Nell’agosto 2026 Irene Unceta, Paula Subías-Beltrán e Oriol Pujol hanno proposto sulle pagine di Nature Machine Intelligence il concetto di «debito epistemico». Il loro articolo The epistemic debt of generative AI descrive la distanza che può aprirsi fra ciò che una persona riesce a produrre affidandosi a un sistema generativo e ciò che sarebbe effettivamente in grado di comprendere, verificare e difendere. Il lavoro costruito su quella prima distanza può ampliarla, accumulando un debito che diventa progressivamente più difficile da riassorbire. Gli autori formulano un problema concettuale ancora da studiare empiricamente: l’uso dell’intelligenza artificiale può produrre conoscenza utile e, nello stesso tempo, trasferire fuori dal soggetto alcuni passaggi necessari per rendere conto di come quella conoscenza sia stata ottenuta.
Il concetto nasce pensando a chi scrive, studia, programma o fa ricerca. Il museo permette di osservarlo da un’altra posizione. Qui la conoscenza prende forma pubblicamente attraverso una relazione fra oggetti, documenti, spazi, testi, immagini, curatori e visitatori. Nelle prime parti di questo dossier avevo già incontrato questa relazione studiando i musei della guerra e della memoria. Il ritmo della visita, la disposizione degli oggetti, un’audioguida, una ricostruzione immersiva, la scelta di rallentare davanti a una testimonianza organizzano la conoscenza del passato mentre la trasmettono. Anche l’autenticità di un luogo raggiunge il visitatore attraverso scelte architettoniche, documentarie e narrative.
L’intelligenza artificiale generativa entra dunque in una storia della mediazione già lunga. La ricerca Nuove tecnologie di mediazione del patrimonio culturale, realizzata nell’ambito di Dicolab dalla Scuola nazionale del patrimonio e delle attività culturali, ha analizzato dispositivi interattivi, esperienze immersive, videomapping, ologrammi e altri apparati impiegati nei luoghi della cultura. Il rapporto finale raccoglie una rassegna della letteratura, rilevazioni e venti casi pilota e valuta gradimento, impatto cognitivo ed emotivo, apprendimento, qualità dell’interazione e sostenibilità degli investimenti. Una delle indicazioni più interessanti è che il valore della tecnologia dipende dalla qualità della progettazione e dalla sua integrazione nell’esperienza culturale complessiva. L’innovazione tecnica, da sola, spiega poco.
Questa continuità consente di mettere meglio a fuoco la novità attuale. L’intelligenza artificiale aggiunge alla mediazione digitale la capacità di generare contenuti durante l’interazione e di modificarli sulla base delle informazioni disponibili, delle richieste formulate e delle caratteristiche attribuite al pubblico. La mediazione diventa dinamica e può diventare personale.
Una didascalia per ciascun visitatore
Dal 17 al 20 settembre 2026 il Museo Nazionale del Risorgimento Italiano di Torino ha ospitato DidascalIA, uno studio dedicato alla personalizzazione dell’esperienza museale attraverso l’intelligenza artificiale generativa. I partecipanti hanno visitato le prime sale utilizzando un prototipo di didascalie personalizzate e dialogando con una guida virtuale. L’esperienza, della durata di circa trenta minuti, si concludeva con un questionario. Il progetto rientra nel Dottorato nazionale in Heritage Science, in collaborazione con Sapienza Università di Roma e Università di Torino. Treccani ha fornito alcune proprie voci alla knowledge base sulla quale lavora il sistema.
I risultati dello studio diranno qualcosa sull’esperienza dei visitatori. La struttura dell’esperimento, già oggi, rende visibile uno spostamento.
La didascalia tradizionale viene scritta prima della visita. Possiede una responsabilità curatoriale riconoscibile, occupa uno spazio determinato e rimane uguale per tutti fino a quando il museo decide di modificarla. Una didascalia generata durante la visita introduce una struttura diversa. Il testo ricevuto può dipendere dalla knowledge base, dalle istruzioni date al sistema, dal modello impiegato, dall’interazione con il visitatore e dalle procedure predisposte per governare l’output. Due persone possono incontrare lo stesso oggetto attraverso testi differenti.
Questa possibilità offre vantaggi concreti. Un apparato può adattarsi a livelli diversi di conoscenza, lingue, età, interessi e bisogni di accessibilità. Può fornire approfondimenti senza riempire una sala di pannelli, collegare oggetti lontani, accompagnare percorsi individuali, rispondere a curiosità che un allestimento fisso riesce a prevedere solo in parte. Il visitatore acquista una capacità di interrogazione molto più ampia di quella offerta da una didascalia fissata una volta per tutte.
La personalizzazione accresce, insieme alle possibilità, l’importanza della tracciabilità. Diventa rilevante conoscere le fonti che alimentano il sistema, le istruzioni che delimitano la generazione, le procedure di verifica, i dati utilizzati per personalizzare la risposta, il trattamento dell’incertezza e della controversia storiografica. L’esperienza condivisa dello stesso museo può inoltre articolarsi in racconti parzialmente diversi. Una parte del lavoro curatoriale passa così dalla scrittura di un testo stabile alla progettazione delle condizioni attraverso cui una pluralità di testi potrà essere prodotta.
Un settore già dentro l’intelligenza artificiale
DidascalIA appartiene a un processo più ampio. La prima indagine globale UNESCO-ICOM sull’uso dell’intelligenza artificiale nei musei, presentata il 17 settembre 2026, ha raccolto risposte da oltre quattrocento musei in novanta paesi. Il 57 per cento dei rispondenti dichiara di utilizzare già strumenti di AI. Gli impieghi riguardano amministrazione, comunicazione, ricerca e documentazione, sviluppo delle esposizioni e rapporto con il pubblico.
La capacità istituzionale di governare questi strumenti cresce più lentamente della loro adozione. Il 55 per cento dei musei coinvolti dichiara di essere privo di una policy, una strategia o linee guida interne sull’intelligenza artificiale; soltanto il 17 per cento offre formazione specifica al personale. Accuratezza, proprietà intellettuale, protezione dei dati, trasparenza e bias figurano fra le principali preoccupazioni indicate. La rilevazione fotografa i musei che hanno scelto di rispondere alla survey e va letta entro questo perimetro; lo scarto fra sperimentazione e capacità istituzionale che emerge dalle risposte resta comunque significativo.
La ricerca italiana IA generativa e professioni culturali, anch’essa sviluppata all’interno di Dicolab insieme al Politecnico di Milano, osserva lo stesso processo dal punto di vista del lavoro. Studia diffusione degli strumenti, attività coinvolte, trasformazione delle competenze e fabbisogni formativi nelle professioni del patrimonio. Il suo oggetto comprende musei, archivi e biblioteche e colloca esplicitamente l’adozione dell’IA dentro un problema organizzativo e professionale.
L’ingresso dei sistemi generativi modifica quindi anche la forma della responsabilità istituzionale. Un museo dispone di procedure consolidate per assumersi la responsabilità di una mostra, di un catalogo o di una didascalia. Un sistema capace di produrre testi variabili richiede che quella responsabilità venga descritta anche a monte: scelta delle fonti, configurazione del sistema, controllo delle risposte, conservazione delle tracce, possibilità di correggere gli errori.
Autorità curatoriale e autorità politica
La questione dell’autorità precede anch’essa l’intelligenza artificiale. Il Barometer on Political Influence on Museums in Europe pubblicato da NEMO nel gennaio 2025 si basa su 153 risposte provenienti da 31 paesi. Più del 70 per cento dei partecipanti percepiva una crescita della polarizzazione nel proprio paese. Dall’indagine emergono pressioni che riguardano finanziamenti, programmi ed esposizioni, governance e nomine, fino a censura e autocensura. Un successivo approfondimento di Paulina Florjanowicz ha sviluppato questi risultati mostrando come la pressione possa agire direttamente sul controllo delle narrazioni e sulle condizioni dell’autonomia museale.
Il caso Smithsonian porta questo problema dentro una forma particolarmente esplicita. Il 24 luglio 2026 Donald Trump ha firmato l’Executive Order 14416, Restoring Trust in the Smithsonian Institution. L’ordine recepisce le conclusioni di un precedente rapporto dell’amministrazione sul National Museum of American History e dispone che il National Park Service installi segnaletica temporanea sui marciapiedi, sui percorsi di accesso e sulle aree pubbliche intorno al museo. I cartelli devono informare i visitatori che, secondo l’amministrazione, le esposizioni richiedono una revisione coerente con quelle conclusioni e indirizzarli verso risorse considerate accurate sulla storia americana. Lo stesso ordine prevede segnaletica o installazioni esterne destinate a correggere informazioni giudicate inesatte dal governo.
Il dispositivo merita attenzione anche al di là della controversia politica che lo ha prodotto. L’intervento agisce nello spazio che precede l’ingresso. L’autorità politica aggiunge un proprio testo prima che il visitatore incontri il testo curatoriale. Il marciapiede entra così nella costruzione dell’esperienza museale.
La provenienza di questa mediazione è dichiarata e riconoscibile. La sua funzione rimane potente: predisporre una cornice attraverso cui leggere ciò che verrà visto all’interno, segnalare preventivamente la presunta inaffidabilità di alcune interpretazioni, indicare al visitatore un’altra autorità alla quale fare riferimento.
In termini museologici il cartello assume la funzione di un paratesto. Introduzioni, prefazioni e didascalie orientano la ricezione del materiale che accompagnano. Qui il paratesto viene prodotto da un soggetto istituzionale esterno alla curatela e collocato fisicamente prima di essa. La sequenza diventa particolarmente leggibile: l’autorità politica prepara la cornice; il museo offre il proprio allestimento; il visitatore incontra entrambi.
Due mediazioni problematiche
DidascalIA e Smithsonian appartengono a contesti, finalità e rapporti di potere profondamente differenti. La loro vicinanza permette di osservare due vulnerabilità diverse della mediazione.
Nel primo caso un museo sperimenta uno strumento destinato a rendere più ricca e personale l’esperienza del visitatore. La criticità possibile nasce dalla fluidità del dispositivo. Il contenuto varia, la catena che conduce dalla fonte alla risposta può diventare meno visibile, il controllo curatoriale deve essere tradotto in procedure capaci di governare una produzione testuale potenzialmente molto ampia. La pertinenza personale della risposta può inoltre accrescerne la forza persuasiva: un testo costruito intorno alle esigenze del singolo visitatore tende a presentarsi come particolarmente naturale e appropriato.
Nel caso Smithsonian la mediazione esibisce invece la propria provenienza. La criticità riguarda il rapporto fra autorità politica e autonomia curatoriale. Un governo interviene legittimamente nella politica culturale attraverso norme, finanziamenti, priorità e responsabilità pubbliche. Il cartello previsto dall’ordine del 24 luglio compie un’operazione più specifica: inserisce direttamente l’autorità governativa nella sequenza interpretativa della visita e offre una chiave di lettura preventiva del lavoro del museo.
Le due situazioni mostrano che la trasparenza costituisce una condizione importante e insieme insufficiente. Una mediazione perfettamente riconoscibile può esercitare una pressione interpretativa molto forte. Una mediazione costruita con finalità educative e inclusive può rendere più complesso ricostruire tutti i passaggi che hanno prodotto un determinato testo.
Il terreno comune riguarda la possibilità per il visitatore di individuare la provenienza di ciò che legge, le fonti utilizzate, i criteri di selezione e la responsabilità dell’istituzione che glielo propone. L’intelligenza artificiale rende più urgente una questione che i musei conoscono da tempo: l’autorità di un racconto dipende anche dalla possibilità di riconoscere il dispositivo che lo produce.
Tornare al debito epistemico
A questo punto il concetto di debito epistemico può tornare in scena con un significato parzialmente diverso. Unceta, Subías-Beltrán e Pujol lo riferiscono al soggetto che utilizza l’intelligenza artificiale per svolgere un compito cognitivo e accumula una distanza fra il risultato prodotto e la propria capacità di comprenderlo e sostenerlo. Applicarlo alle istituzioni richiede quindi un’estensione che appartiene a questa ricerca, non alla loro definizione originaria.
L’analogia, tuttavia, apre una pista. Un’istituzione culturale può affidare parti crescenti della propria mediazione a sistemi dei quali deve continuare a saper ricostruire fonti, trasformazioni, criteri e responsabilità. La qualità dell’output costituisce una parte del problema. Un’altra parte riguarda la capacità dell’istituzione di rendere conto del percorso attraverso cui quell’output è arrivato al pubblico.
Per il visitatore la questione assume una forma ulteriore. La conoscenza acquisita in un museo attraversa sempre una catena di selezioni: gli oggetti conservati, i documenti scelti, i testi scritti, gli spazi organizzati, le memorie valorizzate, le assenze, le tecnologie utilizzate. L’intelligenza artificiale può aggiungere a questa catena un livello capace di generare e personalizzare in tempo reale. L’autorità politica può aggiungerne un altro, predisponendo una cornice destinata a orientare la ricezione.
La questione che emerge riguarda allora la tracciabilità epistemica della mediazione: la possibilità di risalire da ciò che viene detto alle fonti, ai criteri, alle trasformazioni e alle autorità che hanno contribuito a produrlo.
Le prime puntate di questo dossier erano nate dal confronto fra musei che organizzano diversamente storia, memoria nazionale, emozione e responsabilità. L’intelligenza artificiale aggiunge un nuovo dispositivo a quella stessa storia. La capacità di adattare il racconto al visitatore può ampliare l’accesso alla conoscenza e modificare profondamente la forma della visita. Proprio questa capacità rende più importante descrivere con precisione la catena della mediazione.
Il debito epistemico offre per ora un nome utile a una parte del problema. Resta aperto il lavoro necessario per capire quanto il concetto possa viaggiare dal rapporto fra individuo e sistema generativo verso le istituzioni che producono conoscenza pubblica, e quali strumenti permettano di conservare quella conoscenza verificabile, contestabile e attribuibile.
Il dossier resta aperto.
Fonti principali
Irene Unceta, Paula Subías-Beltrán, Oriol Pujol, The epistemic debt of generative AI, Nature Machine Intelligence, 26 agosto 2026.
Scuola nazionale del patrimonio e delle attività culturali, Nuove tecnologie di mediazione del patrimonio culturale e rapporto di ricerca completo.
Museo Nazionale del Risorgimento Italiano, DidascalIA – Partecipa alla ricerca, 17-20 settembre 2026.
UNESCO-ICOM, Global Survey on the Use of Artificial Intelligence in Museums, primi risultati, 17 settembre 2026.
Scuola nazionale del patrimonio e delle attività culturali e Politecnico di Milano, IA generativa e professioni culturali.
NEMO, Barometer on Political Influence on Museums in Europe, 30 gennaio 2025.
Paulina Florjanowicz, It takes courage to talk. NEMO Barometer on Political Influence on Museums in Europe, Muzealnictwo, 66, 2025.
The White House, Executive Order 14416, Restoring Trust in the Smithsonian Institution, 24 luglio 2026.