Dagli elettrodomestici ai software gestionali, dalle applicazioni per il benessere alle piattaforme per il recruiting, oggi quasi ogni prodotto sembra essere diventato “intelligente”. Uno spazzolino che adatta la pulizia, un frigorifero che promette di conoscere le nostre abitudini, un’applicazione che crea un allenamento “intelligente”. L’intelligenza artificiale è ormai entrata nelle confezioni, nelle pagine commerciali e perfino nei nomi dei prodotti. Ma quanto c’è realmente intelligente dietro queste promesse?In alcuni casi troviamo modelli capaci di analizzare dati, riconoscere schemi e adattare i risultati. In altri, dietro l’etichetta “AI-powered” può esserci una normale automazione, un insieme di regole predefinite, un calcolo statistico oppure una funzione secondaria collegata a un servizio sviluppato da un’altra azienda.Indice degli argomenti
Quanto conta davvero l’AI nel funzionamento dei prodottiChe cos’è l’AI washingDove finisce l’automazione e dove inizia l’AILe forme dell’AI washingPerché alle aziende conviene sembrare AIIl costo dell’ambiguitàDalla pubblicità alla trasparenzaUn’etichetta nutrizionale per i prodotti AICome riconoscere l’AI washingIl valore conta più dell’etichettaQuanto conta davvero l’AI nel funzionamento dei prodottiLa questione non è stabilire se un prodotto contenga abbastanza intelligenza artificiale da superare una soglia immaginaria. La domanda più utile è un’altra: quanto è importante l’AI nel suo funzionamento e quanto, invece, nella sua comunicazione?È in questa distanza che prende forma l’AI washing, cioè l’uso esagerato, ambiguo o non dimostrato del riferimento all’intelligenza artificiale per rendere più “innovativi” un prodotto, un servizio o un’azienda.Che cos’è l’AI washingIl termine richiama il greenwashing. Nel primo caso viene amplificata la sostenibilità ambientale, nel secondo l’intelligenza, l’autonomia o la capacità innovativa di una tecnologia. In entrambi i fenomeni il messaggio costruisce una percezione più forte di quanto le caratteristiche effettive riescano a sostenere.L’AI washing non consiste soltanto nell’affermare di utilizzare una tecnologia inesistente. Può assumere forme molto più sottili: una funzione marginale viene presentata come il cuore dell’intero prodotto; un sistema ancora sperimentale viene comunicato come pienamente operativo; l’integrazione di un modello esterno lascia intendere lo sviluppo di una tecnologia proprietaria; percentuali di accuratezza vengono diffuse senza spiegare dati, condizioni e criteri di valutazione.Proprio questa ambiguità rende il fenomeno difficile da riconoscere. Le affermazioni non sono sempre completamente false: spesso sono formulate in modo abbastanza generico da risultare tecnicamente difendibili e, nello stesso tempo, commercialmente molto suggestive.Dove finisce l’automazione e dove inizia l’AIUna delle ragioni per cui l’AI washing prospera è l’assenza, nella comunicazione commerciale, di un confine chiaro e condiviso. Sotto la stessa etichetta convivono sistemi a regole, modelli statistici, algoritmi di classificazione, machine learning, riconoscimento di immagini, sistemi predittivi e modelli generativi.Un software che invia automaticamente un messaggio quando si verifica una determinata condizione non funziona come un modello che analizza dati storici per stimare una probabilità. E nessuno dei due opera come un sistema generativo capace di produrre un testo in risposta a una richiesta. Tuttavia, tutti e tre possono essere descritti come “intelligenti”.Questo non significa che le automazioni basate su regole siano inutili o necessariamente estranee alla storia dell’intelligenza artificiale. Al contrario, una regola ben progettata può essere più affidabile, economica e comprensibile di un modello complesso.Il problema nasce quando il linguaggio induce l’utente a credere che il sistema impari quando non impara, comprenda quando rileva soltanto correlazioni, personalizzi quando divide le persone in categorie o decida autonomamente quando esegue una sequenza già stabilita.La parola “AI” diventa allora meno una descrizione tecnica e più un segnale di modernità. Come è accaduto in passato con termini quali “smart”, “digitale” o “4.0”, l’etichetta finisce per suggerire un valore che il consumatore non è sempre in grado di verificare.Le forme dell’AI washingLa forma più semplice consiste nel ribattezzare come intelligenza artificiale una normale automazione. Un chatbot che riconosce alcune parole chiave e propone risposte predefinite può essere presentato come un assistente capace di comprendere le esigenze del cliente. Un sistema che ordina candidati in base alla presenza di termini nel curriculum può essere descritto come uno strumento capace di individuare il talento migliore.Una seconda forma riguarda la centralità della tecnologia. Un software già esistente aggiunge una funzione di riassunto o generazione testuale, ma l’intera piattaforma viene riposizionata come prodotto AI. La funzione può essere reale e utile; ciò che risulta discutibile è la sproporzione tra il suo peso nell’esperienza e quello assunto nella pubblicità.C’è poi il caso dei prodotti costruiti attraverso API e modelli sviluppati da fornitori esterni. Utilizzare una tecnologia di terzi non significa non creare valore. L’integrazione con dati aziendali, la progettazione dell’interfaccia, i controlli, la sicurezza e l’inserimento nei processi possono rappresentare un lavoro complesso. La comunicazione diventa però ambigua quando un semplice accesso a un modello viene raccontato come se l’impresa avesse sviluppato una propria intelligenza artificiale.Un’ulteriore forma è l’automazione di facciata: il servizio appare autonomo, ma una parte rilevante del lavoro viene eseguita, controllata o corretta da persone. Anche in questo caso la presenza umana non è un difetto. Può essere necessaria per garantire qualità e sicurezza. Il problema è occultarla mentre si vende l’idea di un sistema completamente indipendente.Infine, c’è l’AI washing delle prestazioni. Espressioni come “più accurato”, “riduce gli errori” o “comprende ogni contenuto” hanno scarso valore se non indicano la base di confronto.Nel 2025 la Federal Trade Commission statunitense è intervenuta contro Workado per le dichiarazioni sull’accuratezza del suo rilevatore di contenuti AI. Secondo l’autorità, il prodotto era stato promosso anche con un’accuratezza del 98%, mentre i risultati su contenuti generalisti sarebbero stati molto inferiori. Il punto del caso non è soltanto la percentuale, ma l’uso di una metrica priva del contesto necessario a interpretarla.Perché alle aziende conviene sembrare AILa diffusione dell’AI washing non dipende soltanto dalla volontà di ingannare. Esistono incentivi economici e competitivi molto forti. Quando tutti i concorrenti dichiarano di utilizzare l’intelligenza artificiale, non farlo può far apparire un prodotto superato, anche quando risolve meglio il problema con tecnologie più semplici.L’etichetta AI aiuta inoltre ad attirare l’attenzione di investitori, media e partner. Nel marzo 2024 la Securities and Exchange Commission statunitense ha accusato due società di consulenza finanziaria di aver diffuso dichiarazioni false o fuorvianti sul proprio uso dell’intelligenza artificiale. Le società hanno accettato di pagare complessivamente 400 mila dollari per chiudere il procedimento.La SEC ha usato esplicitamente l’espressione “AI washing”, segnalando che le affermazioni tecnologiche possono diventare informazioni rilevanti anche per chi investe.L’AI permette anche di giustificare nuovi piani premium, aumenti di prezzo o il rilancio di prodotti già presenti sul mercato.In Italia, nel giugno 2026, l’Autorità garante della concorrenza e del mercato ha avviato un’istruttoria nei confronti di Microsoft sulle informazioni relative all’aumento del prezzo di Microsoft 365 e all’integrazione di Copilot e Designer.L’Autorità ha precisato che si tratta di un’ipotesi ancora oggetto di istruttoria. Il tema contestato riguarda il modo frammentato con cui sarebbero state presentate le informazioni e la mancata adeguata evidenza dell’integrazione dei servizi AI. Il caso mostra quanto sia importante rendere comprensibile il rapporto tra nuova funzionalità, modifica dell’offerta e costo per il consumatore.La domanda da rivolgere alle aziende non dovrebbe quindi essere soltanto “state usando l’AI?”, ma “perché avete deciso di usarla?”. È stata introdotta perché migliora il prodotto o perché migliora il modo in cui può essere venduto?Il costo dell’ambiguitàConsiderare l’AI washing un semplice eccesso di linguaggio significa sottovalutarne le conseguenze.L’etichetta “intelligente” modifica le aspettative dell’utente. Suggerisce che il prodotto sappia adattarsi, interpretare il contesto e prendere decisioni migliori di un sistema tradizionale. Quando queste capacità non esistono o sono molto limitate, il consumatore può pagare un sovrapprezzo per un beneficio marginale.Il rischio cresce quando il prodotto opera in ambiti delicati. Un sistema di recruiting presentato come capace di trovare il candidato migliore può indurre un’azienda a fidarsi di una graduatoria senza interrogarsi sui dati e sui criteri utilizzati.Un assistente legale pubblicizzato come equivalente a un professionista può generare aspettative ancora più pericolose. Nel 2025 la FTC ha finalizzato un provvedimento contro DoNotPay, vietandole di presentare il servizio come sostituto di un avvocato senza prove adeguate a sostenere tale affermazione.Nel mercato B2B le conseguenze possono essere meno visibili, ma non meno rilevanti. Le imprese acquistano strumenti che richiedono più supervisione del previsto, dipendono da fornitori non dichiarati, generano risultati difficili da verificare o non si integrano nei flussi di lavoro. La tecnologia è presente, ma il valore promesso non arriva.L’ambiguità danneggia anche chi sviluppa innovazione reale. Le imprese che descrivono con precisione capacità e limiti rischiano di apparire meno avanzate rispetto a concorrenti che promettono sistemi autonomi, infallibili e rivoluzionari.Se tutto è AI e tutto è trasformativo, diventa difficile distinguere un progresso concreto da un aggiornamento cosmetico.Dalla pubblicità alla trasparenzaContrastare l’AI washing non richiede che ogni consumatore conosca l’architettura di un modello. La comunicazione può e deve semplificare. Ma semplificare significa rendere accessibile una realtà complessa, non sostituirla con una versione più conveniente.Un prodotto presentato come basato sull’AI dovrebbe chiarire almeno quale funzione utilizza la tecnologia, quale risultato produce e con quale livello di autonomia.Dovrebbe indicare se il sistema genera, classifica, prevede, raccomanda o decide; se il modello è proprietario o fornito da terzi; quali dati vengono trattati; quando interviene una persona; quali sono i limiti noti e come sono state misurate le prestazioni.Una percentuale di accuratezza, per esempio, non è sufficiente. Occorre sapere su quale campione è stata calcolata, quale errore misura, quali gruppi o contesti rappresenta e rispetto a quale alternativa il sistema è migliore.Allo stesso modo, dire che un servizio “impara dall’utente” dovrebbe comportare una spiegazione: modifica davvero il proprio modello, aggiorna alcune preferenze oppure si limita a conservare dati e impostazioni?Nel contesto europeo, l’articolo 50 dell’AI Act introduce obblighi di trasparenza per specifiche categorie di sistemi. Tra questi rientrano l’informazione alle persone quando interagiscono direttamente con un sistema AI e la riconoscibilità di determinati contenuti generati o manipolati.Le disposizioni diventano applicabili il 2 agosto 2026 e la Commissione europea ha pubblicato il 20 luglio 2026 linee guida per favorirne un’attuazione coerente.Questi obblighi rappresentano un passaggio importante, ma non risolvono da soli l’AI washing. Sapere che un contenuto è stato generato o che si sta interagendo con un sistema AI non spiega quanto la tecnologia sia centrale nel prodotto, se le prestazioni siano state dimostrate o se il sovrapprezzo richiesto sia proporzionato al beneficio.Un’etichetta nutrizionale per i prodotti AIUna possibile risposta potrebbe essere una sorta di “etichetta nutrizionale” dell’intelligenza artificiale: una scheda breve e standardizzata che permetta di comprendere, senza documentazione specialistica, che cosa si sta acquistando.La scheda potrebbe indicare la funzione svolta dall’AI, il tipo di tecnologia impiegata, l’origine del modello, i dati trattati, il livello di autonomia, la presenza di supervisione umana, le principali condizioni di errore e le metriche usate per valutarla.Nei servizi a pagamento potrebbe chiarire anche quale parte del prezzo è collegata alla nuova funzione e se sia possibile utilizzarla o disattivarla separatamente.Non servirebbe a stabilire quale prodotto possieda “più AI”. Servirebbe a spostare il confronto dalla potenza evocativa dell’etichetta al valore reale.Un’automazione semplice potrebbe risultare preferibile a un modello avanzato se è più precisa, meno costosa e più rispettosa dei dati. Un prodotto basato su un modello esterno potrebbe invece dimostrare valore attraverso l’integrazione, i controlli e l’utilità nel processo.La trasparenza non dovrebbe quindi diventare una gara alla complessità tecnica. Un consumatore non ha bisogno di conoscere tutti i parametri del modello, ma dovrebbe poter capire che cosa sta pagando, quali dati sta fornendo e a quale sistema sta affidando un compito o una decisione.Come riconoscere l’AI washingAlcuni segnali dovrebbero spingere utenti e aziende a fare domande. Il primo è l’abbondanza di termini come “rivoluzionario”, “cognitivo”, “autonomo” e “predittivo”, accompagnata da poche informazioni sul funzionamento. Il secondo è l’impossibilità di capire quale parte del prodotto utilizzi concretamente l’AI.Altri indizi sono percentuali prive di metodologia, dimostrazioni costruite soltanto su casi perfetti, assenza di limiti dichiarati, confusione tra tecnologia proprietaria e servizi di terzi, promesse assolute e funzioni che non possono essere disattivate nonostante aumentino il prezzo o la raccolta dei dati.Prima di acquistare, le domande essenziali sono relativamente semplici:Che cosa fa concretamente l’AI?Che cosa faceva il prodotto prima?Quale beneficio misurabile introduce?Il risultato è una previsione, un suggerimento o una decisione?Chi controlla gli errori?Quali dati vengono inviati a terzi?Il costo aggiuntivo è proporzionato al vantaggio?Domande di questo tipo spostano l’attenzione dalla presenza nominale dell’intelligenza artificiale alla sua effettiva utilità.Il valore conta più dell’etichettaL’obiettivo non dovrebbe essere avviare una caccia alla “vera AI”. Le definizioni cambiano, le tecniche si sovrappongono e la complessità non coincide automaticamente con l’utilità.Un sistema basato su regole può risolvere un problema meglio di un modello generativo. Un prodotto costruito su tecnologie esterne può offrire un’esperienza eccellente. Una funzione apparentemente semplice può nascondere un lavoro sofisticato.Il criterio decisivo è la proporzione tra capacità, beneficio e promessa.L’azienda dovrebbe poter dimostrare dove si trova l’intelligenza artificiale, quale miglioramento produce e quali limiti conserva. Il consumatore, a sua volta, dovrebbe poter distinguere tra una funzione realmente nuova e un aggiornamento linguistico di ciò che esisteva già.L’AI washing non si misura contando le righe di codice o i parametri di un modello. Si riconosce nella distanza tra ciò che un prodotto è capace di fare e ciò che la sua comunicazione induce le persone a credere.Il problema, dunque, non è che nei prodotti ci sia poca intelligenza artificiale. È che, troppo spesso, ce n’è molta di più nella pubblicità che nel loro funzionamento.
