Il report, dal titolo “AI use in American newspapers is widespread, uneven, and rarely disclosed”, analizzando oltre 186.000 articoli online provenienti da 1.500 testate e pubblicati tra giugno e settembre 2025, ha identificato che quasi un articolo su dieci è stato scritto, o almeno rielaborato, da un sistema di IA, con una quasi totale assenza di trasparenza nei confronti del lettore

Solo cinque articoli su cento, infatti, riportano un’indicazione chiara dell’intervento dell’IA. Un margine di trasparenza talmente minimo da interrogare non solo l’etica professionale, ma il patto di fiducia tra giornalista e lettore.

In un contesto dominato dalla sfiducia generalizzata nei confronti dei media — alimentata negli ultimi anni da polarizzazione, overload informativo e crisi economica del settore — la mancanza di disclosure introduce un ulteriore elemento di opacità. La credibilità, negli ecosistemi informativi complessi, non è un attributo astratto: dipende dalla percezione di autenticità dell’intero processo editoriale. Quando la tecnologia interviene senza essere dichiarata, il lettore fatica a ricostruire l’origine del testo e a valutare la responsabilità dell’autore.

Nello specifico, l’analisi ha riguardato quotidiani sia locali sia nazionali, in inglese e in altre lingue.
Gli articoli analizzati sono stati classificati in tre categorie: human-written, mixed (autorialità mista) o AI-generated. L’obiettivo era stabilire quanto l’intelligenza artificiale fosse effettivamente entrata nel ciclo produttivo del giornalismo e in che misura venisse dichiarata.

Il giornalismo americano, tradizionalmente fondato su rigore, accountability e responsabilità dell’autore, entra così in una fase di ambiguità profonda, la scrittura resta firmata, ma non sempre è interamente umana.

L’analisi ha permesso anche di mappare la diffusione dell’IA nel panorama mediatico statunitense, rivelando anche forti disparità regionali e strutturali.

Nei quotidiani locali di piccole dimensioni, con tirature inferiori alle 100.000 copie, l’IA è presente nel 9,3% degli articoli.
Nelle grandi testate nazionali, la percentuale scende all’1,7%.
Una differenza che, spiegano i ricercatori, riflette la crisi economica del giornalismo locale e la carenza di risorse umane: nelle cosiddette news deserts. In queste aree, l’IA assume spesso un ruolo compensativo, diventando una soluzione praticabile per mantenere attivo un presidio informativo che altrimenti rischierebbe di scomparire.

L’IA viene impiegata soprattutto nei contenuti più standardizzabili: meteo, scienza e tecnologia, salute pubblica.

Molto meno in sezioni ad alta densità interpretativa come religione, politica o giustizia, dove la mediazione umana resta un presidio culturale fondamentale.

Un altro ambito approfondito dallo studio è quello degli articoli di opinione, i cosiddetti op ed, sigla di “opposite the editorial page”, testi che esprimono opinioni personali su temi di attualità e che spesso portano la firma di figure esterne alle redazioni, come accademici, politici, economisti o ex membri del governo.

In questo caso, il team tra il 2022 e il 2025 ne ha analizzati 45.000, pubblicati da tre testate simbolo del giornalismo americano: New York Times, Washington Post e Wall Street Journal.

E proprio in questi spazi di pensiero e influenza, il fenomeno si è rivelato più marcato: gli op-ed sono 6,4 volte più inclini a contenere porzioni di testo generate da IA rispetto agli articoli di cronaca delle stesse testate.

L’aumento è impressionante: dallo 0,1% nel 2022 al 3,4% nel 2025, un incremento di circa venticinque volte.
Un dato che sarebbe già rilevante se riguardasse giornalisti interni, ma che diventa inquietante considerando che molti di questi editoriali portano la firma di figure pubbliche di alto profilo come ex senatori, governatori, CEO, premi Nobel, ex membri del governo statunitense.

In altre parole, il potere delle parole, quello che tradizionalmente plasma l’opinione pubblica e orienta il dibattito democratico, sta lentamente passando di mano: dall’autore umano alla macchina che ne imita la voce.

Il rischio principale potrebbe essere una manipolazione del discorso pubblico, poiché i modelli linguistici, addestrati su enormi quantità di dati, sono in grado di generare testi altamente persuasivi, replicando inconsapevolmente schemi retorici e bias ideologici.
E non si tratta di un rischio teorico tra i temi in cui l’uso dell’IA è cresciuto più rapidamente figurano giustizia e criminalità, religione ed economia proprio le aree dove la narrazione può orientare il consenso, polarizzare il dibattito e influenzare le decisioni politiche.

In questo scenario, l’automazione non si limita più a supportare la produzione giornalistica, ma potrebbe invadere progressivamente lo spazio del pensiero critico, trasformando l’opinione in un prodotto algoritmico, capace di simulare emozioni e convincimenti umani con una credibilità sempre più inquietante.

Si parla dunque di “autorialità mista”, ossia testi in cui coesistono parti scritte da esseri umani e parti generate dall’intelligenza artificiale.

Nel campione analizzato, il 42,7% degli articoli con uso di IA rientra in questa categoria. La scrittura giornalistica non è più un atto unitario, ma un processo collaborativo e assistito, in cui il giornalista definisce la struttura e il tono, mentre l’IA completa, sintetizza o riformula.
I ricercatori hanno esaminato dieci reporter veterani, con oltre dieci anni di carriera, per osservare l’evoluzione del loro stile prima e dopo l’introduzione di ChatGPT nel novembre 2022, si passa da quasi 0% di utilizzo prima del 2023 a un 40,4% nel 2025.
Nessuno di loro, tuttavia, ha mai dichiarato pubblicamente di aver utilizzato un sistema di IA.

Le differenze stilistiche tra testi interamente umani e testi ibridi sono misurabili.

Gli articoli co-scritti con IA risultano più formali e coerenti, ma anche meno concreti e descrittivi, con un linguaggio uniforme, pochi riferimenti a persone o date e un ricorso frequente a elementi tipici della scrittura artificiale, come gli em-dashes, ovvero i trattini lunghi o più lunghi del normale.

Mentre per le citazioni nel 76% degli articoli con IA che contenevano citazioni lunghe, almeno una proveniva da interviste reali. Ciò suggerisce che i giornalisti non usano l’IA per inventare, ma per intessere una narrazione più fluida attorno a materiali umani esistenti una forma di co-scrittura invisibile che sposta il baricentro dell’autorialità dal chi scrive al chi orchestra.

E allora la domanda che resta aperta è: le redazioni sapranno definire i confini dell’autorialità mista, o avranno il coraggio di sanzionare chi usa l’IA per orientare il pensiero pubblico senza dichiararlo?

All’epoca, il suo intervento al festival si intitolava “Teaching the fish how to walk: five things old media can learn from new media”  (“Insegnare al pesce a camminare: cinque cose che i vecchi media possono imparare dai nuovi media”) e spiegava a giornalisti ed editori, attraverso l’individuazione di cinque punti fondamentali, come cambiare il giornalismo  e renderlo “digital friendly”: era anche una non tanto velata critica a quegli attori che si ostinavano ad utilizzare le tecniche di scrittura e di informazione del cartaceo nel mondo digitale.

Sembra passato un secolo, in realtà poco più di dieci anni, eppure è cambiato tutto. Il giornalismo è solo digitale (la carta è un “fatto” residuale), travolto da un processo costante ed inarrestabile di cambiamento, che oggi si materializza nella problematica “intelligenza artificiale”.

Ingram, oggi su CJR, pone una questione fondamentale (anzi dieci) sul rapporto tra giornalismo ed IA, sintetizzando una serie di incontri organizzati dall’Aspen Institute, in una conferenza di inizio maggio, per discutere del ruolo dell’intelligenza artificiale (AI) nell’industria delle notizie.

Ingram innanzitutto rappresenta le preoccupazioni e le ansie, emerse in quegli incontri, che questa nuova tecnologia pone all’ecosistema dell’informazione: preoccupazioni che spaziano dall’uso degli strumenti AI per rastrellare contenuti protetti da copyright, sostituendo il traffico di riferimento con risultati basati su ricerche, fino al timore che contenuti generati dall’AI possano inondare internet e sopraffare il giornalismo basato sui fatti con testi, immagini e video sintetici.

Preoccupazioni fondate perché ogni nuova tecnologia comporta rischi, e la gestione di tali rischi determina il successo nel trasformare l’ecosistema dell’informazione.

Quindi Ingram riporta le dieci tematiche fondamentali dibattute, in forma di domande e risposte, che qui sintetizziamo brevemente:

1. Cosa stiamo cercando di salvare? Gina Chua di Semafor ha sollecitato i partecipanti a riflettere su cosa vogliano preservare: il settore giornalistico e i posti di lavoro, o l’impatto del giornalismo sulla società?
2. Suing o licensing? Alcuni editori, come il New York Times e The Intercept, hanno scelto di fare causa per violazione del copyright, mentre altri, come News Corp e Associated Press, hanno optato per accordi di licenza con le aziende AI.
3. La disintermediazione è il futuro? La preoccupazione è che le aziende AI possano sostituire gli editori e i giornalisti più di quanto abbiano fatto i social media, fornendo ai consumatori tutte le informazioni necessarie senza visitare i siti degli editori.
4. Qual è la tua Stella Polare? Definire i principi fondamentali che guideranno il rapporto con l’AI, come il mantenimento di standard etici o la trasparenza nell’uso dell’AI, è essenziale.
5. Cosa necessita il pubblico? È fondamentale capire come l’AI stia influenzando il comportamento del pubblico e sperimentare nuovi modi per soddisfare le sue aspettative, come interfacce di chat o modelli linguistici personalizzati.
6. Quali sono i frutti a portata di mano? Alcuni esperimenti AI a basso rischio possono essere implementati immediatamente, come la personalizzazione delle notizie, la traduzione istantanea e la sintesi degli articoli per i social media.
7. Come adattarsi continuamente? L’industria deve mantenere un atteggiamento di adattabilità continua piuttosto che vedere ogni sfida tecnologica come un problema isolato da risolvere.
8. Cosa significa l’AI per la fiducia? Il contenuto generato dall’AI spesso non è preciso. Le organizzazioni giornalistiche possono sfruttare l’opportunità di promuovere la qualità delle loro informazioni basate sulla fiducia del pubblico.
9. Quali sono i tuoi punti di forza? Le aziende devono identificare e valorizzare i loro punti di forza unici, utilizzando l’AI per approfondire le loro competenze specifiche piuttosto che cercare di imitare altre forme di contenuto.
10. L’AI può aiutare le notizie locali? L’AI ha il potenziale per aiutare le redazioni locali con risorse limitate, ad esempio annotando e riassumendo riunioni pubbliche e documenti governativi o traducendo storie in diverse lingue.

Ingram conclude che la risposta corretta alla crescente sofisticazione dell’AI, secondo gli esperti, non è né l’adozione acritica di una tecnologia non provata né il rifiuto impulsivo degli strumenti che potrebbero aiutare il settore. Giornalisti ed editori devono utilizzare ogni strumento disponibile per raggiungere il loro obiettivo di portare notizie al pubblico nel modo più efficiente e tempestivo possibile, indipendentemente dalla curva di apprendimento.

Per la prima volta quindi, lo scorso 6 maggio, due dei vincitori nei quindici settori dei Premi Pulitzer, hanno utilizzato l’IA per produrre i loro servizi giornalistici. Marjorie Miller, ha evidenziato che, sebbene in passato fossero state impiegate applicazioni di machine learning a livello basso, questa è stata la prima volta che ai finalisti è stato esplicitamente chiesto se avessero usato l’IA.

Il focus principale si è concentrato sul giornalismo investigativo, dove l’IA è stata utilizzata per esaminare grandi quantità di dati. Ad esempio, la serie “Missing in Chicago” del City Bureau e dell’Invisible Institute ha utilizzato uno strumento di machine learning chiamato Judy per analizzare migliaia di dossier sulle negligenze della polizia, rivelando fallimenti sistematici nelle indagini su donne nere scomparse e assassinate.

L’altro caso evidenziato è stato quello del team di indagini visive del New York Times, che ha addestrato un modello per identificare i crateri lasciati da bombe da 2.000 libbre in zone di Gaza dichiarate sicure per i civili. Questo lavoro fa parte del pacchetto che ha vinto il premio per il reporting internazionale.

Gli articoli sottolineano l’importanza dell’IA come strumento potente per il riconoscimento di pattern, utile per setacciare enormi quantità di dati e trovare correlazioni e anomalie altrimenti difficili da individuare. Questo approccio non solo aumenta l’efficacia delle indagini ma permette anche ai giornalisti di concentrarsi su altre aree del lavoro investigativo, rendendo il processo più efficiente.

In conclusione, mentre l’IA si fa strada nei processi redazionali, le storie di successo dei Pulitzer mostrano come l’adozione di queste tecnologie possa trasformare il giornalismo investigativo, fornendo ai reporter nuovi strumenti per scavare più a fondo e rivelare verità nascoste, sempre con un occhio attento al coinvolgimento e alla comprensione delle comunità interessate.

In un mondo dove l’intelligenza artificiale sta definendo i confini dell’innovazione tecnologica, le aziende leader del settore si stanno impegnando in una ricerca incessante di dati digitali, vitali per l’evoluzione delle loro tecnologie. Giganti come OpenAI, Google e Meta sono al centro di un dibattito acceso, poiché le loro strategie di acquisizione dati sollevano questioni legali e etiche, come emerge da un’indagine approfondita condotta dal New York Times dal titolo “Come i giganti della tecnologia smussano gli angoli per raccogliere i dati per l’A.I.” e dal sottotitolo ancora più esplicativo “OpenAI, Google e Meta hanno ignorato le politiche aziendali, alterato le proprie regole e discusso di aggirare le leggi sul copyright mentre cercavano informazioni online per addestrare i loro nuovi sistemi di intelligenza artificiale.”

Il NYT ha svolto questa indagine basandosi su pareri di scienziati, dati noti e pubblici, e una grande quantità di fonti interne alle aziende che restano, per ovvi motivi, anonime.

L’elemento centrale che emerge dall’analisi rappresenta forse la problematica più grande per tutti i sistemi di intelligenza artificiale: la carenza di dati per addestrare i modelli; carenza dovuta da un lato, alla effettiva voracità di questi sistemi i cui progressi sono direttamente collegati alla quantità di dati acquisiti in fase di addestramento, come dimostra la ricerca di Jared Kaplan della Johns Hopkins University, pubblicata nel gennaio 2020 che ha fornito un sostegno teorico a queste iniziative pratiche, suggerendo una correlazione diretta tra la quantità di dati di addestramento e l’efficacia dei modelli linguistici. Kaplan ha illustrato come i modelli di IA, simili agli studenti che apprendono da un maggior numero di libri, migliorano la loro precisione e capacità analitica con l’aumentare dei dati a loro disposizione.

L’articolo di Kaplan ha fornito una prospettiva innovativa, mostrando che queste “leggi di scala” nell’IA hanno una precisione paragonabile a quelle osservate in campi come l’astronomia o la fisica, un confronto che ha sorpreso molti nel settore. Questa rivelazione ha portato a un nuovo mantra nell’IA: “La scala è tutto ciò di cui hai bisogno”.

L’altro limite alla possibilità di acquisire i dati per l’addestramento dei modelli viene, come ben evidenziato nell’articolo del Times, dall’insieme di norme e restrizioni varie che vanno dal diritto d’autore alla privacy e che pongono ostacoli che però non sembrerebbero aver fermato le grandi aziende protagoniste di questa corsa sfrenata a divorare tutto.

Nel novembre 2020, OpenAI ha lanciato GPT-3, un modello formatosi su una quantità di dati senza precedenti nella storia dell’intelligenza artificiale: 300 miliardi di token. Questo progresso ha permesso a GPT-3 di eseguire compiti con una precisione eccezionale, creando post di blog, poesie e perfino programmando software.

Nello sviluppo del suo modello di punta, GPT-4, OpenAI si è confrontata con la carenza di testi in inglese di alta qualità, un ostacolo significativo. Per superare questa barriera, secondo fonti interne ad OpenAI, i ricercatori avrebbero utilizzato Whisper, un avanzato strumento di riconoscimento vocale capace di trasformare l’audio in testo, per convertire i video di YouTube in testo, nonostante le preoccupazioni interne relative alla potenziale violazione delle direttive della piattaforma.

Questa non è l’unica mossa audace nel settore: Meta ha contemplato l’acquisizione dell’editore Simon & Schuster, un piano che avrebbe potuto garantirle un flusso costante di contenuti letterari di qualità. Tra le strategie valutate da Meta ci sono la negoziazione di licenze e l’acquisizione di editori per accedere a un maggiore volume di contenuti.

Google, d’altra parte, ha espanso i suoi orizzonti aggiornando i termini di servizio per integrare dati da Google Docs e Google Maps, una manovra strategica per arricchire le sue risorse informative per l’AI.

L’urgenza di acquisire dati è palpabile, con previsioni che indicano una possibile scarsità di dati di alta qualità disponibili online entro il 2026. Questa situazione spinge le aziende a un consumo di dati senza precedenti, spesso al limite delle regolamentazioni vigenti. In questo contesto frenetico, figure come Sy Damle di Andreessen Horowitz evidenziano che l’addestramento su vasti insiemi di dati senza vincoli di licenza potrebbe essere l’unica via percorribile per mantenere il passo dell’innovazione.

DeepMind, affiliato a Google, ha seguito pedissequamente queste indicazioni, spingendo i limiti con il modello Chinchilla, addestrato su 1,4 trilioni di token. Ma questa cifra è stata presto superata da altre innovazioni, come il modello Skywork cinese, addestrato su 3,2 trilioni di token, e PaLM 2 di Google, che ha sfiorato i 3,6 trilioni di token.

Tuttavia, questa frenetica corsa ai dati non è priva di complicazioni. L’uso massiccio di opere creative per addestrare questi modelli ha sollevato questioni legali, come evidenziato dalle azioni legali intraprese dal Times contro OpenAI e Microsoft per l’utilizzo di contenuti senza permesso. Questa situazione ha spinto oltre 10.000 entità a esprimere, negli Stati Uniti, le loro preoccupazioni al Copyright Office, avviando un ampio dibattito sui diritti d’autore nell’era digitale.

Le aziende di spicco nel settore, tra cui Google e Meta, hanno dichiarato di utilizzare dati acquisiti legalmente, con Google che sottolinea l’uso di contenuti di YouTube secondo accordi con i creatori e Meta che vanta investimenti nell’intelligenza artificiale, utilizzando immagini e video da Instagram e Facebook.

Parallelamente, Google naviga in acque turbolente, confrontandosi con dilemmi legali riguardanti l’utilizzo dei dati di YouTube. Sebbene la politica interna di Google permetta l’uso dei dati per migliorare i servizi interni, rimane ambiguo se tali dati possano essere utilizzati per sviluppare servizi commerciali esterni. In questo contesto, Google ha valutato l’espansione dell’utilizzo dei dati degli utenti, esplorando l’integrazione di informazioni da Google Docs e altre app nelle iniziative di IA.

Nel tentativo di superare la penuria di dati, Altman ha proposto un approccio pionieristico: addestrare l’IA su dati sintetici generati dall’intelligenza artificiale stessa. Questa metodologia potrebbe offrire una soluzione alla dipendenza da dati protetti da copyright, benché presenti sfide tecniche significative, come il rischio di feedback loop che possono rinforzare errori e limitazioni nei modelli di IA.