Il modello della classe economica: che cosa accade quando l’IA ascolta peggio la tua lingua?

Due reporter pagano lo stesso abbonamento a un servizio di IA. Il primo carica un’intervista in inglese e riceve una trascrizione pulita, una suddivisione sensata in capitoli e un riassunto utile. Il secondo carica un’intervista in una varietà linguistica meno rappresentata. I nomi si deformano, un’istituzione locale diventa un sostantivo generico e la risposta prudente della fonte acquista una sicurezza che non ha mai avuto.

Il prezzo è identico. Il viaggio no.

Un reporter viaggia in business class: ha spazio, contesto e un servizio attento. L’altro è in classe economica, dietro una tendina; solo che manca la scheda di sicurezza e l’equipaggio insiste sul fatto che entrambi i posti sono «multilingue». Non è una lamentela sull’eleganza linguistica. Nel giornalismo, una negazione fuori posto può trasformarsi in una citazione falsa. Nei servizi pubblici, una frase fraintesa può far perdere un diritto. Nei sistemi di sicurezza, un dialetto può diventare la ragione per cui una minaccia non viene riconosciuta.

La lingua non è un’impostazione cosmetica. È un’infrastruttura della partecipazione.

«Supporta 100 lingue» non è un’indicazione di qualità

La pagina di un prodotto può affermare, senza mentire, che un modello accetta una lingua anche quando l’esperienza offerta è sostanzialmente peggiore. «Supporto» può voler dire soltanto che l’interfaccia non rifiuta l’input. Non ci dice se il riconoscimento vocale funziona con gli accenti regionali, se il modello comprende le istituzioni pubbliche, se i consigli relativi alla sicurezza sono altrettanto utili o se un rifiuto diventa goffo e umiliante.

L’interfaccia rafforza l’illusione di un unico servizio universale. Tutti vedono la stessa casella, lo stesso logo e la stessa animazione di digitazione. Le prestazioni diseguali restano private: ogni utente vede soltanto la propria risposta e può concludere che l’errore dipenda dal suo prompt, dalla sua pronuncia o dalle sue competenze.

Questa attribuzione privata è importante. L’utente la cui lingua viene gestita male può vivere la debolezza del sistema come una propria caratteristica. Semplifica, cambia lingua o chiede a un collega di fare da mediatore. Il limite del sistema diventa l’adattamento non retribuito dell’utente.

I grandi modelli possono offrire prestazioni molto migliori in inglese che nelle lingue meno rappresentate, producendo esclusione culturale ed economica (Eder & Sjøvaag, 2024; Kaniecki, 2026, pp. 18 - 20). Il divario non separa soltanto chi è connesso da chi non lo è, oppure gli account gratuiti da quelli premium. Attraversa la conversazione stessa.

Perché lo stesso modello parla in cabine diseguali

La prima causa è il volume dei dati, ma il volume non basta. L’inglese abbonda in molti corpora digitali, mentre per alcune lingue esistono meno libri digitalizzati, documenti pubblici, sottotitoli ed esempi etichettati. Una lingua può essere parlata da moltissime persone e tuttavia risultare scarsamente rappresentata nei formati usati per l’addestramento (Stanford University, 2025).

La seconda causa riguarda la qualità dei dati e il potere. Quale polacco, arabo, spagnolo o inglese entra nel dataset? I documenti ufficiali e le notizie prodotte nelle metropoli possono pesare più del parlato rurale, del linguaggio giovanile, delle varietà dei migranti e dell’alternanza di codice. Il modello finisce così per trattare un registro come il centro e gli altri come periferie rumorose.

Poi viene la rappresentazione tecnica. La tokenizzazione, la segmentazione del parlato e gli strumenti specifici per ciascuna lingua possono rendere un compito più difficile in una lingua che in un’altra. Il riconoscimento vocale può andare in crisi quando accento, rumore e alternanza di codice si sovrappongono.

Il quarto fattore è il feedback umano. I modelli vengono valutati e regolati attraverso giudizi su utilità, danno e stile. Se valutatori di alta qualità e casi di sicurezza culturalmente specifici si concentrano nelle lingue dominanti, lo strato più rifinito del sistema diventa diseguale. In inglese un rifiuto può essere chiaro e rispettoso; in un’altra lingua può arrivare un modello tradotto alla lettera, dal tono accusatorio e privo di un passo successivo praticabile.

Infine, sono i benchmark a definire che cosa conta come progresso. Le valutazioni più diffuse presentano una scarsa diversità linguistica e culturale: «Si basano principalmente su dataset in lingua inglese» (Chodak & Filipek, 2025, p. 14; traduzione dell’autore). Un modello può apparire eccellente nella classifica pubblica e fallire in un ufficio comunale o in una redazione di comunità. La valutazione dovrebbe includere la diversità linguistica e culturale e l’utilità nel mondo reale (Chodak & Filipek, 2025, pp. 14 - 15).

Questo è potere infrastrutturale: le organizzazioni capaci di finanziare dati, capacità di calcolo e benchmark decidono quali pratiche linguistiche diventano priorità tecniche (United Nations et al., 2024).

La lingua trasporta più dell’informazione

Una visione ingenua considera la lingua un imballaggio. Si suppone che lo stesso significato venga collocato in scatole diverse e che il compito tecnico consista nel trasferirlo senza versarne il contenuto. La comunicazione reale è meno accomodante.

Le parole collocano i parlanti dentro relazioni. Le forme di cortesia possono esprimere rispetto, distanza o ironia. Un diminutivo può comunicare affetto oppure disprezzo. Un dialetto può creare fiducia con una fonte. L’alternanza di codice può segnalare che una frase appartiene all’istituzione e quella successiva alla famiglia. Tradurre tutto in un inglese standard, scorrevole e levigato può preservare l’argomento cancellando l’atto sociale.

Per questo la giustizia linguistica riguarda molto più dei tassi di errore. Nessuno dovrebbe dover abbandonare la propria varietà linguistica per essere trattato come una persona razionale, professionale o affidabile. Né una comunità minoritaria dovrebbe esistere nell’IA soltanto come oggetto descritto da fonti nella lingua maggioritaria.

Allo stesso tempo, rispettare non significa idealizzare ogni espressione locale o pretendere che un modello indovini un contesto che non ha mai ricevuto. Anche gli esseri umani si fraintendono. La differenza etica sta nella scala, nell’opacità e nella possibilità di uscita. Un sistema può ripetere lo stesso schema in milioni di interazioni e presentare comunque il servizio come universale. L’utente può non avere una via alternativa né un modo efficace per far capire all’istituzione che il problema esiste.

Il divario linguistico combina dunque capacità e riconoscimento. La capacità chiede se una persona riesce davvero a portare a termine il compito. Il riconoscimento chiede se il sistema considera il suo modo di parlare una forma legittima di partecipazione, anziché un input difettoso.

Nel giornalismo, un divario linguistico diventa un divario nelle prove

In una redazione, prestazioni linguistiche diseguali possono danneggiare ogni fase del lavoro.

Nella raccolta delle notizie, un riconoscimento vocale debole corrompe nomi, date e termini specialistici. Il reporter impiega più tempo a riparare la trascrizione o, peggio, non si accorge di una sostituzione plausibile. La tecnologia fa risparmiare tempo soprattutto al gruppo linguistico già meglio servito.

Nella ricerca e scoperta, un modello può recuperare molte fonti in inglese e trascurare documenti nella lingua locale, giornalismo di comunità o terminologia regionale. Il dossier risultante sembra completo perché il materiale assente non lascia un vuoto visibile.

Nella traduzione, il sistema può appiattire la prudenza probatoria. «Sembra», «ho sentito» e «ho visto» hanno un peso giornalistico diverso. Se queste distinzioni scompaiono, la dichiarazione di un testimone diventa più forte di quanto consentano le prove.

Nella moderazione e sicurezza, il riconoscimento diseguale può produrre sia un eccesso di intervento sia abbandono. Espressioni innocue riappropriate da una comunità possono essere classificate come abusi, mentre minacce in codice passano inosservate. Il parlante colpito paga con il silenzio, l’esposizione o spiegazioni supplementari.

Nella distribuzione, i riassunti generati in una lingua dominante possono diventare la versione canonica. La citazione originale resta tecnicamente

disponibile, ma socialmente invisibile. Gli editori finiscono così per ottimizzare il giornalismo successivo per la versione che circola meglio.

Il costo ricade su persone identificabili: la fonte citata in modo errato, il reporter a cui viene attribuita la colpa, il lettore escluso da informazioni essenziali e la comunità rappresentata con il vocabolario di qualcun altro. Ma ricade anche sulla conoscenza pubblica. Se alcune lingue sono costose da elaborare, le istituzioni possono gradualmente considerare costoso ascoltarne i parlanti.

La scelta diventa coercizione quando l’alternativa scompare

Passare all’inglese può essere una scelta utile. Molte persone plurilingui lo fanno deliberatamente e con creatività. Il problema etico inizia quando il sistema trasforma il cambio di lingua nel prezzo dell’accuratezza, della sicurezza o dell’accesso.

Immaginiamo un ente locale che, in un caso ipotetico, sostituisca la linea telefonica con un chatbot multilingue. La lingua di una residente figura nell’elenco, ma il bot continua a fraintendere il problema. Le propone un modulo in inglese. Formalmente, il servizio è disponibile. In pratica, un familiare diventa interprete e viene a conoscenza di informazioni private che la residente non voleva condividere. Quello che l’istituzione chiama efficienza, la famiglia lo vive come dipendenza.

Una progettazione antropocentrica richiede il diritto di restare nella propria lingua quando la posta in gioco è alta, un avviso chiaro quando la qualità è incerta e un percorso equivalente che non imponga l’IA. Può essere un interprete umano, un membro del personale formato, un modulo accessibile, una linea telefonica o un mediatore di comunità. Deve essere visibile prima del fallimento, non nascosto dietro sei giri di chatbot.

La dignità significa non essere derisi, semplificati o trattati come anomalie. L’autonomia significa poter scegliere l’IA, l’aiuto umano o nessuna traduzione senza perdere il servizio. La responsabilità significa che è il fornitore - non il parlante - a farsi carico del divario di qualità e del modo per colmarlo.

Il Test di parità linguistica

Il Test di parità linguistica confronta gli stessi compiti rilevanti in lingue e varietà diverse, quindi rende pubblico il divario. È un audit per redazioni e servizi, non la pretesa di ridurre le lingue a un’unica classifica.

1. Definite l’uso e le persone. Specificate il compito: trascrivere interviste, riassumere documenti comunali, moderare commenti o rispondere a domande sulle prestazioni sociali. Indicate le lingue, i dialetti, i registri e le esigenze di accessibilità realmente presenti nella comunità. «Altre lingue» non è una popolazione di test.

2. Costruite i casi con i parlanti, non soltanto per loro. Retribuite giornalisti, traduttori e membri della comunità perché creino esempi naturali. Includete nomi, istituzioni locali, espressioni idiomatiche, alternanza di codice, formulazioni indirette, parlato nel rumore e casi di sicurezza culturalmente specifici. Non producete ogni caso traducendo un originale inglese: così facendo, l’inglese diventa la definizione nascosta della normalità.

3. Conservate prove appaiate. Dove il confronto ha senso, usate fatti e intenzioni equivalenti nelle diverse versioni. Conservate l’audio e il testo originali. Registrate il modello, le impostazioni, la data e il prompt, perché le prestazioni cambiano. Eliminate o proteggete i dati personali prima del trattamento esterno.

4. Verificate l’intero percorso. Misurate il riconoscimento dell’input, la risposta generata, le fonti, la correzione e il passaggio a un altro livello di assistenza. Un chatbot che comprende la prima domanda ma non sa gestire un ricorso non ha superato il test. Verificate testo, voce e uso con screen reader quando queste modalità sono offerte.

5. Valutate sei dimensioni. Affidate a persone la valutazione di:

● accuratezza fattuale, in particolare nomi, numeri e negazioni;

● completezza e conservazione dell’incertezza;

● naturalezza senza standardizzazione forzata;

● significato, relazione e contesto culturale;

● qualità della sicurezza, compresa la parità nei rifiuti e nell’assistenza;

● completamento del compito: la persona riesce a raggiungere autonomamente il risultato reale?

Attribuite agli errori gravi un peso maggiore che alle imperfezioni di stile. Un aggettivo sbagliato irrita; un «non» perduto può essere pericoloso. Rendete pubblico il disaccordo tra valutatori, anziché farlo scomparire in una media.

6. Calcolate e pubblicate il divario. Confrontate ogni lingua o varietà con la versione meglio supportata e con uno standard minimo accettabile. Pubblicate i risultati per compito, la dimensione del campione, i limiti noti e la versione del

prodotto. «Accuratezza multilingue del 92 per cento» può nascondere una lingua eccellente e altre cinque insicure.

7. Stabilite soglie di controllo umano. Se gli errori critici, i rifiuti dannosi o i divari nel completamento superano la soglia, l’output dell’IA non può essere definitivo. Richiedete la revisione di un parlante competente, conservate la citazione originale e segnalate l’incertezza. Retribuite questa competenza: il personale bilingue non deve diventare un reparto di riparazione invisibile.

8. Offrite un percorso equivalente senza IA. Mostrate una via diretta verso una persona, un interprete professionista, un modulo convenzionale o il materiale originale. Non dovrebbe richiedere più tempo, costare di più o comportare penalizzazioni. Consentite agli utenti di correggere il rilevamento della lingua e contestare un output nella lingua interessata.

9. Correggete, ripetete il test e tenete un registro delle modifiche. Fate confluire gli errori nelle linee guida editoriali, nelle richieste ai fornitori e nei dataset locali, quando sia lecito e appropriato. Ripetete il test dopo gli aggiornamenti. Pubblicate che cosa è migliorato, che cosa non lo è e se un impiego è stato sospeso.

La parità è una direzione, non un traguardo

Nessun test può rappresentare ogni parlante. Le lingue contengono variazioni regionali, sociali, generazionali e professionali; i valutatori possono legittimamente dissentire. Le piccole comunità possono avere troppo pochi dati pubblici per un test sicuro su larga scala, e raccoglierne di più può minacciare la riservatezza o la proprietà culturale. «Più dati» non equivale automaticamente a giustizia.

L’inglese non dovrebbe diventare il riferimento assoluto del significato. Il risultato migliore può essere progettato direttamente in un’altra lingua, non giudicato in base alla somiglianza con l’output inglese. Alcuni compiti richiedono norme editoriali locali, non la parità con un modello globale.

Anche la revisione umana ha limiti. Può essere lenta, incoerente e plasmata dalle stesse gerarchie di prestigio. Un esperto linguistico ha bisogno dell’autorità per fermare la pubblicazione, non di un invito all’ultimo minuto a sistemare la grammatica. La partecipazione della comunità deve includere dissenso e rifiuto; altrimenti la co-progettazione diventa ricerca estrattiva con biscotti più buoni.

Esiste anche un vincolo materiale. Le organizzazioni più piccole non possono verificare tutto. Dovrebbero dare priorità ai compiti ad alto rischio, collaborare a

benchmark condivisi e rifiutare gli usi di cui non riescono a verificare la sicurezza. Non implementare una funzione può essere innovazione responsabile.

La cittadinanza digitale richiede una partecipazione sicura, critica e sovrana alla vita tecnologica (Cymanow-Sosin, 2026, pp. 22 - 24). La sovranità linguistica rientra in questa definizione. Le persone non possono partecipare in modo paritario se la porta accetta la loro lingua ma l’edificio non la comprende.

Torniamo ai due reporter. L’obiettivo non è promettere una prosa identica. È garantire che nessuno dei due debba chiedersi se un nome sbagliato, una riserva mancante o un rifiuto offensivo siano il trattamento standard riservato a chi parla come loro.

Un selettore della lingua non è uguaglianza. L’uguaglianza inizia quando confrontiamo i percorsi, rendiamo pubblica la differenza e teniamo aperta una porta presidiata per il passeggero che il modello ha lasciato indietro.