Come usiamo i chatbot nella vita quotidiana? Ecco cosa dicono i dati

Sul modo in cui le persone usano i chatbot esiste una risposta consolidata, che arriva in buona parte da chi quei sistemi li produce. Lo studio How People Use ChatGPT, pubblicato come working paper NBER da un gruppo di ricercatori di Duke, Harvard e OpenAI sulla base dei dati interni della piattaforma, classifica quasi l’80% delle conversazioni in tre categorie: guida pratica, ricerca di informazioni, scrittura. Le interazioni di natura relazionale ed espressiva restano sotto il 2%. Lo stesso studio segnala che i messaggi non lavorativi sono cresciuti dal 53% a oltre il 70% del totale.

Il ritratto che ne esce non è quindi quello di un assistente prevalentemente professionale, ma quello di uno strumento largamente impiegato nella vita quotidiana, in cui però la componente emotiva e relazionale occupa uno spazio marginale.

Su quest’ultimo punto, in particolare, si concentra la verifica dell’Observatory.

L’AI Observatory e le fonti per misurare l’uso dell’AI

The AI Observatory, ricerca rilasciata da un consorzio che riunisce MIT, Stanford, Northeastern e altri atenei, invita a leggere quel quadro con più cautela. Non propone una descrizione alternativa dell’uso dell’AI. Si occupa di un problema che viene prima: quanto le conclusioni su questo tema dipendano dalla fonte di dati scelta.

Sette fonti per capire come viene usata l’AI

Il gruppo di ricerca ha raccolto sette diverse fonti di conversazioni reali, i log di WildChat, le chat condivise di ShareGPT e AI Archive, le invocazioni pubbliche di Grok, i dati di LMSYS e Chatbot Arena, il materiale ad accesso protetto del National Internet Observatory, e le ha annotate tutte con lo stesso schema: 145 caratteristiche applicate a ciascuna conversazione, dal tipo di richiesta agli argomenti trattati, dallo stile di interazione agli usi sensibili. Il corpus comprende 23.158 conversazioni e oltre 85.000 turni, raccolti fra il 2023 e il 2026. È la più ampia aggregazione pubblica di questo tipo realizzata finora.

Il primo risultato riguarda la distanza fra le fonti. Grok risulta orientato soprattutto al recupero di informazioni, ShareGPT alla generazione di contenuti, WildChat presenta prompt in media molto più lunghi delle altre fonti. Differenze di questa ampiezza persistono anche fra fonti che si appoggiano a modelli simili, il che suggerisce che l’interfaccia e la composizione degli utenti incidano sull’uso quanto il modello stesso.

Gli autori sono espliciti sui limiti di questa osservazione. Tutte le fonti sono a contributo volontario, quindi nessuna è rappresentativa dell’uso complessivo e nessuna è intercambiabile con le altre. Il confronto non serve a stabilire quale fonte sia più attendibile, ma a documentare quella che chiamano sensibilità di misura: la distribuzione osservata cambia in modo sostanziale a seconda di dove si guarda.

Il filtro occupazionale nell’analisi dell’uso dell’AI

Su questo punto la ricerca svolge una verifica che merita attenzione, e che si collega a un filone già noto ai lettori di queste pagine. Le analisi più citate sull’uso dell’AI, l’Economic Index di Anthropic, lo studio Microsoft sulle conversazioni con Copilot, adottano una lente comune: quella del compito lavorativo. Mappano le conversazioni sulle mansioni professionali e ne ricavano una descrizione dell’AI applicata al lavoro cognitivo.

Gli autori dell’Observatory hanno riprodotto il filtro occupazionale dell’Economic Index e lo hanno applicato alle proprie fonti. Il 47,9% delle conversazioni risulta classificato come non lavorativo e viene quindi escluso prima che si calcoli qualunque distribuzione di compiti. La quota varia dal 34,2% al 61,9% a seconda della fonte. Le conversazioni escluse non si distribuiscono in modo casuale: sono più frequentemente legate a salute e relazioni, contenuti sessuali, scambi ostili o molesti.

Vale la pena precisare la portata del dato. Non si tratta di una stima del traffico di una piattaforma specifica, gli stessi autori osservano che le versioni successive dell’Economic Index non applicano più quel filtro, trovando distribuzioni simili alle loro. L’osservazione utile è più circoscritta: il filtro non è un passaggio neutro di pre-elaborazione, ma una scelta di misura che incide in modo rilevante sul risultato finale.

Oltre il lavoro: come viene usata l’AI nelle relazioni

Il dato sul 47,9% descrive una quota rimossa, non il suo contenuto. Per capire cosa contenga, è utile affiancare una ricerca costruita in modo diverso: AI in the Wild, lo studio longitudinale condotto da Marc Zao-Sanders e ripreso quest’anno da Harvard Business Review, che ha analizzato 12.637 casi d’uso ricavati non dalle conversazioni ma da ciò che le persone raccontano del proprio uso dell’AI su Reddit, LinkedIn, TikTok e altre piattaforme.

Il metodo è diverso, la direzione del risultato no. Il caso d’uso più frequente, per il secondo anno consecutivo, è terapia e compagnia: l’11% del dataset, in crescita rispetto al 5% dell’anno precedente. Nelle testimonianze raccolte compaiono utenti che attribuiscono un nome proprio al chatbot, che descrivono la propria dipendenza dallo strumento, che vivono l’aggiornamento di un modello come una perdita.

Limiti opposti e cifre non comparabili

Le due ricerche hanno limiti noti, che però agiscono in direzioni opposte. Nel caso dell’Observatory, chi accetta di rendere pubbliche le proprie conversazioni tende a trattenere quelle più intime: la componente emotiva risulta quindi sottorappresentata, e gli autori lo scrivono esplicitamente. In AI in the Wild accade il contrario, perché sui social si racconta ciò che merita di essere raccontato, un dialogo confidenziale con un chatbot lo è più di una richiesta ordinaria: qui la stessa componente risulta amplificata.

Il punto è che entrambe, pur sbagliando presumibilmente in versi opposti, la collocano su un ordine di grandezza lontano da quello rilevato sui dati interni di OpenAI. Quando due misurazioni con difetti contrari indicano la stessa direzione, quell’indicazione è più solida di ciascuna presa separatamente.

Le cifre in sé restano però incomparabili, perché contano oggetti diversi: l’11% di AI in the Wild si riferisce a casi d’uso dichiarati dagli utenti, la prevalenza rilevata dall’Observatory a conversazioni escluse dal filtro, il 2% dello studio NBER a messaggi. A convergere è la direzione, non il valore.

L’uso dell’AI cambia nel tempo e lascia zone d’ombra

L’Observatory aggiunge un elemento che riguarda anche la propria fotografia. Sui log di WildChat, fra il 2023 e il 2025, la lunghezza media dei prompt cresce in modo molto marcato, le conversazioni diventano più lunghe e iterative, cambia lo stile di interazione. Anche varianti diverse dello stesso modello sostengono modi d’uso distinti: scambi brevi con le versioni più datate, assistenza prolungata con quelle intermedie, risoluzione di problemi tecnici in un unico passaggio con i modelli orientati al ragionamento. Ne segue che ogni descrizione statica dell’uso dell’AI ha una durata limitata e che i confronti fra modelli che ignorano interfaccia e contesto di impiego rischiano di attribuire al modello proprietà del regime d’uso che lo circonda.

Resta il punto di merito. La componente che la lente occupazionale lascia fuori, compagnia, autodisclosure, richiesta di conforto, e quella progressiva delega del pensiero che altrove ho chiamato resa cognitiva, non è un residuo marginale, ed è l’area in cui si concentrano diversi dei rischi oggi più discussi.

Una cosa si può prevedere con ragionevole sicurezza: continueremo a discutere degli effetti dell’intelligenza artificiale sulle persone basandoci su misurazioni che quelle persone le vedono solo in parte. Gli strumenti di analisi nascono dove esistono incentivi a costruirli ma ciò che resta fuori dal loro campo non smette di accadere. Semplicemente, lo scopriamo dopo, quasi sempre a partire da un danno. L’Observatory non promette di correggere questa asimmetria. Si limita a renderla visibile, per ora è il massimo che riusciamo ad avere.