Dopo aver seguito una conferenza sul Distant Writing, IA, paternità delle opere e trasformazione della conoscenza mi è tornato in mente un episodio di qualche tempo prima quando, un corsista di un master per la Pubblica Amministrazione che si stava preparando ad un concorso pubblico, anche con l’uso di un agente IA conversazionale, mi diceva testualmente: “Mi capita di sottoporre quesiti giuridici a ChatGPT chiedendo le fonti giurisprudenziali, se esiste giurisprudenza consolidata ecc. Quando però vado a controllare le sentenze vedo che sono INVENTATE! Scrive bene, in modo persuasivo e tecnico, ma ciò che cita non è vero e quindi le risposte sono viziate“.
Immagino che almeno all’inizio la stessa esperienza sarà capitata un po’ a tutti.
Le risposte che forniscono i modelli GPT arrivano in pochi secondi: autori, titoli, anno di pubblicazione, perfino la rivista e le pagine. Tutto plausibile, tutto ordinato. Tutto falso. I riferimenti più promettenti, quelli che nella tua relazione avresti citato a occhi chiusi, semplicemente non esistono: non l’avevano scritto gli autori indicati, non era mai uscito su quella rivista, non era da nessuna parte.
In gergo questo fenomeno si chiama allucinazione. Chiariamo subito che in questi casi il modello non “mente” o non “sbaglia” nel senso umano del termine. Genera semplicemente la sequenza di parole statisticamente più probabile, non quella verificata come vera. Quando non possiede il dato, lo costruisce con la stessa identica sicurezza con cui restituisce un’informazione corretta. Ed è proprio quella sicurezza a renderlo insidioso: la forma è impeccabile e l’errore si nasconde nell’eleganza con cui è confezionato.
I modelli più recenti stanno provando a contenere il problema. Claude Opus 4.8, l’ultimo modello di Anthropic disponibile da fine maggio 2026, è stato presentato puntando proprio sull’onestà: la capacità di segnalare i propri dubbi e di ammettere quando non sa, invece di riempire il silenzio con certezze inventate. È un passo avanti reale, ma siamo ancora ben lontani, se mai ci si arriverà, a poterci fidare ciecamente dando una delega in bianco ad un modello conversazionale. La verifica resta necessariamente in capo a chi usa lo strumento e questo, come vedremo, fa tutta la differenza.
Ma se la verifica è il rimedio, la radice del problema sta nel modo in cui ci poniamo di fronte alla macchina. L’allucinazione nasce quando le chiediamo di sapere, trattandola come un oracolo che custodisce risposte. Un agente conversazionale, però, non è una fonte da interrogare: è uno strumento che produce. Spostarlo dal ruolo di autorità a cui credere a quello di strumento da dirigere, e di cui controllare ogni esito, cambia completamente la prospettiva. È proprio osservando il problema da questa prospettiva che assumono importanza due concetti speculari, uno che riguarda il leggere e uno che riguarda lo scrivere: il distant reading e il distant writing.
Dal close reading al distant reading
Per capire perché l’intelligenza artificiale può essere una risorsa e non solo un rischio, conviene recuperare due concetti. Il primo è il distant reading, la “lettura a distanza” teorizzata all’inizio degli anni Duemila dal critico letterario Franco Moretti. Per secoli abbiamo praticato il close reading, la lettura ravvicinata di un singolo testo, riga per riga. Il distant reading rovescia la prospettiva: invece di leggere un’opera, se ne analizzano migliaia insieme, alla ricerca di pattern, ricorrenze e tendenze che a occhio nudo nessuno coglierebbe. Non si legge di meno: si legge diversamente, su una scala che la sola mente umana non raggiunge.
Il distant writing secondo Luciano Floridi
Se il distant reading ha un padre riconosciuto, ce l’ha anche il suo rovescio. Il termine distant writing di cui è onomaturgo il filosofo Luciano Floridi (il link precedente porta ad una conferenza dell’autore citata all’inizio di questo articolo. Avevamo già parlato di lui in questo articolo sui linguaggi dell’infosfera) nel saggio Distant Writing: Literary Production in the Age of Artificial Intelligence (Minds and Machines, 2025) e messo alla prova in un vero libro-esperimento, Encounters, costruito facendo incontrare in nuove storie personaggi minori estratti da opere canoniche. L’idea è speculare a quella di Moretti: se la lettura a distanza usa la macchina per analizzare testi che già esistono, la scrittura a distanza la usa per produrne di nuovi.
L’autore non digita più ogni parola: diventa un meta-autore, un progettista che fissa requisiti, vincoli e intenzioni stilistiche, mentre il modello linguistico esegue. Floridi distingue la scrittura tradizionale (close writing) dalla wrAIting, la scrittura “a distanza” mediata dall’IA, e osserva che i testi così prodotti portano una sorta di firma stilistica del modello, un’impronta riconoscibile che emerge a prescindere dalle istruzioni ricevute. Compito dell’autore in questo caso è anche quello di rilevare e correggere le allucinazioni dell’IA. Detta così sembra una questione da critici letterari. In realtà riguarda da vicino chi si occupa delle abilità di letto-scrittura.
L’autore come architetto: la lezione dell’arte concettuale
Se l’autore diventa un progettista che fissa requisiti e intenzioni mentre il modello esegue, la metafora più calzante è quella dell’architetto e delle sue maestranze: chi firma l’opera ne concepisce struttura, idea e scopo; chi la realizza materialmente mette in pratica le direttive. È una distinzione che il diritto d’autore conosce bene e che, ben prima dell’IA, l’arte concettuale aveva già portato in tribunale.
Il caso più noto è quello che ha opposto Maurizio Cattelan allo scultore francese Daniel Druet, ceroplasta di fama che aveva materialmente realizzato alcune delle opere più celebri dell’artista, da La Nona Ora (il papa colpito dal meteorite) a Him. Druet chiedeva di essere riconosciuto come autore di quelle sculture; nel 2022 il Tribunale di Parigi e, nel 2024, la Corte d’Appello hanno respinto la richiesta, stabilendo che l’opera appartiene a chi la concepisce, non a chi la esegue: l’idea, la messa in scena e il messaggio erano di Cattelan, mentre Druet ne era l’esecutore materiale. La sentenza è stata salutata come una tutela dell’arte concettuale. Il parallelo con il distant writing è immediato: dirigere un modello linguistico perché produca un testo non fa dell’IA l’autore, perché la paternità (e con essa la responsabilità) resta di chi progetta, istruisce, verifica e firma. Il modello è la bottega, non il maestro. Non a caso anche la legge italiana (art. 8 della legge sul diritto d’autore) presume autore chi è indicato come tale nell’opera.
Distant reading e distant writing, cosa cambiano per l’insegnamento linguistico
Per la didattica delle lingue questi due concetti non sono teoria astratta. Il distant reading è già di casa nella linguistica dei corpora: interrogare grandi raccolte di testi per individuare le parole più frequenti, le collocazioni tipiche, la distribuzione tra parlato e scritto è esattamente lettura a distanza, e l’IA la rende accessibile anche a chi non è specialista. Serve a scegliere input autentici, a calibrare un testo sul giusto livello del QCER, a costruire materiali a partire dalla lingua reale e non dall’intuizione del docente.
Il distant writing, dal canto suo, ridisegna la produzione scritta. Lo studente che usa un modello linguistico diventa, nel suo piccolo, un meta-autore: non scrive ogni frase, ma pianifica, istruisce, valuta e rivede. È un’opportunità, perché sposta l’attenzione su pianificazione, consapevolezza testuale e revisione, abilità cognitive di ordine superiore. Ma è anche un rischio evidente: se la macchina scrive al posto dell’apprendente, l’abilità di scrittura, che si sviluppa proprio scrivendo, rischia di non formarsi affatto. Lo stesso vale a monte per la lettura: il distant reading presuppone la capacità di interpretare, non la sostituisce. La competenza di letto-scrittura resta il prerequisito, non il sottoprodotto, di queste nuove modalità.
Letto-scrittura e valutazione: che cosa misuriamo davvero
È qui che il discorso diventa scomodo, soprattutto per chi valuta e certifica ma più in generale per i docenti di italiano L2 che vogliono approfondire sul tema dell’IA e didattica della lingua. Se uno studente consegna un testo prodotto con l’IA, che cosa stiamo misurando quando lo correggiamo? Non più, o non solo, la sua competenza linguistica: stiamo misurando la qualità dello strumento e l’abilità di chi lo ha diretto. La valutazione tradizionale, centrata sul prodotto finito, perde gran parte della sua validità come misura della competenza autonoma dell’apprendente.
La via d’uscita non è vietare l’IA né fingere che non esista. Occorre distinguere con chiarezza due competenze diverse e valutarle separatamente. Da un lato la competenza linguistica vera e propria, che ha ancora bisogno di prove controllate e svolte senza assistenza (produzioni in classe, prove orali, compiti a tempo) per essere certificata in modo attendibile. Dall’altro la nuova competenza del saper dirigere e valutare il testo generato: formulare richieste efficaci, riconoscere un’allucinazione, intervenire sulla “firma” omologante del modello, verificare i contenuti prima di firmarli. Sono entrambe legittime, ma confonderle significa valutare l’una credendo di valutare l’altra.
Distant writing e possibile impatto sui descrittori del QCER
Senz’altro non dobbiamo attenderci un nuovo livello “post C2” dato che questo tipo di competenze non riguardano la lingua e non sono un prolungamento del livello C2. Le discussioni su un “C2+” esistono, ma riguardano registri accademici e professionali specialistici: ancora lingua, non direzione di strumenti.
Distant reading e distant writing non sono un grado superiore di competenza comunicativa. Costituiscono piuttosto una meta-competenza fatta di capacità di dirigere uno strumento, alfabetizzazione metodologica e computazionale, progettazione delle richieste, valutazione critica e verifica dell’output.
La sede più naturale per questo tipo specifico di competenze è quella già imboccata con il framework DigComp che, più del QCER, costituisce la sede naturale per descrivere competenze come quelle di saper dirigere un agente GPT basato su LLM e verificarne le risposte.
Ci si potrebbe però attendere che anche il QCER fornisca risposte in merito all’esigenza di descrivere le competenze di mediazione dato che dirigere un LLM perché produca o rielabori un testo è, a ben vedere, una forma nuova di mediazione (mediare un testo, dei concetti, una comunicazione). Il Companion Volume ha infatti già aperto una macro-categoria, non ancora sviluppata.
Nel Companion Volume (2018/20) la mediazione passa da accenno marginale (QCER 2001) a vera e propria macro-area dell’uso linguistico, accanto a ricezione, produzione e interazione. Viene articolata in tre filoni: mediare un testo, mediare concetti e mediare la comunicazione. Ciascun filone ha proprie scale di descrittori (trasmettere informazioni specifiche, spiegare dati, elaborare e sintetizzare un testo, facilitare l’interazione collaborativa, agevolare la comunicazione in situazioni delicate). Ne parliamo in una specifica formazione sul Quadro Comune Europeo di Riferimento per le lingue presente nella nostra offerta formativa.
Perché gli agenti conversazionali non sono “il male assoluto”: la lezione di Parisi
L’esempio più recente e autorevole arriva dalla fisica. All’inizio di giugno 2026 il premio Nobel Giorgio Parisi e Francesco Zamponi hanno pubblicato su arXiv la dimostrazione analitica di un’identità tra gli esponenti critici della transizione di jamming: una relazione osservata numericamente con grande precisione, ma che nessuno era mai riuscito a dimostrare. Nel testo i due autori dichiarano apertamente che la dimostrazione è stata ottenuta attraverso l’interazione con Claude e poi verificata da loro: The proof was obtained through interaction with Claude (Sonnet 4.6 and Opus 4.7) and verified by us.
Questo dettaglio cambia tutto. Non si lascia una macchina libera di sfornare risultati da prendere supinamente per buoni, ma la si dirige come strumento. I due fisici sapevano esattamente cosa cercare e hanno controllato ogni passaggio. L’IA ha accelerato il lavoro; la responsabilità scientifica è rimasta umana. É significativo poi che arXiv non consenta di indicare un modello LLM come coautore, proprio perché un’intelligenza artificiale non può assumersi responsabilità: e la responsabilità è esattamente il punto.
Questo esempio esplicita chiaramente la differenza tra subire l’IA e usarla, e vale per un Nobel che dimostra un teorema come per un docente che prepara un materiale didattico (parleremo in futuro anche di distant teaching?) o per uno studente che impara a scrivere: lo strumento propone, l’esperto dispone, controlla e si assume la responsabilità di ciò che firma. Distant reading e distant writing non sostituiscono la competenza, la amplificano. Ovviamente questo presuppone che la competenza ci sia, e che resti il criterio con cui giudichiamo il risultato.
Imparare a dirigere questi strumenti (formulare richieste precise, riconoscere un’allucinazione, integrarli in un percorso didattico e in una valutazione coerente senza delegare loro il giudizio) è a tutti gli effetti una competenza professionale. Come lo stesso Floridi suggerisce, non ci si deve più fermare ad un primo giudizio aprioristico, basato solo sul sospetto o sull’ammissione di un autore che dichiara di aver utilizzato l’IA nella produzione di un testo. Occorre, anche nella valutazione degli elaborati degli studenti, andare oltre e capire se dietro l’amplificazione offerta dallo strumento l’autore abbia avuto qualcosa da dire, indipendentemente dallo strumento o dalle modalità utilizzati per dirlo.
Dichiarare l’uso dell’IA: cosa prevede l’AI Act
A questo si aggiunge una dimensione normativa. Il Regolamento (UE) 2024/1689, l’AI Act, all’articolo 50 introduce, a partire dal 2 agosto 2026, alcuni obblighi di trasparenza: chi pubblica testi generati o manipolati dall’IA per informare il pubblico su questioni di interesse generale deve dichiararlo, così come va segnalata la natura artificiale dei contenuti sintetici quali immagini, audio o video deepfake (con un regime più leggero per le opere manifestamente artistiche, creative o satiriche).
Il punto che ci interessa è la deroga: l’obbligo di dichiarare un testo generato dall’IA non si applica quando il contenuto è stato sottoposto a revisione umana e una persona, fisica o giuridica, ne assume la responsabilità editoriale. In altre parole, la norma premia esattamente il modello d’uso responsabile descritto fin qui: l’esperto dirige, controlla e firma. Resta comunque buona prassi, in nome della trasparenza verso chi legge, dichiarare il metodo con cui un testo è stato prodotto.
Pur non rientrando nei casi in cui è fatto obbligo di dichiarare l’uso dell’IA abbiamo voluto fare un esperimento proprio con questo articolo per il vezzo di citare il premio Nobel Parisi. Possiamo quindi dire anche noi di aver scritto questo articolo “attraverso interazioni” con Claude Opus 4.8, ovviamente sottoposte a verifica.
