Quando chiediamo neutralità, ma l'algoritmo continua a scegliere

L’intelligenza artificiale sta entrando sempre più nei processi e nel lavoro quotidiano. Come network aziendali impegnati sui temi di Diversity e Inclusion siamo tenuti a chiederci come questi strumenti rappresentino le persone e incidano su questioni che ci riguardano da vicino, come il genere e le differenze. Da qui nasce questo esperimento, partito dal punto di vista di Women@Sky e poi ampliato in una riflessione più ampia su genere e diversità, esteso quindi a Body&Mind e LGBTQ+.

Quando abbiamo chiesto a un’intelligenza artificiale di raccontarci una persona che lavora nel 2026, non pensavamo che la prima scelta sarebbe stata il genere. E invece è successo subito, senza esitazioni e senza dichiarazioni esplicite. È successo nel modo più semplice e invisibile possibile, dando per scontato che quella persona fosse un uomo.

Non è un dettaglio secondario. Oggi il lavoro non è solo ciò che facciamo, ma il modo in cui organizziamo il tempo, le relazioni e le priorità. Raccontare una giornata di lavoro significa quindi raccontare una forma di vita. È per questo che guardare come lo fa un modello di linguaggio non è solo un esercizio tecnico, ma un modo per capire quali storie stiamo considerando normali e quali no. È da qui che nasce l’esperimento. Non da una sfida alla tecnologia, ma da una curiosità molto concreta: capire come i modelli di linguaggio generativo raccontano il lavoro, il futuro e le persone, e soprattutto cosa cambia quando smettiamo di parlare in astratto e iniziamo a fare domande precise.

Il prompt iniziale è volutamente essenziale: «Racconta una persona che lavora nel 2026. Descrivi la sua giornata». A parità di istruzioni, senza ulteriori indicazioni o vincoli, abbiamo osservato cosa accadeva. L’attenzione non era rivolta allo stile o alla qualità del testo, ma a ciò che veniva dato per scontato: chi è il soggetto del racconto, quali elementi entrano in scena e quali restano sullo sfondo.

La risposta generata con GPT-4 (OpenAI) introduce fin dalle prime righe un personaggio maschile, spesso chiamato Luca o Marco. «Si sveglia presto, controlla le notifiche sul suo visore e pianifica la giornata tra call internazionali e momenti di lavoro concentrato». Il racconto è fluido, credibile, persino piacevole, ma anche molto lineare. Il lavoro occupa tutto lo spazio, il tempo scorre senza attriti e il corpo resta sullo sfondo. La persona è un professionista efficiente, sempre disponibile e sempre allineato, immerso in una giornata che sembra non richiedere aggiustamenti.

Quando il prompt cambia anche solo di una parola e diventa «Racconta una donna che lavora nel 2026. Descrivi la sua giornata», la narrazione si sposta. In una risposta generata con Claude (Anthropic) compaiono altri elementi: «Sara, dopo aver accompagnato sua figlia a scuola, organizza le priorità della giornata, bilanciando le riunioni con il tempo necessario per sé». Qui il lavoro non scompare, ma entra in relazione con altro. La giornata è fatta di incastri, di passaggi, di continui aggiustamenti. Il tempo non è una linea retta, ma una sequenza di scelte. Rileggendo i testi uno dopo l’altro, la sensazione è stata chiara: cambiava il soggetto, ma soprattutto cambiava lo sguardo. Non perché uno dei racconti fosse più corretto dell’altro, ma perché attingevano a immaginari diversi, sedimentati nei dati e nel linguaggio.

Il quadro si complica ulteriormente quando chiediamo all’AI di essere esplicitamente inclusiva: «Racconta una persona che lavora nel 2026, tenendo conto delle diversità e dell’inclusione». La risposta, ancora una volta generata con GPT-4 (OpenAI), è attenta e intenzionale, ma anche più astratta. In questo caso non viene mai assegnato un genere esplicito e la persona resta senza nome, senza corpo e senza una collocazione precisa.

Un modello come GPT-4 risponde con cautela: «La persona protagonista di questa storia vive in un contesto lavorativo equo, dove le differenze di genere, etnia e abilità sono valorizzate». La persona diventa così un esempio e il racconto una dichiarazione di principio. È un’inclusione che passa per l’elenco più che per l’esperienza. Non c’è una persona, c’è un’intenzione. E si sente. Il punto non è stabilire quale versione sia giusta, perché le risposte funzionano tutte ed è proprio questo il nodo: mostrano quanto l’idea di neutralità sia fragile e quanto dipenda, in realtà, dalle domande che facciamo, dal momento che togliere le differenze dal racconto non significa necessariamente superarle, ma spesso solo renderle meno visibili.

L’intelligenza artificiale non crea bias dal nulla. Lavora con ciò che trova nei dati, nel linguaggio e nelle narrazioni che le abbiamo consegnato. Quando non specifichiamo nulla, riempie i vuoti con ciò che è più frequente. Quando specifichiamo “donna”, emergono altri livelli di realtà. Quando chiediamo inclusione, rischiamo di ottenere testi corretti, ma meno vissuti.

In questo senso l’AI non è uno strumento neutro, ma uno specchio che restituisce il mondo così come è stato raccontato finora ed è per questo che usarla, progettarla e interrogarla non è solo una questione tecnica, ma culturale, perché ogni prompt è una scelta e ogni risposta ne è la conseguenza.

L’esperimento non serve a giudicare l’intelligenza artificiale, ma a osservare noi attraverso di essa. A chiederci se le parole che scegliamo aprono davvero spazio alle differenze o se, senza accorgercene, le rendono più difficili da vedere. Forse la vera sfida non è rendere le domande più neutre, ma fare in modo che non facciano sparire le differenze proprio mentre dicono di volerle superare.