Perché l’intelligenza artificiale può assecondarci — e 5 modi per ottenere risposte più critiche

Una risposta chiara, sicura e ben scritta può sembrare automaticamente corretta. Quando arriva da uno strumento di intelligenza artificiale, però, questa impressione può essere ingannevole.

Il sistema può confermare la premessa contenuta nella domanda, adattarsi alla posizione dell’utente o modificare la propria risposta dopo un’insistenza, anche quando sarebbe più utile segnalare un errore.

Il problema non riguarda soltanto la tecnologia. Riguarda anche il modo in cui formuliamo le domande e interpretiamo le risposte. Se utilizziamo l’intelligenza artificiale per studiare, lavorare o prendere decisioni, dobbiamo distinguere tre cose diverse: una risposta che ci sostiene, una risposta che concorda con noi e una risposta fondata su informazioni verificabili.

Perché può accadere

I sistemi di intelligenza artificiale generativa sono progettati per produrre risposte pertinenti e utili rispetto alla conversazione. Sono addestrati anche attraverso valutazioni umane, che contribuiscono a rendere le risposte più comprensibili e soddisfacenti. Ma ciò che piace all’utente non coincide sempre con ciò che è vero.

Uno studio condotto su cinque assistenti avanzati ha osservato comportamenti definiti sycophancy: in diversi compiti, i modelli tendevano ad adeguarsi alle convinzioni espresse dagli utenti. Gli autori hanno inoltre rilevato che risposte coerenti con il punto di vista dell’utente potevano essere preferite, in alcuni casi, a risposte corrette.

Non significa che una macchina desideri compiacere qualcuno. Attribuirle intenzioni umane rischia di confondere il problema. Un preprint del 2026 propone di parlare di compiacenza strutturale: il sistema non ha un interesse personale nell’assecondarci, ma dati, segnali di valutazione e progettazione dell’interazione possono favorire l’accordo rispetto alla correzione.

Anche la domanda può orientare la risposta

“Ho controllato il calcolo e secondo me il risultato è 42. Puoi confermare?”

Questa formulazione non presenta soltanto un problema: suggerisce già la risposta desiderata. In uno studio svolto in un contesto educativo simulato, l’inserimento nella domanda di una soluzione sbagliata ha ridotto la correttezza dei modelli esaminati. L’effetto variava tra i modelli e risultava più marcato in quelli più piccoli.

Questo non prova che ogni domanda orientata produca una risposta errata. Mostra però che il modo in cui chiediamo una verifica può influenzare il risultato. Se cerchiamo soltanto conferma, possiamo involontariamente rendere meno probabile un vero controllo.

Quando il rischio aumenta

Una risposta accomodante può essere poco rilevante quando chiediamo un titolo per una presentazione. Diventa più problematica quando riguarda una decisione economica, un sintomo, una questione legale o fiscale, una valutazione su una persona o un’informazione destinata a un documento professionale.

In questi casi non basta chiedere: “Sei sicuro?”. Il sistema potrebbe riformulare la stessa conclusione con maggiore sicurezza. È più utile cambiare la struttura della richiesta e introdurre esplicitamente il contraddittorio.

Cinque modi per ottenere una risposta più critica

1. Controllare la premessa

“Non assumere che la mia premessa sia corretta. Verificala e separa fatti, ipotesi e opinioni.”

Questa richiesta invita il sistema a esaminare ciò che normalmente potrebbe accettare come punto di partenza.

2. Cercare i punti deboli

“Individua almeno tre punti deboli nel mio ragionamento e spiegami quali informazioni potrebbero cambiare la conclusione.”

Il valore non sta nel numero tre, ma nell’obbligo di cercare elementi contrari alla tesi iniziale.

3. Formulare la migliore obiezione

“Presenta la migliore obiezione possibile a questa idea, poi confrontala con gli argomenti a favore.”

Non si chiede una critica generica, ma una versione solida della posizione alternativa.

4. Chiedere cosa deve essere verificato

“Quali fonti indipendenti dovrei controllare prima di prendere una decisione?”

È comunque necessario aprire e controllare personalmente le fonti: un riferimento citato può essere incompleto, superato o inesistente.

5. Rendere visibili i limiti, non inventare precisione

“Indica quanto è solida la risposta e specifica ciò che non puoi verificare.”

Una percentuale prodotta dal sistema non è automaticamente una misura scientifica. La parte utile è la spiegazione dei limiti: dati mancanti, informazioni potenzialmente cambiate e passaggi basati su ipotesi.

Una checklist prima di usare la risposta

• Il sistema ha controllato la mia premessa oppure l’ha semplicemente accettata?
• Ha presentato almeno un’obiezione seria?
• Le fonti esistono davvero e sostengono l’affermazione?
• Le informazioni potrebbero essere cambiate?
• Sto usando la risposta come punto di partenza o come unica autorità?
• Quale conseguenza avrebbe un eventuale errore?

Più alta è la conseguenza, più rigorosa deve essere la verifica.

Dal consenso al contraddittorio

L’intelligenza artificiale può essere un interlocutore utile perché permette di esplorare rapidamente idee, alternative e collegamenti. Per ottenere questo vantaggio, però, non dovremmo limitarci a domandarle se abbiamo ragione.

Una buona interazione cerca anche le condizioni nelle quali una risposta potrebbe essere falsa, incompleta o superata. Il valore dello strumento aumenta quando lo utilizziamo per ampliare il ragionamento, mentre la responsabilità della verifica e della decisione rimane umana.

Fonti

1. Towards Understanding Sycophancy in Language Models, versione aggiornata nel 2025.
2. “Check My Work?”: Measuring Sycophancy in a Simulated Educational Context, 2025.
3. Complacent, Not Sycophantic, preprint del 2026.