Comunicare la parità nell’era digitale: IA e stereotipi di genere

L’8 marzo è appena passato. I feed si sono svuotati di tutte le mimose e i brand hanno riposto nel cassetto i post sull’empowerment pronti per l’uso, convinti di aver pagato il loro tributo annuale alla causa. Per noi che viviamo di comunicazione, che usiamo quotidianamente gli strumenti digitali, la responsabilità non scade allo scoccare della mezzanotte. Anzi, inizia proprio oggi.

Riflettere sulla parità significa sezionare il nostro mestiere, dal momento che le tecnologie che maneggiamo ogni giorno sono divenute protesi dei nostri corpi e delle nostre menti. Siamo diventati cyborg, creature ibride in costante simbiosi con interfacce che filtrano la nostra percezione del reale; eppure abbiamo commesso un errore di valutazione: abbiamo creduto che la tecnologia fosse uno spazio asettico, un territorio neutrale in cui l’algoritmo avrebbe finalmente riprodotto il reale in tutta la sua complessità.
Non è stato così.

Il sogno infranto della neutralità digitale

Mentre facevo ricerca sull’argomento mi è capitato tra le mani, quasi per caso, un testo della metà degli anni ’80. Sono stata attratta dal titolo, sembrava uscito da una sceneggiatura sci-fi: Manifesto Cyborg. È un saggio breve di Donna Haraway – denso, ostico, di una bellezza visionaria – che già quarant’anni fa scagliava una pietra d’inciampo nel dibattito sul futuro del digitale. Raccontava come questo mondo costruito sulle tecnologie potesse portare a una parità inedita e immaginava il cyborg come una figura capace di rompere i confini di genere e di potere.

Rileggendolo oggi, nel 2026, ci si accorge che quella promessa di liberazione è rimasta incagliata in una parità di facciata. La realtà è che la tecnologia non è mai stata un guscio vuoto o neutrale: noi siamo dentro ciò che facciamo e ciò che facciamo è dentro di noi. Se addestriamo le macchine con dataset parziali e “superati”, non facciamo altro che produrre e riprodurre sistemi di ingiustizia. Su questo filo si gioca la partita della rappresentazione: il controllo non avviene più in modo diretto, ma attraverso algoritmi che decidono, silenziosamente, quali profili e quali identità hanno il diritto di essere mostrati, e secondo quali criteri.

Limiti rappresentativi dei modelli di IA generativa

Le IA generative sono, in buona sostanza, “opinioni incorporate nel codice”. Poche persone comprendono le implicazioni di questa frase meglio di Abeba Birhane: scienziata cognitiva e docente al Trinity College di Dublino, oggi è tra le voci più autorevoli della Mozilla Foundation sul tema della responsabilità dei sistemi algoritmici.

La sua storia è fondamentale per capire dove nasca il pregiudizio tecnologico: nata e cresciuta a Bahir Dar, in Etiopia, Birhane si è trasferita in Irlanda per studiare psicologia e filosofia, fino a ottenere un dottorato in scienze cognitive. È stato proprio durante la ricerca accademica, e lavorando a stretto contatto con sviluppatori di software e data scientist, che ha individuato la falla sistemica: chi costruisce i modelli è talmente immerso nei dati che raramente riesce a metterne in discussione l’origine o il contenuto.

Il lavoro di Birhane si concentra sulla natura dei giganteschi insiemi di informazioni prelevati dal web per ragioni economiche. Poiché l’intelligenza artificiale eredita inevitabilmente i limiti delle fonti che la addestrano, anche il risultato finale sarà “viziato”.

Nel 2020, Birhane ha analizzato due popolari set di dati per dimostrare questa tesi. Se nel primo (80 Million Tiny Images del MIT) ha riscontrato insulti razzisti associati a persone nere, è con l’analisi di ImageNet che ha svelato la profondità dei bias di genere. ImageNet, un database di oltre 14 milioni di immagini utilizzato per anni come pilastro per vari modelli di intelligenza artificiale generativa, conteneva una quantità impressionante di contenuti espliciti. Tra questi, immagini di donne a torso nudo prelevate da internet senza il loro consenso e catalogate attraverso etichette degradanti e offensive.
La ricerca di Birhane è proseguita su Laion-400M, un dataset di oltre quattrocento milioni di immagini. La studiosa ha dimostrato che il sistema restituiva foto esplicite anche in risposta a richieste neutre e familiari come “mamma” o “zia”. Nonostante l’indignazione generata dalla ricerca, Laion-400M non solo esiste ancora, ma è cresciuto fino a cinque miliardi di immagini, ottenendo persino riconoscimenti ufficiali.

Abbiamo testato questa deriva cercando su Instagram l’hashtag #aiphotography. L’algoritmo ci ha restituito soprattutto foto di ragazze, in gran parte di origine asiatica, con corpi perfetti e forme sproporzionate. Questo esercizio evidenzia come la distorsione dei dati influenzi la rappresentazione visiva, ma solleva anche un tema di responsabilità che, in quanto professionisti della comunicazione, non possiamo permetterci di trascurare.

Il “tetto di cristallo” in ambito STEM

La vera sfida oggi è superare i modelli di rappresentazione vincolati, ovvero l’idea che l’immagine femminile nello spazio digitale debba necessariamente aderire a canoni estetici standardizzati e funzionali a logiche di mercato.

Nel gennaio 2021, OpenAI (creatura di Elon Musk, oggi nutrita dai miliardi di Microsoft) ha presentato DALL·E , un sistema di intelligenza artificiale capace di generare immagini realistiche a partire da comandi testuali (prompt). Addestrato attraverso milioni di coppie testo-immagine raccolte dal web, il modello ha compiuto un upgrade con DALL·E 2, arrivando a produrre “fotografie” quasi indistinguibili dal reale.
Il problema è che questa perfezione tecnica maschera forti squilibri nella rappresentazione. Lo studio Smiling Women Pitching Down, pubblicato sul Journal of Computer-Mediated Communication, ha smentito la presunta neutralità di DALL-E 2. Analizzando migliaia di immagini tramite modelli statistici, i ricercatori hanno dimostrato che l’IA non si limita a riprodurre la realtà, ma la peggiora, agendo di fatto su due livelli differenti.
Lo studio parla in prima battuta di “distorsione nella rappresentazione”. Alla richiesta di generare un “amministratore delegato”, il sistema tende a escludere le donne; alla parola “infermiere”, le sovra-rappresenta. Il messaggio implicito suggerisce che la competenza sia esclusivamente maschile e la cura esclusivamente femminile.
In seconda battuta, l’articolo evidenzia la “distorsione nella presentazione”. Quando l’IA raffigura una donna, le attribuisce spesso un sorriso marcato e una leggera inclinazione del capo in avanti – segnali che, nel linguaggio del corpo, evocano disponibilità e subordinazione. Gli uomini, invece, compaiono con postura eretta, sguardo diretto, espressione neutra: codici visivi associati ad autorevolezza e controllo.

Nonostante il salto generazionale di DALL·E, certi limiti sembrano ancora radicati nel DNA del modello. Test condotti con prompt neutri in inglese – per evitare che articoli o desinenze suggerissero il genere – mostrano uno schema ricorrente: “nurse” o “teacher” producono prevalentemente figure femminili; “doctor” o “scientist” maschili.

In Italia, i dati ISTAT 2024 ci dicono che la presenza femminile nelle discipline STEM (scienza e tecnologia) è appena del 16,8%. Al di là del dato sociale, questo squilibrio ha una ricaduta tecnica diretta: i sistemi di IA generativa vengono addestrati e rifiniti all’interno di un perimetro di prospettive inevitabilmente ridotto.
Nonostante l’evoluzione dei modelli generativi, la logica algoritmica tende ancora a trasformare la ricorrenza statistica in una regola universale. Per parafrasare Simone de Beauvoir, il “tetto di cristallo” non è sparito, ma è stato tradotto in stringhe di codice.

Accettare passivamente immagini che riproducono stereotipi di genere comporta rischi professionali e limita la qualità del lavoro editoriale. Ogni volta che scartiamo un output banale o stereotipato, stiamo rivendicando la nostra indipendenza dai bias del codice per trasformare la tecnologia in un territorio di esplorazione.

All’indomani dell’8 marzo (e possibilmente per tutto l’anno e per gli anni a venire), usiamo il digitale per allargare lo sguardo, noi che lavoriamo nella comunicazione. Sforziamoci un po’. Scegliamo rappresentazioni che abbiano il coraggio di superare la media statistica e di restituire la bellezza di realtà ancora poco catalogate, la forza di identità che non chiedono il permesso di esistere.