AI disclosure penalty: quando l’etichetta pesa più del testo

Un paper su 16 esperimenti mostra che dichiarare l’uso dell’AI può ridurre il valore percepito della scrittura creativa. Una lettura GDE del problema: autenticità, esperienza, bordo del conosciuto e responsabilità umana nei contenuti assistiti da AI.

di Andrea Viliotti

AI disclosure penalty

Lead — il paradosso della disclosure AI

C’è un paradosso che ogni impresa, ogni autore e ogni consulente che usa l’intelligenza artificiale generativa dovrà imparare a gestire. Possiamo produrre testi più velocemente, possiamo esplorare molte più fonti, possiamo confrontare ipotesi, tono, struttura e lessico con una potenza che pochi anni fa non era disponibile. Ma nel momento in cui dichiariamo che un testo è stato scritto con l’aiuto dell’AI, una parte dei lettori tende a valutarlo meno.

Non necessariamente perché il testo sia peggiore. Il punto, nel paper di Manav Raj, Justin M. Berg e Rob Seamans, è più sottile: spesso cambia l’etichetta che il lettore assegna al testo prima ancora di incontrarlo davvero. Lo stesso contenuto, o un contenuto trattato come comparabile, può essere percepito diversamente quando viene associato a un’origine umana, a un’origine artificiale o a una collaborazione fra umano e AI. La domanda, allora, non è più soltanto “questo testo è buono?”. Diventa: “quale esperienza riconosco dietro questo testo?”.

Per un imprenditore italiano la questione non è accademica. Riguarda il modo in cui un’azienda comunica, presenta un report, pubblica un articolo, scrive una proposta commerciale, racconta un progetto di innovazione o costruisce fiducia con clienti, investitori e collaboratori. La disclosure sull’uso dell’AI non può essere trattata come una riga burocratica in fondo al documento. Deve diventare un patto di responsabilità: chi ha deciso, con quale criterio, su quali fonti, con quale esperienza e con quale valore differenziale umano.

In sintesi

·        L’AI disclosure penalty è la riduzione di valore percepito che può emergere quando il lettore sa che un testo è stato creato o assistito da AI.

·        Il paper collega questo effetto soprattutto all’autenticità percepita: il testo appare meno attraversato da esperienza umana.

·        La lettura GDE proposta nell’articolo sposta la domanda manageriale: non “AI sì o no?”, ma quale criterio umano, quali fonti e quale responsabilità rendono il testo affidabile.

Che cosa misura davvero il paper

Il paper “The Artificial Intelligence Disclosure Penalty: Humans Persistently Devalue AI-Generated Creative Writing”, pubblicato nel Journal of Experimental Psychology: General, affronta un problema preciso: come cambiano le valutazioni dei lettori quando credono che un testo creativo sia stato prodotto da un modello AI, o con il suo aiuto, invece che da un autore umano senza AI.

La forza dello studio sta nella scala e nella disciplina del disegno sperimentale. Gli autori conducono 16 esperimenti preregistrati, con un campione totale di 27.491 partecipanti, raccogliendo dati tra marzo 2023 e giugno 2024. L’oggetto non è l’intera produzione culturale dell’AI, ma la scrittura creativa: prose, poesie, brevi testi narrativi, contenuti in prima o terza persona, talvolta generati con ChatGPT, talvolta tratti anche da racconti umani premiati, a seconda dello studio.

Il risultato centrale è chiaro: quando i partecipanti credono che un testo sia stato scritto da un’AI, o con il supporto di una AI, tendono a valutarlo meno favorevolmente rispetto a quando credono che provenga da un autore umano senza AI. Gli autori chiamano questo effetto “AI disclosure penalty”: penalità di disclosure AI. Non è una penalità generica contro la tecnologia; è il calo di apprezzamento che emerge quando l’origine AI viene dichiarata.

Il paper individua anche un meccanismo psicologico robusto: l’autenticità percepita. I lettori non declassano semplicemente il testo perché lo ritengono tecnicamente più povero. Lo declassano perché lo percepiscono come meno autentico. In tutti gli studi in cui l’autenticità viene misurata come mediatore, l’effetto passa in modo forte da questa percezione: la disclosure AI abbassa l’autenticità percepita, e la minore autenticità trascina verso il basso la valutazione.

Un altro dato importante è la persistenza. Gli autori testano molte varianti: metriche diverse, contesti diversi, tipi diversi di contenuto, informazioni aggiuntive sull’AI, umanizzazione dell’AI, framing dell’AI come strumento, collaborazione umano-AI e “human in the loop”. La penalità resta sorprendentemente difficile da attenuare. In particolare, nei test sulla collaborazione umano-AI, la cornice collaborativa non basta a cancellare la penalità: in alcuni studi la valutazione resta più bassa e simile a quella attribuita a contenuti presentati come AI-only.

È importante non chiedere al paper più di ciò che il paper dimostra. Gli autori non provano che l’AI scriva peggio degli esseri umani. Non stabiliscono che tutti i lettori, in tutte le culture, reagiranno così per sempre. Non dimostrano che ogni forma d’arte o ogni lingua produca lo stesso effetto. Studiano un dominio specifico, la scrittura creativa in inglese, con partecipanti reclutati online, in una fase storica di rapida evoluzione dell’AI generativa. Ma proprio per questo il risultato è utile: isola un fenomeno che riguarda il rapporto fra origine percepita, fiducia e valore attribuito.

La penalità non è nel testo: è nell’etichetta

La lettura GDE del paper parte da una distinzione semplice: il lettore non incontra mai soltanto un testo. Incontra un testo più un’etichetta di origine. “Scritto da una persona” e “scritto con l’AI” non sono informazioni neutre. Sono lenti osservative. Prima ancora di valutare il contenuto, il lettore colloca l’artefatto dentro una categoria: umano, artificiale, ibrido, autentico, derivato, freddo, interessante, sospetto.

Questa è la parte più rilevante per le imprese. Molte aziende pensano alla disclosure come a un adempimento: “abbiamo usato strumenti AI”. Ma un lettore non riceve quella frase come un semplice dato tecnico. La riceve come una chiave interpretativa. A quel punto il testo non viene più valutato soltanto per ciò che dice, ma per l’origine che dichiara.

Il paper mostra che la stessa soglia di attenzione può spostarsi. Se il lettore associa l’AI a una minore autenticità, abbassa la disponibilità a riconoscere valore. Non perché abbia analizzato tutte le frasi. Spesso perché ha già deciso quale tipo di esperienza pensa di trovare dietro quelle frasi.

La penalità di disclosure, quindi, non riguarda solo il contenuto. Riguarda il rapporto osservatore-artefatto. Il testo è l’artefatto. Il lettore è l’osservatore. L’etichetta “AI” modifica la relazione tra i due. Da quel momento il lettore non sta più chiedendo soltanto “è scritto bene?”. Sta chiedendo: “questa cosa viene da qualcuno che ha vissuto, scelto, rischiato, capito? Oppure viene da un sistema che ha ricombinato materiale già disponibile?”.

Autenticità, esperienza e artefatti della memoria

Per capire perché l’autenticità pesa così tanto, bisogna distinguere due forme di conoscenza: l’esperienza diretta e l’esperienza indiretta.

L’esperienza diretta è ciò che abbiamo attraversato. Non solo ciò che sappiamo dire, ma ciò che è diventato parte del nostro modo di vedere. Un imprenditore che ha vissuto una crisi di liquidità capisce in modo diverso una frase sul capitale circolante. Un genitore che ha accompagnato un figlio in un momento difficile sente in modo diverso una pagina sul dolore. Un artigiano che ha sbagliato un materiale, perso ore, corretto il gesto, riconosce in modo diverso una descrizione del lavoro manuale.

L’esperienza indiretta, invece, è l’eco dell’esperienza altrui. Leggiamo un libro, un paper, un romanzo, un articolo, e riceviamo la trasformazione simbolica di qualcosa che qualcun altro ha vissuto, pensato, misurato o immaginato. Non assorbiamo direttamente quell’esperienza. La incontriamo come eco. E quell’eco diventa realmente nostra solo quando trova una risonanza con la nostra esperienza, o quando la vita ci porta più tardi davanti al suo contenuto.

Da questo punto di vista, ogni artefatto culturale è un dispositivo di memoria. Un testo, un’immagine, una teoria, una scultura, una procedura aziendale: sono modi con cui l’esperienza viene trasformata in forma comunicabile. L’autenticità, allora, non è soltanto “essere veri” in senso morale. È la percezione che dietro l’artefatto ci sia un’esperienza incarnata: qualcuno che ha attraversato qualcosa e lo ha trasformato in linguaggio.

Il paper mostra che quando il lettore crede che dietro il testo ci sia l’AI, questa percezione si indebolisce. La lettura GDE propone di interpretare il fenomeno così: l’etichetta AI rompe o indebolisce il ponte fra artefatto e esperienza incarnata. Il lettore può anche riconoscere qualità formale, fluidità, coerenza. Ma sente meno la presenza di un vissuto. E quando il testo è creativo, la presenza di un vissuto conta molto.

L’AI come eco dell’eco

L’intelligenza artificiale generativa non va ridotta a un trucco statistico, ma non va neppure trasformata in una coscienza autoriale. È un sistema che lavora su tracce simboliche: testi, immagini, dati, pattern linguistici, fonti fornite, contesti già codificati. In questa lettura, l’AI non è l’esperienza diretta; è un’esplorazione dell’esperienza umana già tradotta in artefatti della memoria.

Per questo si può dire, con una metafora controllata, che l’AI è l’eco dell’eco. L’esperienza umana diventa testo, dato, immagine, archivio. L’AI attraversa quell’archivio, ne riconosce regolarità, ne ricombina forme, ne produce nuove superfici linguistiche. Il risultato può essere utile, sorprendente, elegante, persino illuminante. Ma il lettore può percepirlo come distante dall’origine incarnata dell’esperienza.

Qui si apre una contraddizione. Gran parte dei contenuti umani che leggiamo non sono esperienza diretta pura. Anche un autore umano scrive spesso a partire da letture, maestri, tradizioni, citazioni, memorie, formule, linguaggi ricevuti. Molto di ciò che chiamiamo “umano” è già eco di altri esseri umani. E tuttavia il lettore concede all’autore umano un credito diverso: presume che dietro la scrittura ci sia una vita che seleziona, interpreta, rischia.

La domanda decisiva non è quindi se l’AI sia “ammessa” o “vietata”. È se il testo finale riesce a dichiarare dove si trova il criterio umano. Chi ha scelto la direzione? Chi ha separato ciò che è rilevante da ciò che è solo probabile? Chi ha assunto responsabilità sul senso? Chi ha portato esperienza non riducibile alla ricombinazione?

Senza questa dichiarazione, la disclosure AI rischia di essere percepita come sottrazione di esperienza. Con questa dichiarazione, può diventare una forma più matura di trasparenza.

Il punto cieco del lettore umano

Il paper è interessante anche perché mostra un limite del lettore, non solo un limite dell’AI. Il lettore crede di valutare il testo, ma in realtà valuta anche l’etichetta che precede il testo. In alcuni casi l’etichetta diventa più potente del contenuto. Il rischio è che un artefatto venga declassato prima di essere realmente letto.

Questa dinamica è comprensibile. Il cervello umano non può esplorare tutto con la stessa intensità. Usa scorciatoie. Cerca segnali di affidabilità, prossimità, appartenenza, intenzione. L’origine umana è uno di questi segnali. L’origine AI, almeno in questa fase storica, può funzionare come segnale opposto: non vissuto, non incarnato, non autentico.

Ma una scorciatoia utile può diventare un punto cieco. Se il lettore declassa ogni contenuto AI-assisted prima di leggerlo, perde una parte del campo. Non perché l’AI sia automaticamente profonda, ma perché il contenuto potrebbe contenere una ricombinazione utile, un confronto inatteso, una mappa del conosciuto che l’autore umano da solo avrebbe impiegato molto più tempo a costruire.

Qui emerge la figura dell’esploratore. Il lettore standard tende a restare nel centro del già riconosciuto. Cerca continuità, origine familiare, segnali di appartenenza. L’esploratore, invece, si dirige verso il bordo: non si accontenta dell’eco dell’esperienza altrui, ma prova a trasformarla in esperienza propria. Per l’esploratore, l’AI può diventare uno strumento potente, non perché sostituisca l’esperienza, ma perché accelera l’attraversamento del conosciuto.

Esplorare il conosciuto è già un’opera enorme. Nessuna impresa, nessun autore, nessun ricercatore può attraversare da solo l’intero archivio simbolico dell’umanità. L’AI può aiutare a percorrerlo, a far emergere connessioni, a mostrare ridondanze, a segnalare tensioni. Ma non elimina la necessità di un osservatore umano capace di riconoscere quando una tensione è davvero significativa.

Zero, numero primo, infinito: una grammatica GDE della novità

La traccia GDE usa tre immagini matematiche: zero, numero primo e infinito. Non vanno lette come dimostrazioni matematiche del fenomeno psicologico. Vanno lette come analogie strutturali, utili per pensare il rapporto fra conosciuto, novità e bordo.

Zero non è semplice assenza. È il punto iniziale di osservazione. È il luogo da cui una sequenza diventa leggibile. Senza un punto zero, non c’è orientamento: non sappiamo da dove guardiamo, dove collochiamo il primo passo, quale campo stiamo misurando. In un progetto di conoscenza, lo zero è il momento in cui un osservatore dichiara: “io guardo da qui”.

Il numero primo, in questa analogia, è l’emersione di una novità che non si lascia ridurre banalmente alla ricombinazione degli elementi precedenti. Naturalmente un numero primo appartiene alla sequenza dei numeri; non arriva dal nulla. Eppure non è decomponibile come gli altri. È un’apertura di asse: qualcosa che costringe il sistema a riconoscere una nuova irriducibilità locale.

L’infinito è il bordo. Non un oggetto che possediamo, ma il limite operativo del sistema. Misurarlo totalmente significherebbe trasformare il sistema stesso. Ogni impresa conosce questa dinamica in forma pratica: quando provi a misurare tutto, controllare tutto, prevedere tutto, consumi risorse e cambi il sistema che volevi osservare.

Dove si colloca l’AI in questa grammatica? L’AI è potentissima dentro la sequenza del già osservato e già simbolizzato. Può attraversare numeri, testi, casi, pattern, analogie, fonti. Può mostrare la densità del passato codificato. Ma davanti al “numero primo” che non è ancora emerso — la novità radicale, l’esperienza non ancora tradotta in memoria condivisa — resta debole se non c’è un osservatore che porta esperienza, rischio e criterio.

Eppure può essere utile proprio vicino al bordo. Non perché sappia dire con certezza che cosa emergerà, quando emergerà o chi lo porterà. Ma perché può segnalare pressione: aree in cui il conosciuto non basta più, concetti che si sovrappongono senza chiudersi, linguaggi che cercano una nuova forma. L’esploratore umano resta necessario; l’AI può diventare la lente che rende più visibile il terreno prima del bordo.

Che cosa devono capire gli imprenditori

Per un’impresa, la lezione non è “nascondere l’AI”. Sarebbe una conclusione povera e rischiosa. La lezione è progettare meglio il patto di autenticità.

Quando un’azienda dichiara l’uso dell’AI, deve chiarire il ruolo dell’AI e il ruolo umano. Non basta scrivere “contenuto generato con AI”. Questa frase è troppo ampia. Può significare automazione totale, assistenza linguistica, analisi preliminare di fonti, revisione stilistica, simulazione di alternative, supporto alla traduzione, sintesi di documenti, o molte altre cose. Per il lettore, l’ambiguità peggiora il problema: se non capisce dove sta l’autore, presume che l’autore sia sparito.

La disclosure efficace dovrebbe rispondere a cinque domande. Primo: quale parte del lavoro è stata assistita dall’AI? Secondo: quale parte è stata decisa da una persona? Terzo: quali fonti o dati hanno orientato il testo? Quarto: quale esperienza umana ha guidato la selezione e l’interpretazione? Quinto: quale responsabilità si assume l’autore o l’impresa sul contenuto finale?

Queste domande valgono per marketing, comunicazione istituzionale, reportistica, consulenza, formazione e knowledge management. Un testo commerciale generico, prodotto con AI e dichiarato in modo vago, rischia di sembrare sostituibile. Un testo AI-assisted, ma attraversato da esperienza reale, fonti qualificate, criterio umano e responsabilità esplicita, può invece diventare più forte: non perché “sembri umano”, ma perché mostra meglio la catena che porta dal dato al giudizio.

Per i brand questo è decisivo. Nei prossimi anni la quantità di contenuti crescerà ancora. Il problema non sarà produrre frasi corrette. Il problema sarà dimostrare perché quelle frasi meritano attenzione. La fiducia non nascerà dalla negazione dell’AI, ma dalla chiarezza del processo: cosa è stato automatizzato, cosa è stato interpretato, cosa è stato scelto, cosa è stato rischiato.

Disclosure: da obbligo burocratico a patto di responsabilità

La disclosure AI può diventare una formula difensiva oppure una nuova grammatica della responsabilità. La differenza sta nel modo in cui viene progettata.

La formula difensiva dice: “È stato usato uno strumento di intelligenza artificiale”. È una dichiarazione minima. Protegge forse sul piano formale, ma lascia il lettore davanti a un vuoto: chi parla davvero? Chi garantisce il senso? Chi ha capito ciò che viene detto?

Il patto di responsabilità dice qualcosa di diverso: “Questo testo è stato costruito con supporto AI per esplorare fonti, alternative e struttura. Il criterio, la selezione, l’interpretazione e la responsabilità finale sono umani”. Naturalmente questa frase non va usata come formula universale. Va adattata al caso concreto. Ma il principio è chiaro: non basta dichiarare lo strumento; bisogna dichiarare l’osservatore.

Questo vale soprattutto quando il testo è creativo, strategico o reputazionale. Un manuale tecnico può essere valutato in larga parte sulla correttezza. Una comunicazione di visione, una lettera agli stakeholder, un articolo firmato, una riflessione di leadership, un testo di posizionamento culturale richiedono qualcosa in più: il lettore vuole sapere da quale esperienza nasce quel giudizio.

Per questo la domanda manageriale non è più “AI sì o no?”. È: “quale esperienza, quale criterio e quale responsabilità hanno attraversato questo testo?”. Dove la risposta è debole, la disclosure diventa penalità. Dove la risposta è forte, la disclosure può diventare fiducia.

Conclusione — l’AI non elimina l’autore

Il paper di Raj, Berg e Seamans non dimostra la GDE e non pretende di spiegare tutto il rapporto fra esseri umani e intelligenza artificiale. Misura però un fenomeno importante: l’etichetta AI può ridurre la valutazione di un testo creativo perché indebolisce l’autenticità percepita. Questo dato, per chi lavora con contenuti, conoscenza e impresa, non può essere ignorato.

La lettura GDE suggerisce che il nodo non sia soltanto tecnologico. È osservativo. Il lettore cerca nell’artefatto un segnale di esperienza incarnata. Quando trova l’etichetta AI, può temere di trovarsi davanti a un’eco senza esperienza. Ma l’AI, se usata con criterio, non deve cancellare l’autore. Può costringerlo a dichiararsi meglio.

L’autore non è più soltanto chi scrive ogni parola. È chi definisce il punto zero dell’osservazione, chi riconosce dove il conosciuto non basta, chi decide quali echi meritano di diventare esperienza, chi si assume la responsabilità del testo finale. In questa prospettiva, la disclosure non è un marchio di minor valore. È una prova di maturità: mostrare dove finisce l’automazione e dove comincia il giudizio.

Per le imprese, questa è la vera sfida. Non produrre più contenuti. Produrre contenuti in cui sia leggibile la catena dell’esperienza. Perché nel mondo dell’AI generativa la fiducia non nascerà dalla perfezione della superficie, ma dalla chiarezza dell’origine, del criterio e della responsabilità.

Domande chiave per chi pubblica contenuti con AI

Che cos’è l’AI disclosure penalty?

È la penalità di valutazione che può comparire quando il lettore sa, o crede, che un contenuto sia stato prodotto da AI o con il supporto dell’AI. Nel paper analizzato, il punto centrale non è soltanto la qualità del testo, ma il modo in cui l’etichetta di origine modifica la percezione del lettore.

Perché l’autenticità percepita è così importante?

Perché il lettore non valuta solo parole, stile e struttura: cerca anche un segnale di esperienza, intenzione e responsabilità. Quando l’etichetta AI indebolisce quel segnale, il contenuto può essere declassato prima ancora di essere letto con piena attenzione.

Le imprese dovrebbero nascondere l’uso dell’AI?

No. L’articolo propone l’opposto: progettare una disclosure più matura. La trasparenza deve spiegare che cosa ha fatto l’AI, che cosa ha deciso la persona, quali fonti sono state usate e quale valore differenziale è stato prodotto.

Qual è la domanda giusta per manager, autori e consulenti?

Non “AI sì o no?”, ma: quale esperienza, quale criterio e quale responsabilità hanno attraversato questo testo? Dove questa catena è leggibile, la disclosure non è una nota difensiva: diventa patto di autenticità.