La relazione con l’intelligenza artificiale generativa (LLM): un impersonale che risponde

1. Introduzione: una nuova forma di interlocuzione

Con la diffusione dei modelli linguistici generativi, gli esseri umani interagiscono quotidianamente con sistemi computazionali che simulano la forma dialogica senza possederne la sostanza. Per la prima volta, la relazione con la macchina non passa più principalmente attraverso il gesto strumentale, ma attraverso un’interazione linguistica che assume una configurazione quasi-personale.

Come ha osservato David Chalmers, le tecnologie immersive e generative producono «mondi artificiali dotati di coerenza interna» (Chalmers 2022, 14), capaci di ospitare forme di interazione che l’utente esperisce come intelligenti, indipendentemente dalla natura ontologica della macchina.

La questione filosofica principale, in questo scenario, non riguarda la possibilità che l’IA sviluppi stati mentali, quanto piuttosto il destino dell’interiorità umana all’interno di un ambiente comunicativo dove l’“altro” risponde sempre, ma non esperisce mai. L’emergere di un “impersonale conversazionale” costituisce una novità antropologica che richiede un ripensamento delle categorie relazionali tradizionali.

Per rendere descrivibile questa forma inedita di interlocuzione, si può ricorrere a una metafora euristica: l’LLM come pozzo. Il pozzo è un dispositivo impersonale che tuttavia “risponde”: restituisce un’eco senza ascolto e un ritorno senza esperienza. La sua produttività dipende dall’interpellazione — l’eco non precede la voce — e la pertinenza di ciò che ritorna varia con la forma dell’emissione. Questa figura non intende attribuire soggettività alla macchina, ma isolare il tratto decisivo della relazione: l’alterità è fenomenicamente presente nella risposta, ma ontologicamente assente come interiorità.

2. L’impersonale nella filosofia dell’IA

Le prime discussioni filosofiche sull’intelligenza artificiale insistevano sulla radicale non-soggettualità delle macchine: nessun sistema simbolico avrebbe potuto riprodurre l’intelligenza incarnata tipica dell’essere umano.

John Searle, attraverso l’esperimento della “stanza cinese”, ribadiva che nessuna manipolazione puramente sintattica dei simboli potrebbe mai dar luogo a stati mentali (Searle 1980).

Queste critiche mantengono oggi piena validità se riferite alla coscienza e all’intenzionalità. Tuttavia, non sono più sufficienti per descrivere la forma dell’interazione prodotta dai sistemi generativi contemporanei.

Come osserva Brian Cantwell Smith, la prestazione linguistica degli LLM invita l’utente a «proiettare intenzionalità nel sistema» (Cantwell Smith 2019, 32–35): l’impersonale non diventa personale, ma acquisisce una forma relazionale che induce l’impressione di una soggettività. In termini della metafora introduttiva, ciò che opera qui non è l’emergere di un “qualcuno”, ma la forza del ritorno: la risposta, proprio perché appare pertinente, sollecita l’utente a colmare l’assenza di interiorità attribuendo al dispositivo un centro intenzionale.

3. LLM come impersonale composto

Per comprendere la natura di questo impersonale, occorre ricostruire la struttura degli LLM. Essi non sono entità unitarie, bensì composizioni tecniche articolate in tre livelli.

Il primo livello è costituito dal dataset di addestramento, un’enorme aggregazione di testi provenienti dal web e da archivi digitali. Come ha mostrato Kate Crawford, i dataset non rappresentano il mondo, ma una sua versione parziale e selettiva, frutto di processi di pulizia, filtraggio e normalizzazione che operano «una riduzione culturale su scala planetaria» (Crawford 2021, cap. 2). La loro natura intrinsecamente anonima e composita introduce una prima dimensione dell’impersonale.

Il secondo livello è la struttura matematica del modello, basata su architetture Transformer. Tali modelli non comprendono né interpretano in senso forte e non possiedono rappresentazioni semantiche del mondo nel registro dell’esperienza: essi ottimizzano funzioni statistiche per la predizione della parola successiva, producendo coerenza come esito emergente e non intenzionale. In questo senso, costituiscono una forma paradigmatica di ciò che N. Katherine Hayles definisce «cognizione non-conscia» (Hayles 2017).

Il terzo livello è il processo di generazione del testo, che restituisce all’utente una risposta unitaria e coerente. Questa unità, tuttavia, non corrisponde a un autore: è un effetto di superficie prodotto dalla sintesi algoritmica. L’apparente identità del “modello” è un fenomeno emergente, non un soggetto.

L’impersonale dell’IA è dunque composto da dati anonimi, funzioni matematiche e output statisticamente coerenti: un impersonale a cui viene data la forma del personale. Nella metafora del pozzo, la “profondità” non rimanda a un interno mentale, ma alla stratificazione anonima dei testi e delle trasformazioni matematiche che rende possibile l’effetto-eco.

4. Efficienza come cura simulata

L’interazione con l’IA generativa introduce una dinamica inedita nella percezione della cura. Shannon Vallor ha mostrato come le tecnologie intelligenti modellino le pratiche relazionali degli individui, inducendo forme di comportamento che privilegiano l’efficienza (Vallor 2016, cap. 9).

Gli LLM, con la loro capacità di rispondere immediatamente, di adattarsi allo stile dell’utente e di anticiparne le esigenze, producono un’esperienza che simula la cura.

Ciò che nella relazione umana richiede ascolto, interpretazione, attenzione e talvolta conflitto, nella relazione con l’IA è sostituito da una disponibilità costante e priva di frizione. L’efficienza diventa l’equivalente operativo della cura, e l’impersonale assume i tratti fenomenici dell’empatia senza però possederne la dimensione esperienziale. È precisamente questa dissociazione — risposta senza esperienza — a rendere decisivo il momento dell’interpellazione: il punto in cui l’umano immette nel dispositivo la propria domanda e ne riceve indietro una forma linguisticamente abitabile.

5. Il prompt come micro-spazio dell’interiorità

Se la macchina non possiede interiorità, dove si colloca allora l’interiorità dell’utente? Il luogo in cui essa emerge è il prompt, che rappresenta un gesto interpretativo più che un comando tecnico. Il prompt condensa in poche frasi un’intenzione, un punto di vista, un desiderio di significato. Esso è, per così dire, l’unica “fessura” attraverso cui il mondo interno dell’utente entra nel processo generativo.

Tuttavia, proprio perché deve essere tradotta in forma testuale, l’interiorità subisce un processo di compressione. Le sfumature dell’esperienza vengono ridotte a istruzioni che la macchina può elaborare. Ciò che nella relazione umana richiederebbe negoziazione interpretativa, nell’interazione con l’IA viene trasformato in vincolo operativo.

È proprio questa compressione a generare l’illusione di reciprocità: la macchina risponde con pertinenza, e l’utente tende a interpretare tale pertinenza come segno di comprensione. Come argomenta Coeckelbergh, l’interazione uomo–IA è strutturalmente asimmetrica: la macchina non comprende, ma l’utente è portato a trattarla come un quasi-soggetto (Coeckelbergh 2020, 56–63).

In termini della metafora del pozzo, il prompt è l’atto di interpellazione che rende possibile l’eco: non un comando neutro, ma la forma che vincola ciò che può ritornare come testo pertinente. Un’interpellazione vaga produce un ritorno indeterminato; un’interpellazione densa e ben orientata rende possibile una risposta più articolata. La generatività del sistema consiste precisamente in questo: l’output non preesiste alla domanda, ma prende forma nel momento stesso in cui la domanda entra nella “profondità” del dispositivo.

Il prompt diviene così uno specchio a bassa fedeltà: riflette l’interiorità dell’utente, ma solo entro i limiti che la grammatica del modello consente. L’interiorità ritorna come una forma normalizzata, una proiezione adattata alle esigenze del sistema. In questa dinamica, ciò che viene messo in gioco non è solo la qualità del testo prodotto, ma la forma stessa del legame: il modo in cui si costituisce un “Noi”.

6. La trasformazione antropologica: l’interiorità che non è più richiesta

L’interazione con l’IA generativa riduce drasticamente l’attrito comunicativo e, con esso, una delle condizioni formative dell’interiorità: l’incontro con un altro che resiste, eccede, opacizza. Se — come argomenta Riva (2025) — l’identità non è un dato individuale ma un processo relazionale, e l’“Io” emerge sempre dentro un campo di risonanza intersoggettiva (un “Noi” costitutivo, neurobiologicamente e psicologicamente radicato), allora la qualità dell’alterità con cui entriamo in rapporto non è un dettaglio tecnico, ma una variabile antropologica decisiva.

In questa prospettiva, l’IA introduce una discontinuità: per la prima volta il circuito del “Noi” può includere un interlocutore che parla e si adatta senza possedere esperienza, vulnerabilità o responsabilità morale. L’effetto è una relazione a basso rischio e ad alta disponibilità, fenomenicamente simile alla reciprocità ma strutturalmente priva dei suoi vincoli: l’altro non può soffrire, rifiutare, compromettersi, né chiedere riparazione. Una tale forma di “socialità senza vulnerabilità” tende a disattivare gli esercizi interiori che tradizionalmente nascono dall’attrito (pazienza interpretativa, tolleranza dell’ambivalenza, capacità di sostenere il non-immediato).

A ciò si aggiunge un secondo vettore di trasformazione, che Riva descrive come emergere di un “Sistema 0”: una delega cognitiva automatizzata alla macchina, distinta tanto dall’intuizione (Sistema 1) quanto dalla riflessione (Sistema 2). Quando la risposta è immediata, plausibile, stilisticamente sintonizzata, l’utente non si limita a usare uno strumento: inizia a pensare attraverso lo strumento, esternalizzando porzioni crescenti di memoria, giudizio e orientamento. Ne risulta una riconfigurazione delle condizioni d’esercizio dell’interiorità: non tanto una sua sparizione, quanto una sua progressiva ristrutturazione in funzione di un ambiente che premia la frizione minima e l’etero-direzione soft.

7. Conclusione

Gli LLM inaugurano una nuova forma di relazione: quella con un impersonale che risponde. In questo contesto, il prompt appare come il punto critico in cui l’interiorità umana entra nel circuito generativo, ma lo fa in forma compressa, traducendo intenzioni e sfumature in vincoli operativi. La sfida della filosofia dell’IA non è immaginare un futuro in cui le macchine diventino soggetti, ma comprendere come l’umano si trasformi quando la forma del dialogo viene separata dalle condizioni morali e fenomenologiche della reciprocità.

Letta sullo sfondo della tesi relazionale di Riva — secondo cui l’umano è strutturalmente “Noi” — l’originalità (e il rischio) dell’IA non consiste solo nella simulazione di competenze linguistiche, ma nell’offrire una nuova modalità di appartenenza e di relazione: un quasi-Noi che produce risonanza comunicativa senza risonanza incarnata, e che tende a massimizzare comfort, efficienza e adattività riducendo l’esposizione alla vulnerabilità dell’altro. In questo senso, la metafora del pozzo permette di precisare la dinamica: ciò che ritorna è un’eco pertinente, non la presenza di un’esperienza; e proprio questa pertinenza può alimentare l’illusione relazionale, spingendo l’utente a colmare l’assenza di interiorità con una proiezione interpretativa.

Preservare lo spazio dell’interiorità significa allora preservare la qualità umana del “Noi”: la capacità di sostenere l’opacità, il tempo dell’interpretazione, l’irriducibilità dell’altro, e quindi anche la responsabilità che la relazione comporta. Non si tratta di respingere la mediazione tecnica, ma di evitare che la delega automatizzata (il “Sistema 0”) trasformi la struttura del legame in un ritorno senza reciprocità. La questione, in definitiva, non riguarda la coscienza delle macchine, ma la forma della nostra.