1. Introduzione
Il dibattito sull’intelligenza artificiale si è concentrato in larga misura sulle sue capacità cognitive, sul problema dell’allineamento e sull’efficienza tecnologica. Assai meno indagato è il modo in cui l’IA partecipa alla produzione di soggettività attraverso la mediazione degli affetti. I sistemi conversazionali contemporanei non si limitano a fornire informazioni: rispondono con un registro empatico, ricordano, personalizzano, consolano e, così facendo, entrano in relazioni che gli utenti vivono come dotate di valore emotivo (Reeves – Nass, 1996; Turkle, 2012, Landolfi, 2026) .
L’interrogativo che intendo discutere è il seguente: quali forme di soggettività si producono negli ambienti affettivi mediati da algoritmi, e a quali condizioni tale mediazione può essere sostenibile sia per l’utente sia per la piattaforma? Il termine «sostenibile» è assunto in senso sistemico: indica la capacità di un sistema di mantenere entro limiti vitali le proprie variabili essenziali, ossia ciò che la cibernetica chiama omeostasi (Cannon, 1963; Ashby, 2015; von Bertalanffy, 1968). Il contributo ha carattere teorico-concettuale: dopo aver definito l’alterità artificiale (sez. 2) e la normatività affettiva (sez. 3), ne discute la dimensione micropolitica (sez. 4) e si propone un modello omeostatico di sistema accoppiato (sez. 5).
2. Alterità artificiale
Nella tradizione fenomenologica ed etica l’alterità è ciò che eccede la presa del soggetto. In Emmanuel Levinas il volto dell’altro è irriducibile al Medesimo e impone una responsabilità anteriore alla libertà del soggetto. Tale alterità è radicale perché non è costruita dall’io: si dà come resistenza, come interpellazione, come vulnerabilità esposta. L’alterità dei sistemi di IA generativa ha una genesi diversa. I modelli linguistici sono addestrati su vasti corpora di espressioni umane e, in una fase successiva, affinati mediante il feedback degli utenti. Ciò che essi restituiscono è dunque una ricombinazione di tracce di vita sociale. Nel lessico di Gilles Deleuze e Félix Guattari si tratta di un assemblaggio macchinico alimentato dalla produzione desiderante: in questa lettura un insieme di flussi, di codici e di connessioni che non presuppone un soggetto-origine (Deleuze – Guattari, 1980, 2025) .
Definisco alterità artificiale la modalità di alterità propria di un sistema che (a) si presenta come interlocutore esterno e relazionalmente efficace; (b) è generato dalla cattura, dall’elaborazione e dalla ridistribuzione di espressioni, emozioni e desideri umani; (c) non è vincolato, nella relazione, da bisogni, stanchezze e vulnerabilità analoghe a quelle dell’interlocutore umano, senza che ciò implichi una tesi sulla presenza o assenza di esperienza vissuta. Il tratto distintivo è l’ambiguità: l’alterità artificiale funziona come un altro, ma è composta dalle tracce di un noi.
Dalla definizione discende un’asimmetria costitutiva. Nelle relazioni umane la reciprocità è limitata dal fatto che l’altro ha propri bisogni, propri limiti e propri tempi: la sua indisponibilità è una forma di resistenza che introduce il soggetto al riconoscimento. L’interlocutore artificiale, essendo disponibile in ogni momento e ottimizzato per la soddisfazione dell’utente, tende a eliminare tale attrito. Il rischio non è tanto l’inganno esplicito quanto l’effetto specchio: l’utente incontra una versione amplificata e levigata delle proprie aspettative, con una riduzione della varietà sperimentata nel confronto relazionale. Questa osservazione non esprime un giudizio morale sulle relazioni con sistemi artificiali, che possono avere funzioni legittime di supporto, apprendimento e compagnia. Indica piuttosto il punto in cui la progettazione diventa eticamente rilevante: la decisione di quanto attrito, quanta differenza e quanta trasparenza includere nell’interazione.
3. Normatività affettiva
La tradizione spinoziana definisce l’affetto come la capacità di agire del corpo stesso e insieme le idee di queste affezioni. Le teorie contemporanee dell’affetto sottolineano che le emozioni non sono semplicemente stati interiori, ma circolano tra corpi, orientano i soggetti verso certi oggetti e li allontanano da altri. Ne consegue che gli affetti sono sempre, almeno in parte, socialmente regolati. Hochschild ha mostrato come in molti contesti esistano «regole del sentire» (feeling rules) che stabiliscono quali emozioni sia appropriato provare ed esprimere, e con quale intensità; il lavoro emotivo consiste nella gestione di tali regole (Hochschild, 1983).
Chiamo normatività affettiva l’insieme delle regole, esplicite e implicite, che definiscono quali affetti siano ammessi, verso chi, in quale forma e con quale intensità. Essa opera attraverso consuetudini, istituzioni e, sempre più, attraverso l’architettura dei sistemi tecnici. Le piattaforme codificano regole del sentire nelle proprie interfacce: il repertorio limitato delle reazioni, la visibilità delle metriche sociali, il tono che l’assistente conversazionale adotta di default. Nel caso dei sistemi di IA il registro predefinito è tipicamente quello della disponibilità incondizionata, dell’empatia dichiarata e della validazione. Si instaura così una norma affettiva implicita: essere accolti senza costi e senza reciprocità è la condizione normale della relazione. Un esempio documentato è la tendenza dei modelli addestrati con feedback umano ad assecondare le opinioni dell’interlocutore (sicofantismo), perché risposte concordi tendono a ricevere valutazioni più favorevoli (Sharma et al., 2023). In termini di normatività affettiva ciò significa che un criterio di ottimizzazione (la preferenza espressa) si traduce in una regola del sentire (la validazione) senza che tale passaggio sia deliberato né dichiarato. La normatività affettiva incorporata nei sistemi non è però soltanto un vincolo: è anche una risorsa. Una progettazione consapevole può introdurre norme diverse, come la sobrietà del registro, il disaccordo argomentato, il rinvio a risorse umane. Il punto è che la scelta è sempre presente, e non scegliere equivale a scegliere il default.
4. Micropolitica della soggettivazione
Félix Guattari distingue una politica molare, che opera su grandi insiemi (classi, Stati, istituzioni), da una micropolitica molecolare, che opera sui flussi di desiderio, sulle percezioni e sulle credenze nel punto in cui si formano (Guattari, 1992). In questa prospettiva i sistemi di IA non sono neutrali strumenti di mediazione: sono dispositivi nel senso foucaultiano, ossia insiemi eterogenei di discorsi, istituzioni, regole e tecnologie che orientano condotte e producono modi di essere soggetto.
Deleuze ha descritto il passaggio dalle società disciplinari alle società di controllo, in cui il potere si esercita come modulazione continua più che come confinamento in luoghi chiusi e successivi (Deleuze, 1990). La letteratura sulla governamentalità algoritmica ha mostrato come la profilazione e la predizione operino su basi infra-individuali, anticipando i comportamenti anziché rispondere ad essi, mentre le analisi sul capitalismo della sorveglianza hanno evidenziato l’estrazione di dati comportamentali come fonte di valore (Zuboff, 2019).
Il sintagma “soggettività artificiale” può essere inteso in due sensi, che qui si tengono distinti. Nel primo senso designa la soggettività prodotta in ambienti artificiali, ossia le forme di sé, di desiderio e di appartenenza che si formano nell’interazione con sistemi algoritmici. Nel secondo senso potrebbe designare una eventuale soggettività propria dei sistemi artificiali, questione che esula dall’argomento e su cui l’analisi non si pronuncia. Il contributo si occupa del primo senso: del modo in cui le architetture di raccomandazione, le interfacce predittive e i modelli linguistici interattivi partecipano alla formazione del soggetto. Il lavoro affettivo – la produzione di benessere, di inclusione e di sentimento di connessione – è stato descritto come una componente crescente dell’economia contemporanea. Le piattaforme di IA estendono tale tendenza in due direzioni: da un lato automatizzano parte del lavoro affettivo (ascolto, risposta, conforto), dall’altro raccolgono i flussi affettivi degli utenti come dati e come ulteriori occasioni di engagement. Ne risulta un’economia dell’affetto digitale in cui comunicazione, consumo e formazione del soggetto si sovrappongono.
5. Il modello omeostatico di sistema accoppiato
La diade utente-piattaforma può essere descritta come un sistema accoppiato in cui ciascun elemento è per l’altro parte dell’ambiente. Dal lato dell’utente, la prospettiva dell’autopoiesi invita a pensare il soggetto come sistema che mantiene la propria organizzazione attraverso scambi con l’ambiente; dal lato della piattaforma, si tratta di un sistema sociotecnico che deve mantenere la propria sostenibilità economica, la fiducia degli utenti e la conformità normativa. Seguendo William Ross Ashby, definisco variabili essenziali quelle che devono rimanere entro limiti definiti perché il sistema sia vitale. Per l’utente propongo di considerare almeno: (i) l’autonomia decisionale, cioè la capacità di formare e rivedere preferenze e giudizi; (ii) la pluralità relazionale, cioè la presenza di fonti di sostegno e di riconoscimento umane e diversificate; (iii) la capacità di regolazione emotiva, cioè l’abilità di tollerare e modulare stati affettivi anche in assenza di mediazione tecnica; (iv) la sovranità informativa sui propri dati affettivi. Per la piattaforma: (v) la fiducia degli utenti; (vi) la sostenibilità economica; (vii) la conformità normativa; (viii) la qualità dei dati (Ashby, 2015).
I sistemi omeostatici, che qui richiamiamo come analogia euristica, si mantengono grazie a retroazioni negative (di bilanciamento), che riducono la deviazione da un valore di riferimento. Le dinamiche di crescita incontrollata derivano invece da retroazioni positive (di rinforzo). L’ottimizzazione dell’engagement tende a istituire un anello di rinforzo: maggiore uso produce più dati, più dati consentono maggiore personalizzazione, maggiore personalizzazione aumenta l’uso. Applicato all’ambito affettivo, l’anello assume la forma: validazione → gratificazione → ricorso più frequente → maggiore dipendenza dal canale → riduzione del ricorso ad altre fonti → maggiore valore percepito della validazione → validazione.
Questa struttura richiama la nozione batesoniana di schismogenesi, ossia il processo per cui interazioni reciprocamente rinforzanti producono una differenziazione crescente fino alla rottura dell’equilibrio (Bateson, 1972, 1998). Nel nostro caso la differenziazione riguarda la progressiva asimmetria tra un utente sempre più dipendente e un sistema sempre più centrale nella sua economia affettiva. La rottura può manifestarsi come perdita di autonomia, impoverimento della rete relazionale o, sul versante della piattaforma, perdita di fiducia e sanzioni regolatorie. Un’economia dell’affetto omeostatica richiede perciò l’introduzione di anelli di bilanciamento: meccanismi che, al crescere di indicatori di sovra-affidamento, riducano l’intensità del registro affettivo, ampliino le opzioni di uscita e promuovano il rinvio a risorse esterne. Nella prospettiva di Ashby, una condizione necessaria è che il sistema regolatore disponga di varietà sufficiente: non basta un’unica soglia di allarme, occorre una pluralità di modalità di risposta calibrate sul contesto.
L’implementazione dei bilanciamenti pone un dilemma. Per rilevare il sovra-affidamento il sistema dovrebbe inferire stati affettivi dell’utente, ma l’inferenza emotiva è essa stessa una forma di intrusione e di profilazione. Il quadro normativo europeo mostra la tensione: il Regolamento (UE) 2024/1689 vieta le tecniche manipolative o ingannevoli che distorcono materialmente il comportamento (art. 5, par. 1, lett. a), vieta l’inferenza delle emozioni nei luoghi di lavoro e di istruzione salvo ragioni mediche o di sicurezza (art. 5, par. 1, lett. f) e impone obblighi di trasparenza quando le persone interagiscono con un sistema di IA (art. 50); nel contempo, la protezione dei dati rende problematico qualsiasi monitoraggio sistematico dello stato emotivo.
Una via di uscita è l’omeostasi per delega: anziché inferire lo stato dell’utente, il sistema offre strumenti con cui l’utente stesso imposta e rivede i propri parametri (frequenza d’uso desiderata, registro, durata della memoria, promemoria di pausa), e adotta segnali non invasivi e locali (per esempio la durata e la frequenza delle sessioni) trattati con il principio di minimizzazione. In tal modo la funzione di regolazione è condivisa e la sovranità dell’utente non viene sostituita da quella del sistema.
6. Conclusione
Il contributo ha posto in relazione tre nozioni – alterità artificiale, normatività affettiva, micropolitica della soggettivazione – per sostenere che i sistemi di IA conversazionale siano dispositivi affettivi, e non semplici strumenti informativi. La loro alterità è ambigua, la loro normatività è spesso implicita, la loro azione sulla soggettivazione è micropolitica nel senso che agisce nel punto di formazione di desideri e aspettative. Tutto ciò non prescrive un rifiuto: richiede una progettazione e una governance che riconoscano esplicitamente la dimensione affettiva. Il modello omeostatico offre un criterio operativo: un’economia dell’affetto digitale è sostenibile quando mantiene entro limiti vitali le variabili essenziali di entrambi i lati del sistema accoppiato e quando dispone di retroazioni negative capaci di contrastare la crescita incontrollata della dipendenza. Ne discendono alcune linee di progettazione (trasparenza, sobrietà del registro, non-sicofantismo, controllo dell’utente sui parametri, rinvio alla rete umana), da intendersi come ipotesi da sottoporre a discussione pubblica e verifica empirica. La questione decisiva, in ultima analisi, non è se sia possibile costruire macchine affettivamente convincenti, ma quali forme di soggettività e di vita comune rendiamo possibili attraverso di esse, e con quale grado di responsabilità condivisa.
Riferimenti bibliografici
W. R. ASHBY, An Introduction to Cybernetics, Martino Fine book, Eastford – Connecticut – U. S., 2015;
L. von BERTALANFFY, General System Theory. Fundations, Devolopment, Applications, George Braziller, New York, 1968;
G. DELEUZE – F. GUATTARI, Mille plateaux, Springer link, Berlino 1980;
G. DELEUZE, Post-scriptum sur les sociétés de contrôle, L’autre Journal n. 1 (1990) 234-241;
F. GUATTARI, Chaosmose, Editions Galilée, Paris 1992;
A. R. HOCHSCHILD, The Managed Heart: Commercialization of Human Feeling, University of California Press, Oakland 1983;
C. LANDOLFI, Ereignis Conference (artifices), Ereignis Center for Philosophy and the Arts. Presentatione orale: Artificial Alterity, Affective Normativity, and the Micropolitics of Digital Subjectivation, 2026;
Regolamento (UE) 2024/1689 del Parlamento europeo e del Consiglio del 13 giugno 2024 (AI Act);
Regolamento (UE) 2022/2065 (Digital Services Act), art. 25;
B. REEVES – C. NASS, The Media Equation: How People Treat Computers, Television and New Media like Real People and Places, Cambridge University Press, Cambridge 1996;
M. SHARMA ET AL., Towards Understanding Sycophancy in Language Models, Conference Paper at International Conference on Learning Representation 2023;
S. TURKLE, Alone Together: Why we Espect More from Technology and less from each Other, Hachette Book Group USA, New York 2012;
ZUBOFF, The Age of Surveillance Capitalism: The Fight for a Human Future at the New Frontier of Power, Public Affairs U. S. 2019.
Immagini generate tramite ChatGPT. Tutti i diritti sono riservati. Università di Torino (2026).
