Skip to content
Standard editorialiPubblicità
MeridiansGiornalismo indipendente, recensioni e consigli d'acquisto
LIVE
AI/Explainer

Perché i chatbot di IA «allucinano», e come aggirare il problema

Un modello linguistico prevede testo plausibile, non fatti verificati. È questa singola scelta progettuale a spiegare la maggior parte degli errori esposti con tono sicuro.

Redazione Tecnologia di Meridians

Published 2 luglio 2026 · Updated 2 luglio 2026 · 6 min read

Perché i chatbot di IA «allucinano», e come aggirare il problemaAI

The short answer

  • I grandi modelli linguistici generano le parole successive statisticamente più probabili, il che non equivale a recuperare affermazioni vere.
  • Citazioni fabbricate, cifre inventate e risposte sbagliate ma sicure di sé sono il risultato prevedibile, non anomalie rare.
  • Ancorare il modello a una fonte specifica e chiedergli di citare da quel testo riduce il problema, ma non lo elimina.
  • Consideri non verificata ogni affermazione di fatto, ogni nome, cifra o citazione prodotti da un chatbot, finché non li ha riscontrati su una fonte primaria.

La parola allucinazione fa sembrare questo comportamento un malfunzionamento. È vero quasi il contrario: si tratta di un sistema che fa esattamente ciò per cui è stato costruito, in una situazione in cui quel comportamento non aiuta.

Previsione, non memoria

Un modello linguistico è addestrato a proseguire un testo con le parole più plausibili, alla luce di tutto ciò che le precede. Non dispone di un archivio separato di fatti verificati da consultare, né di una capacità intrinseca di stabilire se una frase scorrevole sia vera. Quando non ha l'informazione non si ferma: produce la continuazione dal suono più probabile, che può essere del tutto inventata.

Perché suona così convincente

Lo stesso meccanismo che rende scorrevole la scrittura rende scorrevoli anche gli errori. Una statistica fabbricata o una citazione inesistente arrivano con lo stesso tono sicuro di una corretta, perché il modello ottimizza la plausibilità, non l'accuratezza.

Come ridurre il problema, in pratica

  1. Fornisca al modello il materiale di partenza e gli chieda di rispondere soltanto sulla base di quel testo, citando il passaggio pertinente.
  2. Gli chieda di dichiarare esplicitamente quando non è sicuro, anziché tirare a indovinare.
  3. Verifichi ogni nome, cifra, data e citazione su una fonte primaria prima di farvi affidamento.
  4. Lo usi di preferenza per redigere, strutturare e spiegare, più che per recuperare fatti specifici.

Sources

Every factual claim above is traceable to these documents. Check them — that is why they are here.

About this byline

Redazione Tecnologia di Meridians is an editorial desk at Meridians, not an individual. A desk byline means the article was produced and fact-checked to that desk's published standards. Read our editorial standards and corrections policy.

Sponsorizzato

Paid placement · not editorial

Related reading

The Meridians Brief

One considered email a week

What changed, what it costs you, and what to do about it — from the Meridians desks. No sponsored picks disguised as recommendations.

Sign-up opens with our launch issue. Nothing is sent or stored yet.