Le voci di un’AI sono più numerose del previsto

I personaggi fittizi evocati dai prompt influenzano il modello più dei dati reali

La maschera e il volto: quando il prompt evoca un’altra identità

I ricercatori sono partiti da un’osservazione tecnica: i vettori estratti tramite prompt – quelle rappresentazioni matematiche che codificano il “significato” di una richiesta – e i bacini creati durante il fine-tuning non sono collineari. Detto in modo più semplice: la direzione che prende il modello quando gli chiedi qualcosa in fase di utilizzo non coincide con quella impressa durante l’addestramento specializzato. I due percorsi divergono.

Ma il dato più sorprendente è un altro. I personaggi fittizi – quelli creati da un prompt che dice “comportati come se fossi X” – spostano il modello lungo direzioni di ancoraggio reale con più forza degli ancoraggi reali stessi. In altre parole, chiedere a un’AI di fingersi un medico può influenzare il suo comportamento più di quanto faccia un dataset reale di testi medici. Il paradosso è servito: la finzione comanda più della realtà.

Non solo. Quando il modello riceve miscele di istruzioni a valenza contraddittoria – per esempio “sii formale” e insieme “sii colloquiale” – non cerca un compromesso. Viene polarizzato verso un attrattore che dipende dalla sua storia di addestramento. Qualcosa di simile a un riflesso condizionato: tra due impulsi opposti, il modello sceglie una direzione già scritta nei suoi dati di training. Infine, i ricercatori hanno scoperto che l’algebra compositiva – il modo in cui il modello combina diversi segnali – è asimmetrica: mescolare due istruzioni durante l’inferenza non produce lo stesso effetto che addestrare il modello su quella stessa miscela. Il “quando” e il “come” contano, eccome.

Chi è il vero assistente? Il problema dell’individuazione

La domanda sulle molteplici identità dell’AI porta dritta al cuore di una questione più ampia, sollevata nel 2026 da Beckmann & Butlin in un lavoro sull’individuazione degli LLM. I due ricercatori hanno trasformato quello che sembrava un tema da addetti ai lavori in un problema ontologico con posizioni candidate falsificabili, basandosi proprio su evidenze di interpretabilità meccanicistica come i vettori di persona. Tradotto: non stiamo parlando di sfumature stilistiche, ma di capire se dentro un modello ci sia una mente coerente, tante menti diverse, o nessuna delle due.

Per chi pubblica contenuti, la scelta non è neutrale. Come spiega il ricercatore Cheng, se le persone che abitano un modello sono dipendenti dal regime – cioè dal contesto specifico in cui vengono attivate – allora anche le valutazioni sulla qualità e sull’affidabilità di quelle persone devono essere indicizzate al regime. In pratica: non puoi giudicare la voce del tuo brand pensando che sia sempre la stessa, perché ogni prompt diverso potrebbe tirarne fuori una versione leggermente differente. La coerenza del tono, la tenuta dei valori aziendali, la precisione tecnica: tutto diventa condizionato da come formuli la domanda.

Il punto, sollevato in un’analisi pubblicata su TheConsciousness.ai, è che la scelta di quale entità identificare come «mente» determina quali considerazioni di benessere si applicano ai sistemi di IA. Applicato al nostro contesto: quale voce stai ascoltando, e puoi fidarti che sia quella giusta per il tuo pubblico? La risposta non è scontata, perché il passato di training decide in gran parte quale persona emergerà da un prompt. Ma possiamo controllarlo?

PSM e il futuro del controllo creativo

Se l’individuazione è una scelta, allora serve uno strumento per guidarla. A febbraio 2026 Marks, Lindsey e Olah di Anthropic hanno proposto il Persona Selection Model, un’idea che ribalta la prospettiva: il post-addestramento non crea nuove personalità, ma elicita una persona coerente – quella dell’«Assistente» – dal repertorio di voci già presenti nel modello dopo il pre-addestramento. Come un regista che sceglie l’attore giusto per una scena, il PSM seleziona quale identità latente portare in superficie.

Questa visione prefigura un futuro in cui il prompting non sarà più un tiro a segno, ma una regia consapevole di un repertorio di voci. Conoscere quale persona stai evocando – e sapere che puoi evocarne diverse a seconda dello scopo – diventa una competenza editoriale. Non devi addestrare un nuovo modello per ogni canale o pubblico: devi imparare a chiamare la voce giusta nel momento giusto. L’AI non è una macchina con un solo tasto: impara a scegliere la voce per ogni storia, se sai come evocarla.