Prendiamo un post LinkedIn a caso. Uno vale l’altro. Tanto, spesso sono uguali. Diciamo, sì… Quello che ti è apparso nel feed questa mattina. Adesso nascondi il nome dell’autore, e prova a dirmi chi lo ha scritto.
Difficile, vero? Il fatto è che quel post non apparteneva davvero a nessuno in particolare. Non aveva un timbro, un tono. Non aveva una personalità di qualche tipo (anche sgradevole, magari). No, semplicemente apparteneva ad una categoria: il professionista che vuole sembrare riflessivo.
Linguaggio calibrato per sembrare umano senza esporsi, conclusioni abbastanza generali da non poter essere sbagliate. Il format è quello.
Chi lo ha scritto? Una persona? Un’IA? Una persona che usava un’IA? Un’IA che usava una persona? Non si capisce. Il risultato non lo fa intendere.
E la colpa non è di Claude o GPT, ma delle persone.
La malattia precedeva lo strumento
LinkedIn ha sempre avuto un problema di posizionamento senza sostanza.
Siccome l’algoritmo premia interazione e regolarità, non c’è un vero vantaggio nel ricercare profondità o complessità. L’immediatezza vince sulla coerenza nel tempo: e così (ma questo è noto), chi scrive con costanza viene premiato a prescindere da quello che dice.
Per questo ormai i professionisti scrivono per l’algoritmo più che per il lettore. Non è tanto l’uso dell’IA il problema, ma il target dei testi: pensati non tanto per attirare persone o parlare a un pubblico preciso, ma per fare rumore. Posizionare, appunto.
Ok, certo, l’AI non è innocente (abbiamo già analizzato il fenomeno dell’AI slop su LinkedIn), però ha solo accelerato il fenomeno. Lo ha reso più evidente. Ma anche basta puntare il dito contro le macchine: la causa è puramente strutturale. Quando la scrittura è un mezzo di posizionamento e non di riflessione, il contenuto del pensiero diventa irrilevante rispetto alla sua forma.
Le conseguenze sono paradossali. Chiunque abbia qualcosa di genuino da dire ha oggi un vantaggio: in un feed saturo di testo omogeneo, la specificità e una voce riconoscibile diventano segnali rari che il cervello riconosce e trattiene. Il mercato dell’attenzione si sta spostando nella direzione opposta a quella che l’aumento del volume ci aveva suggerito fino ad ora.
Come si riconosce chi ha qualcosa da dire
Non esiste un test infallibile per riconoscere chi ha qualcosa da dire da chi non ce l’ha (in particolare chi, non avendola, ha chiesto in prestito un parere all’AI). Il mio invito, comunque, è a cercare i segnali.
Il primo è la specificità. L’AI generalizza per definizione: è il contrario di Shackleton e del suo annuncio. Produce la versione più probabile di un concetto: quella che funziona per più lettori e ne esclude il minor numero. Ma chi ha un’esperienza diretta, fa l’opposto. Si immerge in quel testo, scrive nomi, date, numeri, dettagli. Non può farne a meno.
Il secondo è la contraddizione. Gli esseri umani si contraddicono. Cambiano idea. Amano il conflitto. L’IA no. Chi non ha un’opinione vera, nemmeno. Un autore che non si è mai contraddetto, che non ha mai cambiato posizione e che mantiene sempre lo stesso tono e le stesse conclusioni, rivela un pensiero poco approfondito.
Il terzo è il fallimento. Chi scrive dall’esperienza reale scrive anche di quello che non ha funzionato. I post di LinkedIn raccontano quasi sempre successi, ma la vita è fatta di insuccessi, per lo più. E chi ne ha vissuti davvero non si vergogna di raccontarli. Le macchine non hanno fallimenti. Gli umani veri sì, e questo (questo più di ogni altra cosa) li rende credibili.
Il quarto è la posta in gioco. Quando qualcuno scrive qualcosa che potrebbe costargli, si sente. Una posizione su un tema divisivo o una critica pesa mentre viene espressa. E quella pesantezza si esprime nel tono, e ricade sulle parole. Chi ha qualcosa da perdere scrive in modo diverso da chi ottimizza la propria visibilità. Il rischio risplende nel testo.
Cosa devono fare gli autori
La risposta ovvia è scrivere meno e pensare di più. Ma lo so, è complesso da fare, in questa società dell’ottimizzazione. Però la differenza è tutta qui: nella capacità (o meglio: nella volontà) di prendere posizioni coraggiose. Anche quando sbagliate. Perché se ogni cosa che scrivi raccoglie esclusivamente approvazione, stai scrivendo cose che nessuno può non condividere. E quindi, cose che nessuno ha bisogno di leggere.
Importante è anche scrivere prima che il tema diventi popolare. L’AI, per definizione, non può farlo: produce infatti solo ciò che è già stato scritto. Chi identifica un tema prima che l’algoritmo lo amplifichi dimostra pensiero. Una dote rara, oggi.
Su LinkedIn scrivono tutti. Ma chi ha davvero qualcosa da dire?
Il problema non è solo degli autori. È anche di chi legge, e di come legge. In un feed saturo, la modalità di lettura dominante è il riconoscimento di pattern: si scorre finché qualcosa attiva una risposta emotiva rapida. Questa modalità di lettura è ciò che il testo ottimizzato per l’algoritmo cerca di attivare. Ma è anche ciò che rende impossibile distinguere il segnale dal rumore.
La lettura lenta è ormai un atto di resistenza. Non perché sia più virtuosa, ma perché è l’unica che produce informazione reale. La ricerca sulla memoria e sull’attenzione dimostra che la lettura superficiale produce riconoscimento senza comprensione: si ricorda di aver letto qualcosa, ma non cosa diceva. Un testo ottimizzato sopravvive in questa modalità. Il testo che vale qualcosa, no.
Insomma, se vogliamo portare valore (qui su LinkedIn ma anche fuori) dobbiamo impegnarci tutti. Sia quando scriviamo, sia quando leggiamo. Perché l’accesso all’informazione ormai è garantito a tutti: la capacità di filtrare quelle informazioni, in un senso e nell’altro, ancora no.
Domande frequenti
Come faccio a sapere se un testo è stato scritto dall’AI?
Non esiste un test infallibile, e i detector automatici hanno tassi di falso positivo che li rendono inaffidabili come strumento unico. I segnali più utili non riguardano la struttura grammaticale ma il contenuto: specificità dei dettagli, presenza di contraddizioni o cambi di posizione nel tempo, disponibilità a raccontare fallimenti, esposizione a rischi reali. Un testo può essere scritto interamente da un umano e sembrare generato dall’AI se è sufficientemente generico. La domanda più utile non è se lo ha scritto una macchina, ma se chi lo firma sta pensando o sta posizionandosi.
Usare l’AI per scrivere annulla il valore di ciò che si pubblica?
Dipende da come viene usata. Chi usa l’AI per riformulare un pensiero proprio, correggere la forma di un ragionamento già fatto, o espandere un’idea che ha già una direzione precisa, non sta rinunciando alla propria voce: sta usando uno strumento. Chi usa l’AI per produrre un testo su un argomento di cui non ha nulla di specifico da dire, con la sola intenzione di essere presente nel feed, sta producendo rumore. La distinzione non è nello strumento. È nel punto di partenza: si inizia con un pensiero proprio o con l’intenzione di sembrare qualcuno che ne ha uno?
Vale ancora la pena scrivere su LinkedIn?
Sì, proprio perché la maggior parte di ciò che viene pubblicato non vale la pena di essere letto. In un feed saturo di testo omogeneo, chi scrive con specificità, con posizioni reali e con la disponibilità a essere sbagliato emerge con un vantaggio proporzionale al rumore circostante. La difficoltà non è essere visibili. È essere ricordati. E si viene ricordati solo quando si dice qualcosa che non avrebbe potuto dire nessun altro.
Fonti e riferimenti
- Laura Lorenzetti, Keeping conversations real on LinkedIn
- Hristo Danchev, Engineering the next generation of LinkedIn’s Feed
- LinkedIn, LinkedIn relevance - Optimizing the member experience
- Debora Weber-Wulff et al., Testing of detection tools for AI-generated text
- Ahmed M. Elkhatat, Khaled Elsaid, Saeed Almeer, Evaluating the efficacy of AI content detection tools in differentiating between human and AI-generated text
- Fergus I. M. Craik, Robert S. Lockhart, Levels of processing: A framework for memory research
- Colin Schultz, Sarah Kuta, Ernest Shackleton’s Famous Job Ad, ‘Men Wanted for Hazardous Journey,’ Is Probably a Myth