Se c’è una cosa che il webinar organizzato da Cenfor International “’Intelligenza Artificiale e l’Accessibilità” ha messo in chiaro, è che il tempo della semplice meraviglia tecnologica è finito. Siamo entrati in una fase molto più matura, complessa e affascinante: quella dell’implementazione pragmatica. Non ci chiediamo più “cosa può fare l’AI?”, ma “come possiamo governarla per rendere il mondo accessibile?”.
Ho seguito con estrema attenzione i lavori moderati da Nicola Cavalli (Ledizioni) e introdotti da Anna Merlo, fondatrice di Cenfor, e ne sono uscito con una certezza: l’accessibilità non è più una “feature” da aggiungere alla fine dello sviluppo, ma il banco di prova definitivo per la qualità stessa dell’Intelligenza Artificiale.
Quello che segue non è un semplice resoconto, ma un’analisi strategica di come l’AI stia ridisegnando il concetto stesso di inclusione, attraverso le voci di esperti che stanno letteralmente costruendo questo futuro.
IL PARADOSSO DELL’AUTORE ARTIFICIALE: TRA OSCAR WILDE E IL PROMPT ENGINEERING
Il primo nodo da sciogliere, prima ancora di parlare di tecnica, è quello giuridico e filosofico. Simone Aliprandi, avvocato ed esperto di diritto della proprietà intellettuale, ha aperto i lavori con una provocazione che ha settato il tono della giornata: il concetto di “Autore Artificiale”. Aliprandi, autore per Licosia del volume omonimo, ci ha portato indietro nel tempo, precisamente al 1882, mostrandoci una celebre foto di Oscar Wilde. Perché? Perché all’epoca si discuteva se la fotografia – un processo meccanico – potesse essere considerata arte o se fosse solo una riproduzione tecnica priva di anima.
Il parallelo con l’AI generativa di oggi è folgorante. Siamo di fronte a una nuova “macchina per creare” che mette in crisi il diritto d’autore tradizionale, nato per controllare la diffusione delle copie fisiche e ora costretto a inseguire flussi di dati immateriali. Aliprandi ha citato il caso del fotografo Boris Eldagsen, che ha vinto un prestigioso premio con un’immagine generata dall’AI rifiutandosi poi di ritirarlo, proprio per denunciare l’assenza di categorie adeguate a giudicare queste opere.
La riflessione che ne scaturisce per noi innovatori è cruciale: i sistemi di AI non sono motori di ricerca che “incollano” pezzi di opere esistenti, ma entità che hanno “imparato” a creare. Questo rende la questione del copyright scivolosa. Se l’AI impara come un umano, il suo output è violazione o ispirazione? Aliprandi ci ricorda che la risposta giuridica è ancora un “dipende”, legato a quanto controllo umano c’è nel processo. L’AI Act europeo ha iniziato a chiedere trasparenza sui dati di addestramento, ma la vera partita si gioca sulla supervisione umana: senza di essa, rischiamo di perdere non solo la titolarità dei diritti, ma il senso stesso della creatività.
DALL’INTELLIGENZA ARTIFICIALE ALL’ASSISTIVE INTELLIGENCE: LA LEZIONE DELL’UDL
Se il diritto cerca di arginare, la didattica cerca di espandere. L’intervento di Andrea Mangiatordi, professore associato all’Università di Milano-Bicocca, è stato forse uno dei più illuminanti per chi si occupa di user experience. Mangiatordi ha introdotto il concetto di UDL (Universal Design for Learning), una teoria che non mira a risolvere il problema del singolo disabile “a posteriori”, ma a progettare ambienti che siano inclusivi “di default”.
Qui il cambio di paradigma è semantico e operativo: Mangiatordi propone di passare dall’Artificial Intelligence all’Assistive Intelligence. L’AI non come sostituto, ma come protesi cognitiva. Ha mostrato esempi concreti che dovrebbero far riflettere chiunque progetti servizi digitali: chatbot verticali come “Definello” o “Spiegone”, progettati non per dare risposte generiche, ma per semplificare testi complessi o fornire definizioni contestuali, aiutando chi ha difficoltà di comprensione o disturbi dell’apprendimento.
Ma il punto più alto della sua analisi è stato l’esperimento con un sistema multi-agente su Telegram: quattro chatbot diversi, addestrati su corpus specifici (disabilità motorie, sensoriali, cognitive, anziani), che discutono tra loro per fornire una consulenza sulla segnaletica accessibile. L’intelligenza artificiale diventa un team di esperti virtuali che assiste il decisore umano. Tuttavia, Mangiatordi è stato categorico su un punto che condivido pienamente: le allucinazioni dell’AI non sono fenomeni affascinanti, sono bug. Affidereste un compito delicato a un collega sotto l’effetto di allucinogeni? La risposta è no. Quindi, l’automazione completa nell’accessibilità (come la generazione di Alt-text per le immagini) è un mito pericoloso se non c’è una revisione umana costante.
L’INGEGNERIA DELL’EDITORIA ACCESSIBILE: DETERMINISMO VS PROBABILITÀ
A rafforzare questo concetto di prudenza tecnologica è intervenuto Gregorio Pellegrino, Chief Accessibility Officer di Fondazione LIA. La sua prospettiva ingegneristica ha tracciato una linea netta tra il Machine Learning (che usiamo da anni, deterministico e tracciabile) e l’AI Generativa (probabilistica e “opaca”).
Per chi lavora nell’editoria o nella gestione dei contenuti, questo è il cuore del problema. Pellegrino ha spiegato che mentre il Machine Learning può classificare dati con una logica comprensibile, l’AI Generativa manca di riproducibilità: lo stesso prompt può dare risultati diversi in momenti diversi. Non possiamo tracciare il processo decisionale che porta a un output generativo, il che rende questi strumenti rischiosi per un’azienda che deve garantire standard di qualità assoluti.
Tuttavia, le opportunità sono immense, specialmente nella sintesi vocale (TTS) per gli audiolibri. La qualità delle voci sintetiche ha raggiunto livelli impensabili, abbattendo costi e tempi di produzione. Ma attenzione: la voce sintetica fatica ancora con l’emotività della narrativa e con la lettura di elementi non lineari come tabelle o note. La visione di Pellegrino è chiara: l’AI è un acceleratore, non un sostituto. Come non si manda in stampa un libro senza correzione di bozze, non si pubblica un contenuto generato dall’AI senza revisione. È un richiamo alla responsabilità editoriale che, in un mondo inondato di contenuti sintetici, diventerà il vero valore aggiunto dei brand culturali.
LA BIBLIOTECA COME HUB DI CAPITALE SEMANTICO E SOSTENIBILITÀ
Spostandoci verso il mondo delle biblioteche, Francesco Meliti della Biblioteca Universitaria di Lugano ha introdotto un tema che spesso sfugge ai radar dei tecnologi puri: la sostenibilità e l’etica dell’informazione. Le biblioteche non sono solo magazzini di libri, ma curatori di capitale semantico.
Meliti ha illustrato come l’AI (attraverso strumenti open source come Annif) possa essere utilizzata per classificare automaticamente enormi moli di documenti secondo gli obiettivi dell’Agenda 2030 (SDG). Immaginate di poter mappare l’intera produzione accademica di un ateneo per capire quanto contribuisce alla sostenibilità. È un uso strategico dei dati che trasforma la biblioteca in un attore politico e sociale.
Ma c’è un’ombra. Meliti ha citato il principio informatico “Garbage in, Garbage out”. Se addestriamo i modelli su dati viziati da bias (razzisti, sessisti, o semplicemente datati), otterremo un’AI discriminatoria. La neutralità tecnologica è un’illusione: ogni scelta di classificazione è una scelta politica. Inoltre, c’è il tema dell’impatto ambientale dell’AI stessa: addestrare modelli consuma energia. L’invito è verso una “Lean ICT”, una tecnologia snella che non divori le risorse che promette di salvare. Per noi professionisti, questo significa che l’adozione dell’AI deve essere accompagnata da una critical literacy: dobbiamo avere le competenze metacognitive per interrogare la macchina, non solo per usarla.
LA SFIDA DELLE STEM E DELLA MUSICA: QUANDO L’AI DEVE ESSERE PRECISA
Se generare un testo è relativamente facile, rendere accessibile una formula matematica o uno spartito musicale è una sfida di un altro livello. Qui siamo entrati nel territorio dell’iperspecializzazione con gli interventi del Laboratorio Polin dell’Università di Torino e del Conservatorio Luigi Boccherini.
Cristian Bernareggi e Carola Manolino ci hanno presentato “VoiceMath”, un progetto che affronta un problema gigantesco: i video didattici di matematica sono inaccessibili ai non vedenti perché gli screen reader non leggono le formule scritte alla lavagna o nei PDF manoscritti. La loro soluzione è un flusso di lavoro ibrido che usa l’AI per trascrivere l’audio e convertire le immagini delle formule in codice LaTeX. Il LaTeX è la chiave di volta, perché è un formato che può essere poi convertito in Braille o letto correttamente dalle sintesi vocali. È un esempio perfetto di come l’AI non debba essere il prodotto finale, ma un middleware che traduce il caos analogico (la scrittura a mano del prof) in ordine digitale strutturato.
Ancora più affascinante è stato il caso d’uso presentato da Paolo Giorgi e Martina Calvano del Conservatorio di Lucca. La musica ha un linguaggio visivo complesso (il pentagramma) che esclude chi non vede. Hanno utilizzato Gemini non solo per riassumere testi musicologici per studenti cinesi (abbattendo barriere linguistiche), ma per analizzare spartiti e descriverli.
Il dettaglio tecnico che mi ha colpito è l’uso della funzione “Deep Search” di Gemini. Non si sono fidati della sola visione artificiale; hanno chiesto all’AI di confrontare l’immagine dello spartito con i database musicali online (come il catalogo BWV di Bach) per verificare la correttezza delle note. Questo è “prompt engineering” di alto livello: usare la conoscenza semantica del modello per validare la sua percezione visiva. Il risultato è uno script che descrive non solo le note, ma la diteggiatura, permettendo a uno studente non vedente di avere un’esperienza di studio autonoma.
IL CAMBIO DI PARADIGMA: DALL’INTERFACCIA ALL’INTENTO
L’intervento conclusivo di David Calvo, Chief Information Security Officer di Pneuma Solutions, è stato quello che ha tirato le fila di tutto il discorso, proiettandoci verso il futuro prossimo. Calvo, che vive il problema dell’accessibilità in prima persona attraverso l’esperienza del padre non vedente, ha teorizzato la morte dell’interfaccia come la conosciamo.
Fino ad oggi abbiamo vissuto nell’era dell’Interface First: l’utente deve imparare come funziona il sistema (dove sono i menu, quali filtri usare, come cliccare). Se non puoi vedere lo schermo o usare le mani, sei tagliato fuori. L’AI ci permette di passare all’era dell’Intent First.
L’analogia usata da Calvo è perfetta: il GPS. Nessuno dice al navigatore “gira a destra tra 100 metri, poi a sinistra”. Diciamo “portami all’aeroporto”. Il sistema gestisce la complessità. Calvo immagina cataloghi bibliotecari e siti web che funzionano allo stesso modo: non più filtri e checkbox, ma una richiesta naturale (“Trovami libri di teoria musicale in italiano degli ultimi 5 anni, adatti a un principiante”). Il sistema negozia con l’utente e adatta l’output alle sue necessità momentanee: audio se sto guidando, Braille se non vedo, testo semplificato se sono stanco.
Questa visione dell’interfaccia fluida è rivoluzionaria perché risolve il problema dell’accessibilità alla radice: non dobbiamo più costruire due versioni del sito (una bella e una accessibile), ma un unico sistema intelligente che si plasma sull’utente.
Tuttavia, Calvo non ha nascosto i rischi, citando un esempio inquietante dal mondo medico: un’AI addestrata a rilevare il cancro dalle radiografie aveva imparato a “indovinare” l’etnia del paziente non dalle ossa (impossibile), ma dai micro-difetti dell’immagine specifici dei macchinari usati in ospedali frequentati da diverse demografie. Il bias si nasconde nel rumore di fondo dei dati. Inoltre, per servire l’utente in modo così personalizzato, l’AI deve sapere tutto di noi (disabilità, preferenze, livello culturale), aprendo enormi questioni di privacy.
COSA ABBIAMO IMPARATO
Riflettendo su queste tre ore dense di contenuti, emerge un quadro chiaro per noi addetti ai lavori. L’Intelligenza Artificiale nel 2026 non è una bacchetta magica che risolve i problemi con un click. È piuttosto un’infrastruttura potente e disordinata che richiede una governance umana fortissima.
- L’Accessibilità è Innovazione: Risolvere problemi per i disabili (come leggere formule matematiche o navigare senza mani) crea tecnologie migliori per tutti (Intent First interfaces).
- Il Controllo Umano è l’Asset: In un mondo di contenuti generati, la capacità di revisionare, validare e curare (il “capitale semantico” dei bibliotecari) diventa il servizio premium.
- La Trasparenza è Obbligatoria: Che si tratti di copyright, di bias nei dati o di allucinazioni, dobbiamo sapere cosa succede dentro la “black box”.
- La Verticalità Vince: I modelli generalisti (come ChatGPT base) sono utili, ma le vere soluzioni arrivano da strumenti verticali e addestrati specificamente (come VoiceMath o i chatbot UDL).
Come ha detto Anna Merlo in chiusura, l’innovazione corre veloce, ma la direzione la diamo noi. E la direzione emersa da questo webinar è quella di una tecnologia che smette di chiedere all’uomo di adattarsi alla macchina, e inizia finalmente a fare il contrario. Per noi comunicatori e marketer, la sfida è raccontare questa complessità senza banalizzarla, promuovendo un’adozione tecnologica che sia, prima di tutto, umana.
Enzo Rimedio