È davvero colpa delle IA?

Sempre più spesso — e non solo chi della scrittura ha fatto un mestiere — proviamo fastidio per i testi prodotti dall’Intelligenza Artificiale. Le strutture ripetitive, la stessa enfasi spalmata un po’ ovunque, l’eccesso di spiegazione, le chiusure trionfali e retoriche sono decisamente stancanti.

Il fastidio che proviamo leggendo un testo generato da un modello linguistico assomiglia però al fastidio che proviamo leggendo certa comunicazione istituzionale, certi documenti aziendali, certi materiali didattici prodotti da esseri umani in carne e ossa.

E allora forse il problema non è nelle macchine. Forse le macchine stanno semplicemente perfezionando qualcosa che noi avevamo già cominciato.

Chiunque abbia imparato a scrivere sul serio sa che la scrittura non è una sola cosa. Il manuale di istruzioni vuole essere consultato, non letto. Il diario ha un lettore solo e può permettersi la frase che si interrompe perché il pensiero non era ancora pronto. La cronaca risponde a domande precise in un ordine preciso. La recensione esprime un giudizio senza togliere al lettore l’onere della verifica. Il buon romanzo si legge su livelli molteplici. Il saggio chiede di essere seguito, anche quando il lettore lo avverte come un ostacolo. La pubblicità deve produrre un effetto  emotivo prima ancora che una comprensione. Sono solo alcuni degli esempi più comuni.

Quelle elencate qui sopra sono forme diverse, non intercambiabili.  Ogni forma nasce da un diverso rapporto con il tempo, con il lettore e con il sapere. Banalmente, scrivere una recensione come se fosse un manuale è un errore tecnico, non stilistico.

Quando si chiede a un modello linguistico di scrivere, correggere o analizzare un testo filosofico, di ricostruire una vicenda storica o di raccontare un fatto — anche quando le strutture sono ben individuate — ciò che si ottiene tende invece ad assumere quasi sempre la stessa forma.  Cambia il contenuto, resta la struttura. Una griglia viene appoggiata sopra qualsiasi materiale senza chiedersi se gli appartenga. Non è un caso, e non è un difetto tecnico correggibile con il prossimo aggiornamento.
Ma se pensassimo che questo modo di “pensare” sia dovuto alla differenza tra macchina e ed essere umano — le macchine non hanno un corpo, o un’anima, o una volontà ecc. — potremmo anche sbagliarci.
Le IA imitano strutture che gli uomini hanno creato nel corso del Novecento, per trasformare la comunicazione e l’informazione in un processo controllabile. È il risultato di una storia lunga, che comincia molto prima di internet.

Nel 1940 il Dipartimento della Guerra degli Stati Uniti istituisce il Training Within Industry, un programma pensato per addestrare in tempi brevissimi milioni di lavoratori privi di qualifiche a compiti tecnici complessi. Il metodo riprende la logica della catena di montaggio e la applica all’apprendimento: scomponi il compito in passaggi, presentali in sequenza, verifica la performance, correggi gli errori. Entro il 1945 aveva formato un milione e seicentomila supervisori industriali.

Robert Gagné lavora negli stessi anni con l’Army Air Corps per addestrare piloti e artiglieri, e da quella esperienza sviluppa negli anni Sessanta le Conditions of Learning: solo nove eventi di istruzione in sequenza obbligata, gerarchie di prerequisiti, obiettivi misurabili. Il debito col comportamentismo di Skinner è esplicito. Skinner il principale teorico del comportamentismo radicale. La sua tesi centrale è semplice: il comportamento umano è interamente spiegabile in termini di stimoli, risposte e rinforzi. Ciò che accade dentro la mente — pensieri, intenzioni, emozioni — è irrilevante ai fini della spiegazione: conta solo ciò che si può osservare e misurare, l’input e l’output.

Unicamente la performance osservabile.
La tradizione è interamente angloamericana e analitica — psicologia sperimentale, gestione scientifica di Taylor, ingegneria dei sistemi. La Bildung tedesca, l’ermeneutica, la formazione come trasformazione lenta di chi apprende: tutto questo è assente per definizione, perché appartiene a una concezione del sapere che non si lascia scomporre in obiettivi misurabili e che non nasce dall’esigenza di addestrare in fretta qualcuno a fare una cosa sola.

Dopo la seconda guerra mondiale, quest’idea migra dall’esercito all’industria, e dall’industria si ramifica in due direzioni che sembrano distinte ma condividono la stessa ossatura. Da un lato le grandi organizzazioni aziendali la trasformano in una modalità comunicativa standard: executive summary, sezioni numerate, priorità, raccomandazioni. Si tratta di documenti che non chiedono di essere compresi, ma di essere usati. Esaurita la loro funzione, saranno archiviati e dimenticati.

Dall’altro la scuola la adotta come modello didattico: unità di apprendimento strutturate, descrittori di competenze, interventi brevi di recupero calibrati su obiettivi misurabili, verifiche della conformità formale. A dispetto di quanto si pensi comunemente sulla distanza tra scuola e impresa,  la logica è identica — scomponi, sequenzia, verifica, correggi, usa e butta via — e identico è il presupposto: che il sapere sia qualcosa di trasferibile in porzioni, che l’apprendimento sia misurabile in uscita, che il tempo lungo della sedimentazione sia un lusso, non una condizione. E infine che la complessità vada ridotta il più possibile per permettere il controllo dei processi.

Questo passaggio avviene molto rapidamente durante gli anni Novanta. Il management e l’economia smettono di essere discipline tra le altre e diventano il linguaggio universale con cui si descrive e si giudica qualsiasi attività umana. Anche se può apparire come un fenomeno americano esportato in Europa, si tratta di una egemonia culturale ed economica che si installa nell’immaginario, riscrive il vocabolario, ridefinisce cosa significhi efficienza, qualità, risultato. Le istituzioni pubbliche parlano di mission, vision, obiettivi strategici, indicatori di performance.

Le università adottano il modello dell’azienda. E la scuola, che cercava da tempo una legittimazione moderna per resistere alle accuse di autoreferenzialità e inefficienza, trova in questo lessico la risposta — o crede di trovarla.
È stato così che la didattica modulare nata nelle caserme della Seconda guerra mondiale si è adattata e travestita da innovazione pedagogica. I descrittori di competenza, le rubriche valutative, i piani di miglioramento mutuati dai sistemi di qualità aziendale entrano nelle aule come strumenti di modernizzazione, fino all’inutile portfolio delle competenze. Nessuno dice apertamente che si sta applicando all’educazione il modello della catena di montaggio. Si dice invece che si sta mettendo al centro lo studente, che si stanno valorizzando le eccellenze, che si sta rendendo il sistema trasparente e valutabile.

I motori di ricerca premiano la comprensibilità media più della densità argomentativa. Le piattaforme favoriscono ciò che può essere estratto rapidamente. La scrittura pubblica si adegua. E quando questo corpus — saturo di report aziendali, slide, schede didattiche, articoli ottimizzati per i motori di ricerca — diventa il materiale su cui vengono addestrati i modelli linguistici, il cerchio si chiude. I modelli non hanno inventato nulla: hanno appreso da un ambiente che aveva già scelto, da decenni, quale forma di scrittura premiare. Quando il compito assomiglia ad «analizza qualcosa di complesso», l’attrattore statistico li conduce spontaneamente verso quella soluzione perché quella soluzione è la più rappresentata, la più rinforzata, la più coerente con ciò che il corpus chiama scrittura efficace. Procede per inerzia probabilistica.

Se l’IA lavora frequentemente con report aziendali e il compito assegnatole vi assomiglia vagamente, tenderà a usare il report — non perché sia più adatto, ma perché è più frequente, più rappresentato, più rinforzato nell’addestramento. La forma non segue il contenuto: lo precede e lo normalizza. E i modelli la restituiscono amplificata, con una coerenza e una velocità che nessun documento aziendale e nessuna scheda didattica avrebbero mai potuto eguagliare.

A questa tendenza se ne accompagna un’altra: la levigatura preventiva del testo. Ogni spigolo viene smussato, ogni possibile ambiguità dissolta, ogni passaggio reso esplicito, come se il destinatario fosse sempre un lettore medio da guidare passo dopo passo per evitare qualsiasi fraintendimento. Il testo si chiude su se stesso, anticipa le obiezioni, spiega ciò che potrebbe essere semplicemente intuito. Diventa inattaccabile, ma anche inerte. Non chiede più al lettore di interpretare, collegare, sostare su una difficoltà. Gli consegna un percorso completamente asfaltato — e senza frizione non c’è calore o partecipazione.

Anche la scuola ha percorso la stessa strada. Aumentano rubriche valutative, indicatori, griglie, protocolli. Diminuiscono gli spazi dedicati alla rielaborazione personale, all’incertezza produttiva, all’errore come occasione di scoperta. Il recupero diventa intervento breve e mirato, calibrato sul singolo obiettivo mancato, come si sostituisce un pezzo difettoso in una catena di montaggio. Un testo viene giudicato per il rispetto della struttura prescritta — introduzione, sviluppo, conclusione, connettivi, scaletta — mentre il rigore dell’argomentazione, la precisione del linguaggio, la qualità delle distinzioni concettuali o la forza di un’intuizione diventano aspetti negoziabili. Si tollera un pensiero debole purché ordinato; molto meno facilmente una forma irregolare capace però di aprire una domanda autentica.

Sullo sfondo si delinea una figura antropologica precisa. Richard Sennett,  è un importante sociologo di Chicago, nato nel 1943 nelle Cabrini-Green, i grandi caseggiati di edilizia popolare della città. Probabilmente per questo ha fatto del lavoro manuale e delle sue trasformazioni il centro della sua riflessione. Per Sennett, il lavoratore del secondo Novecento ha smesso di essere l’uomo artigiano che costruisce competenza attraverso la ripetizione lenta, l’errore, la correzione, il rapporto diretto con la resistenza del materiale — e che in quel processo non impara solo una tecnica ma forma un carattere, sviluppa il senso di quando una cosa è fatta male.

La figura che invece emerge dalla didattica modulare, dal documento aziendale e dai modelli linguistici che ne sono insieme eredi e amplificatori è quella che Sennett, in un libro diverso, chiama l’uomo flessibile: qualcuno addestrato ad adattarsi rapidamente a compiti sempre nuovi, a trasferire procedure da un contesto all’altro, a produrre output accettabili senza sedimentare nulla. L’uomo flessibile non ha un mestiere: ha competenze. Non costruisce qualcosa nel tempo: esegue. E poiché non sedimenta, non ha il senso di quando qualcosa è fatto male — perché quel senso richiede una storia, un’abitudine, una fedeltà prolungata a uno standard che si è interiorizzato lentamente.

Fateci caso. L’uomo flessibile, la didattica per competenze e il modello linguistico che riproduce pattern sempre più vicini al modello aziendale sono figli della stessa idea: che conoscere significhi saper eseguire, che imparare significhi saper trasferire, che il valore di un’azione si misuri sulla velocità con cui produce un output riconoscibile. Il sapere deve avere un valore economico, come ci ripetono ossessivamente i nostri studenti e a volte — ahimè — anche i loro genitori. La conoscenza non si sedimenta, si tira fuori da un motore di ricerca e si usa per il tempo necessario. Ma non le viene chiesto di inventare un mondo nuovo. In fin dei conti, quello che c’è — con alcuni aggiustamenti — va bene.

Per questo non credo che le macchine stiano imponendo un loro linguaggio. Stanno perfezionando un processo in atto da molti anni. I modelli linguistici sono la versione tecnica della flessibilità. Possono fare molte cose, cambiano registro su richiesta, si adattano al contesto con una fluidità che nessun artigiano potrebbe eguagliare. Ma non abitano nessuna forma. Le attraversano.

Pensare richiede anche altro: tempi improduttivi, letture che sedimentano lentamente, forme che non possono essere decise prima del problema che devono affrontare. Ogni oggetto ha bisogno di una lingua propria, capace di evolversi e migliorarsi. Invece, nel leggere i testi prodotti da o con l’aiuto delle IA, ci accorgiamo che poche forme pretendono di adattarsi a tutto, finché prevale la sensazione di una ripetizione ossessiva e noiosa. Artificiale.