{"id":2698019,"date":"2026-05-05T20:54:00","date_gmt":"2026-05-05T19:54:00","guid":{"rendered":"https:\/\/www.pressenza.com\/?p=2698019"},"modified":"2026-05-05T20:54:00","modified_gmt":"2026-05-05T19:54:00","slug":"le-fabbriche-del-consenso-sintetico","status":"publish","type":"post","link":"https:\/\/www.pressenza.com\/it\/2026\/05\/le-fabbriche-del-consenso-sintetico\/","title":{"rendered":"Le fabbriche del consenso sintetico"},"content":{"rendered":"

Come gli sciami di agenti AI stanno riscrivendo la realt\u00e0<\/strong><\/p>\n

Qualche anno fa, una troll farm funzionava cos\u00ec: un edificio pieno di persone, turni, scrivanie, lavoratori pagati per scrivere post, creare profili falsi, commentare e accendere polemiche nelle discussioni online. Era costoso, lento e, alla fine, l\u2019impatto reale era marginale. Oggi quegli edifici esistono ancora, ma i lavoratori non scrivono pi\u00f9. Configurano agenti. Li istruiscono, li supervisionano, li moltiplicano. Centinaia di migliaia di agenti autonomi che fanno in un\u2019ora quello che prima richiedeva settimane di lavoro umano. Le troll farm sono diventate AI farm, e producono contenuto sintetico su scala industriale.<\/p>\n

Non \u00e8 una metafora. \u00c8 la descrizione letterale di un sistema documentato. Un rapporto del febbraio 2026 del Centre for International Governance Innovation<\/span><\/span> (CIGI), intitolato \u201cFrom Trolls to Generative AI: Russia\u2019s Disinformation Evolution\u201d, racconta come reti come CopyCop \u2014 un\u2019operazione di disinformazione collegata al GRU, l\u2019intelligence militare russa \u2014 utilizzino versioni modificate di modelli open-source come Llama 3, installate su server propri, per trasformare articoli di stampa in propaganda politica e distribuirla attraverso centinaia di siti web falsi senza lasciare tracce. Perch\u00e9 i modelli girano in locale, su hardware russo, dentro confini russi, fuori da qualsiasi giurisdizione occidentale. Non c\u2019\u00e8 watermark. Non c\u2019\u00e8 log. Non c\u2019\u00e8 nessuno a cui chiedere conto.<\/p>\n

Sciami, non bot<\/strong><\/span><\/h3>\n

Quello a cui ci siamo abituati, negli anni, era l\u2019automazione nel senso classico: un sistema che inviava centomila email identiche, cambiando al massimo il nome del destinatario, oppure pubblicava altrettanti post con variazioni minime. Automatizzava la distribuzione, ma al fondo era spam riconoscibile. Il nostro modello mentale \u00e8 ancora quello: se \u00e8 automatizzato, \u00e8 generico; se \u00e8 generico, lo riconosci. Ma questo modello \u00e8 costruito su anni di esperienza in un mondo senza agenti AI. Ed \u00e8 diventato obsoleto.<\/p>\n

Il paper pubblicato su Science<\/span><\/span> nel gennaio 2026 con il titolo \u201cHow malicious AI swarms can threaten democracy\u201d \u2014 firmato da un gruppo internazionale di ventidue ricercatori provenienti da ventuno istituzioni accademiche, tra cui Nick Bostrom<\/span><\/span>, la Nobel per la Pace Maria Ressa<\/span><\/span> e Filippo Menczer<\/span><\/span> \u2014 descrive qualcosa di qualitativamente diverso: sciami coordinati di agenti AI con identit\u00e0 persistenti, memoria, capacit\u00e0 di adattarsi in tempo reale alle reazioni delle persone. Agenti pienamente autonomi, ciascuno dei quali produce contenuto originale, ciascuno diverso dall\u2019altro, ciascuno calibrato sul contesto specifico della persona che riceve il messaggio. Non c\u2019\u00e8 pi\u00f9 un messaggio che si diffonde: c\u2019\u00e8 un sistema che decide, istante per istante, quale messaggio produrre per quale persona.<\/p>\n

Questi sciami sfruttano due meccanismi psicologici che sono bug strutturali del modo in cui gli esseri umani formano le opinioni. Il primo si chiama bandwagon effect<\/em>: tendiamo ad allinearci alle posizioni che percepiamo come maggioritarie. Il secondo \u00e8 l\u2019illusory truth<\/em>: la ripetizione di un\u2019informazione, indipendentemente dalla sua veridicit\u00e0, ne aumenta la percezione di credibilit\u00e0. Combinati, producono un effetto preciso: se vediamo la stessa posizione espressa da fonti diverse, in contesti diversi, con parole diverse, su piattaforme diverse, la registriamo come diffusa. E se la percepiamo come diffusa, la consideriamo pi\u00f9 credibile. Gli sciami di agenti sfruttano entrambi i meccanismi contemporaneamente, su scala industriale, ventiquattro ore su ventiquattro.<\/p>\n

Il targeting chirurgico<\/strong><\/span><\/h3>\n

C\u2019\u00e8 un\u2019altra eredit\u00e0 del passato che va smontata: l\u2019idea che le operazioni di manipolazione si rivolgano a masse indifferenziate. La vecchia profilazione demografica \u00e8 superata. Questi agenti aggregano dati da fonti eterogenee in tempo reale: profili social, registri pubblici, database di dati rubati acquistabili per pochi dollari su qualsiasi marketplace del dark web. Miliardi di record personali sono gi\u00e0 disponibili, dispersi in centinaia di violazioni accumulate negli anni. Un agente con accesso a un modello linguistico e a un paio di database di dati trafugati pu\u00f2 produrre migliaia di pezzi di contenuto unici al giorno, ciascuno calibrato su una persona diversa. Moltiplicato per centomila agenti che lavorano in parallelo, il costo computazionale \u00e8 nell\u2019ordine di qualche centesimo di dollaro per messaggio perfettamente personalizzato.<\/p>\n

Questo sistema costruisce quello che si pu\u00f2 chiamare consenso sintetico: l\u2019illusione che un\u2019opinione sia ampiamente condivisa, che una posizione sia sostenuta dalla maggioranza, quando in realt\u00e0 \u00e8 un singolo operatore che parla attraverso migliaia di maschere. Funziona perch\u00e9 la percezione del consenso \u00e8 per noi, come specie, uno degli indicatori pi\u00f9 potenti di veridicit\u00e0. Non abbiamo sviluppato anticorpi contro un consenso fabbricato artificialmente a questa scala.<\/p>\n

Il paradosso della regolazione<\/strong><\/span><\/h3>\n

La risposta regolamentare esiste, almeno in Europa. Il Regolamento sull\u2019Intelligenza Artificiale, la bozza del Codice di Condotta per i modelli di uso generale, i meccanismi di enforcement del Digital Services Act: sono strumenti avanzati rispetto a qualsiasi altro blocco geopolitico. Gli Stati Uniti non hanno una regolamentazione federale. Ma anche il framework europeo pi\u00f9 ambizioso ha un limite strutturale che non \u00e8 tecnico, \u00e8 geopolitico: gli attacchi arrivano da paesi che non rispondono a nessuna di queste regole. \u00c8 possibile regolamentare le proprie piattaforme, i propri sviluppatori, le proprie aziende. Non \u00e8 possibile regolamentare un edificio a San Pietroburgo, Shenzhen o Nuova Delhi dove qualcuno sta istruendo sciami di agenti su modelli open-source installati su server locali.<\/p>\n

Il paradosso \u00e8 grottesco nella sua precisione: il contenuto prodotto da chi rispetta le regole \u00e8 marcato, tracciato, eventualmente rimosso. Il contenuto prodotto da chi vuole causare danno \u00e8 libero, non marcato e non soggetto ad alcuna giurisdizione. La regolamentazione filtra i soggetti regolati, lasciando intatto il campo agli attori che, per definizione, non intendono essere regolati.<\/p>\n

C\u2019\u00e8 poi la questione degli incentivi delle piattaforme. Documenti interni di Meta<\/span><\/span> resi pubblici da Reuters<\/span><\/span> nel novembre 2025 stimavano che circa il 10% dei ricavi globali di Meta nel 2024 \u2014 circa 16 miliardi di dollari \u2014 provenisse da pubblicit\u00e0 per truffe e prodotti vietati. Il sacrificio massimo di ricavi che Meta era disposta ad accettare per agire contro gli inserzionisti sospetti era lo 0,15% del fatturato totale: 135 milioni di dollari su 90 miliardi. Quando il modello di business di una piattaforma dipende dal volume pubblicitario, rimuovere gli annunci fraudolenti ha un costo che nessuno vuole pagare.<\/p>\n

L\u2019unico anticorpo che scala<\/strong><\/span><\/h3>\n

Il rilevamento automatico dei pattern ha gli stessi limiti della regolamentazione: funziona per un tempo limitato, poi gli sciami \u2014 progettati esattamente per farlo \u2014 si adattano. Il watermarking \u00e8 efficace solo per chi \u00e8 disposto ad usarlo. Il fact-checking arriva sempre dopo, \u00e8 sempre pi\u00f9 lento, non raggiunge mai la stessa scala del contenuto che intende smentire. Se centinaia di migliaia di agenti coordinati diffondono un video di un politico che dice qualcosa che non ha mai detto, quel politico pu\u00f2 smentire quanto vuole: il video \u00e8 l\u00ec, milioni di persone lo hanno visto, e la smentita arriva in un mondo in cui nessuno sa pi\u00f9 distinguere il vero dal falso.<\/p>\n

Resta un anticorpo che ha una caratteristica che nessun sistema tecnico possiede: scala alla stessa velocit\u00e0 della minaccia. \u00c8 la consapevolezza. Un sistema che fabbrica consenso sintetico funziona solo se le persone che lo ricevono non sanno che il consenso sintetico esiste. Conoscere il meccanismo lo indebolisce. Non lo neutralizza completamente, ma riduce drasticamente l\u2019efficacia. Un po\u2019 come i deepfake: adesso li conosciamo, e spesso li riconosciamo. Sapere come funziona rende pi\u00f9 difficile cascarci.<\/p>\n

Questo non significa che la consapevolezza sia sufficiente. Significa che \u00e8 la condizione necessaria di qualsiasi altra risposta. E che trattare l\u2019alfabetizzazione mediatica come un progetto scolastico secondario, invece che come infrastruttura democratica al pari di ospedali e ponti, \u00e8 una scelta politica con conseguenze precise. Nel frattempo, gli sciami non aspettano.<\/p>\n

\ud83d\udd17 FONTI<\/h2>\n