Le piattaforme ci hanno abituati a ottenere risposte immediate, percorsi semplici ed esperienze personali, mentre una decisione collettiva funziona al contrario e richiede tempo, complessità e incontri con persone che non la pensano come noi.
Premiamo un’icona e arriva un’auto, scriviamo un indirizzo e compare il percorso, digitiamo una domanda e otteniamo una risposta e scorriamo una lista di film e la piattaforma prova a prevedere quale ci piacerà.
Una parte enorme della tecnologia contemporanea è costruita attorno a una promessa semplice: togliere tempo tra il desiderio e il risultato, una promessa potente e ci siamo abituati rapidamente.
Poi usciamo da questo ambiente e incontriamo una riunione pubblica, una consultazione, un consiglio comunale, un’assemblea, una legge: qualcuno parla troppo, un altro chiede di tornare su una questione che sembrava già chiusa, mancano informazioni, emergono interessi incompatibili e serve una seconda riunione. Poi una terza.
La sensazione è familiare: perché deve essere tutto così lento? Forse la domanda contiene già una parte del problema.
Durante il primo incontro di FILO, il professore Gianluca Sgueo ha descritto tre caratteristiche dell’esperienza tecnologica di massa: velocità, semplicità e singolarità.
La prima riduce l’attesa, la seconda riduce i passaggi e la terza adatta l’esperienza all’individuo.
Netflix suggerisce un film per me. Una mappa costruisce il percorso per me. Un’app di incontri ordina persone sulla base delle mie preferenze. Il digitale promette un ambiente nel quale un sistema impara progressivamente cosa voglio e cerca di portarmelo davanti. Sgueo sostiene che trasferire automaticamente queste aspettative nello spazio pubblico produce una tensione.
Le istituzioni devono durare, mentre le tecnologie cambiano rapidamente. Un servizio pubblico deve raggiungere anche chi non appartiene all’utente ideale. Una decisione politica riguarda gruppi eterogenei, mentre la personalizzazione digitale tende a costruire esperienze individuali, e un problema collettivo non sempre sopporta di essere ridotto a una scelta binaria. Prendiamo la velocità. Nel linguaggio comune, lento è quasi sempre un difetto: un sito lento è un cattivo sito, una consegna lenta è un cattivo servizio e un computer lento è un computer da sostituire.
Ma una democrazia lenta è necessariamente una cattiva democrazia?
L’OCSE ha raccolto centinaia di esperienze di assemblee dei cittadini, giurie, panel e altri processi deliberativi. La sua conclusione sul tempo è controintuitiva per chi arriva dall’esperienza delle piattaforme: una deliberazione di qualità richiede abbastanza tempo per imparare, valutare prove, ascoltare prospettive differenti e formulare raccomandazioni informate. Per processi destinati a produrre raccomandazioni approfondite, l’OCSE indica almeno quattro giornate intere di incontro, salvo ragioni specifiche per abbreviare.
Le assemblee dei cittadini più ampie durano ancora di più. Nei casi esaminati dall’OCSE nel rapporto del 2020, riunivano in media circa 90 persone per quasi 19 giornate distribuite nell’arco di circa undici mesi. La prima fase viene spesso dedicata all’apprendimento, con esperti, gruppi interessati e persone direttamente coinvolte nel problema. Solo dopo arriva la deliberazione.
Questo tempo non è un incidente organizzativo. Serve a fare qualcosa che un feed personalizzato tende a evitare: costringerci a incontrare ragioni che non abbiamo scelto.
La democrazia funziona male quando ciascuno riceve soltanto la propria versione del mondo. Ed è qui che semplicità e singolarità diventano politiche.
Il cittadino non è un consumatore che deve ricevere esattamente ciò che preferisce. Una decisione pubblica deve includere persone che hanno desideri incompatibili.
Il nuovo parco occupa un terreno che qualcuno avrebbe destinato a parcheggio, una nuova linea ferroviaria collega territori e disturba quartieri, una politica climatica produce benefici futuri e costi immediati, mentre una norma sull’intelligenza artificiale protegge alcuni diritti e impone oneri a imprese e amministrazioni.
Non esiste un algoritmo di raccomandazione capace di consegnare a ogni cittadino una versione personale della stessa legge. Alla fine, dobbiamo condividere una decisione.
L’Unione europea ha sperimentato questa difficoltà durante la Conferenza sul futuro dell’Europa, svolta tra aprile 2021 e maggio 2022. La Conferenza combinò una piattaforma digitale accessibile nelle 24 lingue ufficiali dell’UE con panel composti complessivamente da 800 cittadini selezionati in modo casuale e pensati per rappresentare la diversità sociologica europea. Il processo si concluse con 49 proposte e 326 misure.
È un esempio utile perché non scelse tra online e offline: la piattaforma ampliava la possibilità di contribuire, i panel riducevano la scala e restituivano tempo alla conversazione e la plenaria collegava i contributi alle istituzioni. La tecnologia aiutava a raccogliere, ma le persone dovevano ancora discutere.
Questa distinzione diventa ancora più importante con l’intelligenza artificiale. Come suggerito dal professore Sgueo, un concetto utile è quello di “democrazia aumentata”, in questo modello, l’IA aiuta a filtrare interventi, raggruppare proposte, tradurre grandi quantità di contributi e sintetizzare preferenze collettive, mentre l’agenda politica, la decisione finale e la responsabilità restano invece nelle mani umane.
Sembra una distinzione teorica. Non lo è più.
Due esempi ricordati anche dal professor Sgueo mostrano come l’intelligenza artificiale stia già entrando nei processi pubblici. Nel Regno Unito, lo strumento Consult è stato sperimentato per analizzare migliaia di risposte alle consultazioni pubbliche, individuare i temi principali e facilitare il lavoro dei funzionari, mantenendo il controllo umano sui risultati. Un caso diverso è quello di Diella, presentata dal governo albanese come una ministra virtuale basata sull’intelligenza artificiale e incaricata di contribuire alla gestione degli appalti pubblici e alla lotta contro la corruzione. Questi casi mostrano due ruoli diversi dell’IA: nel primo supporta il lavoro delle istituzioni, mentre nel secondo entra più direttamente nell’attività politica, sollevando domande sulla trasparenza, sulla responsabilità e sul controllo umano.
Un altro esempio arriva dalla ricerca. Nel 2024 un gruppo di ricercatori di Google DeepMind pubblicò su Science un esperimento con un sistema chiamato Habermas Machine. Il modello riceveva opinioni individuali e critiche dei partecipanti, poi produceva una dichiarazione di gruppo cercando un terreno comune. Lo studio coinvolse 5.734 persone. In media, i partecipanti preferirono le sintesi generate dall’IA a quelle prodotte da mediatori umani e i gruppi mostrarono una maggiore convergenza delle posizioni dopo il processo.
È un risultato affascinante. È anche il punto in cui serve rallentare.
Che cosa significa trovare consenso? Il consenso migliore è la frase con cui il maggior numero di persone è disposto a dichiararsi d’accordo? Oppure una buona deliberazione deve lasciare spazio anche al conflitto, alla spiegazione delle ragioni, al cambiamento profondo di una posizione e alla possibilità che una minoranza non voglia essere sintetizzata?
Un’analisi critica pubblicata nel 2025 ha sostenuto che il design della Habermas Machine attribuisce un peso eccessivo al raggiungimento dell’accordo e riduce parte della deliberazione alla produzione e valutazione di opinioni individuali. Il punto dell’autore è importante: un sistema progettato per “migliorare” la democrazia incorpora inevitabilmente una propria idea di ciò che una buona democrazia dovrebbe essere.
Nel 2026 un altro studio di Google DeepMind ha reso il quadro ancora più interessante. In esperimenti su deliberazioni di gruppo con 879 partecipanti e decisioni riguardanti vere donazioni benefiche, la facilitazione tramite modelli linguistici non aumentò in modo significativo il consenso. I partecipanti preferivano comunque la discussione assistita dall’IA. I ricercatori osservarono anche due rischi: in alcune condizioni il facilitatore algoritmico spostava le allocazioni verso specifiche organizzazioni, e la sensazione di maggiore inclusione percepita dai partecipanti non corrispondeva a un miglioramento misurato nell’equità della partecipazione.
Questa differenza tra sentirsi ascoltati ed essere ascoltati dovrebbe interessare qualsiasi progetto di democrazia digitale. Un’interfaccia fluida produce una sensazione di efficacia. Ma la democrazia non dovrebbe essere valutata soltanto attraverso la soddisfazione dell’utente.
A volte un processo democratico deve frustrarci: deve dirci che la nostra posizione non ha ottenuto la maggioranza, deve mostrarci una prova che contraddice ciò che pensavamo, deve obbligare chi decide a spiegarsi e deve registrare il dissenso invece di nasconderlo dentro una sintesi elegante.
Un altro esempio è Polis, un software usato nei processi partecipativi a Taiwan. Il funzionamento è semplice: ai partecipanti vengono mostrate brevi affermazioni e ciascuno può indicare se è d’accordo, in disaccordo oppure se preferisce non rispondere. Il sistema confronta poi le risposte, raggruppa le persone con opinioni simili e individua i punti su cui gruppi diversi riescono a trovare un accordo.
Polis, però, non prende decisioni politiche. Serve soprattutto a capire meglio cosa pensano i partecipanti, quali opinioni sono più diffuse e dove esistono possibili punti di consenso.
Questa potrebbe essere una buona regola anche per l’IA: usarla per vedere meglio, non per decidere al posto nostro, per tradurre una consultazione con migliaia di contributi, per accorpare duplicati senza cancellare le differenze, per individuare domande rimaste senza risposta, per mostrare quali argomenti uniscono gruppi distanti e per aiutare persone con difficoltà linguistiche o cognitive a partecipare.
Ma ogni sistema del genere dovrebbe lasciare traccia di come ha riassunto, quali contributi ha escluso, quali categorie ha creato e dove esiste dissenso. Le persone devono conservare la possibilità di contestare la sintesi. Chi occupa una posizione pubblica deve conservare la responsabilità della decisione.
Altrimenti rischiamo una trasformazione più profonda: non una democrazia più partecipata grazie alle macchine, ma una democrazia nella quale la macchina diventa l’interprete principale di ciò che la popolazione pensa.
Il professore Sgueo distingue tra democrazia aumentata, democrazia automatizzata e democrazia sintetica. In quest’ultima ipotesi, i sistemi di intelligenza artificiale non si limitano a organizzare o riassumere le opinioni di persone reali, ma possono generare interlocutori, identità, immagini, commenti e forme apparenti di consenso. Il problema, quindi, diventa capire se l’opinione pubblica che osserviamo riflette posizioni realmente presenti nella società oppure se è stata artificialmente simulata.
È una ragione in più per rivalutare una parola poco amata, tempo: il tempo necessario a verificare chi partecipa, il tempo di leggere un’opinione intera invece della sua sintesi, il tempo per cambiare idea, il tempo per permettere a una minoranza di spiegare perché non è d’accordo, il tempo per verificare ciò che un sistema automatico ha prodotto e il tempo per attribuire una responsabilità umana a una decisione.
Siamo circondati da tecnologie che ci promettono di eliminare attese: per comprare qualcosa, è un risultato utile, per scegliere un film, anche, ma per governare una comunità, il criterio deve essere diverso.
La democrazia non serve a portarci nel modo più rapido possibile dal desiderio individuale al risultato, ma serve a permettere a persone che desiderano cose diverse di continuare a vivere sotto decisioni comuni. Per farlo occorrono strumenti migliori e occorre anche accettare che alcune cose importanti richiedano tempo.
