Articolo · Linguistica e AI

La sbobba parla anche italiano, e le spie sono altre

Le liste anti-slop che girano sono inglesi, e tradotte non funzionano. Ho misurato quali formule ci tradiscono davvero in italiano, e nel farlo ho scoperto che il mio rilevatore non vede l'esempio del mio paper.

Federico BoggiaFederico Boggia ·Linguistica e AI ·Settembre 2026 ·7 min di lettura

In inglese la chiamano AI slop: quella prosa liscia, corretta e senza nessuno dentro che esce da un modello linguistico. Le liste per riconoscerla girano da un po', e sono tutte inglesi. Il problema è che tradotte non servono, perché in italiano l'effetto lo fanno altre parole. In questo articolo ti mostro quali sono, come si misurano, e perché uno strumento automatico da solo non basta.

01Il guaio è che non suona male

Quando in aula faccio leggere una frase come questa, la reazione è sempre la stessa: la gente annuisce, e poi mi chiede se c'è un errore.

L'integrazione rappresenta una svolta fondamentale e permette di ridurre i tempi, dimostrando l'attenzione all'innovazione.

Errori non ce ne sono. Grammatica a posto, punteggiatura a posto, registro professionale. E in venti parole non ti ha comunicato niente: non sai che integrazione, non sai di quanto sono ridotti i tempi, non sai chi ha deciso. Ci sono quattro formule, e nessuna dice un fatto.

È questo che rende la sbobba difficile da togliere. Un testo sgrammaticato lo correggi perché ti salta agli occhi. Un testo così invece suona neutro, e la neutralità in un documento di lavoro passa per professionalità. Ci finisce dentro senza che te ne accorga, soprattutto quando è un modello a scrivere la prima bozza e tu rileggi.

02Le nostre spie, che in inglese non esistono

Le liste inglesi mettono in guardia da delve, tapestry, leverage, it's not X, it's Y. Sono utili se scrivi in inglese. Tradotte in italiano lasciano fuori la spia numero uno, che in inglese proprio non c'è: il verbo svuotato.

Un verbo pieno viene sostituito da un verbo generico più un sostantivo. «Rappresenta un problema» invece di «è un problema». «Permette di ridurre i tempi» invece di «riduce i tempi». «Ha preso una decisione» invece di «ha deciso». «Si configura come», «si traduce in», «risulta essere», «funge da», «è in grado di». Sono tutte parole normali, e messe insieme fanno una prosa che gira a vuoto.

Da dove viene

L'italiano burocratico ha coltivato questa costruzione per un secolo, e i modelli l'hanno imparata da lì: nel testo italiano raccolto dal web una fetta grossa è amministrativa, promozionale e da comunicato stampa. Quella costruzione è nostra, e i modelli ce la restituiscono amplificata.

Accanto ci sono i riempitivi (fondamentale, cruciale, strategico, essenziale), le aperture che non aprono («nel mondo di oggi», «nell'era digitale», «Ecco» a inizio frase), e il gerundio di commento: quella coda che spiega il senso di quello che hai appena letto, «…, dimostrando l'attenzione all'innovazione». È l'equivalente italiano del trailing -ing inglese, e si riconosce perché se la tagli non perdi niente.

La cura per il riempitivo è una domanda sola. Fondamentale perché? La risposta è la frase da scrivere. «Un backup è fondamentale» diventa «senza backup, un disco rotto è un anno di lavoro perso».

03L'epanortosi, e quanta ne regge un testo

C'è poi la figura più riconoscibile di tutte, quella su cui ho scritto un paper. Si chiama epanortosi: neghi una cosa per affermarne un'altra più forte.

Non sono un consulente. Sono un architetto del cambiamento.

Qui viene la parte che di solito sorprende. La usiamo anche noi, e va benissimo: ogni «anzi», ogni «o meglio», ogni «cioè» è la stessa operazione. Cicerone la usa nella prima Catilinaria, e porta un'informazione: «Eppure vive. Vive? Anzi, viene addirittura in senato». La seconda parte aggiunge un fatto. Quando invece «non sono un consulente» diventa «sono un architetto del cambiamento», la seconda parte aggiunge tono e toglie precisione.

Nel paper l'ho misurata per genere, confrontando testi umani e testi di modelli. Il risultato è una mis-calibrazione che va in due direzioni opposte.

GenereUmaniModelli
Enciclopedico1,21,4
Giornalistico2,42,0
Narrativo7,54,1
Domanda e risposta informale8,21,3
Discorso pubblico14,933,5

Occorrenze ogni diecimila parole. Nel discorso pubblico i modelli stanno al doppio di noi, e in una chiacchierata informale scendono a un quinto: le persone si correggono e si qualificano di continuo, i modelli restano piatti. Sull'italiano i numeri sono più alti: un modello senza istruzioni arriva a 56,9 nella prosa argomentativa, contro una base umana intorno a 12.

Da dove viene questa tendenza? Da due cose, in ordine di peso. La prima sono i dati: nel testo raccolto dal web abbonda il copywriting, dove la figura è di casa. La seconda è il preference tuning, la fase in cui delle persone scelgono fra due risposte del modello: le formulazioni sicure e assertive vincono più spesso, e una correzione al rialzo suona sicura. La scrittura da sinistra a destra, che viene chiamata in causa sempre, è soltanto un amplificatore: un modello ben addestrato emette il token adeguato al primo colpo, e quando la tendenza appresa lo porta a correggere al rialzo la correzione resta scritta, perché non c'è un cestino.

La cosa che non mi aspettavo

Ho addestrato un adapter per spegnere la figura, con una manopola che va da zero a uno. A piena forza la densità crolla da 61,4 a 4,7, e il testo finisce sotto il tasso umano. Un testo con zero correzioni suona artificiale quanto uno che ne ha il doppio. A metà manopola invece la prosa argomentativa atterra su 12,3, cioè esattamente dove scrive una persona.

Il bersaglio quindi è il tasso di chi scrive quel genere, e cambia parecchio: una voce di enciclopedia ne regge una ogni diecimila parole, un discorso quattordici.

04Quando il rilevatore ha mancato il mio esempio

Dal paper ho tirato fuori uno strumento che conta queste cose e l'ho messo su GitHub, insieme alle regole per riscrivere. Mentre scrivevo i casi di prova ho fatto una scoperta che mi ha fatto ridere poco.

L'esempio che sta nell'abstract del mio paper è questo:

Questo non è un corso. È un percorso.

Il rilevatore del paper non lo vede. Dentro c'è un pezzo di espressione regolare che copre «questa non è» ma non «questo non è»: il dimostrativo femminile passa, il maschile no. «Questa non è una scuola. È una comunità» la prende. La frase dell'abstract, no.

Lo stesso vale fuori dal mio abstract. Ho fatto scrivere dodici testi italiani a dei modelli, senza dirgli cosa stavo misurando. Il rilevatore ci ha trovato zero epanortosi. Leggendoli, io ne ho trovate quattro:

Le quattro che la macchina non ha visto

  • «Il valore vero non sta nel codice: sta nel capire come lavora un'azienda.»
  • «Non serve nessuna esperienza precedente, serve voglia di guardare le cose.»
  • «Non inseguiamo lo stile del momento: cerchiamo edifici che durino.»
  • «Una biblioteca non si misura dal numero dei libri. Si misura da quante persone entrano.»

Gli sfuggono perché il verbo è «sta» o «serve» invece di «è», perché il separatore sono i due punti, e perché la coppia è spezzata in due frasi. Sono limiti che nel paper avevo già dichiarato, con i numeri: il rilevatore ha una recall di 0,52, e la sua precisione sul testo scritto da una persona scende a 0,17. Cinque segnalazioni su sei, su un testo tuo, sono contrasti ordinari.

Ho lasciato quel buco dov'è, e l'ho scritto nei test. Correggere l'espressione regolare vorrebbe dire scollegare la misura da quella che ho pubblicato, e allora l'indice non vorrebbe più dire niente. La forma che manca la copre un secondo canale, che sta lì per quello.

05Come controlli un tuo testo

La morale di tutto questo è che un rilevatore serve a guardare in fretta un testo lungo, e a confrontare un prima con un dopo. Se ti dà zero, vuol dire che non ha trovato la forma che sa cercare. Del resto del testo non sa niente.

Quello che funziona sul serio sono tre verifiche che fai in rilettura, senza strumenti.

Le tre verifiche

  • La prova del trasloco. Se una frase la sposti identica sul sito di un tuo concorrente e funziona uguale, è riempitivo. Sostituiscila con un fatto tuo.
  • Il verbo. Cerca «rappresenta», «permette di», «è in grado di», «costituisce». Sotto ognuno c'è un verbo vero che aspetta di uscire.
  • La prima persona. Conta quante volte compari nel testo. Se il conto è zero e il pezzo doveva essere tuo, il problema non sono le formule.

L'ultima è quella che in aula sposta di più. Un aneddoto vero, una cosa che hai visto succedere, una posizione che sei disposto a difendere: sono le cose che un modello non può avere, e sono anche quelle che fanno leggere un testo fino in fondo.

E preparati a una cosa che capita a tutti. La prima volta che passi uno di questi strumenti sul tuo testo, ti segnala una frase a cui tieni. L'hai scritta tu, e probabilmente è giusta così. Lo strumento trova formule, non autori.

Dove approfondire

La ricerca dietro a questo articolo è il paper Artificial Epanorthosis, su arXiv, con la misura per genere, la validazione del rilevatore e le tecniche per calibrare la figura invece di eliminarla. La versione divulgativa in italiano è Epanortosi artificiale.

Lo strumento e le regole di riscrittura stanno in niente-sbobba, libero e con licenza MIT. L'idea di impacchettarli così viene da no-ai-slop di Peter Yang, che fa la stessa cosa per l'inglese.

Federico BoggiaRispondo io, in giornata

Ciao! Dimmi che ti serve: un corso online, un workshop di AI in aula a Livorno o la formazione per la tua azienda.

Scrivimi su WhatsApp