Prospettive

Analisi, narrazioni e chiavi di lettura per decodificare il dibattito sull'innovazione e il suo impatto sulla società.

La crisi dell'evidenza

L'epoca in cui potevamo svelare un falso da un dettaglio innaturale è finita. La nuova regola per sopravvivere all'illusione perfetta è smettere di fidarci dei nostri occhi e imparare a valutare le fonti e chi le garantisce.

Raffaele Maurici
Presidente, Innovation Agency

persone che osservano con stupore lo smartphone

Per anni l'educazione digitale ha riposato su un'idea semplice: imparare a riconoscere i falsi attraverso i dettagli. La cadenza artificiale del testo generato, l'occhio innaturale privo del battito delle ciglia, le mani con sei dita. Quella stagione è terminata. I modelli generativi producono oggi volti, voci, testi e brani musicali che ingannano regolarmente anche chi si attrezza con gli strumenti di rilevazione più sofisticati. L'abilità percettiva su cui si fondava quella pedagogia è diventata inaffidabile proprio nel momento in cui sembrava consolidata.

Resta però un'assunzione che questa obsolescenza non ha scalfito e che merita attenzione proprio perché continua a orientare il senso comune: l'idea che il problema consista nel riconoscere il falso e che la soluzione stia nell'affinare gli strumenti per riuscirci.
È un'assunzione ragionevole. Ha guidato vent'anni di alfabetizzazione mediatica. Eppure poggia su una premessa che l'attuale ecosistema informativo ha reso sistematicamente fragile: che esista una differenza percepibile tra autentico e sintetico, e che proprio quella differenza sia il terreno su cui si gioca la fiducia.

C'è inoltre un secondo problema, meno discusso, che destabilizza ulteriormente il quadro. Oltre a far passare il falso per vero, è diventato altrettanto facile far passare il vero per falso. Basta evocare la possibilità che un contenuto sia generato dall'AI per delegittimarlo, indipendentemente dalla sua autenticità reale. Per chi vuole sminuire una registrazione scomoda, seminare il dubbio è sufficiente: non serve dimostrare nulla.
Il risultato è un doppio vincolo: né la fiducia né lo scetticismo possono più essere adottati in modo automatico. La diffidenza usata in modo indiscriminato non protegge; diventa anzi uno strumento nelle mani di chi vuole cancellare proprio ciò che è vero (Chesney & Citron, 2019).

Questo cambia profondamente cosa significa valutare un contenuto. L'autenticità di un'immagine o di un video non si misura più dall'aspetto che presenta, ma dalla catena di custodia che lo precede.
Chi lo ha prodotto? Attraverso quale processo è arrivato fino a noi? Esiste una fonte primaria verificabile, dotata di reputazione consolidata, oppure il contenuto circola già decontestualizzato, privo di qualsiasi storia attendibile?
Un video perfettamente realistico con le dichiarazioni di un personaggio pubblico vale poco se non è accompagnato da un'attribuzione solida. È la stessa logica che ha sempre governato il giornalismo serio e i tribunali: non conta quanto qualcosa sembri vero, conta chi può garantirne la veridicità e con quale procedura. L'era dei contenuti sintetici non ha inventato questo principio. Lo ha reso necessario per chiunque, non più soltanto per i professionisti.

La velocità di circolazione aggiunge una pressione ulteriore. I contenuti falsi più efficaci sono progettati per diffondersi prima che qualsiasi verifica sia possibile, sfruttando paura, indignazione ed euforia come vettori di contagio. Un contenuto che spinge a reagire immediatamente, senza lasciare il tempo di chiedersi da dove arrivi, realizza esattamente lo scopo per cui è stato creato: scatenare una reazione emotiva prima che intervenga qualsiasi forma di verifica o contestualizzazione. Attendere prima di condividere qualcosa di dirompente non è passività: è una scelta di lucidità in un ambiente progettato per impedirla.
Gli strumenti di rilevamento automatico non risolvono il problema; affidarsi a essi come arbitri finali lo aggrava. I classificatori che dichiarano di distinguere testi o immagini generati dall'AI da quelli umani producono spesso falsi positivi. La loro utilità è reale ma circoscritta: funzionano da segnale di attenzione, non da verdetto. Una falsa certezza è spesso più pericolosa dell'incertezza che sostituisce.

Nel settore audio la fragilità si manifesta con particolare evidenza. La clonazione vocale e la generazione di brani nello stile di artisti specifici hanno raggiunto una maturità tecnica che rende il riconoscimento percettivo dei falsi praticamente inefficace (Barrington et al., 2025). Le piattaforme di streaming stanno introducendo watermarking invisibile e firme digitali incorporate nei file audio, ma la copertura rimane parziale e l'utente finale non accede a questi metadati.

Nel gennaio 2024, i truffatori hanno utilizzato la clonazione vocale e video di un dirigente aziendale per convincere un dipendente a trasferire venticinque milioni di dollari (Chen e Magramo, 2024). Nella chiamata non emergeva alcun elemento sospetto nell'aspetto o nel suono. Mancava una sola cosa: una procedura istituzionale di verifica indipendente da ciò che si vedeva e sentiva.
Stabilire una parola in codice da usare nelle chiamate inattese è una risposta concreta a questo tipo di rischio: sposta la verifica dal piano percettivo, dove siamo vulnerabili, a quello relazionale, dove è molto più difficile ingannarci.

Alzare permanentemente la soglia di fiducia per i contenuti digitali privi di verifica istituzionale significa riportare la credibilità dove risiedeva prima dell'era digitale: sulla reputazione di chi garantisce, non sull'apparenza di ciò che viene mostrato. Istituzioni giornalistiche, registri pubblici, fonti scientifiche peer-reviewed e agenzie fotografiche con protocolli di autenticazione diventano i pilastri di un'infrastruttura minima di orientamento.
Perché questo sistema regga, queste realtà devono essere attrezzate per sostenerne il peso. La verifica va integrata nell'architettura dei processi, nei flussi di lavoro redazionali, nelle procedure organizzative. Chi progetta sistemi informativi assume una responsabilità che riguarda la solidità delle strutture deputate a produrre, attribuire e distribuire i contenuti, non solo la qualità dei singoli pezzi.

La percezione diretta ha perso il suo statuto epistemico fondamentale (Fallis, 2021). «L'ho visto con i miei occhi» non è più un punto di partenza inattaccabile del ragionamento. Ricostruire un rapporto maturo con la conoscenza richiede un'attenzione costante alle strutture che generano e diffondono i contenuti.
Cosa cambia, però, nel modo in cui pensiamo la fiducia, quando la garanzia istituzionale diventa l'unico criterio disponibile? Quali forme di conoscenza restano fuori da questo sistema, e chi ne risponde?

Riferimenti

Barrington, S., Cooper, E. A., & Farid, H. (2025). People are poorly equipped to detect AI-powered voice clones. Nature. https://doi.org/10.1038/s41598-025-94170-3

Chen, H., & Magramo, K. (2024, February 4). Finance worker pays out $25 million after video call with deepfake 'chief financial officer'. CNN. https://edition.cnn.com/2024/02/04/asia/deepfake-cfo-scam-hong-kong-intl-hnk

Chesney, R., & Citron, D. (2019). Deep fakes and the new disinformation war. Foreign Affairs, 98(1), 147–155.

Fallis, D. (2021). The epistemic threat of deepfakes. Philosophy & Technology, 34(4), 1–21.

Letture consigliate

Le letture consigliate non sono da intendere come una bibliografia di supporto, bensì come accessi a prospettive eterogenee, talora in tensione reciproca e con il testo. L'invito al lettore è quello di attraversarle criticamente per costruire un proprio quadro interpretativo.

Ahmed, S., Bee, A. W. T., Ng, S. W. T., & Masood, M. (2024). Social media news use amplifies the illusory truth effects of viral deepfakes: A cross-national study of eight countries. Journal of Broadcasting & Electronic Media. https://doi.org/10.1080/08838151.2024.2410783

Studio cross-nazionale in otto paesi che esamina come il consumo di notizie sui social media amplifichi la tendenza a percepire come credibili i contenuti falsi per effetto dell'esposizione ripetuta.

Ching, D., Twomey, J., Aylett, M. P., Quayle, M., Linehan, C., & Murphy, G. (2025). Can deepfakes manipulate us? Assessing the evidence via a critical scoping review. PLOS ONE. https://doi.org/10.1371/journal.pone.0320124

Revisione sistematica di 22 studi empirici sugli effetti dell'esposizione ai deepfake su credenze, memoria e comportamento. Gli studi esistenti producono risultati spesso inconcludenti: la speculazione sui rischi ha largamente preceduto la ricerca empirica.

Elsner, M., Atkinson, G., & Zahidi, S. (2025). The Global Risks Report 2025 (20th ed.). World Economic Forum. https://reports.weforum.org/docs/WEF_Global_Risks_Report_2025.pdf

Rapporto annuale del WEF che colloca la disinformazione e i media sintetici tra i principali rischi globali del prossimo decennio, con analisi delle interconnessioni tra rischi tecnologici, politici e sociali.

Habgood-Coote, J. (2023). Deepfakes and the epistemic apocalypse. Synthese, 201(3), 1–23. https://doi.org/10.1007/s11229-023-04097-3

Saggio che mette criticamente alla prova le previsioni più catastrofiste sui deepfake, argomentando che il problema reale non è tecnico ma sociale: la fragilità dei meccanismi collettivi di costruzione della conoscenza.

Schiff, K. J., Schiff, D. S., & Bueno, N. S. (2024). The liar's dividend: Can politicians claim misinformation to evade accountability? American Political Science Review, 1–20. https://doi.org/10.1017/s0003055423001454

Studio che analizza il fenomeno per cui la diffusione dei deepfake consente ad attori politici di sminuire evidenze autentiche definendole false, con effetti misurabili sulla responsabilità pubblica e sulla fiducia nelle istituzioni.

Twomey, J., Ching, D., Aylett, M. P., Quayle, M., Linehan, C., & Murphy, G. (2023). Do deepfake videos undermine our epistemic trust? A thematic analysis of tweets that discuss deepfakes in the Russian invasion of Ukraine. PLOS ONE, 18(10). https://doi.org/10.1371/journal.pone.0291668

Analisi di oltre 4.800 tweet sui deepfake nel primo conflitto armato in cui sono stati usati su larga scala. Emerge che gran parte della disinformazione proveniva da contenuti reali presentati come falsi: evidenza diretta del liar's dividend in azione.