di Donatello D’Andrea, vicepresidente e responsabile programma di ricerca sulla comunicazione strategica
Introduzione: perché una nuova categoria
Il programma di ricerca dell’Istituto Delphi ha costruito negli ultimi anni un framework progressivo per l’analisi della comunicazione politica e strategica. Dalla diplomazia performativa¹ al governo della comunicazione,² dall’adottabilità del frame³ alla teoria dei giochi comunicativa,⁴ il framework ha elaborato strumenti analitici che consentono di leggere la comunicazione politica non come produzione di messaggi ma come governo del campo semantico dentro cui quei messaggi vengono ricevuti, interpretati e adottati. Il volume Governare il linguaggio⁵ ha sintetizzato il nucleo di questo framework documentandone le applicazioni empiriche.
Il working paper 2026g compie un passo ulteriore, introducendo una categoria che il framework precedente non aveva ancora formalizzato con la necessaria precisione: il governo dell’umanizzazione. Questa categoria si rende necessaria per rispondere a una trasformazione strutturale dell’ecosistema comunicativo che i contributi precedenti non avevano ancora dovuto affrontare con la stessa urgenza: l’introduzione dell’intelligenza artificiale generativa come infrastruttura produttiva della comunicazione politica. Non si tratta di una trasformazione degli strumenti disponibili ai comunicatori – che sarebbe rilevante ma non richiederebbe una nuova categoria analitica – ma di una trasformazione della struttura produttiva della comunicazione politica nella sua interezza, con effetti che investono i meccanismi fondamentali attraverso cui il consenso si forma, si consolida e si erode.⁶
Le condizioni strutturali: saturazione, standardizzazione, crisi del documento
Il working paper analizza con precisione le condizioni strutturali dell’ecosistema comunicativo contemporaneo che rendono necessaria la nuova categoria.
La prima condizione è la saturazione dei contenuti. Il costo di produzione di un messaggio politico tende a zero con l’introduzione dell’AI generativa. Quando il costo di produzione è zero, la quantità di contenuto prodotto tende all’infinito. Herbert A. Simon aveva formulato nel 1971 il principio fondamentale che governa questo processo: «In un mondo ricco di informazioni, la ricchezza di informazioni crea una povertà di attenzione e un bisogno di allocare efficientemente quell’attenzione tra la sovrabbondanza di fonti di informazione che potrebbero consumarla.»⁷ L’attenzione umana è una risorsa finita e non scalabile. In un ecosistema in cui la quantità di messaggi politici supera di ordini di grandezza la capacità di elaborazione dell’elettorato, il contenuto che riesce a catturare l’attenzione non è necessariamente quello più accurato o più informativo: è quello che produce la reazione emotiva più immediata.⁷ Prima dell’AI generativa, la produzione di contenuti politici di qualità richiedeva risorse significative che selezionavano implicitamente gli attori in grado di competere su un piano professionale.⁷ L’AI ha abbattuto queste barriere con una velocità senza precedenti, democratizzando la produzione ma producendo al contempo un effetto strutturale non previsto: la saturazione.
La seconda condizione è la standardizzazione progressiva. I modelli di linguaggio e di generazione di immagini sono addestrati su grandi quantità di dati esistenti. Quando producono contenuto politico, tendono a sintetizzare lo stile, il tono e il vocabolario del contenuto su cui sono stati addestrati, producendo un livellamento progressivo. Come ha documentato il Brennan Center for Justice, quando si chiede all’AI di produrre spot politici, il risultato tende a diluire gli elementi inventivi che rendono la comunicazione efficace, producendo dichiarazioni generiche e prive della freschezza che le campagne aspirano a trasmettere.⁸ Il problema si aggrava per il fenomeno del cosiddetto AI cannibalism: i modelli vengono ora addestrati anche su contenuti generati da altri modelli, perpetuando e amplificando le tendenze al linguaggio ripetitivo in un ciclo di omologazione progressiva senza punto di arresto naturale.
In politica, la voce è un elemento costitutivo dell’identità.⁹ L’elettorato riconosce un leader non solo per quello che dice, ma per come lo dice. Queste caratteristiche costruiscono nel tempo una firma stilistica che diventa parte dell’identità del leader.¹⁰ Quando questa firma viene sostituita da un output standardizzato generato dall’AI, il leader comunica ancora, ma non comunica più sé stesso. La standardizzazione produce una perdita di riconoscibilità del mittente che la politolinguistica e la Critical Discourse Analysis hanno analizzato come fenomeno ricorrente del discorso politico omologato,¹¹ con la differenza che nell’era dell’AI questa omologazione non è il risultato di una scelta strategica ma di un effetto collaterale del processo tecnico di produzione.¹²
La terza condizione è la crisi del documento audiovisivo come prova di autenticità. La logica di autenticità incorporata nel documento visivo¹³ si è frantumata con i deepfake. Il 21 gennaio 2024, tra i 5.000 e i 25.000 elettori democratici del New Hampshire ricevettero una robocall con la voce clonata di Joe Biden che li invitava a non votare nelle primarie. Nell’ottobre 2025, su Facebook apparve un video che simulava un notiziario di RTÉ con la candidata Catherine Connolly che annunciava il proprio ritiro dalla corsa: rimase online dodici ore, accumulò quasi trentamila visualizzazioni, prima di essere rimosso. Connolly vinse comunque. Dal suo canto, Donald Trump ha costruito una parte significativa della propria comunicazione istituzionale su immagini generate dall’AI, pubblicate sugli account ufficiali della Casa Bianca.¹⁴
Questi fenomeni producono quello che Chesney e Citron hanno definito liar’s dividend: la consapevolezza che qualsiasi contenuto audiovisivo possa essere falsificato trasforma la capacità di produrre documenti autentici in un vantaggio comunicativo potenzialmente neutralizzabile dall’avversario che reclami la falsificazione.¹⁵ L’AI non solo rende possibile il falso: rende opaco il vero.
Queste tre condizioni producono insieme una scarsità strutturale di autenticità percepita. In un ecosistema in cui tutto sembra costruito, ottimizzato, calibrato per massimizzare l’engagement, il messaggio che riesce a sembrare genuino vale più di qualsiasi messaggio tecnicamente perfetto.
Definizione formale del governo dell’umanizzazione
Il governo dell’umanizzazione si definisce come la capacità di un attore politico di gestire strategicamente la percezione di autenticità del proprio messaggio in un ecosistema comunicativo che tende strutturalmente a eliminarla attraverso la saturazione, la standardizzazione e la contraffazione dei contenuti.
La definizione contiene tre elementi analitici costitutivi.
Il primo è la distinzione tra autenticità come valore e autenticità come risorsa strategica.¹⁶ Il governo dell’umanizzazione non presuppone che l’autenticità sia un valore intrinseco che la comunicazione politica dovrebbe perseguire per ragioni normative – non appartiene alla tradizione della comunicazione autentica come valore democratico di matrice habermasiana.¹⁷ Presuppone invece che l’autenticità percepita sia una risorsa strategica che può essere costruita, mantenuta e governata come qualsiasi altra risorsa nella competizione politica. Un attore che governa l’autenticità percepita come risorsa strategica costruisce deliberatamente le condizioni comunicative che producono la percezione di autenticità nel pubblico target, indipendentemente dal grado di spontaneità effettiva del messaggio.
Il secondo elemento è la dimensione percepita come oggetto del governo. Nella comunicazione umana, la percezione precede e orienta la valutazione razionale.¹⁸ La semiotica ha sviluppato strumenti precisi per analizzare come la percezione di autenticità venga costruita: dalla distinzione barthesiana tra denotazione e connotazione,¹⁹ all’analisi dell’enunciazione in Benveniste,²⁰ dalla semiotica del corpo di Watzlawick alla teoria dei metamessaggi di Bateson.²¹ Paul Ekman ha dimostrato che le microespressioni facciali – movimenti involontari che durano frazioni di secondo e sfuggono al controllo consapevole – costituiscono indicatori di autenticità emotiva che l’interlocutore elabora a livello pre-razionale.²² Nell’era dei deepfake, questi indicatori possono essere simulati con precisione crescente. Ma la simulazione di singoli segnali di autenticità non è equivalente alla costruzione di una relazione comunicativa autentica nel tempo: il pubblico elabora l’autenticità del mittente sulla base della coerenza tra quei segnali e una storia comunicativa precedente.
Il terzo elemento è il governo come dimensione attiva, strategica e consapevole.²³ Governare la propria umanizzazione significa progettare quale tipo di imperfezione mostrare, quale emozione permettersi di mostrare, quale titubanza ammettere. Significa scegliere il canale comunicativo che il pubblico target associa all’autenticità. Significa calibrare il timing dell’imperfezione mostrata. Significa mantenere nel tempo una coerenza tra i segnali di autenticità mostrati in contesti diversi. La gaffe calibrata, il momento di esitazione studiato, la vulnerabilità ostentata con la misura giusta – sono atti di governo comunicativo sofisticato, non cedimenti all’improvvisazione.
Il paradosso della macchina quasi-perfetta
L’AI può ottimizzare il contenuto, il formato, il timing, il canale.²⁴ Non può ottimizzare l’imperfezione autentica. Ogni sistema di AI generativa è, per definizione, un sistema probabilistico che massimizza la coerenza statistica: produce il testo, l’immagine o il video più probabile dato il contesto.²⁵ L’autenticità umana si manifesta spesso nell’improbabile: nella risposta inattesa, nell’emozione non calibrata, nella parola sbagliata che rivela una persona reale. Questi segnali sono esattamente quelli che il sistema probabilistico tende a eliminare.
C’è poi una dimensione che la macchina non può replicare indipendentemente dalla sua sofisticazione tecnica: la storia.²⁶ Un sistema AI può produrre un messaggio coerente con lo stile comunicativo di un leader in un dato momento. Non può produrre la coerenza nel tempo tra quel messaggio e tutti i messaggi precedenti. È questa coerenza storica che costruisce la fiducia duratura. E la risposta strategica del governo dell’umanizzazione alla sfida del liar’s dividend è precisamente questa: costruire nel tempo una relazione comunicativa che funzioni come sistema immunitario contro la contraffazione.²⁷ La valorizzazione della dimensione live – in tutte le sue forme, dal podcast alla diretta social, dall’evento pubblico all’intervista non strutturata²⁸ – è una delle strategie operative fondamentali.²⁹
Il governo dell’umanizzazione nel framework
Il governo dell’umanizzazione si inserisce nel framework del governo della comunicazione come suo sviluppo più recente e più specifico per il contesto AI-mediato.³⁰
Il governo della comunicazione descrive la capacità di costruire le condizioni semantiche, emotive e relazionali dentro cui qualsiasi messaggio successivo viene ricevuto con un coefficiente di fiducia strutturalmente superiore.³¹ Il governo dell’umanizzazione è una forma specifica del governo della comunicazione applicata alla dimensione dell’autenticità percepita: governa non il campo semantico in senso lato, ma quella componente del campo che nell’ecosistema AI-mediato diventa progressivamente la più rilevante.
Il governo della percezione³² agisce sulle condizioni emotive pre-razionali che determinano come le categorie interpretative vengono attivate. Come ha dimostrato la ricerca di Marcus, Neuman e MacKuen sull’intelligenza affettiva e il giudizio politico,³³ i giudizi politici sono preceduti da elaborazioni emotive che orientano il successivo ragionamento razionale. La percezione di autenticità del mittente è uno dei principali fattori che determinano se un messaggio politico verrà ricevuto con apertura o con sospensione del giudizio, prima ancora che il suo contenuto sia stato valutato.³⁴
Il modello dell’adottabilità del frame α(F) = f(κ, σ, τ, φ)³⁵ formalizza le condizioni che determinano il coefficiente di adottabilità di un frame in funzione di quattro variabili. Il governo dell’umanizzazione agisce direttamente sulla variabile σ – la credibilità della fonte – che in un ecosistema saturo di contenuti artificiali dipende in modo crescente dalla percezione di autenticità del mittente. Influenza anche κ – la coerenza contestuale – nella misura in cui l’autenticità percepita rafforza la plausibilità del frame proposto; e φ – la disponibilità di frame alternativi – nella misura in cui un leader percepito come autentico rende più costosa per gli avversari la proposta di frame concorrenti.³⁵
La diplomazia performativa³⁶ viene amplificata dal governo dell’umanizzazione: un atto performativo attribuito a un mittente percepito come autentico produce effetti reali sulla struttura del campo politico in modo proporzionalmente superiore a uno attribuito a un mittente percepito come prodotto dalla macchina.³⁷
L’inflazione illocutoria³⁸ assume nell’ecosistema AI-mediato una forma nuova e più insidiosa. Le parole di un attore che delega sistematicamente la propria voce alla macchina perdono forza performativa non solo perché non vengono seguite dai fatti, ma perché il pubblico smette di percepirle come espressione di una persona reale.³⁸
Il governo degli algoritmi come dimensione operativa fondamentale
Il working paper 2026g introduce il governo degli algoritmi come dimensione operativa nuova, necessaria per esercitare concretamente il governo dell’umanizzazione nell’ecosistema digitale contemporaneo.
I sistemi algoritmici delle piattaforme digitali non sono strumenti neutri: sono sistemi di selezione e amplificazione che operano secondo logiche proprietarie costruite per massimizzare l’engagement attraverso la risposta emotiva.³⁹ Hanno sviluppato nel tempo associazioni tra certi formati e la percezione di autenticità:⁴⁰ il video girato con lo smartphone è percepito come più autentico dello spot prodotto professionalmente; la diretta come più autentica del video pre-registrato; la risposta improvvisata come più autentica di quella preparata. Queste associazioni riflettono la storia culturale di ciascun formato – sedimentata nel tempo attraverso migliaia di contenuti amatoriali e indipendenti – e producono aspettative di autenticità che i formati più professionali ereditano e possono sfruttare strategicamente.
Il governo degli algoritmi, nella prospettiva del governo dell’umanizzazione, consiste nell’usare questa comprensione per scegliere deliberatamente i formati che l’algoritmo amplifica come autentici e che il pubblico percepisce come spontanei.⁴¹ È il caso Meloni-PulpPodcast del 19 marzo 2026: la prima volta nella storia italiana che un Presidente del Consiglio in carica sceglieva un podcast come spazio principale per affrontare temi di attualità politica rilevanti. Non era solo una scelta di canale: era una scelta di posizionamento comunicativo che sfruttava le caratteristiche culturali dell’ambiente per produrre una percezione di autenticità strutturalmente diversa da quella producibile attraverso il talk show televisivo, con effetti di redistribuzione attraverso i canali social che moltiplicavano la visibilità mantenendo il tono informale e la sensazione di conversazione autentica.⁴¹
Il sesto assioma
Il primo assioma della pragmatica della comunicazione – «non si può non comunicare» – afferma che in una situazione interazionale qualsiasi comportamento ha valore di messaggio, compreso il silenzio.⁴² Il sesto assioma proposto dal working paper è deliberatamente speculare: in un ecosistema saturo di contenuto artificiale, non si può non comunicare la propria riconoscibilità come soggetto.⁴³ Ogni messaggio che un attore politico produce – compreso il silenzio, compresa l’assenza – dice qualcosa su chi è. Se quei messaggi sono prodotti da un sistema AI che tende alla standardizzazione, ciò che viene comunicato sulla riconoscibilità del mittente è la sua assenza.
Il working paper illustra empiricamente il sesto assioma attraverso l’analisi comparativa di quattro forme di silenzio come comunicazione strategica.
Il silenzio della Presidente del Consiglio Meloni sugli attacchi di Trump. Il 6 luglio 2026, dopo l’ennesimo attacco personale del presidente americano, la Presidenza del Consiglio sceglie di non rispondere. La linea impartita ai ministri: «Adesso basta. Non intendo tornarci sopra.» In un ecosistema algoritmico che premia la reattività, il silenzio deliberato produce un effetto di riconoscibilità strutturale: chi non risponde alla provocazione comunica solidità istituzionale, distanza dalla polemica, controllo della propria agenda. Quel silenzio richiede una soggettività che lo produca, una storia che lo renda credibile. Un sistema AI non potrebbe produrlo: potrebbe produrre l’assenza di output. L’assenza di output per l’AI non è silenzio: è spegnimento.
Il silenzio di Trump. Tra la riunione di gabinetto del 26 agosto 2025 e il weekend lungo del Labor Day, il presidente americano rimase assente dalla scena pubblica per sei giorni consecutivi. In un comunicatore che normalmente non tace mai, il silenzio produsse immediatamente un rumor cascade:⁴⁴ il vuoto informativo innescò una proliferazione di narrazioni non verificate che crescevano proprio perché prive di conferme ufficiali. Il soggetto riconoscibile non controlla solo quello che dice: controlla anche ciò che il suo silenzio produce negli altri.
Il silenzio cinese durante la crisi di Hormuz. Nei comunicati ufficiali cinesi, il riferimento all’Iran è rimasto estremamente vago, senza alcuna indicazione concreta sui rapporti strategici tra Pechino e Teheran.⁴⁵ Non è stato un silenzio di imbarazzo: è stato un silenzio costruito, progettato per mantenere massima flessibilità strategica. Xi Jinping raccoglie silenziosamente i frutti di ogni crisi aperta, costruendo la geometria del nuovo ordine mondiale senza doverla dichiarare. Il silenzio cinese è il governo della propensione comunicativa nella sua espressione più pura: non si dice nulla di identificabile come atto, ma si modificano le condizioni entro cui tutti gli altri attori devono posizionarsi.
Il silenzio di Leone XIV sulle controversie correnti. Il primo papa statunitense della storia ha costruito il proprio pontificato su quella che un’analisi del Watcher Post ha chiamato «la strategia più inattuale possibile: sottrarre la Chiesa al rumore». Leone XIV sceglie di non schierarsi apertamente su nessun conflitto in modo che possa essere letto come presa di posizione politica, parlando con chiarezza sui valori fondamentali senza mai ridursi alla polemica del momento. Il suo silenzio sulle questioni geopolitiche contingenti è la condizione che rende la sua parola sui valori fondamentali più ascoltata. Parlando di quel che conta e tacendo sul resto, mantiene un’autorità comunicativa che nessuna macchina potrebbe replicare artificialmente.
Questi quattro silenzi hanno in comune una proprietà che nessun sistema artificiale possiede: sono leggibili solo nella luce della storia comunicativa del soggetto che li produce. Il silenzio di un chatbot che non risponde a una domanda è l’assenza di output. Il silenzio di Meloni dopo gli attacchi di Trump è una dichiarazione politica. La differenza non sta nella forma: sta nel soggetto che li produce.
Il passo successivo: la consapevolezza comunicativa
Il governo dell’umanizzazione – e in particolare il governo degli algoritmi che esso richiede come dimensione operativa fondamentale – pone con forza una questione che il working paper 2026g non poteva ancora risolvere sistematicamente: cosa distingue un attore che governa la propria dimensione umana percepita da uno che la subisce passivamente? La risposta richiede la formalizzazione di una capacità metacognitiva specifica che il 2026g presuppone senza ancora definire. È questa la funzione del working paper successivo, dedicato interamente alla consapevolezza comunicativa come categoria analitica originale.⁴⁶
La consapevolezza comunicativa si definisce come la capacità meta-cognitiva di un attore di riconoscere il campo semantico entro cui opera come costruzione socialmente e strategicamente determinata – non come dato naturale o neutro – identificandone i meccanismi generativi, gli incentivi degli attori che lo producono e le condizioni strutturali che determinano l’adottabilità differenziale dei frame in competizione.
Il concetto si distingue dai tre precedenti a cui si avvicina di più nella letteratura. La metacomunicazione batesoniana descrive come funziona il livello meta della comunicazione senza includere la dimensione strategica e politica del campo.⁴⁷ La competenza comunicativa habermasiana è un concetto normativo – descrive come la comunicazione dovrebbe funzionare in condizioni ideali – mentre la consapevolezza comunicativa è un concetto descrittivo e operativo che si applica al campo reale della comunicazione politica, con tutte le sue asimmetrie e i suoi meccanismi di potere.⁴⁸ La conscientização freireana ha una dimensione emancipativa e pedagogica che non include la componente strategica e operativa richiesta dall’analisi della comunicazione politica contemporanea.⁴⁹
Il working paper identifica cinque percorsi di acquisizione della consapevolezza comunicativa. Il primo è lo studio dei meccanismi che governano la costruzione e l’evoluzione del campo semantico – non delle tecniche di produzione comunicativa, ma della struttura che sta sotto quelle tecniche. Il secondo è l’esperienza degli ambienti comunicativi ostili: è nell’esposizione sistematica ai frame avversi che si costruisce la componente più profonda della consapevolezza, la capacità di riconoscere il meccanismo prima ancora di poterlo analizzare formalmente. Il terzo è la riflessività sistematica sulla propria pratica comunicativa – la capacità di osservare se stessi mentre si comunica, mantenendo simultaneamente il piano dell’azione e quello dell’osservazione. Il quarto è il realismo analitico: l’uscita dalle categorie normative ed etiche per adottare quelle degli incentivi strutturali e degli equilibri di potere. Il quinto è il governo degli algoritmi: non il controllo tecnico dei sistemi di distribuzione, ma la comprensione della loro logica di funzionamento abbastanza profonda da poterla usare strategicamente invece di subirla.
Proprio questo quinto percorso costituisce il punto di congiunzione tra la consapevolezza comunicativa e il governo dell’umanizzazione. Nel 2026g, il governo degli algoritmi viene introdotto come dimensione operativa del governo dell’umanizzazione. Nel working paper sulla consapevolezza comunicativa, il governo degli algoritmi viene formalizzato come quinto percorso di acquisizione della consapevolezza stessa. I due contributi formano una coppia analitica coerente: il governo dell’umanizzazione identifica la risorsa strategica più preziosa nell’ecosistema AI-mediato; la consapevolezza comunicativa formalizza le condizioni cognitive e operative che rendono possibile governarla.
Il working paper sulla consapevolezza comunicativa si colloca nella serie come contributo intermedio tra Governare il linguaggio e il volume in preparazione La macchina quasi-perfetta, costruendo il ponte teorico tra il framework del governo della comunicazione e le sue implicazioni per la comunicazione politica mediata dall’intelligenza artificiale.
Prospettive future: verso La macchina quasi-perfetta
Il working paper 2026g costituisce la base teorica e concettuale del volume La macchina quasi-perfetta. Comunicazione politica e governo dell’umanizzazione nell’era dell’intelligenza artificiale,⁵⁰ che sviluppa il governo dell’umanizzazione attraverso sette capitoli: il governo delle nuove piattaforme, la saturazione dei contenuti, il frame nell’era algoritmica, le campagne elettorali nell’era dell’AI, il governo dell’umanizzazione, la diplomazia performativa nell’era dei modelli linguistici, e la riscrittura degli assiomi della comunicazione politica alla luce dell’AI.
Le questioni aperte che costituiscono l’agenda di ricerca futura sono tre. La prima riguarda la misurabilità del governo dell’umanizzazione: come sviluppare uno strumento diagnostico analogo al modello α(F) per valutare comparativamente il coefficiente di autenticità percepita di un mittente.⁵⁰ La seconda riguarda la generalizzabilità culturale: la percezione di autenticità è culturalmente variabile⁵⁰ e richiede una prospettiva comparativa che tenga conto di questa variabilità. La terza riguarda le implicazioni normative per la democrazia: se la dimensione umana percepita può essere costruita e governata strategicamente, cosa rimane della distinzione tra comunicazione autentica e comunicazione manipolativa?⁵⁰
Il governo dell’umanizzazione è molto più di una categoria della comunicazione strategica: è una categoria della politica nell’era dell’AI. La risposta che la dimensione umana del potere dà alla sfida della macchina quasi-perfetta. L’AI produce quasi tutto. Produce quasi il silenzio. Non produce il soggetto che lo rende significativo.
Note
¹ D’Andrea, D. (2025). La diplomazia performativa nelle relazioni internazionali. The Delphi Institute Working Paper Series. Zenodo. DOI: 10.5281/zenodo.20818243.
² D’Andrea, D. (2026a). Il governo della comunicazione. The Delphi Institute Working Paper Series. Zenodo. DOI: 10.5281/zenodo.20818276.
³ D’Andrea, D. (2026b). Il modello di adottabilità del frame – versione aggiornata alla luce del ciclo teorico 2025-2026. The Delphi Institute Working Paper Series. Zenodo. DOI: 10.5281/zenodo.21753053.
⁴ D’Andrea, D. (2026c). La teoria dei giochi comunicativa. The Delphi Institute Working Paper Series. Zenodo. DOI: 10.5281/zenodo.21906826.
⁵ D’Andrea, D. (2026d). Governare il linguaggio. Diplomazia, potere e comunicazione nell’età della performance. Amazon. ISBN 979-8183633375.
⁶ Per una discussione sistematica delle discontinuità tecnologiche nella storia della comunicazione politica moderna e delle loro implicazioni strutturali, cfr. D’Andrea, D. (2026h). La macchina quasi-perfetta. Comunicazione politica e governo dell’umanizzazione nell’era dell’intelligenza artificiale. The Delphi Institute. Manoscritto in corso di preparazione, Introduzione: «La sovrastruttura che si muove», dove i casi Roosevelt-radio (1933), Kennedy-Nixon televisione (1960), Obama-internet (2008) e Trump-social media (2016) sono analizzati come discontinuità strutturali comparative.
⁷ Simon, H. A. (1971). «Designing Organizations for an Information-Rich World». In Greenberger, M. (a cura di), Computers, Communication, and the Public Interest. Baltimore: The Johns Hopkins Press, 40-41. Per le implicazioni del meccanismo algoritmico di amplificazione delle emozioni negative nella comunicazione politica, cfr. Bail, C. A. et al. (2018). «Exposure to Opposing Views on Social Media Can Increase Political Polarization». Proceedings of the National Academy of Sciences, 115(37), 9216-9221. Per una discussione sistematica delle barriere di costo nella produzione di contenuti politici prima dell’AI, cfr. Norris, P. (2000). A Virtuous Circle: Political Communications in Postindustrial Societies. Cambridge: Cambridge University Press, cap. 8; Jenkins, H. (2006). Convergence Culture: Where Old and New Media Collide. New York: New York University Press.
⁸ Brennan Center for Justice (2023). Artificial Intelligence and the Future of Elections. New York: Brennan Center for Justice at NYU School of Law.
⁹ Per la funzione della firma stilistica nella costruzione dell’identità politica e della fiducia dell’elettorato, cfr. Tolson, A. (2006). Media Talk: Spoken Discourse on TV and Radio. Edinburgh: Edinburgh University Press, cap. 4.
¹⁰ D’Andrea, D. (2026h), cit.
¹¹ Per la politolinguistica come disciplina, cfr. Burkhardt, A. (1996). «Politolinguistik. Versuch einer Ortsbestimmung». In Klein, J. e Diekmannshenke, H. (a cura di), Sprachstrategien und Dialogblockaden. Berlin: de Gruyter, 75-100. Per la Critical Discourse Analysis applicata alla comunicazione politica, cfr. Wodak, R. e Meyer, M. (a cura di) (2001). Methods of Critical Discourse Analysis. London: Sage; Wodak, R. (2009). The Discourse of Politics in Action: Politics as Usual. Basingstoke: Palgrave Macmillan, cap. 3.
¹² D’Andrea, D. (2026h), cit.
¹³ Per una discussione della logica di autenticità incorporata nel documento audiovisivo e della sua erosione nell’era dei deepfake, cfr. Benjamin, W. (1936). «Das Kunstwerk im Zeitalter seiner technischen Reproduzierbarkeit». Edizione italiana: «L’opera d’arte nell’epoca della sua riproducibilità tecnica». In Angelus Novus. Torino: Einaudi, 1962.
¹⁴ I dati sui casi Biden e Connolly sono documentati in D’Andrea, D. (2026h), cit., Capitolo 2, Sezione 2.6. Per il caso Biden, cfr. anche Zakrzewski, C. e Schaul, K. (2024). «AI-generated robocall mimicking Biden’s voice tries to dissuade New Hampshire voters». The Washington Post, 22 gennaio 2024. Per il caso Trump, cfr. Poynter Institute (2026). AI Images at the White House: A Documentation. Disponibile su: https://www.poynter.org; Snopes (2026). Tracking AI-Generated Images on Trump’s Truth Social. Disponibile su: https://www.snopes.com.
¹⁵ Chesney, R. e Citron, D. K. (2019). «Deep Fakes: A Looming Challenge for Privacy, Democracy, and National Security». California Law Review, 107(6), 1753-1820. Il concetto di liar’s dividend è sviluppato alle pp. 1796-1800.
¹⁶ Per la distinzione tra autenticità come valore e autenticità come risorsa strategica nella comunicazione politica professionale, cfr. Stanyer, J. (2013). Intimate Politics: Publicity, Privacy and the Personal Lives of Politicians. Cambridge: Polity Press, cap. 2.
¹⁷ Habermas, J. (1981). Theorie des kommunikativen Handelns. Frankfurt: Suhrkamp. Edizione italiana: Teoria dell’agire comunicativo. Bologna: Il Mulino, 1986; Dryzek, J. S. (2000). Deliberative Democracy and Beyond. Oxford: Oxford University Press.
¹⁸ L’argomento che nella comunicazione la percezione è la realtà che conta ha radici nella pragmatica della comunicazione: cfr. Watzlawick, P., Weakland, J. H. e Fisch, R. (1974). Change: Principles of Problem Formation and Problem Resolution. New York: Norton. Edizione italiana: Change: la formazione e la soluzione dei problemi. Roma: Astrolabio, 1974.
¹⁹ Barthes, R. (1957). Mythologies. Paris: Seuil. Edizione italiana: Miti d’oggi. Torino: Einaudi, 1974.
²⁰ Benveniste, É. (1966). Problèmes de linguistique générale. Paris: Gallimard. Edizione italiana: Problemi di linguistica generale. Milano: Il Saggiatore, 1971.
²¹ Bateson, G. (1972). Steps to an Ecology of Mind. New York: Ballantine Books. Edizione italiana: Verso un’ecologia della mente. Milano: Adelphi, 1976; Watzlawick, P., Beavin, J. H. e Jackson, D. D. (1967). Pragmatics of Human Communication. New York: Norton. Edizione italiana: Pragmatica della comunicazione umana. Roma: Astrolabio, 1971.
²² Ekman, P. (1972). «Universals and Cultural Differences in Facial Expressions of Emotion». In Cole, J. (a cura di), Nebraska Symposium on Motivation 1971. Lincoln: University of Nebraska Press, 207-283. Per un’applicazione al contesto della comunicazione politica, cfr. Masters, R. D. (1989). The Nature of Politics. New Haven: Yale University Press.
²³ La capacità di costruire deliberatamente l’autenticità percepita senza che la deliberatezza sia visibile richiama la distinzione goffmaniana tra impression management consapevole e la naturalizzazione delle performances sociali: cfr. Goffman, E. (1959). The Presentation of Self in Everyday Life. New York: Doubleday. Edizione italiana: La vita quotidiana come rappresentazione. Bologna: Il Mulino, 1969.
²⁴ Per una discussione sistematica delle capacità di ottimizzazione dei sistemi AI nella comunicazione politica, cfr. Issenberg, S. (2012). The Victory Lab: The Secret Science of Winning Campaigns. New York: Crown; Jamieson, K. H. (2018). Cyberwar: How Russian Hackers and Trolls Helped Elect a President. Oxford: Oxford University Press.
²⁵ Per una discussione dei limiti strutturali dei sistemi probabilistici nella replicazione dell’autenticità umana, cfr. Bender, E. M., Gebru, T., McMillan-Major, A. e Shmitchell, S. (2021). «On the Dangers of Stochastic Parrots: Can Language Models Be Too Big?». Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency, 610-623.
²⁶ Per la funzione della coerenza storica nella costruzione della fiducia politica, cfr. Citrin, J. e Luks, S. (2001). «Political Trust Revisited». In Nye, J. S., Zelikow, P. D. e King, D. C. (a cura di), Why People Don’t Trust Government. Cambridge: Harvard University Press, 9-51.
²⁷ Per la funzione della relazione comunicativa come sistema immunitario contro la contraffazione, cfr. Fombrun, C. J. (1996). Reputation: Realizing Value from the Corporate Image. Boston: Harvard Business School Press. Per i dati sul caso Connolly e la resilienza relazionale, cfr. D’Andrea, D. (2026h), cit., Capitolo 2, Sezione 2.6; Chesney, R. e Citron, D. K. (2019), cit., pp. 1800-1810. Per la ricerca empirica sulla capacità pre-razionale di riconoscimento dell’artificiale nei deepfake, cfr. Groh, M. et al. (2022). «Deepfake Detection by Human Crowds, Machines, and Machine-Informed Crowds». Proceedings of the National Academy of Sciences, 119(1), e2110013119.
²⁸ D’Andrea, D. (2026h), cit., Capitolo 1, Sezione 1.2.
²⁹ Per la distinzione tra la replicabilità di singoli episodi comunicativi e la non-replicabilità della coerenza storica nella comunicazione politica, cfr. Putnam, R. D. (2000). Bowling Alone: The Collapse and Revival of American Community. New York: Simon & Schuster.
³⁰ Per la relazione tra governo della comunicazione e governo dell’umanizzazione come relazione tra generale e specifico nel contesto dell’ecosistema AI-mediato, cfr. D’Andrea, D. (2026h), cit., Capitolo 5.
³¹ D’Andrea, D. (2026a), cit.
³² La categoria del governo della percezione è introdotta in D’Andrea, D. (2026e). Il governo della comunicazione come framework operativo nella comunicazione politica contemporanea: il caso empirico della crisi di Ceuta. The Delphi Institute Working Paper Series. Zenodo. DOI: 10.5281/zenodo.21830969, Sezione 4.1; e sviluppata in D’Andrea, D. (2026f). Rinnovamento come cooptazione: Mosca, Pareto e il governo della comunicazione politica contemporanea. The Delphi Institute Working Paper Series. Zenodo. DOI: 10.5281/zenodo.21903926, Sezione 6.2.
³³ Marcus, G. E., Neuman, W. R. e MacKuen, M. (2000). Affective Intelligence and Political Judgment. Chicago: University of Chicago Press.
³⁴ Per la dimensione specifica della percezione di autenticità come componente del governo della percezione nell’era dell’AI, cfr. anche Zuboff, S. (2019). The Age of Surveillance Capitalism. New York: PublicAffairs. Edizione italiana: Il capitalismo della sorveglianza. Roma: LUISS University Press, 2019, cap. 11.
³⁵ D’Andrea, D. (2026b), cit. Per le relazioni tra autenticità percepita del mittente e le variabili del modello α(F), cfr. anche Petty, R. E. e Cacioppo, J. T. (1986). Communication and Persuasion: Central and Peripheral Routes to Attitude Change. New York: Springer.
³⁶ D’Andrea, D. (2025), cit.
³⁷ Per la relazione tra diplomazia performativa e governo dell’umanizzazione nell’era dei deepfake, cfr. Miskimmon, A., O’Loughlin, B. e Roselle, L. (2013). Strategic Narratives: Communication Power and the New World Order. New York: Routledge, cap. 3.
³⁸ D’Andrea, D. (2026a), cit., con riferimento ad Austin, J. L. (1962). How to Do Things with Words. Oxford: Oxford University Press. Edizione italiana: Come fare cose con le parole. Genova: Marietti, 1987. Per la relazione tra inflazione illocutoria e delegazione della voce alla macchina nell’era dell’AI, cfr. D’Andrea, D. (2026h), cit., Capitolo 2, Sezione 2.3.
³⁹ Gillespie, T. (2014). «The Relevance of Algorithms». In Gillespie, T., Boczkowski, P. J. e Foot, K. A. (a cura di), Media Technologies. Cambridge: MIT Press, 167-194; Bucher, T. (2018). If…Then: Algorithmic Power and Politics. Oxford: Oxford University Press.
⁴⁰ Il concetto di platform vernacular è sviluppato in Gibbs, M. et al. (2015). «#Funeral and Instagram: Death, Social Media, and Platform Vernacular». Information, Communication & Society, 18(3), 255-268. Per le implicazioni per la comunicazione politica, cfr. Enli, G. (2017). «Twitter as Arena for the Authentic Outsider». European Journal of Communication, 32(1), 50-61.
⁴¹ Per una descrizione dettagliata del caso Meloni-PulpPodcast, cfr. D’Andrea, D. (2026h), cit., Capitolo 1, Sezioni 1.2 e 1.5. Per la storia culturale del podcast come formato dell’autenticità, cfr. Berry, R. (2006). «Will the iPod Kill the Radio Star?». Convergence, 12(2), 143-162; Bonini, T. (2015). «The “Second Age” of Podcasting». Quaderns del CAC, 18(41), 21-30. Per la logica della redistribuzione dei contenuti attraverso le piattaforme social, cfr. Chadwick, A. (2013). The Hybrid Media System: Politics and Power. Oxford: Oxford University Press, cap. 4.
⁴² Watzlawick, P., Beavin, J. H. e Jackson, D. D. (1967), cit., cap. 2: «Alcune assiomi provvisori della comunicazione».
⁴³ D’Andrea, D. (2026h), cit., Capitolo 7, Sezione 7.7: «Il sesto assioma: non si può non comunicare la propria riconoscibilità».
⁴⁴ Per il meccanismo del rumor cascade prodotto dall’assenza comunicativa di un soggetto ad alta frequenza, cfr. Sunstein, C. R. (2009). On Rumors: How Falsehoods Spread, Why We Believe Them, What Can Be Done. New York: Farrar, Straus and Giroux.
⁴⁵ Il silenzio come strumento di governo della propensione comunicativa nella tradizione diplomatica cinese è discusso in Kissinger, H. (2011). On China. New York: Penguin Press. Edizione italiana: Cina. Milano: Mondadori, 2011.
⁴⁶ D’Andrea, D. (2026f). La consapevolezza comunicativa: fondamenti teorici, distinzioni concettuali e applicazioni operative nell’era degli algoritmi. The Delphi Institute Working Paper Series. Zenodo. DOI: https://zenodo.org/records/22003604.
⁴⁷ Bateson, G. (1972), cit.; Watzlawick, P., Beavin, J. H. e Jackson, D. D. (1967), cit.
⁴⁸ Habermas, J. (1981), cit.
⁴⁹ Freire, P. (1970). Pedagogy of the Oppressed. New York: Herder and Herder. Edizione italiana: La pedagogia degli oppressi. Milano: Mondadori, 1971.
⁵⁰ D’Andrea, D. (2026h), cit. Per lo sviluppo di strumenti diagnostici per il governo dell’umanizzazione analoghi al modello α(F), si rimanda al programma di ricerca in corso presso The Delphi Institute. Per la generalizzabilità culturale del governo dell’umanizzazione, cfr. Triandis, H. C. (1995). Individualism and Collectivism. Boulder: Westview Press. Per le implicazioni normative, cfr. Ovadya, A. (2023). Generative Adversarial Democracy. Cambridge: Berkman Klein Center for Internet & Society at Harvard University. Per la struttura completa del volume La macchina quasi-perfetta, cfr. D’Andrea, D. (2026h), cit., Indice e Introduzione.