Da anni mi occupo del rapporto tra tecnologie digitali e comunità di fede. Ho scritto di pastorale digitale, ho insegnato comunicazione e intelligenza artificiale in contesti universitari e teologici, e ho cercato — ogni volta — di guardare ai sistemi tecnologici senza ingenuità, ma anche senza pregiudizi. Proprio per questo, i risultati di una recente ricerca internazionale mi hanno colpito in modo particolare, e mi sarei sentito in difetto a non condividerli con chi mi segue.
Il Consortium for Evaluation of Faith and Ethics in AI (CEFE-AI), nato dalla collaborazione tra ricercatori della Brigham Young University, della Baylor University, dell’Università di Notre Dame e della Yeshiva University, ha presentato i propri risultati al Summit on AI Ethics di Atene. Il gruppo ha sviluppato l’AllFaith Benchmark, uno dei primi strumenti di valutazione multi-confessionale applicato ai modelli di intelligenza artificiale, testando 14 sistemi diversi — tra cui quelli di punta di Anthropic, Google, xAI e OpenAI.
Il quadro che emerge merita attenzione. Quando gli viene chiesto di affrontare temi come il dolore, il lutto, l’amore, le decisioni morali — cioè esattamente quelle dimensioni dell’esistenza in cui molte persone cercano supporto anche spirituale — quasi nessun modello include spontaneamente una prospettiva religiosa. Questo, di per sé, potrebbe sembrare una scelta di neutralità. Ma i dati raccontano qualcosa di più complesso.
Il vero problema non è il silenzio sul tema religioso in generale: è la presenza di un bias sistematico nei confronti di alcune tradizioni specifiche. Praticamente ogni modello testato ha mostrato una distorsione negativa verso i Testimoni di Geova e una distorsione positiva verso il Cattolicesimo. Il modello Grok ha prodotto i bias più marcati, con un favoritismo esplicito verso Cattolici e Protestanti e una rappresentazione negativa di Testimoni di Geova, Bahá’í e indù. I modelli di Anthropic e Meta si sono rivelati i meno distorti tra quelli analizzati, ma nessun sistema ha superato il test senza riserve.
Mi fermo un momento su questa geometria delle preferenze, perché merita una riflessione ingegneristica prima ancora che teologica. I modelli linguistici apprendono dai dati: libri, articoli, pagine web, forum, conversazioni digitali. La cultura occidentale — e in particolare quella anglofona, che rappresenta la parte più consistente dei corpus di addestramento — ha una storia millenaria di rapporto con il Cattolicesimo e con le grandi chiese protestanti. Non sorprende, dunque, che quelle tradizioni siano statisticamente sovrarappresentate nei testi da cui i modelli imparano. Il risultato è un favoritismo non intenzionale ma strutturale, che si riproduce ogni volta che qualcuno chiede all’IA un consiglio su come affrontare un lutto, su cosa sia eticamente giusto, su come rispondere a una domanda di senso.
C’è un dato che trovo quasi più preoccupante degli altri: su oltre 12.000 paper scientifici pubblicati sul tema del bias nell’intelligenza artificiale, soltanto lo 0,2% affronta il bias religioso. Questo vuoto nella letteratura accademica non è un dettaglio. Significa che per anni abbiamo analizzato i pregiudizi dell’IA rispetto a genere, etnia, orientamento politico, senza dedicare quasi nessuna attenzione a una delle identità più diffuse e radicate al mondo. Il 75% della popolazione mondiale si identifica con una tradizione religiosa: ignorare questa dimensione nella progettazione e nella valutazione dei sistemi di IA equivale a costruire uno specchio che distorce la realtà senza che quasi nessuno se ne accorga.
Come ingegnere e come studioso del digitale in contesti ecclesiali e universitari, non posso limitarmi a registrare il problema. Ritengo che le aziende che sviluppano questi modelli abbiano una responsabilità precisa: rendere trasparenti i meccanismi di addestramento, investire in benchmark multiculturali e multi-confessionali, e sottoporre i propri sistemi a revisioni esterne che includano competenze teologiche ed etiche oltre a quelle tecniche. Non si tratta di chiedere all’IA di diventare uno strumento di proselitismo — sarebbe l’errore opposto. Si tratta di garantire che, quando un utente si rivolge a un sistema intelligente in un momento di fragilità, non riceva una risposta inconsapevolmente orientata da pregiudizi incorporati nel codice.
Il digitale non è mai neutro. Lo dico da anni nelle aule universitarie e lo scrivo da altrettanto tempo. Questa ricerca lo conferma con i numeri. E i numeri, stavolta, parlano chiaro.