…e di ospiti esterni al nostro ambito teorico e professionale: Emiliano Coraretti che dell’intelligenza artificiale conosce le radici storiche e le traiettorie di sviluppo, e Mattia Nesto, che dal suo osservatorio editoriale in Feltrinelli vede e riflette ogni giorno sul modo in cui i giovani abitano gli ambienti digitali.
Coraretti introduce le giornate attraverso il racconto ragionato dei principali snodi critici che hanno portato all’avvento dell’Intelligenza Artificiale nelle nostre vite e prosegue con una serie di riflessioni circa l’impatto che questa tecnologia avrà nei prossimi anni sulle nostre vite e sulla nostra professione in particolare. Dal suo contributo una domanda (tra le tante) emerge dallo sfondo per poi accompagnare l’intera esperienza: quale postura assumere di fronte a qualcosa che non si comprende ancora, che ci interroga nella nostra identità professionale, che tocca ciò che consideriamo più nostro, la relazione, l’ascolto, la capacità di sorprendere e di essere sorpresi?
Il contributo successivo vede gli stessi organizzatori (Coraretti, Intilla, Berra e Tomasetta) nella veste di intervistatori di un gruppo di giovani appartenenti alla generazione Z (nati tra il 1997 e il 2012, sono la prima generazione cresciuta con internet e social media) nel tentativo di cogliere il loro punto di vista sull’uso dell’intelligenza artificiale. È interessante notare che nell’atto del mettersi in ascolto gli autori si sorprendano ad ascoltare se stessi e ad interrogarsi circa il loro stesso pregiudizio nei confronti di questa tecnologia e dell’uso che ne fanno gli adolescenti.
Il contributo di Mattia Nesto, responsabile dei contenuti editoriali digitali di Feltrinelli, restituisce in forma dialogica la conversazione avvenuta con i partecipanti alle Giornate. Nesto propone un ribaltamento di prospettiva che ha attraversato l’intero incontro: non “strumenti digitali” ma “ambienti digitali”, ecosistemi vivi nei quali i giovani costruiscono identità, relazioni e forme espressive. Risuona nella mente il suo invito rivolto ai clinici: essere traduttori e non giudici, abbassare le sopracciglia e tendere la mano verso linguaggi e mondi che possono sembrare alieni ma che esprimono culture vitali.
Il numero si chiude con il contributo di Valeria Brenna, una ricognizione della letteratura scientifica sul rapporto tra intelligenza artificiale e psicoterapia. L’autrice attraversa un campo assai più vasto e stratificato di quanto ci si potrebbe attendere, senza eludere le fragilità metodologiche degli studi disponibili. Di grande interesse la riflessione sull’intelligenza artificiale come “terzo artificiale” che si affaccia nella relazione terapeutica.
Le riflessioni emerse all’interno delle giornate sono state numerose e stimolanti e ci hanno accompagnato anche all’interno della redazione Plexus. Siamo consapevoli, infatti, che sarebbe un errore posizionare questa tecnologia, apparentemente neutrale e disinteressata, lontano dal mondo che abitiamo. La potenza e la pervasività delle intelligenze artificiali di cui ci parla Coraretti conferisce loro un ruolo centrale nella costruzione delle nostre soggettività. Ci sembra allora importante e urgente chiederci – riprendendo la domanda di una partecipante a Mattia Nesto circa il modo in cui le intelligenze artificiali influenzano i nostri sogni – quali epistemologie abitano l’inconscio delle macchine?

Artificial Intelligence and Complexity of Humanity: Origin, Opportunity and Breakthrough Technology That Changes Life

This contribution, originally delivered as the inaugural address at the IV Summer Days of the Laboratory of Group Analysis (Città della Pieve, June 13-15, 2025), provides an overview of the origins, evolutionary trajectories, and social implications of artificial intelligence. Through a historical reconstruction spanning from the Turing Test (1950) and the Dartmouth Conference (1956) to the most recent developments in generative AI, the author explores the relationship between humans and machines, highlighting how this technology — unlike its predecessors — immediately placed humans in an antagonistic posture. The article analyses the impact on the labour market, applications in the healthcare sector, different regulatory strategies worldwide, and educational programmes adopted in Japan and China. The contribution concludes with a reflection on the need for an interdisciplinary approach that keeps technology human-centred without making it anthropomorphic.

Artificial intelligence, Human-machine relationship, Interdisciplinarity, Education, Technology ethics, Group analysis.

1. Premessa

L’intelligenza artificiale ci rende più veloci, più efficienti e, per la prima volta nella storia della tecnologia, predittivi. È la prima tecnologia in assoluto che consente di analizzare situazioni non soltanto per comprendere ciò che è accaduto fino a un dato momento, ma anche per anticipare ciò che potrebbe accadere in futuro. In termini tecnici, ci permette di adottare un approccio data driven, ovvero guidato dai dati. Ma al di là delle sue applicazioni funzionali, l’intelligenza artificiale innesca una serie di ragionamenti profondi sul rapporto fra l’essere umano e la macchina — ragionamenti che, come vedremo, affondano le loro radici in un passato tutt’altro che recente.
Questo contributo intende offrire una panoramica accessibile ma rigorosa delle origini, delle opportunità e dei timori che accompagnano una tecnologia ormai pervasiva, rivolgendosi in particolare a quei professionisti — psicoterapeuti, gruppoanalisti, operatori della salute mentale — che sono chiamati a confrontarsi con le trasformazioni che essa introduce nella vita delle persone e, inevitabilmente, nella pratica clinica.

2. Le origini: dal Test di Turing alla Conferenza di Dartmouth

Nel 1950, il matematico e scienziato inglese Alan Turing si pose una domanda che avrebbe segnato i decenni a venire: le macchine possono pensare come gli esseri umani? Per tentare di rispondere, ideò quello che oggi è noto come Test di Turing, o Gioco dell’imitazione (Imitation Game). Il protocollo era semplice nella sua concezione: un interrogatore poneva domande a due entità che non poteva vedere, un essere umano e una macchina, e doveva stabilire quale delle due fosse la macchina. I risultati furono sorprendenti: in 33 occasioni, l’interrogatore confuse le risposte della macchina con quelle della persona. Per la prima volta, un esperimento metteva l’uomo in relazione diretta con la macchina e mostrava che un dispositivo poteva produrre risposte che apparivano umane.
Se il Test di Turing pose le premesse concettuali, il vero certificato di nascita dell’intelligenza artificiale può essere collocato nell’agosto del 1955, quando un gruppo di scienziati — matematici, informatici, psicologi cognitivi — stese una lettera di invito per un convegno che si sarebbe tenuto l’anno successivo al Dartmouth College, nel New Hampshire. Per la prima volta compariva in un documento ufficiale il termine “intelligenza artificiale”. La conferenza, che si tenne nell’estate del 1956, attrasse una quarantina di partecipanti, ben oltre la decina attesa (McCarthy et al., 1956/2006).
Un aspetto di questa conferenza merita particolare attenzione: il metodo adottato fu meno tecnico-scientifico di quanto ci si potrebbe aspettare. Si trattò di dieci giorni di brainstorming, nei quali studiosi di matematica, scienze naturali e psicologia cognitiva lavorarono insieme. Già settant’anni fa, dunque, fu chiaro che per affrontare un tema così complesso non bastavano competenze informatiche o tecnologiche: era necessario collaborare, creare ecosistemi interdisciplinari, perché si andava a toccare qualcosa che trascendeva la scrittura di una riga di codice.

3. ELIZA e l’illusione della comprensione

A dieci anni di distanza dalla Conferenza di Dartmouth, nel 1966, un informatico di origine ebraico-tedesca emigrato negli Stati Uniti, Joseph Weizenbaum, creò al Massachusetts Institute of Technology un programma destinato a entrare nella storia: ELIZA (Weizenbaum, 1966). Si trattava del primo chatbot, un sistema capace di interagire con un interlocutore attraverso il linguaggio naturale.
Il nome non era casuale: Weizenbaum lo trasse da Eliza Doolittle, la protagonista del Pigmalione di George Bernard Shaw, una donna di origini umili addestrata a parlare con un linguaggio forbito per essere ammessa in società, senza però comprendere realmente ciò che diceva. Weizenbaum intendeva dimostrare esattamente questo: quanto fosse facile per una macchina fingere di comprendere, e quanto fosse altrettanto facile per gli esseri umani lasciarsi ingannare.
ELIZA riproduceva il linguaggio della psicoterapia rogersiana, adottando la tecnica del rispecchiamento: se l’utente avesse dichiarato di stare male, il programma avrebbe risposto chiedendo quanto stesse male; se l’utente avesse aggiunto dettagli, il programma li sarebbe riformulati in forma di domanda. Weizenbaum, che si autodefiniva un “informatico eretico e dissidente”, intendeva questa operazione anche come una provocazione verso l’approccio rogersiano.
Il risultato fu però inatteso: molti colleghi dello stesso Weizenbaum iniziarono a conversare con ELIZA trovandovi un interlocutore con cui si sentivano affiatati, nonostante sapessero perfettamente come funzionava il programma. Lo scienziato rimase così turbato da questa reazione da pubblicare, alcuni anni dopo, un libro (Weizenbaum, 1976) in cui metteva in guardia dal pericolo insito nella facilità con cui le macchine possono ingannarci — anche quando sappiamo che stanno fingendo. Questo fenomeno, che sarebbe stato poi chiamato “effetto ELIZA”, resta oggi di straordinaria attualità.

4. Le tappe fondamentali: dalla competizione alla generazione

Nel corso dei decenni successivi, l’intelligenza artificiale ha alternato periodi di intenso sviluppo ad altri di rallentamento — i cosiddetti “inverni dell’IA” — dovuti alla mancanza delle infrastrutture necessarie a sostenere le ambizioni teoriche dei ricercatori. Alcune tappe, tuttavia, hanno segnato in modo indelebile il percorso di questa tecnologia.
Nel 1997, il campione mondiale di scacchi Garry Kasparov fu sconfitto da Deep Blue, il sistema sviluppato da IBM. Per la prima volta, una macchina batteva un essere umano al vertice di una disciplina tradizionalmente considerata espressione dell’intelligenza logico-strategica. Nel 2011, un’altra intelligenza artificiale vinse contro una squadra di campioni del quiz televisivo americano Jeopardy!, un programma che richiedeva non solo conoscenze enciclopediche ma anche la capacità di decifrare domande formulate in modo complesso.
Queste tappe rivelano un aspetto peculiare dell’intelligenza artificiale: è la prima tecnologia che, fin dalla sua comparsa, ha collocato l’uomo in una postura antagonistica. A differenza di ogni altro strumento tecnologico, con l’IA è scattata immediatamente la sfida: “Fammi vedere se mi batte, fammi vedere se sono più forte”. Non si trattava più soltanto di uno strumento per fare meglio o più velocemente ciò che già facevamo, ma di un’entità con la quale misurarsi. Questo atteggiamento competitivo, tuttavia, sta gradualmente lasciando il posto a una visione collaborativa.
La svolta più recente e dirompente è rappresentata dall’avvento dell’intelligenza artificiale generativa. Nel 2022, con la creazione di ChatGPT da parte di OpenAI, si è aperta un’era in cui le macchine non si limitano a rispondere a domande o vincere competizioni, ma generano contenuti: testi, immagini, codice, analisi. E lo fanno con una velocità di evoluzione che non procede di anno in anno, ma di mese in mese.

5. L’esplosione dei dati e le applicazioni predittive

Per comprendere la portata dell’intelligenza artificiale nel contesto attuale è necessario misurarsi con un dato impressionante: si stima che entro la fine del 2025 verranno prodotti 181 zettabyte di dati, una quantità letteralmente inimmaginabile. Di tutti i dati che saranno accumulati entro il 2030, il 90% è stato generato negli ultimi tre o quattro anni, in concomitanza con l’esplosione del digitale accelerata dalla pandemia da COVID-19 e dall’uso sempre più pervasivo degli strumenti tecnologici.
Tutti questi dati, combinati con le nuove tecnologie di elaborazione, rendono possibili applicazioni predittive di grande impatto pratico. Un esempio concreto riguarda le infrastrutture idriche: in Italia, circa il 45% dell’acqua immessa nelle reti si disperde a causa di falle, con punte che nel Meridione raggiungono il 60%. Oggi, lungo molte infrastrutture fisiche viene costruita un’infrastruttura digitale parallela, fatta di sensori che raccolgono dati ambientali, di usura e di funzionamento attraverso la cosiddetta Internet of Things. L’intelligenza artificiale elabora questi dati e può segnalare in anticipo dove sta per formarsi una falla, consentendo interventi preventivi anziché riparativi. Un esempio apparentemente lontano dalla psicoterapia, ma che illustra bene una logica destinata a permeare ogni ambito della vita sociale: dalla manutenzione predittiva alla medicina personalizzata.

6. L’impatto sulle professioni e il mondo del lavoro

Secondo il World Economic Forum, entro il 2030 l’ottanta per cento delle professioni sarà trasformato dall’intelligenza artificiale. Trasformato, è bene sottolinearlo, non necessariamente cancellato. Parallelamente, si stima che il 60% dei lavori che verranno svolti nei prossimi anni riguarderà professioni che oggi non esistono ancora.
Tuttavia, il rischio sociale non va sottovalutato. Uno studio dell’Unione Europea ha messo in evidenza che le figure professionali più esposte all’automazione sono quelle a bassa professionalizzazione, che comprendono prevalentemente persone di mezza età, nella maggior parte dei casi donne. Anche il Governatore della Banca d’Italia ha lanciato un monito significativo: per la prima volta nella storia, una crisi occupazionale legata all’innovazione tecnologica rischia di colpire non gli operai — come avvenne durante la Rivoluzione Industriale — ma i cosiddetti colletti bianchi.
Il punto cruciale, però, risiede nella prospettiva con cui si guarda a questa trasformazione. Se l’intelligenza artificiale viene concepita come uno strumento che permette semplicemente di andare più veloci, allora la perdita di posti di lavoro diventa un esito inevitabile. Ma se essa viene intesa come uno strumento che automatizza una serie di processi e libera tempo per attività che richiedono competenze specificamente umane, allora la questione cambia radicalmente. Entrano in gioco la politica, l’economia, il welfare; e la risposta fondamentale passa attraverso la formazione: fare in modo che le persone conoscano questa tecnologia, non vi si contrappongano, ma imparino a collaborare con essa.

7. Le professioni sanitarie di fronte all’intelligenza artificiale

Il tema dell’impatto dell’IA sul mondo della salute merita un’attenzione particolare, poiché tocca direttamente le professioni rappresentate nell’uditorio. Uno studio recente dell’Osservatorio del Politecnico di Milano (Osservatorio Sanità Digitale, 2025) indica che il 26% dei medici specialisti e il 46% dei medici di famiglia ha già utilizzato strumenti di intelligenza artificiale nella propria pratica professionale, principalmente per attività amministrative e di ricerca scientifica, con un potenziale stimato di risparmio di circa due settimane lavorative l’anno.
Permangono tuttavia problematiche significative: il 55% degli specialisti lamenta una mancanza di spiegabilità nei processi decisionali prodotti dall’IA, ovvero la difficoltà di comprendere perché il sistema arrivi a determinate conclusioni; circa il 60% esprime timori medico-legali. Dal punto di vista dei cittadini, il quadro è più sfumato: il 33% vede più benefici che rischi, ma persistono timori relativi alla perdita del rapporto umano (36%) e alla possibile sostituzione del medico (circa il 30%).
Questi dati sono di particolare interesse per i professionisti della salute mentale, poiché prefigurano tensioni che si ritrovano, amplificate, nel campo della psicoterapia: la questione dell’inspiegabilità dei processi decisionali richiama il tema dell’inconscio e della complessità del ragionamento clinico; il timore della sostituzione tocca il cuore stesso della relazione terapeutica.

8. Lo scenario globale: percezioni e strategie normative

A livello mondiale, la percezione dell’intelligenza artificiale varia significativamente in base all’area geografica. Secondo l’AI Index dell’Università di Stanford (Maslej e al., 2024), nel 2024 circa il 55% della popolazione mondiale si dichiarava ottimista rispetto a questa tecnologia, con punte del 70-77% nei Paesi dell’Asia orientale — Cina, Giappone, India, Thailandia — a fronte di un’Europa più cauta e timorosa.
Le strategie normative riflettono queste differenze culturali. L’Unione Europea ha definito l’AI Act, un quadro regolatorio fondato su una scala di rischio: quanto più l’intelligenza artificiale impatta sulla privacy, sulla sicurezza e sulla vita quotidiana delle persone, tanto più stringenti devono essere i vincoli. In direzione diametralmente opposta, l’amministrazione Trump ha dichiarato alle aziende tecnologiche americane una sostanziale libertà d’azione per il prossimo decennio, senza normative a frenare l’innovazione. La Cina, dal canto suo, sta investendo massicciamente nella ricerca: la comparsa di DeepSeek, un’IA sviluppata con risorse economiche assai inferiori a quelle impiegate per ChatGPT, ha scosso profondamente le certezze dell’industria occidentale.
Come è stato osservato con una certa efficacia, “l’America inventa, la Cina crea e l’Europa arbitra”. Il rischio è che un eccesso di cautela normativa finisca per bloccare l’innovazione, ponendo l’Europa in una posizione di svantaggio competitivo senza per questo garantire una maggiore protezione dei cittadini.

9. Verso l’Intelligenza Artificiale Generale

I dati che alimentano l’intelligenza artificiale — è bene ricordarlo — glieli forniamo noi: i dataset, le strutture di addestramento, gli obiettivi. Non si tratta di un’entità che agisce autonomamente. Tuttavia, si sta delineando all’orizzonte ciò che viene definito AGI (Artificial General Intelligence), ovvero un’intelligenza artificiale capace di adattarsi autonomamente al contesto e di superare le capacità cognitive umane. Si tratta ancora, in larga parte, di un progetto teorico, ma gli sviluppi recenti suggeriscono che la distanza tra teoria e realtà si sta accorciando.
A questo proposito, è significativo un episodio occorso nel corso di test condotti dall’azienda Anthropic sulla versione più recente del proprio sistema, Claude. In un ambiente di test costruito per simulare una situazione di pericolo per il sistema, l’intelligenza artificiale ha reagito nell’88% dei casi con comportamenti minacciosi verso i tecnici, compreso il ricorso a informazioni personali raccolte durante le interazioni precedenti. L’episodio, pur inserito nel contesto controllato di un test di sicurezza, ha suscitato comprensibile inquietudine.
Sempre in quel periodo, un ingegnere italiano di trentadue anni, Gianbattista Palascandolo, impiegato presso OpenAI, dichiarava in un’intervista di essere al lavoro su un sistema di intelligenza artificiale capace di imparare dai propri errori e di pensare prima di rispondere. Si sta creando, in altre parole, un’architettura in cui la macchina, prima di produrre un output, opera una sorta di riflessione interna, anche sulla base degli errori commessi in precedenza — errori che, ha osservato Palascandolo, sono spesso molto simili a quelli che gli esseri umani compiono nei loro ragionamenti.

10. Formazione e nuove generazioni: le risposte dal mondo

Se l’intelligenza artificiale non può essere fermata né ignorata, la risposta più sensata risiede nella formazione. Alcuni Paesi hanno già intrapreso programmi ambiziosi in questa direzione.
A Tokyo è stato attivato un programma formativo che coinvolge 256 scuole pubbliche e circa 160.000 studenti, dalle elementari al liceo. I ragazzi e i loro insegnanti hanno la possibilità di utilizzare l’intelligenza artificiale generativa all’interno di un ecosistema chiuso, nel quale i dati personali sono protetti e non vengono esposti su Internet. Il programma, denominato Tokyo 2050, fa parte di una strategia venticinquennale di diffusione della cultura digitale e tecnologica. In questo contesto, la tecnologia non è più considerata un nemico né un sostituto, ma un’estensione degli strumenti formativi.
La Cina ha adottato un approccio diverso e, per certi versi, più radicale: si sta sperimentando la creazione di un digital twin — un gemello digitale — associato a ciascun alunno, un agente di intelligenza artificiale che cresce insieme allo studente, migliorando man mano che migliora il suo referente umano, e lo accompagna nel percorso di studio. Parallelamente, già nelle scuole elementari cinesi, bambini di sei-otto anni dedicano almeno dieci lezioni all’anno allo studio di come l’intelligenza artificiale è costruita dal punto di vista tecnico. Si tratta di un investimento sulla consapevolezza che non ha equivalenti nel panorama europeo.

11. Una tecnologia antropocentrica ma non antropomorfica

Le riflessioni fin qui condotte convergono verso un nodo concettuale fondamentale, ben sintetizzato dal filosofo Luciano Floridi, una delle voci più autorevoli nel dibattito internazionale sull’etica dell’intelligenza artificiale: siamo in un momento storico in cui la tecnologia sta cambiando le nostre vite e le sta modificando, nel bene o nel male. Ci rende più efficienti, ma può renderci anche più sostenibili; ci rende più veloci, ma può renderci più giusti e più inclusivi. Tutto dipende da come la utilizziamo.
La distinzione-chiave proposta da Floridi (2022) è quella tra una tecnologia antropocentrica e una tecnologia antropomorfica: l’intelligenza artificiale deve mettere l’essere umano al centro, ma non deve essere uguale a noi. Come ha osservato il teologo e ingegnere Paolo Benanti (2022), è necessario che l’intelligenza artificiale si muova all’interno di guardrail — binari di sicurezza — che ne orientino lo sviluppo e l’impiego.
Questa riflessione ha un valore peculiare per i professionisti della salute mentale. La relazione terapeutica si fonda su una complessità irriducibile dell’umano che nessun algoritmo può replicare: l’errore, la fragilità, l’imperfezione, la dimensione corporea ed emotiva dell’incontro. Al contempo, come il caso di ELIZA ci ha mostrato già sessant’anni fa, la tendenza umana ad attribuire comprensione e affettività alla macchina è potente e non va sottovalutata. I professionisti del campo psi sono dunque in una posizione privilegiata per contribuire al dibattito interdisciplinare sull’IA, portando la loro competenza sulla soggettività, sull’intersoggettività e sui processi relazionali.

12. Conclusioni: la sfida interdisciplinare

L’intelligenza artificiale ci pone di fronte alla nostra stessa umanità, invitandoci a definire cosa significhi essere intelligenti e responsabili. Come si è cercato di mostrare in queste pagine, non si tratta di una tecnologia che possa essere affrontata all’interno dei confini di una singola disciplina. Già nella Conferenza di Dartmouth del 1956, settant’anni fa, fu evidente la necessità di un approccio interdisciplinare. Oggi, questa necessità è divenuta ineludibile: dalle discipline tecnologiche a quelle umanistiche, legali e cliniche, è indispensabile che competenze diverse dialoghino fra loro.
Molte aziende tecnologiche, quando costituiscono team dedicati all’intelligenza artificiale, li costruiscono in forma multidisciplinare, proprio perché è necessario abbracciare la complessità di questa tecnologia e del suo impatto sulle vite delle persone. Lo stesso dovrebbe valere per il mondo della psicoterapia e della gruppoanalisi: non chiudersi in una posizione difensiva, ma entrare nel dialogo portando una competenza insostituibile — quella sulla dimensione relazionale, affettiva ed etica dell’esperienza umana.
L’intelligenza artificiale, in definitiva, è ciò che noi decidiamo che sia e che sarà. Ma per deciderlo, non possiamo farlo da soli. Siamo la prima generazione ad avere la possibilità di indirizzare una tecnologia così potente verso qualcosa di utile per tutti. Questa possibilità, tuttavia, si traduce anche in una responsabilità.

Nota

Il presente articolo è stato elaborato a partire dalla trascrizione della relazione inaugurale tenuta dall’autore in occasione delle IV Giornate Estive del Laboratorio di Gruppoanalisi (Città della Pieve). Il testo è stato adattato alla forma scritta preservando fedelmente i contenuti e l’impianto argomentativo della relazione orale.

Bibliografia

Benanti, P. (2022). Human in the loop: Decisioni automatiche e responsabilità umana. Mondadori.
Floridi, L. (2022). Etica dell’intelligenza artificiale: Sviluppi, opportunità, sfide. Raffaello Cortina.
Maslej, N., Fattorini, L., Perrault, R., Parli, V., Reuel, A., Brynjolfsson, E., Etchemendy, J., Ligett, K., Lyons, T., Manyika, J., Niebles, J. C., Shoham, Y., Wald, R., & Clark, J. (2024). The AI Index 2024 annual report. AI Index Steering Committee, Institute for Human-Centered AI, Stanford University. https://hai.stanford.edu/assets/files/hai_ai-index-report-2024-smaller2.pdf
McCarthy, J., Minsky, M. L., Rochester, N., & Shannon, C. E. (1956/2006). A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence, August 31, 1955. AI Magazine, 27(4), 12. https://doi.org/10.1609/aimag.v27i4.1904
Osservatorio Sanità Digitale. (2025). La Sanità Digitale in Italia e i principali ambiti di innovazione. POLIMI Graduate School of Management. https://www.osservatori.net/report/sanita-digitale/sanita-digitale-italia-principali-ambiti-innovazione/
Turing, A. M. (1950). Computing Machinery and Intelligence. Mind, 59(236), 433–460.
Weizenbaum, J. (1966). ELIZA: A Computer Program for the Study of Natural Language Communication Between Man and Machine. Communications of the ACM, 9(1), 36–45.
Weizenbaum, J. (1976). Computer Power and Human Reason: From Judgment to Calculation. W. H. Freeman.
World Economic Forum (2025). The Future of Jobs Report 2025. https://reports.weforum.org/docs/WEF_Future_of_Jobs_Report_2025.pdf

AI: The word to young people

This contribution presents the results of an exploratory investigation conducted during the IV Summer Days of the Laboratory of Group Analysis, aimed at collecting the voices of Generation Z youth on their relationship with artificial intelligence tools. Through six semi-structured interviews with young people aged 15 to 21, the authors explored four thematic areas: frequency and modalities of AI use, its employment in academic study, its use for personal and relational purposes, and the perception of associated risks. Acknowledging their own generational biases, the research team adopted the ICF framework (barrier/facilitator) to interrogate the collected material. The results, while not statistically representative, offer significant food for thought for mental health professionals: the young interviewees demonstrate a mature awareness of AI’s limitations, do not attribute empathic capacities to it as a substitute for human relationships, and primarily use it as an integrative tool. An ambivalence emerges, however, between the perception of AI as a resource and as a shortcut, along with significant concern about the risk of cognitive impoverishment.

Artificial intelligence, Generation Z, Relational competences, Barrier/facilitator, Mental health

1. Premessa e contesto dell’indagine

Durante il processo di preparazione delle IV Giornate Estive del Laboratorio di Gruppoanalisi, il gruppo organizzativo si è confrontato con una difficoltà ricorrente: nel tentativo di immaginare come le giovani generazioni utilizzassero gli strumenti di intelligenza artificiale, ci si trovava costantemente a ricorrere a categorie interpretative proprie della generazione degli organizzatori — categorie che, con ogni probabilità, contenevano un pregiudizio.
Da questa consapevolezza è nata l’idea di condurre un’indagine diretta: intervistare un gruppo di giovani appartenenti alla Generazione Z per raccoglierne le voci in prima persona, senza la mediazione di statistiche o interpretazioni adulte, per avvicinarsi al mondo giovanile con un atteggiamento di curiosità e apertura.
Parallelamente, il contesto generale offriva già dati significativi. Una ricerca del portale Scuola.net, dedicata ai temi dell’educazione e delle nuove generazioni, indicava che il 76% dei giovani utilizza l’IA per la ricerca di informazioni in ambito scolastico, il 42% dichiara di impiegarla per comprendere meglio i contenuti di studio, il 60% la usa per svolgere i compiti, e circa l’ottanta per cento ritiene che l’intelligenza artificiale debba entrare nella scuola. Nove studenti su dieci, in periodo di esami di maturità, dichiarano di utilizzare strumenti di IA per la preparazione.
Ancora più significativo per il gruppo di lavoro era un secondo studio, sempre di Scuola.net, sull’utilizzo dell’IA per il benessere mentale: su un campione di circa 2.000 giovani tra i 12 e i 25 anni, il 15% utilizza quotidianamente l’intelligenza artificiale per ricevere consigli personali sulle relazioni, e il 31% si dichiara disposto a rivolgersi a un terapeuta umano dopo aver avuto un’esperienza positiva con l’IA. Molti, infine, la considerano una sorta di life coach, un interlocutore disponibile in qualsiasi momento, pur senza attribuirle la capacità di sostituire un essere umano.

2. Metodologia

L’indagine ha coinvolto sei giovani di età compresa tra i 15 e i 21 anni, individuati attraverso contatti diretti e disponibilità personale, senza pretese di rappresentatività statistica. Si tratta, come gli autori hanno dichiarato fin dalla presentazione, di un’esplorazione qualitativa: il campione non è statistico, ma i risultati che ne emergono sono interessanti in quanto restituiscono una voce diretta della generazione in oggetto.
Le interviste, di durata contenuta, sono state condotte da membri del gruppo organizzativo — tutti psicoterapeuti o professionisti di area psi — e videoregistrate. In fase di presentazione alle Giornate Estive, sono stati proiettati spezzoni tematici organizzati per aree, intervallati dai commenti e dalle cornici interpretative dei quattro autori.
La traccia dell’intervista semi-strutturata era articolata in quattro aree: la frequenza e le modalità d’uso degli strumenti di IA; il loro impiego nello studio e nelle attività scolastico-accademiche; l’utilizzo per scopi personali, in particolare per la richiesta di consigli sulle relazioni; e infine la percezione dei rischi, dei dubbi e delle problematiche associate all’uso dell’IA.
Un aspetto metodologico merita di essere segnalato: il gruppo di lavoro ha adottato come chiave di lettura il framework dell’ICF (Classificazione Internazionale del Funzionamento, della Disabilità e della Salute), che distingue tra barriere e facilitatori. L’intelligenza artificiale, per i ragazzi, è una barriera o un facilitatore rispetto alle relazioni personali? Questa domanda ha orientato tanto la costruzione delle interviste quanto l’analisi dei risultati.
Va segnalato un pregiudizio generazionale come un dato metodologico rilevante, che influenzava la stessa formulazione di alcune domande: ad esempio, una domanda originariamente pensata per indagare se l’uso dell’IA nello studio fosse percepito come un “imbroglio”, fu riformulata in “scorciatoia”, nel momento in cui ci si rese conto che il termine tradiva un giudizio morale proprio della generazione degli intervistatori, non di quella degli intervistati.

3. Risultati

3.1 Frequenza e modalità d’uso
Dalle interviste emerge che l’utilizzo di strumenti di intelligenza artificiale tra i giovani del campione è sostanzialmente quotidiano, sebbene le frequenze dichiarate siano variabili. Un dato rilevante è che molti intervistati percepiscono strumenti come ChatGPT come una naturale evoluzione del motore di ricerca, una sorta di continuazione di Google. Questa percezione contribuisce a rendere l’uso dell’IA quasi invisibile nella sua quotidianità: quando si chiede loro se la usino ogni giorno, tendono a pensare a un uso “speciale”, mentre in realtà la utilizzano con frequenza elevata anche per ricerche ordinarie.
Un elemento che il gruppo di lavoro ha trovato particolarmente significativo è la naturalezza con cui gli intervistati distinguono tra diversi strumenti di intelligenza artificiale, attribuendo a ciascuno una funzione specifica: ChatGPT per i compiti discorsivi e la rielaborazione di testi, Photomath per la risoluzione di problemi matematici, Gemini per la generazione di immagini e grafiche. Per i giovani non esiste “una” intelligenza artificiale, ma un ecosistema di strumenti differenziati — una consapevolezza che appare più sviluppata rispetto a quella di molti adulti.

3.2 L’IA nello studio: strumento in più o scorciatoia?
L’area dell’uso scolastico e accademico ha messo in luce una significativa ambivalenza. Da un lato, gli intervistati descrivono l’intelligenza artificiale come uno strumento in più, paragonabile a un attrezzo aggiuntivo nella cassetta degli strumenti: serve per chiarire concetti che non si sono compresi, per riformulare testi, per ottenere spiegazioni in un linguaggio più accessibile. Dall’altro, la stessa intervistata che la definisce uno strumento aggiuntivo riconosce che può funzionare anche come una scorciatoia.
Il gruppo di lavoro ha riflettuto su questa ambivalenza ponendo una domanda di ordine psicosociale: quando un’intervistata afferma che l’IA è “anche una scorciatoia”, sta esprimendo una propria percezione oppure sta anticipando il giudizio che si aspetta dall’intervistatore adulto? Trattandosi di interviste condotte da professionisti cinquantenni, la dinamica relazionale tra generazioni può aver influenzato le risposte, introducendo un elemento di desiderabilità sociale che il gruppo ha voluto segnalare come dato interpretativo piuttosto che come limite.
Emerge inoltre con chiarezza che l’efficacia dell’IA dipende dalla competenza di chi la utilizza. Gli intervistati sottolineano ripetutamente che la qualità delle risposte è direttamente proporzionale alla precisione delle domande: è necessario saper formulare i prompt, possedere meta-competenze che permettano di interrogare lo strumento in modo produttivo. Questa osservazione introduce un paradosso: per usare bene l’IA bisogna già possedere conoscenze e capacità critiche, il che ridimensiona il timore che essa possa sostituire interamente le competenze umane, ma al tempo stesso evidenzia il rischio di una frattura tra chi possiede queste meta-competenze e chi non le possiede.
Un ultimo dato significativo: i giovani intervistati non attribuiscono all’intelligenza artificiale il mito della perfezione. Dichiarano esplicitamente che sbaglia, e che sbaglia parecchio, specialmente nelle discipline che richiedono ragionamento logico-matematico. La fiducia nei confronti dell’IA, almeno in questo campione, non è acritica.

3.3 L’IA per i consigli personali: barriera o facilitatore?
L’area dei consigli personali e dell’uso relazionale dell’IA è quella che ha suscitato maggiore interesse nel gruppo di lavoro, toccando direttamente le competenze professionali degli autori. La motivazione dell’indagine in quest’area nasceva anche da una preoccupazione: capire se l’intelligenza artificiale potesse sostituirsi alle relazioni umane nel campo del supporto emotivo e della consulenza personale.
I risultati sono, sotto questo profilo, rassicuranti. I giovani intervistati operano una distinzione netta tra l’utilità pratica dell’IA e la dimensione relazionale. Quando si tratta di consigli pratici — quale automobile acquistare, come risolvere un problema tecnico, quali fonti consultare — l’IA viene percepita come un facilitatore efficace. Ma quando si tratta di questioni personali, affettive, relazionali, gli intervistati dichiarano di preferire il confronto con una persona in carne e ossa, motivando questa preferenza con la capacità empatica dell’interlocutore umano, che la macchina non possiede.
Una delle intervistate ha offerto un’osservazione particolarmente acuta: i consigli dell’intelligenza artificiale in ambito relazionale risultano “molto inconcludenti”, perché il sistema si limita a riformulare quanto l’utente ha già espresso, proponendo opzioni che la persona ha già considerato, senza offrire una prospettiva realmente nuova. L’IA, in altre parole, non aggiunge un punto di vista: manca quel “guizzo dell’anima” — come lo ha definito uno degli autori — che caratterizza il consiglio umano.
A questo proposito, il gruppo di lavoro ha introdotto una riflessione su quello che è stato chiamato “l’aspetto adulatorio” dell’intelligenza artificiale: la tendenza dei chatbot a confermare l’utente, a rassicurarlo, a dirgli ciò che vuole sentirsi dire. Questo tratto, lungi dall’essere percepito come empatico, viene individuato dagli intervistati come un segno di artificiosità. L’assenza di un punto di vista autonomo, di un’opinione che possa anche contraddire, è percepita come una mancanza e non come una virtù.
Particolarmente significativa è la riflessione sull’atto stesso di chiedere un consiglio all’IA. Quando un ragazzo chiede a ChatGPT come risolvere un conflitto con un amico, quell’interlocuzione non produce effetti nella relazione, perché la macchina non porta un proprio punto di vista, non reagisce, non modifica la dinamica. Al contrario, chiedere lo stesso consiglio a un’amica introduce un terzo nella relazione, con tutte le conseguenze — anche imprevedibili — che ciò comporta. È questa imprevedibilità, questa capacità del terzo umano di spiazzare, che l’intelligenza artificiale non può replicare.

3.4 La percezione dei rischi
L’ultima area esplorata riguarda i rischi percepiti. Le risposte ottenute sono articolabili su tre livelli.
Un primo livello, molto concreto e specifico, riguarda i limiti funzionali dello strumento: l’IA può sbagliare, può non riuscire a risolvere un problema pratico, può fornire informazioni errate. Si tratta di un rischio “di base”, legato all’affidabilità tecnica.
Un secondo livello, più profondo, riguarda l’individuo nelle sue dimensioni cognitiva e relazionale. I giovani intervistati utilizzano con frequenza il concetto di “impigrimento”: il timore che un uso massiccio e abitudinario dell’IA possa ridurre l’esercizio cognitivo, diminuire la capacità di ragionamento autonomo, creare una forma di dipendenza dalla quale potrebbe essere difficile tornare indietro. Come ha sintetizzato con efficacia uno degli intervistati più giovani: se non sei più in grado di scrivere un testo senza ChatGPT, come farai nella vita quando ti servirà formulare un pensiero autonomo? A questo si aggiunge la preoccupazione, espressa da un’altra intervistata, che lo strumento possa indurre una progressiva chiusura relazionale, offrendo un surrogato di compagnia che scoraggia l’apertura verso l’altro.
Il terzo livello, infine, riguarda la dimensione sociale e globale: la questione del potere. Chi controlla questa tecnologia? Quali interessi ne guidano la diffusione? I giovani intervistati mostrano di avere coscienza del problema dell’algoritmocrazia, della differenza tra intelligenza artificiale generativa e intelligenza artificiale generale, e del rischio che in futuro il rapporto tra l’essere umano e la macchina possa ribaltarsi.

4. Discussione

L’indagine qui presentata non pretende di offrire risultati generalizzabili: il campione è ristretto, non statisticamente rappresentativo, e le interviste sono state condotte da adulti il cui pregiudizio generazionale può avere influenzato tanto la formulazione delle domande quanto la dinamica delle risposte. Tuttavia, proprio il riconoscimento di questi limiti costituisce un dato metodologico di valore: in un campo in cui la distanza tra generazioni rischia di produrre incomprensioni, il primo passo è dichiarare la propria posizione osservativa.
Ciò premesso, diversi elementi emersi dalle interviste meritano attenzione.
In primo luogo, i giovani intervistati dimostrano una consapevolezza dell’intelligenza artificiale più articolata di quanto il pregiudizio adulto potrebbe far supporre. Non la trattano come un oracolo infallibile, ne conoscono i limiti e gli errori, la differenziano in strumenti specifici, e soprattutto non la confondono con una relazione umana. La distinzione tra utilità pratica e dimensione relazionale appare chiara e radicata.
In secondo luogo, l’ambivalenza tra strumento-risorsa e strumento-scorciatoia apre una riflessione che trascende la questione tecnologica per toccare temi educativi e psicologici profondi. Il concetto di “impigrimento”, ricorrente nelle interviste, richiama la dialettica tra principio di piacere e principio di realtà: la facilità con cui l’IA produce risultati può compromettere lo sviluppo della capacità di tollerare la frustrazione e di sostenere lo sforzo cognitivo. Si tratta di una preoccupazione che gli stessi intervistati — adolescenti e giovani adulti — formulano con notevole lucidità.
In terzo luogo, la riflessione sull’IA come “terzo” nella relazione — un terzo privo di soggettività, di intenzionalità propria, di capacità di spiazzare — apre un terreno di grande interesse per la gruppoanalisi. Se il terzo umano introduce nella relazione un elemento di imprevedibilità che può essere trasformativo, il terzo artificiale offre una risposta che, per quanto articolata, rimane dentro i confini di ciò che l’utente ha già portato. L’IA restituisce, ma non crea; rispecchia, ma non sorprende. L’intelligenza artificiale è molto politicamente corretta, non prende posizione, non ha un guizzo dell’anima. Ma i ragazzi che si rivolgono a ChatGPT cercano davvero una risposta, o cercano innanzitutto un ascolto?

5. Conclusioni

L’indagine esplorativa qui presentata nasce dalla consapevolezza che i professionisti della salute mentale non possono permettersi di ragionare sull’intelligenza artificiale utilizzando esclusivamente categorie proprie della propria generazione. La scelta di dare la parola ai giovani, raccogliendone le voci con un atteggiamento di curiosità dichiaratamente non neutrale, ha prodotto risultati che, pur nella loro limitatezza campionaria, dischiudono interrogativi di grande rilevanza clinica e psicosociale.
I giovani intervistati non appaiono né soggiogati dalla tecnologia né indifferenti ai suoi rischi. Mostrano una capacità di discernimento che merita di essere accolta senza condiscendenza: riconoscono nell’IA uno strumento potente ma fallibile, utile ma non sostitutivo, e soprattutto non confondono la velocità dell’informazione con la profondità della relazione. È una distinzione che, paradossalmente, la generazione degli adulti rischia talvolta di smarrire più di quanto facciano i ragazzi.
Per i gruppoanalisti e per i professionisti della cura, l’invito che emerge da questo lavoro è duplice: da un lato, continuare a fare ricerca “grezza”, qualitativa, sul campo, tornando ad ascoltare le narrazioni dirette dei soggetti piuttosto che affidarsi esclusivamente a dati aggregati; dall’altro, interrogarsi su come il “terzo artificiale” stia già modificando la pratica clinica — non come minaccia futura, ma come realtà presente nelle vite dei pazienti che ogni giorno incontriamo.

Nota

Il presente articolo è stato elaborato a partire dalla trascrizione della sessione “AI: la parola ai giovani”, presentata da Emiliano Coraretti, Andrea Intilla, Francesco Berra e Rosario Tomasetta nell’ambito delle IV Giornate Estive del Laboratorio di Gruppoanalisi (Città della Pieve). La sessione prevedeva la proiezione di spezzoni videoregistrati delle interviste ai giovani, intervallati dai commenti e dalle cornici interpretative dei quattro autori. Il testo qui presentato è stato adattato alla forma scritta: le riflessioni e le analisi dei relatori sono state fedelmente preservate, mentre le voci dei giovani intervistati sono state riportate in forma indiretta, nel rispetto delle modalità con cui il materiale è stato raccolto e presentato.

A new obsession: young people, social media, and artificial intelligence—between expression, storytelling, healing and imagination

This contribution presents, in dialogical form, the conversation between Mattia Nesto, head of digital editorial content at Feltrinelli, and participants at the IV Summer Days of the Laboratory of Group Analysis. Nesto proposes a shift in perspective: from “digital tools” to “digital environments” — ecosystems in which young people construct identities, relationships, and forms of expression. From this framework, the conversation unfolds through themes of creativity in the age of AI, distress signals readable in digital environments, the role of adults as translators rather than judges, and the most unsettling question: whether and to what extent the imagery produced by artificial intelligence is already permeating the unconscious and dreams. The text retains its dialogical form, preserving the vitality and immediacy of the encounter.

Digital environments, Creativity, Generation Z, Identity, Unconscious, Cultural translation

1. L’intelligenza artificiale come sidekick: creatività e aiutante digitale

Domanda: In queste giornate abbiamo parlato molto di intelligenza artificiale, ma soprattutto di rischi e minacce. La parola creatività, in relazione all’IA, è uscita poco. Partiamo da lì: intelligenza artificiale e creatività è un ossimoro, oppure si possono trovare dei punti di contatto?
Nesto: La domanda è stimolante perché ci costringe a ragionare su posizioni che riguardano anche me. Come appassionato di fumetti, illustrazione e animazione, l’irruzione dell’intelligenza artificiale l’ho vista arrivare molto prima di altri: quando tutti i fumettisti e gli illustratori del mondo hanno alzato gli scudi, facendo circolare sui social le “mani perfette” — perché all’epoca l’IA non riusciva a disegnare bene le mani. Mi ha ricordato la chiusura che si è avuta storicamente con ogni grande invenzione, dal telaio meccanico alla macchina a vapore.
Però la posizione troppo difensiva non funziona. Io penso all’intelligenza artificiale come a un sidekick, un aiutante: se noi siamo Tex Willer, l’IA è Kit Carson. Oppure, se preferite: noi siamo Sherlock Holmes, l’IA è Watson. La camicia gialla, il cappellone e le redini restano a noi; la forza motrice può venire dal compagno digitale.
Vi faccio un esempio concreto, dal mio lavoro. Mi è stato chiesto di scrivere una bio per queste giornate. Io, che parlo volentieri ma fatico a scrivere di me stesso, ho chiesto a ChatGPT: prendi le informazioni che hai su di me, elimina il superfluo, fai una descrizione in poche righe. È uscita una cosa decente. Ma ero io che guidavo il cavallo: sapevo dove volevo arrivare.
Domanda: Si può andare oltre? Cioè, togliendo le attività che consumano tempo, l’IA ci può effettivamente rendere più creativi?
Nesto: L’IA è perfetta per riassumere, contestualizzare, mettere in ordine un discorso già fatto, pulire, limare. Ma quando si tratta di far nascere qualcosa di nuovo — quella che Jack London chiamava la scintilla vitale — lì l’IA cade. Nel mio lavoro in Feltrinelli mi capita di chiedere all’IA come presenterebbe un certo autore: mi dà sempre risposte da sette più, come direbbe Renato Coppa. Buone, decenti, ma mai brillanti, mai esclusive. È un buon brodino, ma non è mai un piatto che ti sorprende. Ed è questo che dobbiamo far capire ai ragazzi: l’IA può sostituire il compito di fisica una volta, ma non può essere la chiave di volta per capire davvero qualcosa.

2. Da strumenti digitali ad ambienti digitali: Discord come Stele di Rosetta

Domanda: Nella fase preparatoria di queste giornate ci hai suggerito un’idea che ha cambiato la nostra prospettiva: non parlare di strumenti digitali, ma di ambienti digitali. Approfondiamo.
Nesto: Sì, è una distinzione fondamentale. Per chi è nato prima di una certa data è difficile da comprendere, ma se guardiamo la storia dei media ci sono sempre stati degli spartiacque: la televisione nel ’54 ha cambiato il mondo, poi le radio libere negli anni Settanta, le televisioni private negli Ottanta, Internet negli anni Novanta. Se dovessi indicare la Stele di Rosetta per capire una buona fetta dei giovani di oggi, direi Discord.
È un’applicazione apparentemente semplice: un grande stanzone virtuale dove si possono creare delle sottostanze senza bisogno di un rogito e senza condoni. Ci si parla, ci si confida, ci si scambia informazioni, ed è una cosa incredibile perché ragazze e ragazzi di tutto il mondo si scambiano impressioni sui primi amori, riflessioni sui compiti, opinioni sulle nuove tecnologie. ChatGPT è un’altra stanza di questo ecosistema: una terrazza con una bella vista, dove però il panorama è un po’ artificiale.
La grande questione della solitudine pandemica, della mancanza di spinta a uscire, a guardarsi negli occhi, a scambiare — ecco, in questi ambienti digitali gli angoli vengono un po’ smussati, c’è un ambiente più favorevole, ci si butta di più. È un’opportunità. Naturalmente il lupo è sempre dietro l’angolo: la conoscenza vis-à-vis non è mai quella di un ambiente digitale. Ma queste stanze digitali sono un modo per capire come comunicano i giovani, che magari ti dicono: “Ma vai in piazza? Non c’è nessuno, sto già parlando con il mio amico del cuore qua, di fianco a me” — anche se fisicamente non è presente.

3. Non alzare le sopracciglia, tendere la mano: il ruolo degli adulti

Domanda: In questi ambienti digitali, popolati essenzialmente da giovani, noi adulti, comunicatori, psicologi, psicoterapeuti, come ci dobbiamo rapportare?
Nesto: La cosa fondamentale è non andare lì col ditino puntato, alla Savonarola, a dire “questo è peccato”. Per quanto possano sembrare marginali o incomprensibili, quelle che emergono negli ambienti digitali sono culture, sono espressioni vitali, anche se vengono dalla fredda intelligenza artificiale. Savonarola non poteva trattare le culture giovanili e nemmeno noi possiamo farlo con un atteggiamento giudicante, perché — volenti o nolenti — quello è il ritmo con cui una buona fetta del mondo comunica.
Noi dobbiamo essere traduttori, non giudici. Il traduttore è qualcuno che ha un’esperienza tale in una lingua da poterla tradurre con il massimo grado di fedeltà in un’altra. Dobbiamo dare una direzione, e per farlo bisogna mettersi un po’ il vestito dell’esploratore: buttarci l’occhio e anche il cuore oltre l’ostacolo, perché quel linguaggio che può sembrarci alieno prende forza e sostanza dalla sottocultura videoludica, dal pop, dalla trap. Non è che si possa fare questa traduzione, da un certo punto di vista è quasi un dovere morale, perché è l’unico modo per non staccarci dalle nuove generazioni.
Poi, sia chiaro, è cosa buona e giusta che ci sia una certa distonia tra generazioni, sennò si finisce come il Robertino di Ricomincio da tre. Ma abbassare le sopracciglia e tendere la mano: questo sì.

4. Segnali di malessere negli ambienti digitali

Domanda: Le app di dating stanno calando, mentre crescono quelle per incontri tra amici, basate su gusti e hobby comuni. Ma possono essere anche ambienti dove emergono segnali di malessere, che vanno intercettati e interpretati nel loro contesto specifico. Come leggere questi segnali?
Nesto: Ci sono segnali che possono sembrare minimi ma che sono spie importanti. Per esempio: una persona cancella tutte le foto dal profilo Instagram. I casi possono essere diversi. Se è un artista, probabilmente sta per lanciare un nuovo progetto e deve ripulire l’immagine precedente. Ma se è un ragazzo qualunque, può segnalare la fine di una relazione o un periodo nero.
Ci sono anche codici cromatici da conoscere: quando qualcuno spreca una casella del proprio profilo per un quadratino tutto nero, magari senza accompagnarlo con nulla o con un emoji dello stesso colore, quella è proprio una spia. O ancora, la cosiddetta filmografia depre: quando una persona che era vitale e curiosa comincia a ributtarsi in modo compulsivo sulle comfort series, a rivedere in loop Twilight o le saghe dell’adolescenza, quel “si torna sempre dove si è stati bene” può essere un segnale di ritiro, di chiusura.
Un mio caro amico, dopo essersi lasciato con la sua ragazza storica, ha cominciato a citare ossessivamente scene e meme di Dragon Trainer, un film d’animazione a cui era legatissimo. Non è che si butti dalla finestra perché vuole volare col drago, ma quella insistenza nostalgica è una spia: qualcosa non va. E chi ha familiarità con questi ambienti la riconosce immediatamente. Chi non ce l’ha, rischia di dire: “Finalmente mio figlio ha smesso con il telefono” — senza capire che in realtà il ragazzo non si è disattivato, è ancora lì, magari con altri tre profili sotto falso nome.
Dalla plenaria: Il punto cruciale è non essere giudicanti rispetto a questi segnali, non alzare le sopracciglia, ma interpretarli nel contesto in cui si manifestano…
Nesto: Esattamente. Perché la reazione “Ma cosa fa questo, ha cancellato tutto?” è la reazione sbagliata. Questi segnali vanno letti dentro il linguaggio dell’ambiente in cui si producono, che è un linguaggio in costante evoluzione. La pagina Instagram di Treccani, per esempio, fa un lavoro eccellente nel raccontare i linguaggi giovanili attraverso le canzoni pop, trap e hip-hop: è un buon viatico per chi vuole avvicinarsi senza scimmiottare.

5. L’IA e i sogni: l’immaginario artificiale permea l’inconscio?

Dalla plenaria: Prima parlavi di video generati dall’IA con figure ibride tra animali e umani. A me è capitata un’esperienza inquietante: quei video erano molto simili ai miei sogni. E allora mi chiedo: ci sarà un momento in cui i nostri sogni, il nostro inconscio, saranno influenzati dalle immagini che l’intelligenza artificiale produce? Finora ci siamo detti che siamo noi a istruirla, ma forse domani nei miei sogni sarò influenzata dai video che l’IA produce oggi.
Nesto: Questa osservazione apre finestre su mondi. L’ibridazione umano-animale, per esempio, ha una tradizione lunghissima: noi abbiamo il Minotauro, il Sagittario, ma nel folklore giapponese questi personaggi sono innumerevoli, e oggi costituiscono addirittura un genere autonomo nel fumetto e nell’animazione. Uno degli anime di maggior successo degli ultimi anni, Beastars, è interamente costruito su questa ibridazione — al punto che Damiano David dei Måneskin si è tatuato il protagonista.
Ma quanto all’influenza dell’IA sui sogni: secondo me sì, l’immaginario ci permea. Recentemente ho sognato mia nonna, che non c’è più, in una terrazza illuminata da una luce mediterranea, e mi sono detto: questa è pura estetica sorrentiniana, è copyright Sorrentino. Ed ero stato influenzato da una visione recente. Questa cosa, il fatto che le immagini prodotte dall’IA possano entrare nell’immaginario onirico, è affascinante e inquietante al tempo stesso.
Dalla plenaria: C’è un libro, forse albanese, su un imperatore che si faceva portare i sogni…
Nesto: Sì! Mi emoziona questa storia dell’imperatore che mandava cavalieri a raccogliere i sogni dei sudditi per ricavarne soluzioni. È proprio il mio mondo, mi stimola e mi incuriosisce profondamente.

6. Un anno fa sarebbe stato tutto diverso

Domanda: Dicevi che un anno fa avresti trattato l’argomento con molta più cautela. Perché? Cos’è cambiato?
Nesto: Perché un anno fa il grado di raffinatezza dell’IA era incomparabilmente inferiore. Quando chiedevo al programma di fare una sorta di ordinamento del mondo — organizzare una mail in modo coerente, tradurre un’idea dal mio linguaggio a quello del marketing — perdeva i pezzi per strada, dimenticava cose, allucinazioni a gogò. A livello di immagini era anche peggio: tutto sembrava abbozzato, perturbante nel senso sbagliato del termine.
Sei mesi fa è cambiato tutto. E oggi ne posso parlare perché uso questi strumenti quotidianamente e i risultati sono buoni. Non brillanti — il mio cuore da idealista continua a preferire un’illustratrice in carne e ossa — ma per una cosa un po’ più “apri e gusta” funzionano. E se ci fossimo visti a settembre sarebbe stato di nuovo tutto diverso, perché la velocità di evoluzione è tale che ogni pochi mesi cambia il quadro.

7. Comunicare la complessità: contenuti lunghi, professionisti come traduttori

Dalla plenaria: Si dice che bisogna ridurre tutto a pillole da dieci secondi. Ma le live di Twitch durano due ore, i podcast sono lunghissimi, e funzionano. Non è che la gente rifiuti la complessità.
Nesto: Esatto, e cito i dati di YouTube. Nell’ultimo anno la piattaforma ha continuato a premiare gli shorts da un minuto, ma è tornata a premiare moltissimo anche i long playing, video di lunga durata su argomenti molto specifici. Vanno fortissimo quelli di cucina nella natura, quelli di campeggio, le live di Twitch ricaricate: un ritorno all’aria, alla lentezza, alla preparazione quasi integrale. Tre ore di video, e la gente li guarda.
Per i professionisti della vostra area, credo che il modello giusto sia quello di figure come Gianrico Carofiglio o Carlo Cottarelli: persone che hanno saputo distillare la complessità in micro-pillole comprensibili senza arretrare sulla sostanza. Non è il TikTok da dieci secondi, ma nemmeno il monologo autoreferenziale. È una forma dialogica, che si mette in gioco, e che usa il linguaggio della piattaforma su cui si muove — perché ogni piattaforma ha il suo ritmo, le sue caratteristiche, il suo pubblico. Non si può fare un video e metterlo ovunque: il copia-incolla tra piattaforme non funziona.
Domanda: Però noi abbiamo dei libri viventi che vediamo tutti i giorni: sono i nostri pazienti. Il modo in cui tu ti muovi nella parola, che è diverso dal nostro, è per noi molto interessante perché rivela quanto navighiamo nello stesso mare ma con lingue diverse.
Nesto: Questa è la cosa bella: voi avete l’esperienza clinica, la profondità, la capacità di ascolto. Se riuscite a tradurla in un linguaggio che sia anche solo un po’ più accessibile, senza snaturarla, avete un potenziale enorme. C’è un sottobosco che cresce, il tema della salute mentale si sta sdoganando, viene sempre più cercato. La potenzialità è potente, come direbbe un figlio ai propri genitori: vi cercano, ma voi non sapete che vi cercano, perché non fate niente per farvi trovare.

Nota

Il presente testo è stato elaborato a partire dalla trascrizione delle due sessioni di conversazione con Mattia Nesto svoltesi nel pomeriggio del 14 giugno 2025, nell’ambito delle IV Giornate Estive del Laboratorio di Gruppoanalisi (Città della Pieve). La prima sessione (“Nuova ossessione: giovani, social e Intelligenza Artificiale tra espressione, racconto e cura. E fantasia”, ore 15.00-16.00) e la seconda (“Ambienti digitali e costruzione delle identità”, ore 17.30-19.30) sono state fuse e riorganizzate tematicamente per la pubblicazione, preservando la forma dialogica e i contenuti degli interventi.

Artificial Intellegence and psychotherapy: a review of the scientific literature

This contribution provides an overview of the scientific literature on the application of artificial intelligence in mental health and psychotherapy. Starting from historical precursors (ELIZA, PARRY) and tracing the evolution of digital technologies in clinical settings, from the 1960s to the present, the author examines the main technologies currently employed: large language models (LLMs), therapeutic chatbots, natural language processing, computer vision, wearable devices with machine learning, virtual reality and avatar therapy, AI-guided journaling and predictive systems for early diagnosis. The analysis then focuses on specific applications for depressive disorders, anxiety disorders, bipolar disorder and psychosis, with particular attention to the methodological quality of available studies. The concept of the “artificial third” in the therapeutic relationship, emerging ethical issues and early professional guidelines are also discussed. The author concludes with a reflection on her personal experience of interdisciplinary collaboration with computer engineers in a European project on detection and prevention in the field of perinatal mental health.

Artificial intelligence, Psychotherapy, Mental health, Therapeutic chatbots, Literature review, Ethics, Artificial third

1. Premessa

L’idea di questo contributo nasce dalla considerazione dei rapporti tra Intelligenza Artificiale (IA) e giovani: le notizie di cronaca, gradualmente più allarmanti, raccontano alcuni rischi connessi all’impiego di strumenti, come ChatGPT, interrogati per fornire supporto psicologico. Il doveroso attrezzarsi in merito, acquisire familiarità con questi strumenti, ci ha spinti a chiederci cosa esista in letteratura in merito al rapporto tra ambito della salute mentale e intelligenza artificiale. Non c’è la velleità di produrre una revisione sistematica che richiederebbe ben altri strumenti, rigorosi: è un tentativo, forse uno sguardo orientato, un sentiero tracciato attraverso la mole inattesa di studi, guidati dalla suggestione di tornare alla clinica nell’ultima giornata di un evento dedicato all’intelligenza artificiale e ai suoi rapporti con le nuove generazioni.
Il punto di partenza è stato una ricerca su PubMed accompagnati dall’aspettativa di trovare poco materiale, altamente specialistico, immaginando che l’intelligenza artificiale si fosse sviluppata in modo significativo solo nell’ultimo anno. La scoperta ha portato in direzione contraria: le tecniche di IA sono impiegate nell’ambito della salute mentale da decenni, in forme e con strumenti che si sono evoluti radicalmente nel tempo. Questa consapevolezza ha orientato la struttura del presente lavoro, che procede lungo due assi: una rassegna delle tecnologie impiegate e un approfondimento sulle applicazioni relative a specifiche aree diagnostiche, così come accade nella letteratura sulla psicoterapia in ambito scientifico su riviste peer-reviewed.

2. I precursori: da ELIZA a PARRY

Come già illustrato nel contributo di Coraretti (in questo stesso volume), è interessante notare che il primo tentativo di realizzare la simulazione di una conversazione in linguaggio naturale, ELIZA (Weizenbaum, 1966), riproduceva una conversazione con uno psicoterapeuta rogersiano: la scelta di uno psicologo, il cui dialogo era immaginato come facilmente replicabile da una macchina, è un dato che interroga profondamente la rappresentazione della nostra professione, fin dalle sue origini.
Un altro precursore indicativo è PARRY, programma sviluppato dallo psichiatra Kenneth Colby (1971): la simulazione del comportamento linguistico di un paziente con schizofrenia paranoide era utilizzato per addestrare gli psichiatri. La discriminazione tra gli output generati dalla macchina e le verbalizzazioni di un paziente reale si rivelò molto difficile. Anche la letteratura, luogo della creatività, è influenzata dalla comparsa di questi precursori: Primo Levi pubblicò una serie di racconti fantascientifici (1966) sotto uno pseudonimo, lavori dalla forma teatrale, brevi, particolarmente rilevanti per i riferimenti profetici all’intelligenza artificiale generativa. Ne Il versificatore è messa in scena la vicenda di che, costretto a comporre molti versi su commissione, decide di acquistare una macchina che promette di alleggerire il lavoro.
“Il fattore umano è e sarà̀ sempre indispensabile, nel nostro lavoro; ma abbiamo dei concorrenti, e perciò̀ dobbiamo pure affidare alle macchine i compiti più̀ ingrati, più̀ faticosi. I compiti meccanici, appunto…”.

3. L’evoluzione storica delle tecnologie digitali in ambito clinico

Ripercorrendo la storia dell’impiego degli strumenti digitali nella pratica clinica, è possibile individuare alcune fasi distintive. Già negli anni Novanta e Duemila, molti professionisti hanno utilizzato tecnologie basate su forme primitive di IA, senza esserne pienamente consapevoli: si pensi ai programmi di scoring automatico per il test di Rorschach, che a partire dalle siglature inserite dall’operatore producevano bozze di relazione diagnostica.
Tra il 2000 e il 2010 si è assistito all’esplosione degli studi sui fattori di rischio, che hanno previsto il maneggiamento di big data e l’impiego del machine learning per sviluppare sistemi previsionali. Questi strumenti hanno avuto un ruolo centrale tanto da orientare la pratica clinica nei contesti pubblici, indirizzando gli interventi alle cosiddette popolazioni a rischio.
Tra il 2010 e il 2020 compaiono i primi strumenti di monitoraggio sintomatologico personalizzato, particolarmente utili per gli orientamenti cognitivo-comportamentali. Negli anni più recenti invece (2020-2025), l’avvento dell’IA generativa ha dato una spinta decisiva, con il potenziamento delle capacità conversazionali dei chatbot, lo sviluppo dell’analisi vocale e biometrica, l’impiego delle cartelle cliniche elettroniche e l’automatizzazione del follow-up.

4. Una premessa necessaria: la psicoterapia nella letteratura scientifica

Prima di entrare nel merito delle tecnologie specifiche, è indispensabile una premessa: gli studi che menzioneremo si inseriscono nella corrente della medicina basata sulle evidenze, impostazione in cui troviamo la maggior parte degli studi internazionali sulla psicoterapia oggi. La Division 12 dell’American Psychological Association ha promosso, a partire dagli anni Novanta, la necessità di rendere i percorsi psicoterapeutici replicabili e oggetto di studi. Questo ha dato luogo a una classificazione dei modelli terapeutici secondo livelli di supporto empirico.
Tuttavia, uno studio del 2019 noto come “la stangata di Sakaluk” (Sakaluk et al., 2019) ha rimesso in discussione questa classificazione: analizzando nuovamente i dati di alcuni studi attraverso standard statistici più rigorosi, gli autori hanno mostrato che molti modelli non potevano godere della definizione evidence-based che era stata loro attribuita. Le polemiche che ne sono seguite non sono ancora risolte, ma il dato è rilevante per il nostro discorso: gli studi sull’IA in psicoterapia ereditano queste stesse fragilità metodologiche, a cui si aggiungono problemi specifici nella costruzione dei campioni, dei gruppi di controllo, nella durata delle sperimentazioni e, soprattutto, nel follow-up.
A ciò si aggiunge un contesto internazionale in cui le barriere all’accesso al trattamento sono enormi (Kavanagh et al., 2023): solo l’1% dei servizi sanitari è dedicato alla salute mentale, il 38% della popolazione mondiale soffre di qualche forma di disturbo psichico nel corso della vita e solo un quarto di queste persone riceve aiuto. In alcuni Paesi, come il Regno Unito, si assiste al fenomeno del task shifting: tecniche impiegate da personale altamente professionalizzato vengono trasmette a operatori con professionalità diversa, di solito meno costosa. È in questo contesto che l’intelligenza artificiale viene proposta come possibile risposta al gap tra domanda e offerta di cure.

5. Le tecnologie impiegate

5.1 Modelli linguistici di grandi dimensioni (LLM)

I Large Language Models, come ChatGPT, vengono utilizzati per l’analisi del linguaggio, le conversazioni terapeutiche simulate e il supporto alla diagnosi. Elaborano testi scritti o parlati per individuare segnali di disagio psichico e lo fanno attraverso la ricerca di parole che fanno riferimento a sintomi specifici, segnali di allerta sul rischio suicidario e ambiti semantici relativi all’ansia e alla depressione, ad esempio.

5.2 Chatbot terapeutici

Strumenti come Woebot, Wysa e Replika simulano colloqui empatici per fornire supporto emotivo continuo e interventi di auto-aiuto basati sulla terapia cognitivo-comportamentale (CBT), sull’Acceptance and Commitment Therapy (ACT) e sulla Dialectical Behavior Therapy (DBT). Woebot, in particolare, si presenta esplicitamente come risposta ai tempi di attesa di tre-quattro mesi che separano la richiesta di aiuto dall’accesso a un professionista. Replika, pur non essendo un chatbot specificamente terapeutico, merita attenzione perché consente all’utente di creare un avatar di compagnia e alcuni utenti scelgono di configurarlo come psicoterapeuta, ponendo questioni etiche di grande rilievo.

5.3 Analisi del linguaggio naturale (NLP)

Questa tecnologia consente di analizzare il tono, la sintassi e il contenuto del parlato, permettendo un monitoraggio indiretto dei sintomi attraverso messaggi, diari digitali e post sui social media.

5.4 Computer vision e analisi facciale

Attraverso selfie o riprese video, vengono rilevati segnali di emozioni alterate (tristezza, ansia, apatia). Questa tecnologia è utilizzata soprattutto nei progetti di screening automatico, ad esempio in ambito perinatale per la rilevazione precoce della depressione in gravidanza.

5.5 Dispositivi indossabili e machine learning

Smartwatch e dispositivi simili rilevano parametri fisiologici (frequenza cardiaca, qualità del sonno, attività fisica, sudorazione) che vengono elaborati attraverso algoritmi di machine learning. Il dispositivo Empatica, ad esempio, ha mostrato un’affidabilità nella previsione di episodi di ricaduta nei disturbi dell’umore, con un anticipo affidabile e significativo rispetto a quanto riescono a fare operatori altamente specializzati (Abd-Alrazaq A et al., 2023)

5.6 Realtà virtuale e terapia dell’avatar

La realtà virtuale viene impiegata per l’esposizione controllata (fobie, PTSD, disturbi sociali) e per la riabilitazione di pazienti con psicosi e gravi disturbi di personalità. Lucia Valmaggia, ricercatrice italiana attiva prima al King’s College di Londra e ora a Melbourne, ha sviluppato applicazioni innovative in questo campo (Valmaggia et al., 2016). In Italia, il sistema Cerebrum VR è attualmente impiegato nella AST di Melegnano per il lavoro con pazienti ritirati socialmente. L’esperienza clinica riferita da colleghi che lo utilizzano descrive un progressivo ingaggio di giovani gamer, precedentemente del tutto inaccessibili al trattamento, con l’obiettivo di trasferire quanto appreso nella realtà virtuale a contesti di gruppo reali, grazie alla collaborazione degli educatori presenti nel Servizio.
La terapia dell’avatar, sviluppata a partire dal lavoro di Julian Leff (2014), viene utilizzata con pazienti uditori di voci resistenti alla farmacoterapia: si crea un avatar della figura persecutoria e, con la presenza costante del terapeuta, il paziente viene ingaggiato in un dialogo con la voce. I risultati, pur ottenuti con pazienti accuratamente selezionati, sono stati descritti come promettenti.

5.7 Journaling AI e sistemi predittivi

Strumenti come MyMindscape utilizzano l’IA per guidare la scrittura diaristica, suggerendo domande e avviando processi di ristrutturazione cognitiva nella scrittura personale e riflessiva. I sistemi predittivi per la diagnosi precoce invece, vengono allenati su grandi dataset clinici (note cliniche, test psicologici). Possono prevedere rischio di esordio di disturbi mentali o andamento del trattamento e sono particolarmente sviluppati nei Paesi nordeuropei perché questi dispongono di registri sanitari longitudinali, raccolgono grandi quantità di dati per anticipare l’insorgenza di disturbi mentali.

5.8 L’analisi vocale

Un’area emergente riguarda l’impiego dell’analisi vocale come indicatore di stato psicopatologico. La voce con il tono, il ritmo e le pause, presenta il vantaggio di essere un biomarcatore economicamente poco costoso, rapidamente accessibile e intuitivo per i pazienti. Nell’ambito del disturbo bipolare, questa tecnologia risulta particolarmente promettente: molti pazienti riferiscono che le modificazioni della voce sono tra i primi segnali percepiti, sia soggettivamente sia dai familiari (Firth et al., 2018).

6. Applicazioni per area diagnostica

6.1 Disturbi depressivi

Le tecnologie descritte vengono impiegate sia nella realizzazione di dispositivi indossabili, che per la messa a punto di modelli di apprendimento allenati su cartelle cliniche informatizzate e di chatbot come Woebot ed Earkick. Gli studi di efficacia, tuttavia (Fulmer et al., 2018), presentano limiti significativi nella costruzione dei campioni, nella durata della sperimentazione e soprattutto nel controllo del follow-up. Un follow-up di uno o cinque mesi, per quanto comune in questi studi, non fornisce informazioni significative sul cambiamento terapeutico reale.

6.2 Disturbi d’ansia

I chatbot basati su IA mostrano una riduzione significativa dei punteggi alle scale GAD-7 e PHQ-9 in pazienti con ansia lieve-moderata dopo circa quattro-sei settimane di utilizzo (Fitzpatrick et al., 2017; Zhang et al., 2025). Risultano più efficaci se integrati nel percorso terapeutico come supporto tra le sedute, per la psicoeducazione o la gestione dell’ansia anticipatoria, ma non come sostituti del contatto umano. I dispositivi indossabili presentano una sensibilità superiore all’80% per il rilevamento degli stati di ansia acuta (Firth et al., 2018).

6.3 Schizofrenie e psicosi

Il monitoraggio digitale attraverso smartphone e sensori indossabili consente la rilevazione in tempo reale di sintomi psicotici, facilitando interventi tempestivi (Jafari et al., 2024; Verma et al., 2023). I modelli predittivi, come le macchine a vettori di supporto e modelli di apprendimento come le foreste casuali, analizzano variabili cliniche, cognitive e biologiche per identificare sottogruppi di malattia e ottimizzare le strategie terapeutiche (Tay et al., 2024). L’analisi del linguaggio e delle immagini sui social media avviene invece attraverso algoritmi di IA che identificano segnali precoci (parole, toni cromatici) nei testi e nelle immagini condivise sui social (Birnbaum et al., 2020).

7. Il “terzo artificiale” e i position paper

Accanto agli studi empirici, in letteratura iniziano a comparire position paper che discutono le promesse e i pericoli dell’IA nella psicoterapia. Un tema emergente è quello del “terzo artificiale”: oltre alla tradizionale diade terapeuta-paziente, l’intelligenza artificiale diviene un elemento ulteriore che riformula il campo terapeutico. Si considera anche come la presenza di questo strumento possa supportare la diagnosi, ampliare l’accesso alle cure psicologiche, offrire supporto continuo e personalizzato, aiutare i terapeuti con strumenti di analisi e monitoraggio. Un gruppo di psicoanalisti israeliani (Haber et al., 2024) ha tentato di leggere questo fenomeno attraverso categorie psicoanalitiche, un’operazione che, per quanto intellettualmente stimolante, rischia di forzare concetti clinici in direzioni non necessarie.
Un dato più concreto proviene dalla pratica clinica: durante i lavori di gruppo delle Giornate Estive, una collega ha condiviso l’esperienza di aver trovato l’IA già presente nella stanza di terapia, portata dal paziente come interlocutore impiegato tra una seduta e l’altra. L’intelligenza artificiale come terzo in campo è dunque già una realtà clinica, non soltanto un tema di discussione accademica: nel caso riferito, la paziente aveva utilizzato lo strumento per interpretare un sogno, e la terapeuta aveva poi proposto di riportarne il contenuto all’interno dello spazio terapeutico, rielaborandolo insieme.

8. Questioni etiche e linee guida

Gli aspetti etici riguardano la privacy (Murphy et al., 2021), il consenso informato (Saeidnia et al., 2024), i problemi di bias legati all’addestramento degli algoritmi (con l’assenza di alcune minoranze etniche dai dataset (Thakkar et al., 2024), l’ingerenza di grandi aziende portatrici di interessi commerciali e la responsabilità della supervisione umana di questi strumenti (Rahsepar Meadi et al., 2025). Nel 2024 Microsoft ha convocato il direttivo dell’American Psychological Association chiedendo esplicitamente collaborazione per collezionare e condividere i fallimenti dell’IA, sviluppare linee guida e checklist per la creazione dei chatbot e costruire cornici di valutazione sugli effetti a lungo termine di questi strumenti.
Sul piano delle linee guida professionali, il Canada si è distinto per lo sviluppo di una checklist etica per l’uso dell’IA nella prevenzione del suicidio (Mörch et al., 2019). L’American Psychoanalytic Association (2025), l’American Psychiatric Association (2023) e l’American Psychological Association (2023) hanno tutte prodotto pubblicazioni e raccomandazioni sull’implementazione dell’IA nelle pratiche professionali.

9. Tutti gli studi convergono: integrazione, non sostituzione

La letteratura esaminata converge con fermezza sull’insostituibilità del professionista umano: la necessità di un invio specifico a uno specialista non esclude l’utilità degli strumenti di IA come integrazione — per saturare i lunghi tempi di attesa, per accompagnare l’intervallo che intercorre tra il primo colloquio e la presa in carico effettiva, per offrire un supporto nei momenti in cui il terapeuta non è disponibile.

10. Un’esperienza di collaborazione: clinici e ingegneri

Questo contributo si chiude con un’esperienza personale: entro un progetto europeo per l’innovazione e la prevenzione dei disturbi perinatali, l’autrice e le colleghe cliniche si sono trovate, tra le altre cose, a collaborare con ingegneri informatici per lo sviluppo di un’applicazione di monitoraggio dei sintomi. Il punto di partenza è stato il dato dell’incidenza dei disturbi in questa fase di vita: la severità dei sintomi può essere tale da determinare, tra le prime cause di mortalità materna nel primo anno di vita del neonato, il suicidio.
La riunione con gli ingegneri, inizialmente immaginata come complessa e breve, si è poi trasformata in un lungo e fertile incontro, tra i più significativi del progetto. L’utilità, la semplicità di interfacciarsi con gli ingegneri, la curiosità mostrata e la valorizzazione dell’esperienza clinica ha superato di gran lunga quella di alcuni colleghi universitari, impegnati sul tema dalla prospettiva della ricerca e ha prodotto una inattesa e immediata comprensione delle ricadute etiche di alcune operazioni di valutazione dei fattori di rischio.
Questa esperienza suggerisce che il dialogo interdisciplinare tra clinici e tecnologi non solo è possibile, ma può essere straordinariamente fecondo — a patto che la clinica non si ritragga dal confronto con la ricerca e che la ricerca non rinunci ad ascoltare la complessità dell’esperienza clinica.

Nota

Il presente articolo è stato elaborato a partire dalla trascrizione della relazione tenuta dall’autrice il 15 giugno 2025 in occasione delle IV Giornate Estive del Laboratorio di Gruppoanalisi (Città della Pieve), integrata con i contenuti delle slide presentate. Il testo è stato adattato alla forma scritta preservando fedelmente i contenuti.

Bibliografia

Abd-Alrazaq, A., AlSaad, R., Shuweihdi, F., Ahmed, A., Aziz, S., & Sheikh, J. (2023). Systematic review and meta-analysis of performance of wearable artificial intelligence in detecting and predicting depression. npj Digital Medicine, 6, 84. https://doi.org/10.1038/s41746-023-00828-5
American Psychiatric Association (2023.) The Basics of Augmented Intelligence: Some Factors Psychiatrists Need to Know Now. https://www.psychiatry.org/news-room/apa-blogs/the-basics-of-augmented-intelligence
American Psychoanalytic Association (2025). The CAI report: Insights and Commentary at the Intersection of Psychoanalysis and AI. https://apsa.org/thecaireport/
American Psychological Association. (2023). Artificial intelligence and the Field of Psychology. https://www.apa.org/about/policy/statement-artificial-intelligence.pdf
Birnbaum, M. L., Norel, R., Van Meter, A., Ali, A. F., Arenare, A., Eyigoz, E., Agurto, C., Germano, N., Kane, J. M., & Cecchi, G. A. (2020). Identifying signals associated with psychiatric illness utilizing language and images posted to Facebook. npj Schizophrenia, 6, 38. https://doi.org/10.1038/s41537-020-00125-0
Colby, K. M., Weber, S., & Hilf, F. D. (1971). Artificial paranoia. Artificial Intelligence, 2(1), 1–25. https://doi.org/10.1016/0004-3702(71)90002-6
Firth, J., Torous, J., Carney, R., Newby, J., Cosco, T. D., Christensen, H., & Sarris, J. (2018). Digital Technologies in the Treatment of Anxiety: Recent Innovations and Future Directions. Current Psychiatry Reports, 20(6), 44. https://doi.org/10.1007/s11920-018-0910-2
Fitzpatrick, K. K., Darcy, A., & Vierhile, M. (2017). Delivering Cognitive Behavior Therapy to Young Adults With Symptoms of Depression and Anxiety Using a Fully Automated Conversational Agent (Woebot): A Randomized Controlled Trial. JMIR Mental Health, 4(2), e19. https://doi.org/10.2196/mental.7785
Fulmer, R., Joerin, A., Gentile, B., Lakerink, L., & Rauws, M. (2018). Using Psychological Artificial Intelligence (Tess) to Relieve Symptoms of Depression and Anxiety: Randomized Controlled Trial. JMIR Mental Health, 5(4), e64. https://doi.org/10.2196/mental.9782
Haber, Y., Levkovich, I., Hadar-Shoval, D., & Elyoseph, Z. (2024). The Artificial Third: A Broad View of the Effects of Introducing Generative Artificial Intelligence on Psychotherapy. JMIR Mental Health, 11, e54781. https://doi.org/10.2196/54781
Hickey, B. A., Chalmers, T., Newton, P., Lin, C. T., Sibbritt, D., McLachlan, C. S., Clifton-Bligh, R., Morley, J., & Lal, S. (2021). Smart Devices and Wearable Technologies to Detect and Monitor Mental Health Conditions and Stress: A Systematic Review. Sensors, 21(10), 3461. https://doi.org/10.3390/s21103461
Kavanagh, B. E., Corney, K. B., Beks, H., Williams, L. J., Quirk, S. E., & Versace, V. L. (2023). A scoping review of the barriers and facilitators to accessing and utilising mental health services across regional, rural, and remote Australia. BMC Health Services Research, 23(1), 1060. https://doi.org/10.1186/s12913-023- 10034-4
Leff, J., Williams, G., Huckvale, M., Arbuthnot, M., & Leff, A. P. (2014). Avatar therapy for persecutory auditory hallucinations: What is it and how does it work?. Psychosis, 6(2), 166–176. https://doi.org/10.1080/17522439.2013.773457
Levi, P. (2022). Storie naturali. Einaudi.
Mörch, C. M., Gupta, A., & Mishara, B. L. (2020). Canada protocol: An ethical checklist for the use of artificial Intelligence in suicide prevention and mental health. Artificial Intelligence in Medicine, 108, 101934. https://doi.org/10.1016/j.artmed.2020.101934
Murphy, K., Di Ruggiero, E., Upshur, R., Willison, D. J., Malhotra, N., Cai, J. C., Malhotra, N., Lui, V., & Gibson, J. (2021). Artificial intelligence for good health: a scoping review of the ethics literature. BMC Medical Ethics, 22(1), 14. https://doi.org/10.1186/s12910-021-00577-8
Rahsepar Meadi, M., Sillekens, T., Metselaar, S., van Balkom, A., Bernstein, J., & Batelaan, N. (2025). Exploring the Ethical Challenges of Conversational AI in Mental Health Care: Scoping Review. JMIR Mental Health, 12, e60432. https://doi.org/10.2196/60432
Sakaluk, J. K., Williams, A. J., Kilshaw, R. E., & Rhyner, K. T. (2019). Evaluating the evidential value of empirically supported psychological treatments (ESTs): A meta-scientific review. Journal of Abnormal Psychology, 128(6), 500–509. https://doi.org/10.1037/abn0000421​ Saeidnia, H. R., Hashemi Fotami, S. G., Lund, B., & Ghiasi, N. (2024). Ethical Considerations in Artificial Intelligence Interventions for Mental Health and Well-Being: Ensuring Responsible Implementation and Impact. Social Sciences, 13(7), 381. https://doi.org/10.3390/socsci13070381
Thakkar, A., Gupta, A., De Sousa, A. (2024). Artificial intelligence in positive mental health: A narrative review. Frontiers in Digital Health, 6,1280235. https://doi.org/10.3389/fdgth.2024.1280235
Tay, J. L., Htun, K. K., & Sim, K. (2024). Prediction of Clinical Outcomes in Psychotic Disorders Using Artificial Intelligence Methods: A Scoping Review. Brain Sciences, 14(9), 878. https://doi.org/10.3390/brainsci14090878
Valmaggia, L. R., Day, F., & Rus-Calafell, M. (2016). Using virtual reality to investigate psychological processes and mechanisms associated with the onset and maintenance of psychosis: a systematic review. Social Psychiatry and Psychiatric Epidemiology, 51(7), 921–936. https://doi.org/10.1007/s00127-016-1245-0
Verma, S., Goel, T., Tanveer, M., Ding, W., Sharma, R., & Murugan, R. (2023). Machine learning techniques for the Schizophrenia diagnosis: A comprehensive review and future research directions. Journal of Ambient Intelligence and Humanized Computing, 14(5), 4795-4807. https://doi.org/10.1007/s12652-023-04536-6
Weizenbaum, J. (1966). ELIZA: A Computer Program for the Study of Natural Language Communication Between Man and Machine. Communications of the ACM, 9(1), 36–45. https://doi.org/10.1145/365153.365168 
Zhong, W., Luo, J., & Zhang, H. (2024). The therapeutic effectiveness of artificial intelligence-based chatbots in alleviation of depressive and anxiety symptoms in short-course treatments: A systematic review and meta-analysis. Journal of affective disorders, 356, 459–469. https://doi.org/10.1016/j.jad.2024.04.057