Intervento del presidente Riccardo Sorrentino ad Asclepio AI 2026, summit annuale dedicato all’impatto dell’intelligenza artificiale e delle nuove tecnologie sulla salute e sulla comunicazione scientifica, Università Bicocca, Milano, 29 maggio 2026
Proverò qui a sostenere una tesi semplice: il giornalismo del futuro dovrà essere più preciso non solo nei fatti che racconta, ma anche nel grado di certezza con cui li racconta, distinguendo meglio ciò che sappiamo, ciò che interpretiamo, e ciò che possiamo solo ipotizzare.
È una questione molto rilevante, in questa sede. Capisco lo scetticismo di molti scienziati e medici verso il giornalismo. Non è uno scetticismo del tutto infondato. Troppo spesso il giornalismo racconta male la scienza: trasforma studi preliminari in certezze, ipotesi in scoperte, eccezioni in tendenze, dissensi marginali in controversie simmetriche.
Questo non dimostra però che il giornalismo sia inutile o addirittura dannoso. Significa che deve diventare più preciso.
Viviamo come giornalisti – e come lettori – un momento di grande e rapidissima trasformazione del mondo dell’informazione che impone di chiederci che cosa, del nostro ruolo sociale, sia essenziale e che cosa sia solo storico, contingente, superato. Dobbiamo separare quel che è sostanziale da quel che è accidentale, per evitare di essere definitivamente travolti.
Il giornalismo è già stato in buona parte investito da questa trasformazione. Ha perso il suo ruolo tradizionale: nell’era dei social, informazioni e opinioni sono diffuse da ciascuno di noi attraverso canali caratterizzati da una grande informalità, verifiche discontinue, nessuna procedura riconosciuta di controllo della veridicità delle informazioni e responsabilità meno definite. L’infodemia, per noi giornalisti, si è anche trasformata in una crisi economica grave, soprattutto in Italia.
Le conseguenze sono pesanti, per tutti. Questo è un punto importante: io non voglio qui chiedere indulgenza per il giornalismo. Sto sostenendo che senza una mediazione giornalistica migliore il danno pubblico aumenta. Lo sanno bene la scienza e la medicina che, pur se attraversate da errori, interessi e conflitti, possono fare affidamento su procedure rigorose per valutare il grado di fondatezza delle affermazioni, per correggere gli errori e per distinguere ipotesi, evidenze deboli, evidenze robuste e consenso consolidato. Terrapiattisti, negatori dei viaggi spaziali, negatori del riscaldamento climatico, antivaccinisti, seguaci dell’omeopatia, della medicina germanica di Hamer sono fenomeni molto diversi tra loro, accomunati però dal rifiuto, dall’elusione o dall’uso distorto delle procedure di controllo scientifico. Avevano tutti spazi di comunicazione molto limitati, mentre oggi sono enormemente amplificati; e diffondono notizie che sono false e spesso pericolose.
So benissimo che il giornalismo ha qualcosa da rimproverarsi. Se oggi insegue certe forme di comunicazione ed enfatizza certi contenuti “infondati” è anche perché non ha aggiornato abbastanza le proprie procedure. Resta fermo il principio secondo cui è una notizia l’uomo che morde il cane, non il cane che morde l’uomo. Nel caso del giornalismo scientifico, però, l’uomo che morde il cane è proprio l’antivaccinista. Troppo spesso il rapporto simbiotico tra il giornalismo e la politica ha inoltre fatto sì che il mondo dell’informazione non abbia saputo distinguere tra contenuti e metodi della propaganda politica e la realtà: si pensi al caso Di Bella, al caso Stamina.
Non è solo colpa nostra, però. Il nostro Paese ha una debole educazione scientifica diffusa e spesso si confonde il fallibilismo della scienza con il relativismo, sposando uno scetticismo a volte radicale. In realtà nella scienza il rapporto tra certezza e incertezza è molto complesso. La ricerca scientifica è spesso svolta con gli strumenti della statistica, che è scienza dell’incertezza, anche dell’incertezza; ma, per usare il celebre esempio del logico Saul Kripke, l’acqua è H2O e lo è necessariamente, anche se questo è un risultato della ricerca empirica. Non siamo di fronte a una convenzione, o a una semplice definizione.
La scienza ha, inoltre, una dimensione cumulativa: i suoi risultati sono continuamente corretti, ma non tutto è messo costantemente e contemporaneamente in discussione.
Siamo di fronte a un problema che la scienza non ha ancora risolto, e forse non può risolvere: la probabilità, l’incertezza, sono nella realtà o nella conoscenza? È una domanda, questa, che non può però essere il fondamento dello scetticismo, il quale spesso evita questo interrogativo.
È d’altra parte giusto notare che quando si parla di scienza e giornalismo entra in gioco anche una tensione ineludibile, con cui dobbiamo imparare a convivere: la tensione tra la libertà di espressione, che è anche libertà di esprimere le nostre opinioni, più o meno fondate, e persino le nostre idiosincrasie, e le rigorose procedure di decisione che sono parte integrante della scienza, che pure si occupa di questioni importanti per la nostra esistenza quotidiana.
Ci sono giudizi, diritti, virtù, che sono in contraddizione, in contrasto, in conflitto tra loro; e trovare un equilibrio non sempre è facile, e forse non è sempre possibile. Quella tra libertà di espressione e rigore della scienza non è allora una tensione che possiamo immaginare di risolvere una volta per tutte. Noi giornalisti abbiamo tuttavia un compito importante: quello di selezionare quello che è rilevante da quello che non è rilevante. Rilevante in che senso, però? Quanto sono rilevanti le opinioni degli antivaccinisti in un Paese – gli Stati Uniti – in cui il segretario alla Salute è lui stesso uno scettico? Politicamente moltissimo. Socialmente anche. Scientificamente?
Siamo di fronte a una realtà che si può dire in molti modi, che ha diverse dimensioni. Il giornalismo non può ignorare le affermazioni infondate quando diventano socialmente rilevanti; deve però impedire che la rilevanza politica venga scambiata per rilevanza scientifica. Sbaglia quando non distingue questi due piani. Un movimento antivaccinista può essere una notizia politica. Non per questo diventa una controversia scientifica.
Ecco allora l’importanza della domanda iniziale. Cos’è essenziale, nel giornalismo? Noi giornalisti non abbiamo mai avuto la necessità, finora, di mettere a fuoco quello che oggi emerge come il compito centrale del nostro lavoro. Un compito epistemico. Noi diffondiamo conoscenza, e conoscenza il più possibile vera, nei limiti della rapidità del nostro lavoro.
Molti fattori di disturbo ci hanno impedito di avere uno sguardo nitido.
Il giornalismo è anche un’attività produttiva, anche se sempre meno redditizia, con tutti i vincoli che questo comporta, per esempio nell’organizzazione delle redazioni.
Il giornalismo è stato a lungo ed è ancora in parte anche un’attività politica, anche se il rapporto simbiotico con la politica e con la propaganda politica diventa, nell’era dei social, sempre meno sano, sempre più tossico.
Il giornalismo si è anche fatto trascinare, spesso, nell’infotainment, quando non è diventato esso stesso spettacolo, soggetto al giudizio estetico e non a quello veritativo.
Nel recente passato ci siamo infine fatti condizionare da una cultura che ha cercato di fare a meno del concetto di verità – ricordo qualche animata discussione su questo argomento alla scuola di giornalismo, nel secolo scorso – e da forme di marketing che affidavano alla comunicazione il compito di “vendere merda per Nutella”. Scusate la crudezza di questa espressione, ma non è mia: era ampiamente diffusa e presa sul serio in quel mondo.
Non ci siamo resi pienamente conto che il giornalismo, il giornalismo fatto bene, è diventato un lavoro difficile, molto difficile. Riferire la realtà al pubblico è diventato un compito immenso, proprio perché la realtà si può dire in molti modi. Si tratta spesso – i giornalisti scientifici lo sanno bene, come molti cronisti di giudiziaria – di fare i traduttori culturali, di trasferire competenze specialistiche a persone che ne sono prive per l’estrema e inevitabile specializzazione delle società contemporanee. Non si tratta di spiegare la medicina solo all’ormai famigerata casalinga di Voghera, ma anche all’architetto o al giurista che di fisiologia e di patologia sanno poco o nulla. Non si pensi che negatori dei viaggi spaziali o del riscaldamento climatico siano “ignoranti”: conosco docenti universitari – di diritto, di scienze politiche, per esempio – che sono convinti con fermezza adamantina della giustezza del loro scetticismo su quei temi.
Qual è la via d’uscita, per i giornalisti? La formazione, certo, ma in un senso molto preciso, e nella consapevolezza che non è sufficiente. Formazione non significa trasformare i giornalisti in medici, scienziati, statistici o informatici: significa insegnare loro dove possono sbagliare. L’obiettivo è quello di cambiare la metodologia del nostro lavoro, la nostra epistemologia, come dice spesso il collega Luca de Biase. È una tendenza già in atto: molti codici etici, nel mondo, si stanno trasformando, nei limiti del possibile e con tutti i rischi che questa evoluzione comporta, in codici anche metodologici.
Occorre superare alcuni limiti interni al nostro mondo. Negli Stati Uniti Philip Meyer parlava già negli anni Settanta di “giornalismo di precisione”: si trattava soprattutto di usare strumenti della ricerca sociale e della statistica per rendere il giornalismo più controllabile. Da lì nasce una linea che porta al data journalism, il quale però, invece di trasformare il giornalismo ordinario, è spesso rimasto confinato in sezioni specializzate.
C’è ancora un certo scetticismo verso la “cultura del dato”: uno scetticismo radicale che non si interroga – come occorre fare – sul rapporto tra numeri e realtà, ma compie un salto e sceglie l’intuizione, la suggestione, che diventano spesso il deposito disordinato di pregiudizi e preferenze puramente personali.
Qualcosa si è fatto nel giornalismo economico: nel mio giornale, il Sole 24 Ore, i dati hanno sempre svolto un ruolo centrale e i grafici non sono mai stati puramente “decorativi”, anche se sono sempre molto curati anche esteticamente.
Anche nel giornalismo d’inchiesta più avanzato è emersa la necessità di imparare a interpretare i dati. Permettetemi di dirvi che l’Ordine dei giornalisti della Lombardia sta provando a organizzare una Winter School sul data journalism nelle forme avanzate di giornalismo di inchiesta in materia criminale. Abbiamo infatti ottenuto dalla Commissione Ue un finanziamento di 75mila euro da spendere in tre anni sui temi del giornalismo dei dati. Prepareremo anche quaderni di studio e un toolbox digitale. Forniremo a tutti i colleghi gli strumenti per far uscire il data journalism dall’isolamento in cui è rinchiuso. Non vogliamo creare una nicchia di specialisti, ma portare il metodo del dato dentro il giornalismo ordinario. Il data journalism – è la nostra idea – serve perché mostra che il dato non elimina l’interpretazione; la rende più controllabile.
La dimensione per così dire “letteraria” del giornalismo è riuscita a isolare il data journalism ma è stata comunque messa a dura prova dallo sviluppo delle tecnologie. Internet e i social hanno già mostrato quanto una tecnologia possa trasformare il giornalismo, aprendo possibilità nuove ma indebolendo aziende, competenze e ruolo delle redazioni. Ne ha sofferto anche la qualità narrativa del giornalismo, a cui non occorre rinunciare, ma va piuttosto subordinata a una maggiore disciplina del metodo.
L’AI ripropone oggi lo stesso schema, con un’ambiguità ancora maggiore. È uno strumento per molti aspetti già quasi indispensabile – anche se il codice deontologico introduce, a mio avviso, limitazioni troppo strette – ma minaccia di nuovo la cancellazione di posti di lavoro, e pesa sulle retribuzioni già minime dei free lance. Non è una questione solo occupazionale, ma anche – di nuovo – di possibilità concrete, di capacità di conoscenza del presente. Incide qui – credo – una cultura imprenditoriale che non sembra aver capito fino in fondo come usare questi strumenti di AI, e quanto fidarsene. Sussiste il rischio della doorman’s fallacy, l’errore – sottolineato dal consulente aziendale Rory Sutherland – di confondere le competenze sottili, per esempio quelle di un portiere di un hotel di lusso che sa individuare i bisogni dei clienti, con le competenze standardizzabili, più facilmente sostituibili da una tecnologia, in mancanza di strumenti adeguati per misurare quello che si perde.
Non dimentichiamo neanche che l’intelligenza artificiale ha sempre più bisogno di essere alimentata da un flusso continuo di informazioni anche “giornalistiche”, e di tipo diverso. Non sappiamo ancora, quindi, in quale direzione si stia andando.
Sappiamo però cos’è l’intelligenza artificiale generativa, quella che è per noi rilevante: è uno straordinario strumento tecnologico, che si basa su tecniche matematiche avanzate – statistiche, probabilistiche, algebriche e di ottimizzazione – e su enormi insiemi di dati, in gran parte linguistici. Il risultato è una macchina che simula alcune prestazioni del pensiero, soprattutto prestazioni linguistiche, associative e in parte inferenziali. Un software che però, in un senso molto preciso, non sa quel che dice. Non ha una semantica propria, nel senso umano: intenzionale, radicata in un corpo, agganciata all’esperienza e al mondo esterno. Non ha un rapporto autonomo, situato, diretto e responsabile con la realtà; riceve rappresentazioni della realtà e produce altre rappresentazioni. L’output tende a privilegiare la plausibilità contestuale e la coerenza interna rispetto alla verifica esterna, se questa verifica non viene imposta da procedure, fonti o strumenti. Per questo, se non viene vincolata a fonti, controlli e procedure esterne, l’AI può scambiare la plausibilità linguistica per affidabilità conoscitiva. Questo non significa che non possa produrre risultati utili, anche molto utili. Significa che il rapporto tra quei risultati e la realtà deve essere ricostruito da procedure esterne.
Ecco quindi la distanza decisiva tra il lavoro del giornalista e l’intelligenza artificiale. L’intelligenza artificiale opera dentro un universo di rappresentazioni, vastissimo ma chiuso. Anche il giornalismo lavora su rappresentazioni ma il suo metodo dovrebbe tenerle continuamente aperte alla verifica esterna: il giornalista deve operare dentro un rapporto continuamente riaperto con la realtà.
Il collegamento tra l’intelligenza artificiale e il mondo esterno dobbiamo insomma ristabilirlo noi. Ecco perché pensare di sostituire il lavoro giornalistico con l’intelligenza artificiale può essere persino pericoloso. Far riassumere un voluminoso report dall’intelligenza artificiale può per esempio portare a due esiti non desiderati: uno, banale, è la ripetizione acritica delle conclusioni del rapporto, senza alcun valore aggiunto se non forse – forse – un risparmio di tempo; l’altro, insidioso, è l’evidenziazione di aspetti di cui è poi arduo trovare un riscontro oggettivo nel report stesso.
Una strada utile, per il giornalismo, può essere allora un’altra: usare l’intelligenza artificiale per fare cose che oggi non facciamo. Si tratta proprio di fare data journalism, con la differenza che l’input è formato da parole e non da numeri, e così l’output. Non si tratta semplicemente di fare l’attuale data journalism attraverso l’intelligenza artificiale, cosa possibile e utile. Alcune piattaforme proprietarie fanno scraping su larghissima scala su tutti i siti informativi del mondo e sui social network, per trovare trend “in formazione”. Non è però necessario andare così lontano.
Se l’input è il nostro articolo, già concluso secondo le nostre procedure di lavoro, l’intelligenza artificiale può aiutarci nel lavoro di analisi del testo, per separare il contenuto epistemico – il riferimento alla realtà, i fatti – non semplicemente dalle opinioni, come voleva una vecchia regola del giornalismo, ma dalle dichiarazioni, che possono mentire; dalle inferenze, che possono essere incerte; e dai giudizi, che possono essere più o meno fondati. Può aiutarci a individuare possibili bias informativi, insidiosissimi, e rivelare dove il piccolo universo che abbiamo costruito linguisticamente si chiuda invece di restare aperto, come aperta e pluralistica è la realtà delle cose; e incerta è la nostra conoscenza di questa realtà.
L’intelligenza artificiale ci può aiutare quindi a essere molto rigorosi: un rigore metodologico che – attenzione… – non è facile però trasformare in un rigore deontologico. Il passaggio dalla metodologia all’etica è più difficile di quanto sembri. Alcune proposte che giungono dagli Stati Uniti – un Paese che ama la tecnologia – mi sembrano troppo complesse per essere davvero operative. Il tentativo italiano di normare l’etica dell’intelligenza artificiale – uno dei primi al mondo in campo giornalistico – ha portato all’adozione dell’articolo 19 del nuovo Codice deontologico. Due principi sono sicuramente fondamentali: il divieto – che è anche una norma di prudenza – di farsi sostituire dall’intelligenza artificiale, e l’impossibilità di cedere la responsabilità dei contenuti nel caso in cui si usino queste piattaforme. L’obbligo di trasparenza sta però creando effetti perversi. Il rischio è di scivolare verso un sistema di “don’t ask, don’t tell”: non una scelta dichiarata, ma una pratica di fatto, favorita dall’assenza di format chiari per dichiarare al pubblico l’uso dell’intelligenza artificiale e dal timore che l’etichetta “elaborato con IA” riduca la credibilità del lavoro anche quando non ce n’è motivo. Analogamente avviene per i free lance, che lavorano fuori delle redazioni: alcuni di loro hanno visto tagliati i compensi perché hanno fatto ricorso all’intelligenza artificiale. Il rischio è che si produca una forma strutturale di ipocrisia, e questo rischio impone un ripensamento di quel divieto.
Si ripropone qui l’eterno tema dell’etica applicata. La deontologia è necessaria, ma il deontologismo può essere pericoloso. Le regole sono necessarie, soprattutto quando tutelano il pubblico, fissano responsabilità non negoziabili, forniscono indicazioni chiare di condotte scorrette. Non possono sostituire il giudizio deontologico sui casi concreti. L’idea che il comportamento corretto possa essere racchiuso in norme specifiche, rigide, finisce per creare contraddizioni anche gravi con il senso comune, con la semplice ragionevolezza. Il tema dei minori, per esempio, è costantemente fonte di paradossi. La condanna deontologica può avvenire solo dopo un esame attento di quanto è accaduto, nella sua concretezza, altrimenti rischia di essere essa stessa incompatibile con la responsabilità giornalistica. Lo sdegno, se concede al dubbio solo uno spazio rituale, è quasi sempre fuori luogo.
La deontologia non può quindi sostituire l’epistemologia professionale. Restano due piani distinti. Occorre un giornalismo più disciplinato, ma nel senso proprio dell’autodisciplina individuale, dell’autocontrollo delle procedure. In questo senso, giornalismo scientifico, data journalism e intelligenza artificiale mettono alla prova, ciascuno a modo suo, l’intero giornalismo. Naturalmente il metodo non basta se l’organizzazione del lavoro premia velocità, drammatizzazione e semplificazione; ma senza metodo non abbiamo nemmeno un criterio per resistere a questi incentivi.
Il giornalismo scientifico ci può insegnare a individuare il grado di solidità di quello che raccontiamo. La scienza naviga tra certezze – l’acqua è necessariamente H2O – e risultati provvisori, margini di errore, consensi e dissensi più o meno stabili e qualificati. Ci insegna che non basta più chiedersi: “è vero o è falso?”, ma bisogna chiedersi quanto siano fondate le nostre conclusioni, in quali contesti, con quali limiti, rispetto a quali alternative.
Il data journalism ci può insegnare a valutare il rapporto tra la realtà e la sua rappresentazione. Non sempre una correlazione è una causa; non sempre una media è davvero rappresentativa, da sola, della realtà delle cose; non sempre un grafico tecnicamente corretto è anche sincero. Le tecniche statistiche, anche quelle più semplici che usiamo nel giornalismo, ci impongono di chiederci: cosa sto davvero misurando? di cosa sto davvero parlando?
L’intelligenza artificiale ci insegna che alcune cose non sono delegabili, che la responsabilità resta nostra. Ci aiuta, anche, ad assumerci questa responsabilità, nella verifica, nel rapporto con le fonti, nella distinzione tra fatto, racconto, inferenza e giudizio, nella catena conoscitiva che porta all’articolo finale. Ci impone di capire qual è davvero “la parte giornalistica del giornalismo”, come l’ha chiamata ChatGpt in un lunghissimo dialogo sulla professione.
Ecco l’essenza del giornalismo di cui ho parlato all’inizio di questo intervento: far capire se una certa osservazione è un fatto osservato; una dichiarazione di una fonte; un dato grezzo; un’elaborazione statistica; una correlazione; un’ipotesi causale; una previsione; un consenso scientifico; una posizione minoritaria; una personale valutazione giornalistica. Così il giornalismo può dotarsi di una sua epistemologia: e la scienza, insieme al giornalismo scientifico, può darci una mano fondamentale per questo compito, arricchendo la metodologia del nostro lavoro.
Ecco quello che intendevo, all’inizio di questo intervento, quando invitavo il giornalismo del futuro a diventare più preciso. La chiara consapevolezza di due principi fondamentali. La realtà si può dire in molti modi. Il dovere del giornalismo è non confonderli.
Grazie dell’attenzione.
