Questo articolo l'ho scritto con l'IA, e resta mio
Substack ha messo Pangram a fare il giudice dei testi. Però, quello che misura è il modo in cui un articolo è stato prodotto, mentre su chi ne risponde non ha niente da dire.
Questo articolo è stato scritto con l’aiuto dell’intelligenza artificiale.
Non lo dico per confessare qualcosa, perché penso di non aver fatto nulla di sbagliato. E nemmeno per mettere le mani avanti, nel caso qualcuno decida di dare il testo in pasto a Pangram. Lo dico perché è un’informazione sul mio metodo di lavoro, e chi mi legge ha il diritto di conoscerla.
Uso l’IA per cercare informazioni, confrontare fonti, mettere alla prova una tesi, costruire una prima struttura, controllare date e numeri, sistemare frasi che non funzionano. A volte le chiedo alternative. Molto più spesso le dico che quello che ha prodotto non mi convince, e le spiego perché. Quello che alla fine resta sul foglio è passato dal mio giudizio riga per riga.
Il nuovo giudice di Substack
Substack ha integrato Pangram, uno strumento che prova a stabilire quanto un testo sia stato scritto o modificato con l’intelligenza artificiale. Con un controllo si ottengono un punteggio e una classificazione: testo umano, leggermente assistito, moderatamente assistito oppure generato dall’IA.
Era inevitabile che succedesse. Substack è pieno di testi, l’IA è ormai dentro il processo di scrittura di moltissime persone e una parte dei lettori vuole capire se dietro un articolo ci sia un autore o un pulsante. Il sospetto lo capisco benissimo. La risposta mi convince poco, perché rischia di semplificare la domanda fino a farla diventare un’altra.
Qualche mese fa vi avevo raccontato il caso della Costituzione italiana sottoposta a GPTZero, che le attribuiva il 69% di probabilità di essere stata generata da un’intelligenza artificiale. Un testo discusso, negoziato e riscritto parola per parola da esseri umani finiva classificato come artificiale perché possedeva alcune caratteristiche che gli algoritmi associano alla prosa dei modelli linguistici. La conclusione che ne avevo tratto, e cioè che i detector non funzionano, oggi va aggiornata.
Perché stavolta il detector va preso sul serio
Pangram va oltre due indizi usati spesso dai detector: la prevedibilità del testo e la variazione nella lunghezza delle frasi. È un classificatore costruito su un’architettura transformer e addestrato con grandi raccolte di testi umani e testi prodotti dai principali modelli. La parte più interessante si chiama hard negative mining. In pratica, Pangram cerca proprio i testi umani che tende a classificare male, li rimette nell’addestramento e crea esempi artificiali simili per argomento, lunghezza, stile e tono. Così prova a non prendere scorciatoie, per esempio scambiando una certa materia o una certa struttura per una prova dell’intervento dell’IA.
Sulla propria homepage Pangram dichiara un’accuratezza del 99,98%. È un numero da prendere con le pinze, l’accuratezza non è una costante naturale e cambia con la lingua, il tipo e la lunghezza del testo. La stessa scheda tecnica di Pangram 3.3 riporta tassi di falsi positivi diversi a seconda del terreno: 0,02% sulla scrittura accademica in inglese, 0,03% sulle notizie multilingue, 0,49% sulla poesia. Numeri molto buoni, per quanto la parola infallibilità resti fuori portata.
E non ci sono soltanto i dati pubblicati dall’azienda. Un working paper dell’Università di Chicago ha confrontato Pangram con GPTZero, OriginalityAI e un classificatore open source. Il campione comprendeva testi umani anteriori al 2020 e versioni generate con GPT, Claude e Gemini. In quel campione Pangram ha tenuto i falsi positivi e i falsi negativi vicini allo zero sui testi medio-lunghi, anche sui passaggi brevi e sui contenuti riscritti con strumenti pensati per eludere i detector.
A giugno 2026 è uscito anche uno studio peer reviewed sull’International Journal for Educational Integrity. Lo studio ha messo alla prova 4 detector su 160 elaborati accademici di almeno 4000 parole, divisi tra umani, generati, ibridi e umanizzati. Pangram ha riconosciuto il 97,5% dei testi interamente generati e il 95% di quelli ibridi o riscritti, senza nessun falso positivo sui quaranta documenti umani del campione.
Gli stessi ricercatori indicano limiti precisi: un solo modello generativo per la categoria principale, una sola tecnica di umanizzazione, un campione circoscritto e dati destinati a invecchiare in fretta. E concludono dicendo che il punteggio di un detector può far partire una verifica, non emettere una sentenza. Detto questo, Pangram sembra funzionare molto meglio dei detector che lo hanno preceduto.
Un numero preciso alla domanda sbagliata
Supponiamo che Pangram analizzi perfettamente questo articolo e ricostruisca con grande accuratezza il grado di intervento dell’IA. Cosa avremmo scoperto? Sapremmo qualcosa sul processo materiale con cui il testo è stato composto? O forse invece rimarremmo all’oscuro su chi ha scelto l’argomento, formulato la tesi, deciso quali fonti considerare affidabili, scartato le risposte sbagliate, riconosciuto un’obiezione valida o stabilito dove fermarsi? Soprattutto, il detector non saprebbe dirci chi risponde di quello che c’è scritto.
Le quattro etichette di Pangram, umano, assistenza leggera, assistenza moderata e generato, descrivono una possibile distribuzione del lavoro, e fin qui niente da obiettare. Il guaio comincia quando da queste categorie tecniche ricaviamo una gerarchia morale, con “umano” che diventa sinonimo di autentico e “generato” che diventa sinonimo di pigro o fraudolento. Un testo scritto interamente da una persona può essere banale, inaccurato o copiato male, mentre uno sviluppato con l’aiuto dell’IA può contenere fonti controllate, una tesi originale e giorni di lavoro. La percentuale di intervento della macchina non dice niente sul valore del risultato e nemmeno sulla qualità del processo che lo ha prodotto, perché quello che il modello sa fare è riconoscere le tracce su cui è stato addestrato, che è una cosa parecchio diversa da un giudizio sul testo.
Come la uso io
Gianraffaele Percannella (Kommander61), nel suo articolo su Pangram, ha dichiarato apertamente di usare l’IA come strumento operativo. Apprezzo la sua decisone, e io faccio lo stesso.
Nel mio processo editoriale l’IA lavora attraverso alcune skill, cioè procedure specializzate con istruzioni e controlli precisi. Una cerca e mappa le fonti. Ma una fonte segnalata dal modello non diventa vera per questo: va aperta, letta e verificata. Un’altra confronta numeri, date, versioni dei prodotti e citazioni.
Poi c’è la skill che mi aiuta a ordinare il ragionamento e a cercare l’obiezione più forte alla mia tesi, perché di un assistente che mi dà sempre ragione non saprei che farmene. La voce viene controllata usando esempi dei miei articoli, il ritmo, le costruzioni che uso e le formule che detesto; lo stesso passaggio cerca i tic più riconoscibili della prosa generata, dall’enfasi vuota alle simmetrie troppo perfette. Un ultimo controllo va a caccia di passaggi deboli, salti logici e frasi inutilmente complicate. Ma nulla di quello che propone viene pubblicato in automatico: torna sulla mia scrivania.
Quando dico che ho “addestrato” l’IA a scrivere nel mio stile uso il termine in senso operativo: ho costruito intorno al modello un piccolo sistema editoriale fatto di istruzioni, esempi, memoria delle mie scelte e skill dedicate. La macchina conosce il mio modo di scrivere abbastanza bene da produrre una prima versione plausibile. Quella versione diventa mia quando la passo al vaglio, la correggo e decido di assumermene la responsabilità. Questi testi io li sento miei: ne riconosco le idee, le cautele e perfino certe ossessioni. Quando una frase non mi somiglia, la tolgo anche se è formalmente perfetta. Se poi in questo articolo c’è un errore, sapete già con chi prendervela. E non è il modello.
Il paragone con il word processor
Quarant’anni fa il word processor ha trasformato profondamente il modo di scrivere: spostare interi paragrafi, cercare una parola in centinaia di pagine, conservare versioni, correggere senza ribattere tutto, provare strutture diverse a costo quasi nullo. Ha cambiato la pianificazione e la revisione dei testi, e nessuno ha mai concluso che un romanzo scritto con WordStar appartenesse al software. Fin qui la somiglianza con l’IA calza, perché in entrambi i casi una tecnologia aumenta la capacità dell’autore e modifica il processo senza acquisire la proprietà del risultato.
Il paragone cade nel punto in cui il word processor non proponeva una tesi, non riassumeva un paper, non inventava un esempio e non produceva tre versioni alternative di un paragrafo. Un modello linguistico fa tutte queste cose senza fatica. L’analogia plausibile, se proprio ne vogliamo una, è che l’IA mette insieme qualcosa del word processor, del motore di ricerca, del correttore di bozze, dell’editor e dell’assistente di ricerca. Nessuno di questi ruoli, da solo, stabilisce chi sia l’autore.
Più lo strumento partecipa alla produzione del testo, più diventa importante documentare chi ha tenuto il controllo delle decisioni, perché a tracciare il confine non basta contare le parole materialmente digitate da una persona: bisogna guardare chi ha governato il processo dall’inizio alla fine.
Le domande che mi faccio sono sempre le stesse: “ho scelto io la domanda? ho capito le fonti o mi sono fidato di un riassunto? ho riconosciuto e corretto gli errori? saprei difendere le conclusioni senza chiedere al modello che cosa intendesse? me la sento di firmare il risultato?”
Quando le risposte cominciano a essere dei no, l’IA ha smesso di assistermi e ha iniziato a sostituirmi. È un punto oltre il quale non ho intenzione di spingermi.
La trasparenza utile
Dichiarare l’uso dell’IA ha senso, purché la dichiarazione non si trasformi in un marchio d’infamia. Mi interessa sapere se un medico ha usato un sistema automatico per formulare una diagnosi, se uno studente ha delegato a ChatGPT l’esercizio che avrebbe dovuto svolgere per imparare, se una testata pubblica articoli sintetici senza verificarli. Contesto, scopo e responsabilità cambiano il significato dello stesso strumento.
In un articolo come questo la trasparenza serve a mettere il lettore in condizione di valutare il metodo, senza sostituirsi alla valutazione del testo. Per questo da oggi adotterò una formula esplicita, che trovate sotto.
Nota sul processo di scrittura
Per preparare questo articolo ho utilizzato strumenti di intelligenza artificiale nella ricerca delle fonti, nel confronto dei dati, nella costruzione della struttura e nella revisione linguistica. Il sistema opera con istruzioni, esempi e skill adattati al mio stile editoriale. Ho verificato le fonti, modificato il testo e approvato ogni passaggio della versione pubblicata. Le tesi, le scelte e la responsabilità finale sono mie.
Pangram potrà attribuire a queste pagine il punteggio che ritiene più corretto, e quel numero dirà forse qualcosa di preciso sugli strumenti che ho usato. La firma in fondo, però, continua a mettercela una persona sola: la stessa che risponde di ogni riga che avete appena letto.
Alla prossima!
Luciano
Questo pezzo è gratis come sempre, niente paywall e niente abbonamento obbligatorio. Se ti è servito, inoltralo a qualcuno della tua rete che potrebbe trovarlo interessante: è così che cresce la newsletter, lentamente, per passaparola. E se lo dai in pasto a Pangram, scrivimi nei commenti che punteggio esce. La curiosità è anche mia.
Riferimenti:
• Pangram, come funziona il sistema di rilevazione
• B. Jabarian e A. Imas, Artificial Writing and Automated Detection, University of Chicago
Devo dire che le polemiche sull’IA sono stucchevoli e irritanti.
Propongo una lista di cose che hanno rovinato l’umanità distogliendola dalla purezza originaria:
1) con la scrittura abbiamo ridotto la capacità di ricordare
2) la capacità di ricordare e di imparare a memoria è stata definitivamente distrutta da Gutenberg
3) da quando esiste l’automobile non sappiamo più camminare
4) per colpa dei fratelli Wright non abbiamo imparato a volare
5) per colpa delle calcolatrici non sappiamo più fare conti
6) per colpa del telefono non scriviamo più le lettere. Per non parlare delle email e delle chat
7) con la carne in scatola abbiamo disimparato a uccidere cinghiali a fucilate (e col fucile abbiamo disimparato a ucciderli a mani nude)
8) e i pelati in scatola??? Come era bello coltivare pomodori sul balcone del condominio in tangenziale…
E i supermercati? E il denaro? E il rasoio elettrico? C’è un software che capisce in che percentuale la mia barba è stata accorciata con i tizzoni ardenti?
Eh, signora mia…
Mi piace. Alla fine Pangram ha costretto un po' tutti a fare queste precisazioni. Devo notare che K61 lo spiegava un po' a tutti già a inizio anno. Io non sento il bisogno, per gli autori che conosco, di usare Pangram, e finora neanche mai mi sono fatto prendere da questa specie di voyeurismo tecnologico.