Sull'ultimo fascicolo di AI & Society, la rivista Springer sulle implicazioni sociali dell'intelligenza artificiale, esce un articolo di Open Forum firmato da Birmingham, Aarhus e Linnaeus. Titolo: 'Robotoid humanness: when selfhood becomes machine-legible', pubblicato ad accesso aperto il 19 agosto 2026. Gli autori coniano un termine per una deriva ancora tutta da misurare: il consumatore si adatta al ritmo e al vocabolario della macchina fino a esperire sé stesso come più fluente e socialmente accettabile in quella forma.
I tre stadi del rispecchiamento
Il paper propone un meccanismo a tre stadi. Nel primo il cliente entra in una realtà sociale sintetica che chiede impegno reale e lo ottiene, perché l'agente conversazionale mima cadenza, cortesia e segnali affettivi. Nel secondo lo scambio viene catturato per via computazionale: al posto della comprensione narrativa di sé, il sistema restituisce un'astrazione statistica sotto forma di riconoscimento personalizzato. Nel terzo l'utente adatta la propria presentazione a ciò che il sistema sa analizzare e premiare, e a ogni ripetizione l'allineamento si stringe. 'Il consumatore agisce, il robot risponde, e con l'esposizione ripetuta il consumatore interiorizza lo scambio', sintetizza Selcen Ozturkcan, coautrice alla Linnaeus University, mentre Inci Toral-Manson di Birmingham parla di un'influenza bidirezionale fra utente e agente.
Perché il feedback algoritmico converge invece di divergere
Il rispecchiamento sociale non nasce con i chatbot: gli autori risalgono a Cooley e al 1902, quando l'idea che ci vediamo attraverso lo sguardo altrui era già codificata. La differenza che nomina la robotoid humanness sta nel carattere del ritorno. Un interlocutore umano fornisce prove eterogenee e contestabili, mentre il feedback algoritmico è progettato per convergere, ottimizzato con memoria persistente, apprendimento per rinforzo dal feedback umano e personalizzazione a partire da embedding. Il perimetro non è la forma fisica dell'agente: contano i segnali sociali di norma umana, linguistici, paralinguistici, visivi o comportamentali. Su questa asimmetria fra i due lati dello scambio poggia l'intero argomento del paper, e da qui nasce il rischio che gli autori descrivono come normalizzazione di una personalità ridotta a standard di comprensione nella vita di servizio.
Il campo cresce, la ricerca empirica no
Il paper è dichiaratamente teorico: chiude con proposizioni empiricamente verificabili, cioè indicando cosa andrebbe misurato per confermare o smentire l'ipotesi. Il problema è la velocità del campo che vorrebbe osservare. Secondo l'ultima rilevazione di Eurostat sull'uso dell'intelligenza artificiale nelle imprese, nel 2025 il 19,95% delle imprese europee con almeno dieci addetti ha usato tecnologie di intelligenza artificiale, con un aumento di 6,47 punti percentuali in dodici mesi. Fra le grandi imprese la quota sale al 55,03%. Il servizio clienti automatizzato, che è il setting scelto dagli autori, è fra i primi casi d'uso a scalare in retail, sanità, turismo e ospitalità. L'infrastruttura di interazione si diffonde più veloce della conoscenza empirica su come cambia la percezione di sé di chi la usa.
Il vuoto empirico è particolarmente evidente sui grandi modelli linguistici. Il paper estende il meccanismo dai sistemi di raccomandazione agli LLM conversazionali con memoria, ma qui i cicli di adattamento reciproco fra utente e agente non sono ancora tracciati in modo continuativo. Sul lato della ricerca italiana si vedono investimenti sulla robotica cognitiva, come mostrano le cinque ricerche italiane più importanti del semestre e i 199 milioni ERC a Pisa per robot che leggono la natura. Quasi nessuno di questi progetti misura però l'effetto di ritorno sul comportamento di chi con quei sistemi ci parla ogni giorno, che è la quantità che il disegno di ricerca proposto vorrebbe far emergere.
Il paper completo su AI & Society resta un invito a costruire quel disegno di studio. Finché le misurazioni longitudinali sul comportamento dei clienti esposti in modo continuo agli agenti conversazionali non partono, il peso del fenomeno nella vita di servizio mediata dall'IA rimane una quantità ignota, come emerge in altri filoni di ricerca che maturano lentamente.