E i risultati sono misteriosamente molto ‘ordinati’. Non necessariamente molto giusti.
Su Panorama, Irene Cosul Cuffaro racconta la storia di Primary e del suo indice che assegna un punteggio ai giornalisti. Il titolo parla di un «tecnotribunale», Peter Thiel compare naturalmente nella trama e, nel giro di poche righe, ci ritroviamo nel posto in cui oggi finiscono quasi tutte le discussioni: l’intelligenza artificiale salverà il mondo oppure lo distruggerà?
Io partirei da una domanda meno spettacolare: prima di emettere la sentenza, qualcuno ha letto?
Primary si presenta in modo assai più ragionevole di quanto suggerisca la sua genealogia. È una testata fondata su un principio difficilmente contestabile: il giornalismo dovrebbe poggiare sulle prove, non sulla reputazione. Il suo Primary Index estende questo principio agli altri media, valutando gli articoli attraverso sette parametri, pesi fissi e una metodologia pubblica. Non misura, sostiene, ciò che un articolo conclude, ma come documenta ogni affermazione e quanto il lettore possa risalire alle fonti. Evidence over opinion. Il mestiere, non la politica.
Detta così, quasi quasi mi iscrivo.
Ho spesso parecchio da ridire sui media e sui giornalisti: articoli scritti senza conoscere ciò di cui parlano, titoli che non corrispondono al testo, comunicati stampa riscaldati e serviti come inchieste, pregiudizi trasformati in analisi. Non posso quindi scoprirmi improvvisamente corporativo soltanto perché qualcuno ha deciso di assegnare un voto a chi scrive.
Anzi, sono all in sul giudizio. Sul confronto e, quando serve, anche sullo scontro. Se scrivo sciocchezze, fatemi pure a pezzi. Criticate ogni riga, cercate le contraddizioni, portate dati, documenti e ragioni. È esattamente ciò che chi scrive pretende di poter fare agli altri.
Ma, possibilmente, leggetemi prima.
Prima di Primary c’era Objection
Il problema di Primary si comprende meglio tornando al progetto dal quale proviene. Nell’aprile 2026 Aron D’Souza lanciò Objection, finanziato anche da Peter Thiel e Balaji Srinivasan. L’idea era correggere una presunta asimmetria: un giornalista può compromettere una reputazione in poche ore, mentre per contestare il suo articolo in tribunale servono anni e molto denaro.
Objection prometteva di accorciare il processo. A partire da 2.000 dollari, qualcuno poteva contestare un’affermazione pubblicata; investigatori umani — presentati anche come ex FBI, CIA e NSA - raccoglievano il materiale; il giornalista poteva replicare; infine una giuria composta da diversi modelli linguistici pronunciava il proprio “verdetto”. Il tutto, possibilmente, entro 72 ore.
La giustizia mediatica, ma con una migliore user experience.
D’Souza non era arrivato per caso a questa idea. Aveva contribuito alla strategia legale finanziata da Thiel contro Gawker, la causa che portò il gruppo editoriale alla bancarotta. Objection dichiarava esplicitamente di voler “industrializzare” un processo che nel caso Gawker aveva richiesto anni e milioni.
Qui la finalità appare già meno igienica. Non soltanto verificare le notizie, ma fornire a persone e aziende uno strumento rapido per produrre un controverdetto, completo di investigatori, fascicolo e solenne timbro algoritmico. Nessun valore giuridico, naturalmente. Ma nel mercato della reputazione il valore giuridico è spesso meno importante di uno screenshot pubblicabile mentre la polemica è ancora calda.
Objection si è poi trasformata in Primary. Il modello è cambiato davvero: non si parte più, almeno nell’attuale Index, da una contestazione comprata e non si promette una sentenza sulla verità di una singola notizia. Si analizzano sistematicamente articoli e autori attraverso una griglia dichiarata. Sovrapporre completamente i due progetti sarebbe scorretto.
Ignorare la continuità sarebbe però piuttosto ingenuo.
La coerenza non è la verità
Primary rivendica un metodo pubblico: sette indicatori, pesi fissi, le stesse regole per tutti. Ne deriva, sostiene, che lo stesso articolo ottenga sempre lo stesso punteggio.
È un elemento positivo. Sapere come viene costruito un voto è meglio che riceverlo da una scatola nera. Ma la trasparenza di un metodo non dimostra che quel metodo misuri la cosa giusta. Anche un metro perfettamente tarato produce risultati molto coerenti se lo usiamo per pesare una persona. Semplicemente, sta misurando altro.
Qualcuno ha scelto i sette parametri. Qualcuno ne ha stabilito il peso. Qualcuno ha deciso che cosa possa essere osservato nel testo e trasformato in dato. Un algoritmo può misurare la presenza di link, attribuzioni, documenti e formule di cautela. Comprende molto più difficilmente il lavoro invisibile dietro una fonte, il contesto nel quale ha parlato, il rischio che corre o le ragioni per cui non può essere identificata.
La tracciabilità è un valore. Ma alcune delle migliori inchieste della storia non sarebbero mai esistite senza fonti anonime. Un articolo pieno di link può essere pessimo; uno scoop inizialmente sostenuto da una fonte protetta può essere vero. Il giornalismo non diventa automaticamente migliore perché assomiglia di più a un foglio Excel.
In termini tecnici, Primary può forse misurare con una certa regolarità alcune caratteristiche osservabili di un articolo. Il salto avviene quando quelle caratteristiche diventano un indice di qualità del giornalista. È la differenza tra affidabilità della misurazione e validità del costrutto: il voto può essere ripetibile senza rappresentare davvero ciò che promette di rappresentare.
Detto meno accademicamente: il numero può essere preciso e continuare a essere sbagliato.
LinkedIn, Substack e la polizia dello stile
Lo stesso meccanismo sta invadendo anche luoghi meno solenni. Pubblicate un post su LinkedIn o un articolo su Substack e prima o poi qualcuno annuncerà di averlo “sgamato”: troppo ordinato, troppi due punti, una certa costruzione, magari persino qualche trattino. Sentenza: scritto dall’AI.
Ora abbiamo macchine che scrivono come esseri umani, esseri umani che scrivono come macchine e strumenti automatici incaricati di stabilire chi abbia imitato chi. Mancava soltanto il verbale.
Il problema tecnico è che i detector non identificano un autore: stimano la probabilità che certe regolarità linguistiche assomiglino a quelle prodotte da determinati modelli. Basta cambiare modello, dominio, lingua o riscrivere moderatamente il testo perché le prestazioni precipitino. Uno studio pubblicato nei Findings of NAACL 2025 ha mostrato che anche detector avanzati possono arrivare, in alcune condizioni realistiche, a una sensibilità dello zero per cento mantenendo basso il tasso di falsi positivi.
OpenAI aveva persino costruito un proprio classificatore. Lo ha ritirato nel 2023 per la scarsa accuratezza: riconosceva correttamente soltanto il 26 per cento dei testi generati e classificava erroneamente come artificiali il 9 per cento di quelli umani.
Non finisce qui. Una ricerca di Stanford ha rilevato che sette detector classificavano come generati dall’AI oltre la metà dei testi inglesi scritti da persone non madrelingua. In altre parole, chi usa una sintassi più semplice o un lessico meno vario rischia di sembrare artificiale; chi chiede alla macchina di “scrivere in modo più letterario” può invece superare il controllo.
È quasi poetico: per non essere accusati di usare l’intelligenza artificiale potrebbe convenire usarla meglio.
Un detector può essere un segnale utile per iniziare una verifica. Diventa pericoloso quando viene utilizzato per concluderla. È lo stesso errore concettuale dell’AI tribunal: trasformare un’indicazione probabilistica in un giudizio individuale, poi lasciare che sia la persona valutata a dimostrare che la macchina si è sbagliata.
Chi giudica chi giudica?
Non penso che dietro ogni indice ci sia necessariamente un piano segreto per abolire il giornalismo. Sarebbe una spiegazione troppo comoda e, francamente, concederebbe ai protagonisti persino un’eccessiva capacità di pianificazione.
Bastano incentivi molto più ordinari: proteggere reputazioni, creare un nuovo mercato, vendere strumenti di verifica, influenzare ciò che redazioni e piattaforme premieranno, trasformare un’opinione privata in infrastruttura. Se un punteggio comincia a incidere sulla visibilità di un autore, sulle assunzioni, sui compensi o sulle fonti utilizzate dagli assistenti AI, chi definisce quel punteggio non sta semplicemente osservando il giornalismo. Sta contribuendo a decidere quale giornalismo potrà esistere.
Primary può diventare uno strumento interessante. La sua metodologia pubblica merita di essere letta e discussa, non liquidata con la biografia dei finanziatori. Ma proprio perché pretende di applicare agli altri il principio evidence over reputation, deve accettare che lo stesso principio venga applicato al suo Index: quali prove dimostrano che quei sette parametri misurino davvero la qualità? Quali errori produce? Chi viene penalizzato? Esiste una validazione indipendente? E chi assegna un punteggio a chi assegna i punteggi?
La mia tesi, alla fine, è molto poco tecnologica. La critica è un rapporto dialettico e anche conflittuale: richiede lettura, contesto, argomenti, replica e responsabilità. Richiede che chi giudica esponga le proprie ragioni e, possibilmente, ci metta la faccia.
Quindi giudicate pure i giornalisti, gli autori, i post su LinkedIn, gli articoli su Substack. Giudicate anche me. Duramente, se serve.
Ma non affidiamo all’AI anche il giudizio critico. Potrebbe produrre un voto molto elegante prima ancora che qualcuno abbia trovato il tempo di leggere.