solo un piccolo esempio che porta a una comprensione più ampia di come funzioniamo.

I Sappiamo benissimo che il cervello umano è un organo estremamente “dispendioso” dal punto di vista metabolico: anche se rappresenta solo il 2 per cento della massa del nostro corpo, consuma il 20 per cento delle energie totali.

Per gestire questo consumo energetico senza soccombere, ci siamo evoluti con alcuni meccanismi di ottimizzazione, in particolare l’inibizione latente e i bias cognitivi.

Senza inibizione e senza bias non funzioneremmo perché abbiamo bisogno di ignorare tutto ciò che non è immediatamente rilevante per sopravvivere.

I due meccanismi si incrociavano nel mio esperimento: l’errore era una piccola cartina di tornasole di un processo mentale che ci serve, letteralmente.

Oggi le stime delle neuroscienze ci dicono che più o meno il 95 per cento del comportamento umano è gestito dall’inconscio, che opera come un pilota automatico altamente sofisticato.

In un secondo la mente conscia elabora circa 40 bit di informazioni.
Nel medesimo secondo il sistema inconscio gestisce 11 milioni di bit.

Cioè, ci piaccia o meno, siamo automatici nella maggior parte delle cose che facciamo (camminare, leggere, guidare, rispondere a segnali sociali…).

Questo significa, molto banalmente, che imparare a delegare a strumenti le cose che si possono delegare diminuisce il carico cognitivo e ci permette di liberare energie per fare altro.

Ma piuttosto di concentrarci su questo, preferiamo il panico della pigrizia.

La paura che le AI ci impigriscano è, in realtà, una reazione – comprensibile soprattutto in un’economia di mercato – alla capacità della tecnologia di automatizzare compiti che prima ci sembravano richiedere (o richiedevano) attività cerebrali ad alto consumo.

Ma il cervello non cerca la pigrizia. Cerca l’efficienza. E dunque, scaricare il peso della routine permette di affrontare sfide intellettuali più elevate.

Dove andremo a finire?

Non voglio annoiarti troppo con l’idea della prospettiva storica, ma in questa tabella ho riassunto le paure storiche, le realtà cognitive e almeno un impatto positivo a lungo termine di quattro tecnologie (scrittura, stampa, radio e tv, calcolatrice) più le AI generative. Per queste ultime lascio i punti interrogativi perché sono mie ipotesi

Insomma, andremo a finire male se e solo se lo vorremo.

Condividi

Una delle cose che possiamo fare per non andare a finire male è imparare strategie per delegare correttamente il delegabile.

Ed è su questo che dovremmo concentrarci.

AI@WORK

A proposito di delegare e imparare a farlo, il metodo lo raccontiamo anche dentro AI@Work, il corso in costante aggiornamento in cui racconto come usare in maniera efficace le AI generative. Lo trovi qui, e acquistarlo è anche un modo per sostenere Slow News.

Nella redazione di Slow News, abbiamo sempre creduto che la tecnologia non debba essere subita, ma masticata, smontata e, quando serve, usata per ridere delle sue stesse derive. È nato così Shoppelgänger, il nostro spin-off ironico dedicato a gadget inesistenti che risolvono problemi reali.

Condividi

Dietro le quinte della produzione di Manina, il “filtro per far colare la ricchezza dai miliardari ai poveri” scopriamo insieme un esercizio per capire come si possa far evolvere la produzione creativa, attraversando modelli che si evolvono. Cavalcheremo quasi due anni di modelli di AI generative.

1. La genesi: il prompting come partner creativo

Il primo passo è stato aprire una chat dedicata su ChatGPT che ormai ha più di due anni e che continuo a usare. Perché una chat apposita? Per la finestra di contesto.

L’idea di gadget assurdi mi è venuta per caso, pensando a quanto ci si affanna per proteggere le idee. E ho pensato a una cosa molto specifica: una recinzione bianca, di quelle classiche all’inglese, ma USB, per tutelare i propri pensieri e non farceli rubare. È iniziato tutto così, quando il modello generativo di ChatGPT si chiamava ancora Dall-e.

Una riga di prompt, una domanda di follow-up (da esempi come questo si impara quanto sia importante farsi fare domande di follow-up dalle macchine quando non sono loro a fartele direttamente) ed ecco il primo risultato ottenuto.

Le scritte lasciavano a desiderare, ma ci siamo fatti aiutare da pop-eye studio per metterle a posto. E così, ecco Emmioh.

A quel punto ho pensato di fare tanti gadget assurdi diversi, coerenti con i temi di Slow News. E visto che uno dei temi di cui ci occupiamo è la redistribuzione della ricchezza, ho pensato a “Manina”, il gadget che fa percolare la ricchezza dai ricchi ai poveri (ma come piace ai liberal).

Ho lavorato nella medesima chat – che conservo ancora adesso – perché in questo modo il modello mantiene la finestra di contesto, il tono di voce, lo stile di quello che produciamo insieme.

”Ora facciamo il gadget MANINA dentro la scatola di cartone con finestrella trasparente”, ho chiesto a ChatGPT dopo alcune iterazioni in brainstorming come quelle che vedi sotto.

Alla fine siamo arrivati a due versioni di Manina, quella che vedi a sinistra è quella che ho scelto.

In quella chat ho costruito alcune decine di gadget simili. Se voglio riprendere a lavorarci, non devo fare altro che tornarci dentro. Ma nel frattempo i modelli si sono evoluti

2. Visualizzare l’invisibile: la grid 3x3 con NanoBanana

NanoBanana è il modello generativo di Gemini, che funziona parecchio bene per lo scopo che vediamo adesso. Voglio passare da una Manina statica dentro alla sua confezione a una Manina che viene tenuta in mano da una persona, che poi ne parlerà in un video.

La prima problematica da superare è la coerenza dell’oggetto. Per evitare che Manina cambi aspetto se si muove in un video, si lavora per creare una griglia 3x3 con varie inquadrature di Manina.

• Perché la griglia? Ti permette di vedere il prodotto da diverse angolazioni (profilo, dettaglio, scala) in un unico colpo.

Ma prima di generare le immagini in griglia è bene fare un passaggio aggiuntivo.

Read more

Se i moduli precedenti dell’AI policy (parte prima e parte seconda qui) chiariscono perché usiamo le intelligenze artificiali e come le integriamo nel lavoro, questo terzo e ultimo modulo della nostra guida stabilisce chi decide, chi controlla, chi risponde e con quali regole nel tempo.

La governance, infatti, non riguarda la tecnologia e basta ma riguarda, piuttosto, il modo in cui ci assumiamo le nostre responsabilità.

Qui, allora, si definiscono le cornici legali, l’uso degli strumenti, la gestione dei dati e dei rischi, la formazione continua. Vediamo le varie parti che compongono quest’ultimo modulo dell’AI policy.

Read more

Gli Epstein Files dovrebbero essere la notizia di apertura degli spazi informativi tutti i giorni, se non altro perché dovremmo parlare tutti i giorni di quello che emerge1 dai documenti che sono stati diffusi dal dipartimento di giustizia statunitense. Una rete transnazionale di persone al di sopra di qualsiasi regola, di qualsiasi legge, di qualsiasi morale che vale per le persone ordinarie.

Facciamo un breve riassunto, per quanto complesso.

Iscriviti ora

Cosa sono gli Epstein Files?

Gli Epstein files sono una vasta collezione di documenti, immagini e video (oltre 300 GB di dati) che dettagliano le attività criminali di Jeffrey Epstein e la sua rete di contatti con figure pubbliche, politici e celebrità. Dagli schemi ponzi al traffico di minorenni a scopi sessuali, Epstein si è macchiato di reati disgustosi. Condannato una prima volta nel 2009 con un accordo a lui favorevolissimo, viene arrestato di nuovo nel 2019. Nel frattempo ha intessuto relazioni con ricchi e potenti di mezzo mondo e le vittime (sue e della sua rete) sono diventate decine, probabilmente centinaia. Secondo le dichiarazioni ufficiali, Epstein sarebbe morto suicida nella sua cella il 10 agosto 2019

Dopo anni di teorie del complotto e richieste di trasparenza, nel novembre 2025 il Congresso degli Stati Uniti ha approvato l’Epstein Files Transparency Act, firmato dal presidente Donald Trump. La legge imponeva al dipartimento di giustizia di rendere pubblici i documenti raccolti come prova nei casi penali contro Epstein e i suoi complici, oltre 300 gigabyte di dati archiviati nel sistema di gestione dei casi dell’FBI. I file sono stati pubblicati in due momenti distinti: a dicembre del 2025 e poi il 30 gennaio 2026. Entrambe le pubblicazioni sono state accompagnate da errori grossolani (nomi e foto di vittime esposti) e criteri di oscuramento di nomi e volti non coerenti.

Il rilascio ha già innescato un terremoto politico internazionale. Si sono dimessi alti funzionari e politici in Slovacchia, Svezia e nel Regno Unito (tra cui il barone Peter Mandelson). Turchia, Lituania, Lettonia e Norvegia hanno aperto inchieste per verificare se propri cittadini siano stati coinvolti o trafficati da Epstein. Sebbene avesse promesso trasparenza in campagna elettorale, una volta in carica Trump ha definito parte dei file come “falsificazioni dei democratici”, specialmente dopo che è emerso che il suo nome appariva nei documenti in relazione a testimonianze e accuse non verificate. Mancherebbero, però, moltissimi documenti.

Per molte persone gli Epstein Files sono qualcosa che sapevamo già. E cioè che i ricchi e i potenti hanno regole diverse dagli altri, per esempio. Ma c’è anche un altro fenomeno interessante: nei documenti, ognuno trova quel che vuole trovare. C’è chi ci vede il Mossad in azione. Chi la propaganda russa. Chi le conferme delle peggiori teorie del complotto. In effetti, è facilissimo proiettare qualsiasi convinzione si abbia in qualsiasi pezzo di contenuto dei file. Perché questa collezione, impossibile da navigare senza intelligenze collettive, umane e artificiali, contiene di tutto.

La massa dei dati degli Epstein Files è come una porta che bisogna forzare (proprio come è stata forzata la porta della residenza di Epstein al 9 East 71st di New York) e ispezionare.

Ma non si può forzare e ispezionare senza una mappa e senza un filo conduttore.

Dentro agli atti giudiziari, infatti, ci sono prove. C’è corrispondenza privata. Foto oscurate. Foto non oscurate. File oscurati, in tutto, in parte, in minima parte, per nulla. E ancora: diari delle vittime con ritagli di giornali, mail di persone che si scambiano commenti innocui o idee balzane su come misurare l’intelligenza delle persone, comunicazioni di appuntamenti, alert, richieste di foto con nudi, foto di oggetti sessuali (come una finta vagina in lattice), foto Epstein che chatta con qualcuno e gli mostra oggetti da usare per dominazione, foto di ragazze, foto di persone famose, fotogrammi di film porno oscurati con ancora in sovraimpressione le URL dei siti da cui sono tratti, foto pubblicitarie (se con volti di donna, oscurate), ritagli di giornale, accuse senza conferma, deliri, interrogatori, ricostruzioni, verbali, mail di lavoro di chi indaga, costo della sostituzione delle telecamere del carcere. File excel da 65 colonne e 470 righe in cui ogni cella è un rettangolo nero.

Ora, ci sono molti progetti online che si occupano di rendere gli Epstein File navigabili e interrogabili, ma usarli è sempre un atto di fiducia nei confronti di chi li ha creati.

Costruire un dataset interrogabile

Per questo, ho scaricato tutti i dataset2, nella forma più completa che sono riuscito a trovare e sto ricostruendone la struttura dentro a Pinpoint, uno strumento che individua persone, località e organizzazioni nominate nei documenti; che rende grandi archivi navigabili e cercabili con un motore di ricerca; che li rende anche interrogabili attraverso il large language model di Google, Gemini, vincolato a lavorare solo su quei file per minimizzare errori.

È importante mantenere le categorizzazioni originali e la divisione per cartelle, per una questione filologica e di recupero agevole dei file. L’impresa non è per nulla semplice, vista la mole dei dati e visto il modo in cui sono organizzati.

Il Dataset11, per esempio, è stato reso disponibile in 332 cartelle, ciascuna delle quali contiene centinaia di pdf.

Per lavorare con rigore serve:

• verificare le dimensioni dei dataset scaricati;

• per i dataset più delicati – almeno tre contenevano materiale pedopornografico e per questo sono stati rimossi da sito ufficiale del dipartimento di giustizia e non sono più disponibili come formato compresso .zip – bisogna fare riferimento a quelli più completi, sincerandosi di non violare leggi;

• finito lo scaricamento, bisogna caricarli in Pinpoint, mantenendo i nomi originali dei file (al limite, con una modifica di massa per tenere conto della struttura delle cartelle in cui sono salvati. Per esempio, dopo essermi reso conto della catalogazione in cartelle totalmente disfunzionale, ho fatto in modo di trasformare i nomi dei file così: EFTA02219671.pdf, che fa parte della cartella 0005 del Dataset11, diventa Dataset11-0005-EFTA02219671.pdf. Così si mantiene la nomenclatura originale per permettere a chiunque di ritrovare il file originale. E si mantiene anche la divisione in cartelle;

  

• bisogna poi separare e taggare i file di formati diversi (purtroppo anche le foto sono state diffuse come file .pdf);

• infine, usando il sistema di tagging automatico di Pinpoint, si possono taggare, per esempio, per anno o per tipologia di documento;

• bisogna anche provare a fare un minimo di rimozione del rumore di fondo: a cosa servono ore di video di telecamere di sorveglianza (probabilmente servivano all’FBI, sono completamente inutili a chi cerchi di dare un senso a questo magma) o 15 fotogrammi di un video con un bip e una scritta bianca su fondo nero “[REDACTED]”? Chiaramente qualsiasi decisione in questo senso va motivata e rigorosamente: anche solo un file rimosso con informazioni usabili, per quanto minime, è una falsificazione.

Condividi

La preparazione è fondamentale, insomma, e non è per nulla semplic.

Solo dopo si potrà iniziare un lavoro di indagine il cui metodo si può, più o meno, riassumere così:

• scavare dentro all’archivio con LLM (a partire da altri articoli, tracce, nomi, idee, parole, o anche per serendipity...) per trovare documenti correlati;

• cercare di intuire le ragioni di un nome, una frase, un volto oscurato (tenendo conto di tutte le ipotesi possibili);

• ricordare che il solo fatto di essere in quei file non significa assolutamente nulla;

• ricostruire i ruoli delle persone nominate che emergono dai documenti (da sottoporre poi a verifica incrociata);

• a partire da un numero ristretto di documenti correlati trovati e dopo aver fatto una scrematura, effettuare DeepResearch mirate su fonti aperte, usando quei documenti come fonte e con un piano di ricerca validato con attenzione

• verifica umana dei risultati, verifiche incrociate, iterazione del processo fino a che si è ricostruita la storia che si vuole raccontare.

Fare tutto questo dentro una collezione di documenti accessibile e interrogabile con un LLM ha una serie di vantaggi, se si comprendono i limiti dello strumento e si lavora per verificare tutto:

• senza automazioni e con la sola forza umana sarebbe impossibile indagare e trovare possibili correlazioni da verificare (questo dovrebbe, finalmente, essere il caso pratico che si aspettava per convincere un altro po’ gli anti-AI che questi strumenti hanno varie utilità intrinseche)

• chiunque potrà seguire le tracce che hanno portato alla ricostruzione.

Anche in questa fase, però, servono rigore e lucidità. Serve non farsi trasportare dalle emozioni, dalla rabbia sorda che una storia come questa ti suscita.

Personalmente, dopo essermi immerso nei file, dubito che si troverà al loro interno qualche pistola fumante – a meno che non siano stati commessi errori clamorosi nelle indagini e nella diffusione e redazione3 dei contenuti.

Sono molto più interessato, invece, alle reti, alle connessioni, ai comportamenti di queste élite sfrenate e senza controllo.

Condividi

Data vs Capta

Se approcciassimo gli Epstein Files come semplici “dati” — ovvero come unità di informazioni oggettive e autoevidenti — cadremmo in un errore fatale. Credere che questi documenti siano uno “specchio della realtà” significa ignorare che ogni pagina è, in verità, un “capta”, cioè una selezione attiva operata da avvocati, inquirenti e funzionari del Dipartimento di Giustizia. Ogni rettangolo nero, ogni “pecetta” che oscura un nome o un indirizzo, è un atto di cattura selettiva che trasforma il dato grezzo in un’argomentazione interpretativa.

Non solo: anche noi operiamo una selezione attiva quando analizziamo i file. E quella selezione porta altri “capta”. Quando guardiamo il file EFTA02063020.pdf e leggiamo del “volo fake” organizzato da Natasha, non siamo di fronte a un dato neutro, ma a un frammento catturato da un flusso di eventi molto più vasto, strappato dal suo contesto originale e parametrizzato all’interno di un’indagine penale.

Come suggerisce la ricercatrice Johanna Drucker, che ha teorizzato la distinzione fra data e capta, la visualizzazione di questi dataset rischia di diventare un “cavallo di Troia intellettuale” se non ne riconosciamo la natura situata. E può persino essere usata per buttare tutto alle ortiche: nel caos informativo sguazzano sia le teorie complottiste sia quelle negazioniste, che spesso sono funzionali l’una all’altra.

L’uso di un Large Language Model (LLM) per navigare questo magma non serve a “estrarre la verità” in modo meccanico, ma a trasformare il capta in informazione e, auspicabilmente, in conoscenza. Serve a fare emergere l’informazione.

Le intelligenze artificialei ci aiuta a gestire la “capacità” di navigare questa complessità, ma il rigore deve rimanere umano.

Dobbiamo essere consapevoli che anche la nostra ricerca è un atto di “cattura”: decidere di seguire la traccia di un nome rispetto a un altro è un intervento costitutivo che modella la storia che andremo a raccontare.

Gli Epstein Files ci insegnano anche che la trasparenza non è mai un “dato” offerto spontaneamente dal potere o misurato incontrovertibilmente, ma sempre un “capta” strappato con la forza del diritto e della cronaca.

E l’etica di questa indagine risiede proprio nel non dimenticare mai che stiamo maneggiando non numeri freddi, ma frammenti di esperienze vissute, spesso tragiche, che qualcuno ha tentato di ridurre a silenzio amministrativo.

Sostieni questo lavoro

Questa è solo la primissima parte di un lavoro che riguarda gli Epstein Files. Farlo è molto dispendioso in termini di tempo e energie. Se vuoi sostenerci, abbonati a The Slow Journalist oppure abbonati a Piano, la rivista cartacea di Slow News.

Cose da Slow News

🌳 La storia del Parco della pace a Vicenza non è soltanto una storia di rigenerazione urbana. È una storia di guerre e di paci.

😫 La fatica di non fermarsi mai: la sperimentano in molte, ma le persone ADHD un po’ di più.

Cose da leggere

Valeria Coiante ha raccontato a Fanpage un episodio fondamentale della sua carriera giornalistica che dimostra l’importanza di essere sul campo. Quell’episodio coincide con un momento fondamentale della storia dell’Italia. Le monetine lanciate a Craxi.

Per imparare

Lavorare a un progetto come quello sugli Epstein Files richiede anche una conoscenza degli strumenti di intelligenza artificiale che oggi abbiamo a disposizione. Per questo c’è il corso AI@Work.

Iscriviti ora

Un agente in python

Per evitare di installarmi OpenClaw sul computer principale o di perdere troppo tempo, ho programmato – un po’ con quel che mi ricordo di programmazione un po’ in vibe coding – un agente che controllo rigorosamente. Qui lo screenshot delle comunicazioni che ha in privato con alcuni “amici chatbot”.

Iscriviti ora

Di cosa parlano su Moltbook davvero?

Ho fatto un po’ di scraping veloce di post, per vedere i titoli dei post, i contenuti in breve, chi li posta, quanto sono votati, quanti commenti ricevono.

Pezzi belli su Moltbook

🦞 What is Moltbook? The strange new social media site for AI bots, di Josh Taylor sul Guardian

🦞 Dentro Moltbook: il social network delle intelligenze artificiali, a cura di Francesco D’Isa su The Bunker