1. Intelligenza emotiva e tecno-intelligenza dell’IA
Negli ultimi decenni l’intelligenza emotiva ha acquisito una centralità fondamentale nel dibattito scientifico e filosofico. Essa è nata per descrivere la capacità di percepire, comprendere, utilizzare e regolare le emozioni proprie e altrui. Oggi è sfidata dall’irruzione delle architetture di intelligenza artificiale generativa e dei sistemi conversazionali. L’emergere di un lessico che ricorre a espressioni quali «empatia artificiale» o «intelligenza emotiva delle macchine» rischia di generare una profonda ambiguità teorica. È necessario distinguere l’intelligenza emotiva propriamente umana dalla tecno-intelligenza, intesa come l’insieme delle capacità computazionali di elaborazione, previsione e generazione di risposte linguistiche e comportamentali adattive. Una risposta funzionalmente efficace di un algoritmo non implica la presenza di un’esperienza vissuta o di uno stato affettivo sottostante: la tecno-intelligenza simula gli esiti comunicativi dell’empatia senza realizzare i correlati esperienziali, corporei e intersoggettivi dell’emozione.
Tuttavia, ridurre il dibattito alla sola domanda se le macchine «provino» o meno emozioni rimarrebbe entro una cornice essenzialista e statica, che concepisce l’umano e il digitale come due realtà isolate. La vera questione riguarda il modo in cui l’interazione continuativa con i dispositivi tecnologici modifica i processi di percezione, attenzione, regolazione affettiva e decisione dell’essere umano, spostando la riflessione sulla natura dei processi di soggettivazione contemporanei (Landolfi, 2016, 2023 a; Di Bianco, 2025).
I primi modelli teorici dell’intelligenza emotiva – dalle abilità di Salovey e Mayer ai modelli misti di Goleman (Mayer & Salovey, 1997; Goleman, 1995) – hanno interpretato il funzionamento emotivo attraverso capacità cognitive e tratti disposizionali. La scuola sistemico-relazionale (Watzlawick et al., 1967) ha tuttavia mostrato che l’emozione è una competenza distribuita ed emergente entro una rete di relazioni e storie condivise, dove la regolazione emotiva si costituisce in pattern interattivi circolari e contesti situati. Sul piano procedurale, la terapia cognitivo-comportamentale (CBT) ha concettualizzato l’emozione come l’esito di elaborazioni dell’informazione mediate da schemi e pensieri automatici. Sebbene la struttura della CBT presenti un’affinità formale con le architetture dell’IA, la regolazione emotiva umana comprende una dimensione affettiva e corporea che resiste alla pura formalizzazione logica.
2. L’affective computing e le neuroscienze affettive
A questo livello si colloca la ricezione del contributo delle neuroscienze affettive di Jaak Panksepp (Landolfi, 2023b), volte a dimostrare che le emozioni primarie affondano le proprie radici in circuiti neurobiologici e sottocorticali preverbali, filogeneticamente antichi e condivisi tra i mammiferi. L’emozione umana precede l’elaborazione linguistico-cognitiva neocorticale ed è indissociabile da una specifica attivazione neurovegetativa e somatica.
L’informatica affettiva (affective computing), inaugurata alla fine degli anni Novanta da Rosalind Picard (Picard, 1997), ha sviluppato sistemi capaci di tracciare biometricamente gli stati dell’utente ed elaborare risposte sintonizzate. Con i grandi modelli linguistici, la capacità delle macchine di simulare la sintonizzazione affettiva tramite il calcolo probabilistico ha raggiunto livelli inediti. Sul piano epistemologico, esperimenti mentali come la ‘stanza cinese’ di Searle e la concettualizzazione di Luciano Floridi sull’agentività senza intenzionalità (Searle, 1980; Floridi, 2014) confermano che i sistemi artificiali operano secondo una manipolazione sintattica priva di comprensione semantica o fenomenica.
Un’obiezione critica riguarda l’emergere della robotica affettiva umanoide e delle interfacce cervello-computer (Lui, Samani & Tien, 2018), che interagiscono con il corpo biologico mediante sensori biometrici, feedback tattili e stimolazione neurale diretta. Tuttavia, la differenza strutturale con l’emozione umana rimane intatta: l’esperienza corporea umana non coincide con un mero involucro fisico o rilevatori biometrici, ma è legata alla condizione di vulnerabilità biologica, finitudine, invecchiamento e memoria somatica dell’organismo vivente. Un robot umanoide riproduce un output parametrico, mentre i circuiti sottocorticali dei mammiferi traggono origine dall’evoluzione della vita organica e non da una matrice algoritmica.
Il nodo centrale riguarda dunque il modo in cui l’ambiente tecnologico riorganizza la psiche, la corporeità e la percezione dell’essere umano. Il soggetto non è una sostanza fissa, ma l’esito di un processo di soggettivazione storicamente situato. L’interazione uomo-tecnologia configura oggi una soggettività cyborg, in cui la separazione tra organico e inorganico si fa permeabile. I dispositivi digitali non sono strumenti neutrali, ma elementi attivi nella costruzione della nicchia ecologico-affettiva entro cui il soggetto struttura desideri, giudizi e attenzione.
L’ecosistema delle piattaforme digitali opera attraverso una sollecitazione continuativa dell’attenzione guidata da meccanismi di ricompensa intermittente. L’interazione con notifiche, feed e feedback sociali stimola il sistema di ricompensa dopaminergico cerebrale (area tegmentale ventrale e nucleus accumbens). Le ricerche di neuroimaging dimostrano che questa stimolazione costante produce modificazioni per neuroplasticità (Small et al., 2020; Rose & Abi-Rached, 2013). Questo fenomeno può essere concettualizzato nei termini di una «ludopatia ambientale e sistemica»: la distinzione tra uso patologico e normale sfuma, poiché l’architettura delle piattaforme è progettata per catturare l’attenzione e offrire gratificazione immediata.
3. La decisione tecnologicamente biomediata
L’interazione tra utente e piattaforme digitali agisce in modo differenziato in base alla maturazione neurobiologica: negli adolescenti, la cui corteccia prefrontale non è ancora pienamente matura, l’esposizione a cicli dopaminergici rapidi iperattiva i circuiti limbici a detrimento delle capacità inibitorie e di concentrazione profonda. Negli adulti, l’uso compulsivo tende ad atrofizzare l’attenzione sostenuta e la tolleranza della frustrazione. Negli anziani, un uso mirato può invece stimolare circuiti di orientamento e memoria, evidenziando la plasticità cerebrale. Questa riorganizzazione dà origine alla decisione tecnologicamente biomediata: accelerando la temporalità della scelta, il margine per la deliberazione razionale ed elaborata si riduce drasticamente. Ciò configura la neuro-governamentalità digitale (Landolfi, 2016; Foucault, 2020): una forma di potere che modella dall’interno la struttura dei desideri, delle reazioni e del sistema di ricompensa attraverso parametri algoritmici.
L’apparente tensione tra la prospettiva clinica della CBT (che mira all’adattamento) e la critica biopolitica (che vi vede un addomesticamento algoritmico) si scioglie distinguendo due modalità d’uso: se ridotta a pura tecnica comportamentale per ripristinare la produttività, la CBT rischia di diventare un ingranaggio della neuro-governamentalità; se integrata con la consapevolezza neuroscientifica e biopolitica, si trasforma in una potente tecnica di sé per svelare l’artificio della neuro-sollecitazione e riappropriarsi dello spazio di scelta autonoma.
Nei contesti di supporto psicologico, l’IA conversazionale mostra eccellenti capacità funzionali per esercizi psicoeducativi o monitoraggio. Ciononostante, confondere la validazione linguistica automatizzata con la cura clinica è un errore: la psicoterapia dipende dall’alleanza terapeutica, dal campo relazionale condiviso e dalla capacità di risuonare emotivamente con il dolore dell’altro. L’IA può fungere da sussidio protesico, ma non sostituire la presenza sensibile umana. Per evitare che la critica rimanga pura speculazione, occorre tracciare strategie pratiche: in ambito clinico, sviluppare protocolli di de-automazione dopaminergica (modulazione del circuito dopaminergico di ricompensa) e tecniche di re-grounding somatico (radicamento nella percezione di sé); in ambito pedagogico, promuovere un’ecologia dell’attenzione ri-istituendo spazi privi di digitale per abituare il cervello alla gestione della noia e del tempo vuoto; sul piano tecnologico, incoraggiare il design di interfacce ad attrito che introducano pause obbligate prima di una decisione.
Tuttavia, emergono alcune criticità operative ed epistemologiche intrinseche: la CBT rischia di essere ridotta a una semplice tecnica prestazionale per gestire lo stress da iper-sollecitazione anziché contestarne l’architettura biopolitica; le strategie di mitigazione come il design ad attrito dei contenuti digitali si scontrano con l’utopia di un’auto-limitazione delle piattaforme commerciali; la neuroplasticità varia eterogeneamente in base al capitale sociale e alle specifiche interfacce; infine, di fronte alla robotica affettiva e al Brain Computer Interface (interfaccia cervello-computer) capaci di retroagire sui parametri fisiologici, il confine tra simulazione dell’output e percezione soggettiva dell’affetto si fa sempre più labile.
In conclusione, il confronto tra intelligenza emotiva e tecno-intelligenza non si risolve in una contrapposizione manichea tra umano e macchina. Se l’IA raggiunge prestazioni straordinarie sul piano funzionale, la dimensione affettiva sottocorticale, corporea e sistemica dell’umano rimane una prerogativa biologica irriducibile. Di fronte a un ambiente che colonizza i circuiti dell’attenzione via neuro-governamentalità, la tutela dell’intelligenza emotiva richiede un’azione attiva di de-condizionamento per garantire che la tecnologia rimanga un’estensione delle potenzialità umane e non l’ambiente invisibile entro cui l’autonomia stessa viene riscritta.
Riferimenti bibliografici
DI BIANCO N., Intelligenza artificiale, medicina e neuroetica, La Valle del tempo, Napoli, 2025;
FLORIDI L., The 4th Revolution: How the Infosphere is Reshaping Human Reality, Oxford University Press, Oxford, 2014;
FOUCAULT M., Power: Essential Works of Foucault 1954–1984, Volume 3, Penguin Books, London, 2020;
GOLEMAN D., Emotional Intelligence: Why It Can Matter More Than IQ, Bantam Books, New York, 1995;
LANDOLFI C., The Digital Governmentalisation of Emotions, European Press Academic Publishing, Firenze, 2016;
LANDOLFI C., An Inquiry into The Psychic Dimensions of Digital: Consuming, Judgement, Affects and Awareness, Proceedings of the 6th International Conference on Advanced Research in Social Sciences (ICARSS), Cambridge, 2023 a, pp. 20–32;
LANDOLFI C., L’Affective Neuroscience di Panksepp e il superamento delle teorie cognitivo-linguistiche della coscienza, Quaderni dell’Accademia Mirista, Salerno, 2023 b;
MAYER J. D., SALOVEY P., What is emotional intelligence?, Basic Books, New York, 1997, pp. 3–31;
PICARD R. W., Affective Computing, MIT Press, Cambridge (MA), 1997;
ROSE N., ABI-RACHED J. M., Neuro: The New Brain Sciences and the Management of the Mind, Princeton University Press, Princeton, 2013;
LUI J. H., SAMANI H., TIEN K.-Y., An affective mood booster robot based on emotional processing unit, IEEE, 2018, pp. 1–6;
SEARLE J. R., Minds, brains, and programs, Behavioral and Brain Sciences, 1980, pp. 417–424;
SMALL G. W., LEE J., KAUFMAN A., JALIL J., SIDDARTH P., GADDIPATI H., MOODY T. D., BOOKHEIMER S. Y., Brain health consequences of digital technology use, Dialogues in Clinical Neuroscience, 2020, pp. 179–187;
WATZLAWICK P., BEAVIN J. B., JACKSON D. D., Pragmatics of Human Communication: A Study of Interactional Patterns, Pathologies, and Paradoxes, W. W. Norton & Company, New York, 1967.
Immagini generate tramite ChatGPT. Tutti i diritti sono riservati. Università di Torino (2026).
