Come usare l'IA per il coinvolgimento pubblico

Come usare l’IA per la ricerca e l’analisi dei dati è ormai un tema discusso a sufficienza, e la questione della scrittura con l’IA resta controversa ma ha almeno un vivace dibattito ancora aperto. Usare l’IA per raggiungere il pubblico o per assistere il vostro flusso di lavoro come divulgatori, invece, è un territorio quasi inesplorato. Dopo un anno di esperimenti con questi usi, la mia sensazione è che il limite sia l’immaginazione, non le capacità degli strumenti. A maggio ho tenuto un intervento sulla mia esperienza per Machine Collaborators, una serie di seminari su come i ricercatori lavorano con l’IA. Quello che segue è la versione scritta: un post più pratico di quelli che pubblico di solito qui, e pensato apposta per essere utile anche a chi non vuole affidare alla macchina nemmeno una riga della propria preziosa scrittura.

Iscriviti ora

Ho passato la primavera a sostenere in tre distinti post che gli accademici devono svegliarsi sull’IA, ho cambiato idea sui rilevatori quando si è scoperto che Pangram funziona, e poi ho rilanciato sull’idea che la scrittura con l’IA possa essere legittima in molti contesti. Come ho raccontato a The Chronicle of Higher Education, c’era chi chiedeva il mio licenziamento per quei pensieri blasfemi, mentre altri continuavano a scrivermi in privato per chiedermi del mio setup (a volte le stesse identiche persone). Ma anche i critici più duri con cui mi sono confrontato, almeno fuori da Bluesky, di solito ammettono che l’IA ha fatto bene al fare ricerca — solo non ancora allo scriverne. Quindi voglio mettere da parte la questione della scrittura e partire da una premessa più conciliante.

Mettiamo che abbiate fatto la vostra ricerca, l’abbiate scritta e l’abbiate pubblicata. Ora se ne sta in una rivista che leggono in pochi. Vi piacerebbe che più persone — soprattutto quelle influenti — leggessero del vostro lavoro e dei vostri risultati. Con una guida di stile su misura e una verifica seria, un agente IA può farsi carico di buona parte di quel lavoro di promozione, producendo sintesi accessibili, materiali di accompagnamento sui dati e dossier di preparazione alle interviste. Questo post è una panoramica di come cominciare.

I miei lettori accademici ricorderanno che ho esposto per esteso le ragioni del coinvolgimento pubblico della scienza, soprattutto rispetto all’“attivismo accademico”, in un post precedente. In breve, scrivere per un pubblico non accademico e per forza di cose eterogeneo mette alla prova le vostre idee e impedisce alla buona ricerca di restare invisibile. Ma non voglio far finta che l’attuale struttura di incentivi nel mondo accademico incoraggi questo tipo di impegno fuori dal proprio campo. A meno che non lavoriate in una scuola di politiche pubbliche, il coinvolgimento pubblico conta di solito poco nelle valutazioni per la promozione. Rinunciarvi è stato finora un uso difendibile del vostro tempo limitato, soprattutto se non vi diverte. Almeno, era vero finché non sono arrivati gli agenti IA.

Scrivere un pezzo divulgativo basato su una ricerca che avevo già fatto mi richiedeva circa una settimana. Con un po’ di assistenza agentica, ora mi porta via meno di un giorno senza sacrificare nulla in qualità. L’asticella del “vale la pena farlo” si abbassa di conseguenza, e tutta una serie di progetti che prima non avevano alcun senso — come un sito tradotto o un tracker automatico delle idee — all’improvviso ce l’hanno. Anche qui, i limiti dipendono soprattutto dalla vostra creatività.

Il setup di base che serve adesso (terzo trimestre 2026)

Uno dei motivi per cui ho tardato a pubblicare proprio questo pezzo è che qualsiasi consiglio concreto sull’IA ha vita breve, vista la velocità con cui questi strumenti evolvono. L’unico consiglio duraturo che ho imparato è che potete semplicemente parlare al vostro agente IA e chiedergli di fare le cose per voi come le chiedereste al vostro assistente (di ricerca) umano. Di conseguenza, sono arrivato a credere nel principio generale che, se è etico affidare qualcosa al vostro assistente umano, dovrebbe essere altrettanto etico affidarlo al vostro assistente IA. Con la vostra verifica, questo dovrebbe valere che si tratti di preparare scalette, riassumere fonti, raccogliere dati o persino scrivere risposte standard alle richieste amministrative via email. L’analogia con l’assistente, però, è solo un punto di partenza.¹ Gli agenti di oggi sono anche programmatori competenti e designer discreti, quindi una volta coperti i compiti di routine lo stesso setup può occuparsi di progetti molto più ambiziosi, come i siti interattivi di accompagnamento alla ricerca che descrivo alla fine di questo post.

Persone ragionevoli continuano a non essere d’accordo su quanta scrittura vera si possa affidare all’IA, ma aiuta a fare chiarezza pensarla come un continuum e non come un aut aut. Ecco un buon esempio di Archie Hall, che parte dalle mie obiezioni a Pangram di qualche tempo fa.² Io e Archie non siamo del tutto d’accordo su dove tracciare la linea (il suo giallo/arancione è il mio verde), ma anche per chi tra voi è ancora più prudente di Archie ci sono un sacco di cose entusiasmanti da fare per migliorare il coinvolgimento pubblico della propria ricerca.

Ecco alcune cose concrete che tutti gli scienziati sociali quantitativi potrebbero trovare utili. Sono cose molto elementari, ma ho visto persone ancora confuse sulla differenza tra Codex e ChatGPT, quindi conviene essere espliciti:

• Pagate per almeno un modello premium. Gli strumenti agentici seri (io uso Claude Code e OpenAI Codex) richiedono abbonamenti da circa 100-200 dollari al mese, e i piani gratuiti vi daranno un’idea sbagliata di ciò che è possibile.³

• Usate un sistema agentico, non un chatbot. Cioè: non usate Claude o ChatGPT nel browser, nemmeno quando avete una cartella di progetto. Vi serve uno “strumento agentico” che abbia accesso al vostro computer per lavorare direttamente nei vostri file finché il compito non è finito, apportando modifiche nel mondo reale, come aggiornare il vostro sito.

• Aprite un account GitHub se non ne avete uno. Gli agenti danno il meglio nelle cartelle con uno storico delle versioni, e vorrete poter tornare indietro. Qui c’è una buona guida per principianti.

• Parlate con il vostro agente quando non capite qualcosa, preferibilmente dettando. Alle domande di configurazione che una volta richiedevano un amico programmatore ora risponde lo strumento stesso, con pazienza e nel dettaglio.

• Tenete e aggiornate periodicamente un file di istruzioni comune come CLAUDE.md o AGENTS.md. Ogni correzione che fate due volte va scritta lì una volta sola, così l’agente smette di ripetere l’errore.

• Verificate sempre l’output, soprattutto quello destinato al pubblico, sia con l’IA (sì) sia di persona. Su questo torno più avanti.

Perché serve comunque un agente e perché un chatbot con una cartella di progetto non è la stessa cosa

Vale la pena spendere qualche parola in più, perché alcune delle persone che hanno letto in anteprima questo pezzo non erano ancora convinte di dover usare un agente. Parlano già ogni giorno con Claude o ChatGPT nel browser, tengono cartelle di progetto con i loro articoli caricati dentro, e chiedono, ragionevolmente, cos’altro possa servire a un ricercatore.

La differenza sta in ciò che succede quando il modello ha finito di ragionare. Tutto quello che fate dentro una finestra di chat è solo informazione: dovete comunque portare la risposta da qualche parte e agire voi. Le cose che fate con un agente diventano azioni concrete che incidono sul mondo reale attorno a voi: aggiornare e pubblicare il vostro sito, sistemare e caricare il vostro codice, mandare un invito via email.

Usare una cartella di progetto, per quanto utile, non basta. E non si tratta solo di dover copiare e incollare di meno dalla finestra del chatbot. Caricare i vostri articoli e i materiali rilevanti nella cartella di progetto cambia ciò che il chatbot sa; un agente cambia ciò che l’IA può concretamente fare con i file che condividete. Dato che l’agente ha accesso anche al vostro computer e al terminale, potete fare cose più sofisticate, come la skill di scrittura che descrivo più avanti, che vive in file che l’agente legge e aggiorna ogni volta che scrive. Lo stesso vale per il browser: un agente che ci lavora dentro, con i vostri accessi e i vostri permessi, arriva molto più lontano della navigazione integrata dell’IA. Il mio consiglio è, di nuovo, di provarlo su un compito concreto (per esempio preparare una traccia per un’intervista) e confrontare voi stessi il risultato con quello di un chatbot (per esempio Claude Fable 5 contro Claude Code Fable 5). Ma l’impresa di costruire e aggiornare il proprio sito, di cui parlo qui sotto, è il candidato perfetto per vedere la differenza con i vostri occhi.

Il passo zero è sempre costruire un sito personale con l’aiuto dell’IA

Tutto quello che segue presuppone che abbiate una casa sul web che controllate voi, il che, per la maggior parte degli accademici, significa un sito personale. Se come ricercatori non ne avete uno, procuratevelo il prima possibile: è la prima cosa che potete chiedere a un agente. Ho creato il mio sito a mano con Jekyll e il template AcademicPages circa sette anni fa. Ormai me lo tengo così, almeno per affetto, ma oggi ci sono più opzioni valide per partire da zero.

Il vostro sito può essere ospitato gratuitamente su GitHub Pages oppure su un dominio personale (per esempio su Squarespace), che costa circa 10 dollari l’anno. All’epoca, senza saper programmare, ci ho messo un’eternità a sistemare il sito come volevo, anche con l’aiuto di varie guide. Con l’IA agentica, tutta l’operazione può richiedere anche solo una serata. Da lì in poi, il sito di fatto si modifica da solo. Ogni piccolo miglioramento costa un pomeriggio. Potete descrivere una modifica in parole semplici, per esempio aggiungere i tag all’elenco delle pubblicazioni, e l’agente aggiunge quella funzione da solo. L’unica cosa che dovete fare, a parte le verifiche in locale per controllare che le novità funzionino davvero, è fare il commit e pubblicare le modifiche.

Tutte le altre aggiunte che vi vengono in mente, come le pubblicazioni in evidenza sulla home o una barra laterale con i prossimi eventi, sono possibili — il limite, come non mi stanco di ripetere qui, è solo la vostra creatività. Nessuna di queste avrebbe giustificato l’assunzione di uno sviluppatore web (soprattutto con i nostri miseri budget accademici), ma insieme rendono il sito molto più utile a un giornalista o a un collega in visita.

Ma la mia aggiunta post-agentica preferita è la traduzione automatica del sito: alexanderkustov.org ora esiste in inglese e in altre 11 lingue. Non è perfetta, e mi ci è voluto un po’ per mettere tutto a punto, valutando le traduzioni nelle lingue che parlo io, ma per la SEO funziona abbastanza bene. Se un giornalista in Germania, Messico o Giappone cerca su Google qualcosa sull’opinione pubblica in materia di immigrazione nella propria lingua, può imbattersi nella mia ricerca e contattarmi (cosa che è già successa diverse volte).

Non c’è stato nessun finanziamento né alcuna agenzia di traduzione umana — il sito l’ha tradotto il mio agente IA, e ora faccio girare un controllo automatico settimanale che confronta le pagine inglesi con le 11 traduzioni ed elenca tutto ciò che è andato fuori sincrono. Anche se all’inizio avessi assunto traduttori umani certificati per questo lavoro, non potrei permettermi di far loro aggiornare le traduzioni con regolarità (e non chiedo alle persone di lavorare gratis).⁴

Cosa fare con gli articoli e le idee che avete già

Una volta che i vostri articoli sono pubblicati online, l’agente IA può tenere traccia di cosa succede loro. Google Scholar lo conosciamo tutti — vi dice chi cita i vostri articoli accademici, ma non può dirvi chi mette un link ai vostri scritti divulgativi. Così mi sono costruito un sostituto fatto in casa: Google Alerts sul mio nome e sui titoli principali, uno strumento per i backlink (per esempio con Ubersuggest) e una scansione programmata che parte ogni domenica mattina e raccoglie nuove menzioni e nuovi backlink in un unico report che leggo davanti al caffè.

Un setup abbastanza simile, si scopre, aiuta anche a registrare le vostre idee di ricerca e tutto ciò che di rilevante viene scritto sulle varie piattaforme, in modo da svilupparle meglio. Ho un intero archivio di cose che mi vengono in mente sotto la doccia o parlando con i colleghi, con un tracker per ogni idea e una formula di punteggio che tiene conto del merito soggettivo, dell’impegno previsto e della tempestività. Quando mi blocco, l’agente mi dice cosa scrivere dopo e mi suggerisce cosa leggere sull’argomento tra i Substack recenti e le riviste accademiche che seguo. Non dovete farlo esattamente allo stesso modo, ma io personalmente uso Obsidian per organizzare e leggere tutte quelle note in markdown in un unico posto, sincronizzandolo con il mio agente quando serve.

Lo stesso archivio mi permette anche di testare le idee a basso costo prima di impegnarmici. Quando non so bene che taglio dare a un argomento, di solito lo provo prima come post sui social, e se funziona chiedo all’agente di scorrere le risposte e riassumere le obiezioni, che spesso diventano la sezione delle controargomentazioni del pezzo finale. Solo dopo mando una proposta a una testata, e a quel punto so già come regge l’argomento davanti a un pubblico in carne e ossa.

Creare la vostra guida di stile personale e una skill di scrittura

Una volta che avete il vostro sito con tutti i vostri articoli ad accesso libero salvati in PDF e raccolti ordinatamente in un unico posto, chiedete al vostro agente IA di convertirli in Markdown, di estrarre ogni figura e ogni tabella come file a sé e di pubblicare tutto sul sito accanto al PDF. Che ci crediate o no, il primo lettore del vostro articolo ora è spesso una macchina: volete che il vostro lavoro sia leggibile dall’IA, così che l’IA possa consigliarlo all’essere umano che ha lanciato la ricerca in questione.

Potete usare le stesse versioni pulite in .md (markdown) dei vostri articoli per creare la vostra “banca di scrittura”: una fonte autorevole su ciò che pensate, che l’agente può seguire e che torna molto utile quando volete abbozzare nuove slide o una sintesi divulgativa della vostra ricerca. In questa banca potete mettere tutto quello che avete mai scritto, salvato come file di testo semplice (.md) in un’unica cartella che l’agente può leggere: saggi, editoriali, articoli pubblicati, capitoli di libri, perfino trascrizioni di conferenze, con la vostra voce già dentro quel corpus.

Vi servirà anche una guida di stile tutta vostra, perché per impostazione predefinita i LLM scrivono in modo generico. La mia è nata come un unico file CLAUDE.md ed è cresciuta per accumulo. L’ho “addestrata” sui miei pezzi pubblicati, ho corretto le prime bozze che produceva e poi le ho fatto mettere per iscritto quelle correzioni sotto forma di regole. La scrittura dell’IA ha davvero schemi riconoscibili, e ormai la mia guida vieta i tic che tutti riconoscono, compresa la costruzione “Non è X, è Y” e i paragrafi artificialmente brevi. I divieti reggono perché queste regole stanno in un file che l’agente legge ogni volta.

Col tempo, quel singolo file è diventato quella che Claude chiama una skill: una piccola cartella di istruzioni che l’agente carica ogni volta che scrive nei miei panni; lo schema qui sotto mostra il setup completo. La banca di scrittura alimenta un profilo di voce (cosa dico e cosa non dico mai, fino al ritmo delle frasi), mentre la guida di stile contiene le regole. Prima che io veda una bozza, partono due controlli: una scansione meccanica che segnala le costruzioni vietate e una lettura a mente fresca da parte di un secondo agente, che vede solo il testo finale più il regolamento, perché l’agente che ha scritto una bozza è cieco ai propri tic. Le mie correzioni tornano poi nella guida come nuove regole: è questo il ciclo che fa migliorare tutto il sistema.

Lo stesso agente può anche fare da revisore, e questa è forse la parte più sottovalutata del setup. Prima che qualcosa esca, chiedo una critica della bozza da prospettive decisamente non mie: un restrizionista convinto che io sia ingenuo sui controlli, per dire, o un lettore comune che non ha mai sentito parlare di “opinione termostatica”. Potete fare i nomi di autori specifici di cui stimate il giudizio, oppure descrivere semplicemente degli orientamenti ideologici, e le note che tornano indietro, per quanto disomogenee, colgono immancabilmente l’obiezione a cui mi ero dimenticato di rispondere. Per la scrittura divulgativa, dove nessun referee report arriverà a salvarvi, questa lettura in contraddittorio è il sostituto più vicino che abbia trovato.

Con questi due pezzi al loro posto, da un singolo articolo finito potete chiedere qualsiasi cosa vi serva: un documento di preparazione a un’intervista, una proposta di editoriale, un post sui social, una presentazione, la scaletta di un articolo per Substack o perfino, se ve la sentite, la bozza di un vero e proprio policy brief. Per il mio intervento a Machine Collaborations ho fatto girare tutto questo su uno dei miei articoli purtroppo meno letti, uno studio del 2020 che mostra come nella maggior parte dei 30 paesi analizzati la maggioranza assoluta o relativa voglia sia meno immigrazione verso il proprio paese sia meno emigrazione da esso, e da quel giro sono usciti, tra le altre cose, tre tagli genuinamente diversi per un saggio futuro a cui non avevo pensato.

Oppure mettiamo che un giornalista vi contatti a proposito di un articolo che avete scritto anni fa per chiedervi che implicazioni abbia per l’attualità. Con un setup del genere potete produrre una buona bozza di ciò che potete plausibilmente dire, che sarà quasi certamente migliore e più accurata di quello che riuscireste a tirare fuori sul momento.

Che fare con lo slop e le allucinazioni

Ogni volta che descrivo questo flusso di lavoro ai colleghi, la prima preoccupazione che sento è che produrrà solo altro slop. Non fraintendetemi: parecchio testo generato dall’IA al primo colpo se lo merita (esattamente come molta scrittura umana). Ma tutto ciò che c’è nel setup descritto qui parte dal presupposto che abbiate già una ricerca legittima passata dalla peer review e scritti divulgativi rivisti da un editor. L’agente serve soltanto a riconfezionare o a contestualizzare sotto una nuova luce affermazioni che sono vostre, per la vostra pessima prima bozza umana. Esattamente come quando ci si affida ad assistenti umani troppo entusiasti, la responsabilità di ciò che esce con il vostro nome resta vostra. Che il risultato sembri slop oppure no dipende dalla verifica, dall’editing e da tutto il lavoro in più che fate prima di premere pubblica.

Quella verifica non è facoltativa, perché i modelli continuano a inventare, e in molti ormai sostengono che l’allucinazione sia il collo di bottiglia principale nella ricerca assistita dall’IA. L’ho imparato a mie spese. Una volta il mio flusso di lavoro ha ribattezzato il mio coautore, James Dennison, come “Mick Dennison”: un nome di battesimo inventato di sana pianta, anche se quello giusto stava proprio nei file da cui stava lavorando. In altre occasioni ha attribuito un account parodia (@GovAmyKlobuchar) alla senatrice vera e mi ha passato un URL di LinkedIn indovinato dallo schema del mio nome.

Quindi cosa faccio in concreto? Faccio ricontrollare al modello tre volte ogni nome, data, riferimento e link; gli faccio incollare il risultato della verifica, così vedo cosa ha effettivamente recuperato; e poi verifico di persona le cose che contano. Anche se può sembrare eccessivo, chiedo abitualmente a Codex di verificare quello che ha fatto Claude Code, e viceversa.

Sul fronte delle allucinazioni, per quanto riguarda i riferimenti e le loro attribuzioni, Steven Denney ha scritto la migliore trattazione pratica che io conosca. La soluzione di Denney è quella che costruireste per un assistente di ricerca umano veloce ma sciatto. Istruzioni riutilizzabili controllano ogni citazione su Crossref e sul DOI, e una cartella di progetto tiene i PDF originali accanto alle versioni leggibili dalla macchina, così le affermazioni vengono verificate su tutte le fonti originali disponibili con un margine di errore minimo.

Devo ammettere che, anche con tutti questi controlli e con i modelli più recenti (uso Fable 5 e GPT 5.6), il sistema non è perfetto. Il mio agente Claude, per esempio, sembra amare talmente la regola del tre che continua ad aggiungere triadi alle mie bozze anche se la mia guida di stile le vieta esplicitamente, e ha continuato a farlo proprio in questo pezzo dopo che gli avevo chiesto di smettere, una volta dopo l’altra.

Cosa riserva il futuro al coinvolgimento pubblico della scienza?

Se tutto questo vi fa venire voglia di provare, potete cominciare prendendo uno dei vostri articoli finiti e chiedendo a un agente di creare un artefatto, per esempio la preparazione a un’intervista, nel vostro stile. Ritoccate il risultato finché non suona come voi e salvate le istruzioni che vi hanno portato lì, così il prossimo verrà meglio e più in fretta.

Noterete anche che di proposito non ho incluso qui la mia skill di scrittura vera e propria. Il motivo è che codifica la mia voce, e voi, cari lettori, dovreste sviluppare la vostra. Il modo più semplice per farlo è indicare al vostro agente proprio questo post e chiedergli di realizzare il setup che descrivo, con tutte le varianti che si adattano a quello che state cercando di fare.

Quello che sto descrivendo sarà presto il pavimento, non il soffitto, delle capacità agentiche. Per esempio, il politologo Andy Hall di Stanford ha annunciato questa settimana che intende pubblicare buona parte della sua ricerca originale direttamente su Substack. Questa pubblicazione rapida gli permetterà di discutere e promuovere le sue ricerche più recenti non solo con altri accademici ma anche con decisori politici e giornalisti, saltando i commenti “spesso arbitrari” dei revisori delle riviste. Non nasconde i costi di rinunciare alla peer review, ed è chiaro che questa opzione è più facile per chi è di ruolo e per chi ha una posizione sicura. Per i lavori legati all’attualità, però, il calcolo pende sempre di più a favore della velocità, e vedo già più ricercatori — me compreso — fare la stessa scelta.

La frontiera che oggi trovo più entusiasmante è l’interattività. Fino a poco tempo fa, una funzione interattiva sui dati era qualcosa che poteva permettersi di costruire solo una redazione con le risorse di The New York Times, mentre le riviste accademiche restano troppo arretrate per qualsiasi cosa vada oltre un PNG statico. Con un agente, oggi qualsiasi ricercatore può pubblicare un sito interattivo di accompagnamento a un articolo pubblicato. Modelslant.com, il sito di accompagnamento online che Sean Westwood, Justin Grimmer e Andy Hall hanno costruito per il loro working paper sull’orientamento politico percepito dei modelli di IA, permette ai lettori di esplorare da soli le classifiche, e il laboratorio di Hall gestisce ormai un intero scaffale di prototipi simili. Niente di tutto questo, però, richiede più per forza le risorse di un laboratorio di Stanford, e proprio il vostro articolo poco letto è il candidato ideale per un sito di accompagnamento del genere.

La chiusa del mio primo post sull’IA vale ancora: chiudetevi in una stanza con Claude Code e un compito noioso di divulgazione o di ricerca che non avete mai avuto tempo di fare, e vedete cosa succede. Gli strumenti specifici di questa guida sembreranno probabilmente datati nel giro di un anno, ma il cambiamento di fondo non se ne andrà da nessuna parte. Il costo marginale della scrittura divulgativa seria è crollato, e i ricercatori che oggi restano in silenzio cedono la conversazione a chi scrive con informazioni peggiori. L’IA o la scrittura assistita dall’IA possono ancora non piacervi, ma se avete qualcosa che vale la pena dire, restare in silenzio senza usare i migliori strumenti disponibili è una scelta attiva che state facendo.

Condividi

Un enorme grazie a Mike Riggs, Jannik Reigl, Jeff Fong e, naturalmente, a Claude e Codex per i loro utili suggerimenti sulla bozza.