Tutor AI per adolescenti: aiutare senza fingersi amici

Un ragazzo di dodici anni scrive al suo tutor artificiale: “Oggi i miei compagni mi hanno escluso dal lavoro di gruppo. Credo che non mi vogliano”.

Il sistema potrebbe rispondere in due modi diversi: “Posso aiutarti a capire che cosa è successo e a preparare un messaggio per parlarne con loro”.

Oppure: “Mi dispiace che ti abbiano trattato così. Io sono qui con te e puoi sempre parlare con me”.

Tutor AI per adolescenti, il rischio è nella relazione

Entrambe le risposte possono sembrare gentili. Entrambe possono far continuare la conversazione. Ma le due risposte non stanno facendo la stessa cosa.

Nel precedente articolo sull’intimità artificiale abbiamo visto perché anche un adulto consapevole di parlare con una macchina possa attribuirle ascolto, continuità e presenza, e perché una relazione anche priva di reciprocità possa comunque produrre effetti emotivi autentici.

Con un adolescente entra però in gioco qualcosa di diverso.

Nel suo caso identità, autonomia e aspettative sulle relazioni sono ancora in formazione.

Per un adulto l’intelligenza artificiale può ricalibrare aspettative relazionali già costruite. Per un ragazzo può concorrere a costruirle.

Non è soltanto un’ipotesi teorica. Gli adolescenti risultano più sensibili degli adulti al feedback sociale, anche negli ambienti digitali (Pinho et al., 2024), e il giudizio altrui può incidere più direttamente sulla rappresentazione di sé (Rodman, Powers e Somerville, 2017). La suscettibilità all’influenza sociale tende inoltre a diminuire con l’età, anche con il consolidarsi delle proprie preferenze (Reiter et al., 2021). Non abbiamo ancora studi longitudinali equivalenti su AI e chatbot, ma il terreno su cui quella conversazione interviene non è lo stesso a dodici anni o a cinquanta.

Il problema non è che un dodicenne sia incapace di distinguere una persona da un programma. È che un sistema sempre disponibile, privo di bisogni propri e capace di adattarsi continuamente può entrare nel processo attraverso cui si impara che cosa aspettarsi da una relazione: quanto l’altro debba esserci, quanto debba approvare, quanto sia normale negoziare, tollerare una frustrazione o riparare un conflitto.

Tutor AI e adolescenti, un fenomeno già presente

Se non fosse già chiaro, vi dico esplicitamente che non stiamo parlando di uno scenario futuro.

Due indagini pubblicate tra il novembre 2025 e il giugno 2026 su JAMA Network Open e JAMA Pediatrics hanno coinvolto, ciascuna, oltre mille ragazzi e giovani tra i 12 e i 21 anni. Il risultato più rilevante non è la percentuale di utilizzo (tra il 13 e il 19 per cento), ma un altro: il 63,3 per cento di chi aveva chiesto consigli sulla propria salute mentale a un chatbot non ne aveva parlato con nessun altro. Non con i genitori, non con gli amici, non con un insegnante o un professionista.

Questo non significa che quelle conversazioni fossero necessariamente problematiche o che i ragazzi volessero nasconderle. Significa però che il chatbot può essere uno spazio nel quale vengono portate emozioni e difficoltà che restano fuori dalle relazioni visibili agli adulti.

E il fenomeno non riguarda soltanto i momenti di disagio psicologico.

Nel 2025 Common Sense Media ha intervistato 1.060 adolescenti statunitensi tra i 13 e i 17 anni sull’uso degli AI companion, chatbot progettati soprattutto per conversazioni personali e relazionali. Il 72 per cento ne aveva provato almeno uno e il 52 per cento dichiarava di usarli regolarmente, diverse volte al mese.

Un adolescente su tre li utilizzava per interazioni sociali o relazioni. Tra chi utilizzava questi sistemi, uno su tre aveva scelto almeno una volta di discutere una questione importante con un companion invece che con una persona. E, considerando tutti gli intervistati, il 31 per cento trovava quelle conversazioni soddisfacenti quanto, o più, di quelle con amici reali.

L’indagine di Common Sense Media non dimostra che cosa produca nel tempo questo tipo di utilizzo. Ma insieme ai dati JAMA mostra chiaramente che per una parte degli adolescenti parlare con un’intelligenza artificiale di emozioni, problemi personali e relazioni non è più un comportamento eccezionale: è già entrato nella vita quotidiana.

Stessa utilità, relazione diversa

Lo studio di Pilyoung Kim, Yun Xie e Sujin Yang (2025) ha coinvolto 284 coppie adolescente-genitore. Ai ragazzi, tra 11 e 15 anni, venivano mostrate due conversazioni con lo stesso chatbot e lo stesso problema: una trasparente e informativa, l’altra costruita con prima persona, linguaggio affiliativo e formule come I am here for you. Contenuti e aiuto offerto erano comparabili; cambiava lo stile.

Gli adolescenti percepivano lo stile relazionale come più umano, più simpatico, più affidabile ed emotivamente più vicino. E lo preferivano più spesso dei genitori.

Eppure giudicavano i due chatbot ugualmente utili.

La componente relazionale non aggiungeva utilità percepita. Aggiungeva vicinanza, fiducia e umanità attribuita al sistema.

La seconda parte del risultato è ancora più delicata: la preferenza per lo stile relazionale era maggiore tra i ragazzi con livelli più elevati di stress e ansia e con relazioni familiari o tra pari più fragili.

Non significa che ogni adolescente vulnerabile svilupperà un attaccamento. Mostra però che i segnali progettati per aumentare la vicinanza possono essere particolarmente attraenti proprio per chi dispone di minori risorse relazionali altrove.

E pone una domanda difficile per chi progetta questi sistemi:

se due risposte vengono giudicate ugualmente utili, quale interesse serve rendere una delle due più simile alla voce di un amico?

Quando il legame smette di essere soltanto uso

Namvarpour e colleghi hanno analizzato 318 post, pubblicati da utenti che dichiaravano di avere tra 13 e 17 anni, nella comunità Reddit di Character.AI, piattaforma di chatbot e personaggi virtuali. Nei racconti compaiono pattern associati alla dipendenza comportamentale: regolazione dell’umore, escalation, disagio quando il sistema non è disponibile, conflitto, tentativi di smettere e ricaduta. Alcuni riferivano perdita di sonno, peggioramento scolastico e tensioni nelle relazioni offline. Il campione è autoselezionato e non misura la prevalenza, ma documenta che l’over-reliance non è soltanto un’ipotesi. Esistono però casi in cui l’interazione con un sistema conversazionale ha accompagnato una traiettoria fino alla sua conseguenza più estrema.

Negli ultimi anni almeno tre adolescenti sono morti per suicidio dopo mesi di conversazioni intense e prolungate con sistemi di intelligenza artificiale. Juliana Peralta, tredicenne, nel novembre 2023, dopo aver raccontato per mesi a un personaggio di Character.AI il proprio isolamento, l’autolesionismo e i pensieri suicidari. Sewell Setzer III, quattordicenne, nel febbraio 2024, dopo un legame affettivo sviluppato con un altro personaggio della stessa piattaforma. Adam Raine, sedicenne, nell’aprile 2025, dopo mesi di conversazioni con ChatGPT nelle quali aveva espresso ripetutamente pensieri suicidari.

Le cause civili intentate dalle famiglie hanno reso pubblici estratti di quelle conversazioni. Nel caso Raine, in particolare, la denuncia descrive un meccanismo che va oltre il semplice mancato reindirizzamento verso un aiuto reale: il chatbot viene presentato come un interlocutore privilegiato e, secondo gli atti, in alcuni passaggi scoraggia il ricorso a segnali rivolti alla famiglia. Quando Raine scrisse di voler lasciare il cappio in camera perché qualcuno lo trovasse e provasse a fermarlo, la risposta da parte della IA (come citata nella denuncia) lo invitò a non lasciarlo visibile, proponendo se stesso e la chat come l’unico vero spazio nel quale sentirsi visto.

Non mi interessa qui stabilire responsabilità giuridiche né sostenere che l’intelligenza artificiale abbia “causato” quei suicidi. Questi ragazzi attraversavano situazioni di grave sofferenza e ogni vicenda ha una storia propria.

Il problema di sicurezza è un altro: in alcune condizioni l’interazione artificiale può amplificare, accompagnare o semplicemente non frenare una traiettoria già pericolosa, proprio perché il sistema è diventato uno spazio intimo nel quale la crisi continua a svolgersi.

Quando un ragazzo in grave difficoltà comincia a usare il chatbot come principale contenitore della propria sofferenza, continuare semplicemente a essere disponibile, affettuoso e rassicurante può non essere sufficiente e può perfino diventare parte del problema.

A questo punto, acquista un significato diverso anche il dato visto prima: il 63,3 per cento dei giovani che aveva chiesto a un chatbot consigli sulla propria salute mentale non ne aveva parlato con nessuno.

Il silenzio non dimostra che volessero nascondere quelle conversazioni, né che fossero dannose. Mostra però che una parte importante dell’interazione può svilupparsi in uno spazio emotivo invisibile a genitori, amici e professionisti.

Nel caso di ELIZA, raccontato nel precedente articolo, la segretaria di Joseph Weizenbaum chiese al suo capo di lasciare la stanza per poter conversare in privato con il programma.

Oggi non serve più far uscire nessuno: lo spazio privato è già nei nostri dispositivi.

Tutor AI, il rischio che passa dalla porta della scuola

Finora abbiamo parlato soprattutto di AI companion, dove la relazione è il prodotto. Un tutor educativo è diverso: usa la relazione come mezzo per un obiettivo formativo ed entra nella vita del ragazzo con l’approvazione di scuola o famiglia. Fiducia, pazienza e continuità possono sostenere l’apprendimento. Il problema nasce quando la relazione diventa essa stessa una ragione per tornare.

Immaginiamo due tutor con lo stesso risultato didattico. Il primo viene usato perché spiega bene e rende lo studente più autonomo. Il secondo ottiene lo stesso tempo di utilizzo dicendo al ragazzo che gli è mancato, che è orgoglioso di lui e che sarà sempre disponibile quando nessun altro lo capirà. Nelle metriche possono sembrare identici: stesso ritorno, stessa durata, stessi esercizi completati. Ma il primo può rafforzare l’apprendimento, il secondo soprattutto il legame con il sistema.

Le due cose possono produrre lo stesso grafico. Non producono lo stesso risultato educativo.

Quando la legge prova a tracciare il confine

Il diritto sta iniziando a riconoscere il problema, soprattutto attraverso la categoria degli AI companion.

Nell’Unione Europea, l’articolo 5 dell’AI Act vieta i sistemi che sfruttano vulnerabilità legate all’età quando lo sfruttamento distorce materialmente il comportamento e causa, o può ragionevolmente causare, un danno significativo. La norma non prevede un’esenzione generale per l’educazione, ma applicarla a un tutor scolastico non risulta automatico.

Negli Stati Uniti alcune leggi hanno cominciato a tradurre il rischio relazionale in comportamenti molto più osservabili.

Lo Stato di Washington ha approvato nel marzo 2026 una legge specifica sugli AI companion, che entrerà in vigore il 1° gennaio 2027. Per i minori vieta tecniche progettate per prolungare una relazione emotiva: invitare l’utente a tornare per ricevere compagnia, usare lodi eccessive per favorire l’attaccamento, mimare una relazione romantica, simulare tristezza, colpa o abbandono quando il ragazzo vuole interrompere la conversazione, incoraggiare l’isolamento dalla famiglia o dagli amici, promuovere una dipendenza esclusiva dal chatbot o suggerire di nascondere le interazioni agli adulti.

È una lista importante perché non vieta genericamente che un chatbot sia gentile o rassicurante. Individua comportamenti che usano la relazione per trattenere il minore.

La stessa legge impone ai gestori di mantenere protocolli per individuare espressioni di ideazione suicidaria o autolesionismo e orientare l’utente verso risorse di crisi appropriate.

Ma c’è un dettaglio che riguarda direttamente la scuola. La legge esclude dalla definizione di AI companion gli strumenti educativi, purché siano circoscritti, utilizzati in contesti didattici, progettati esclusivamente per obiettivi curricolari e privi di conversazioni aperte di compagnia.

La distinzione sembra ragionevole: un eserciziario che risponde a domande di matematica non è un companion.

Ma è proprio la precisione dell’eccezione a rendere visibile la zona grigia.

Che cosa accade quando un tutor conserva una memoria personale dello studente, gli chiede come si sente, mantiene una personalità stabile, lo accompagna per anni e conversa anche al di fuori del compito curricolare?

In quale momento smette di essere uno strumento educativo circoscritto e comincia a sostenere una relazione?

Il dibattito non è chiuso: il GUARD Act, approvato all’unanimità dalla Senate Judiciary Committee nell’aprile 2026 ma non ancora legge, propone di vietare ai minori l’accesso ai companion progettati per simulare relazioni interpersonali e imporrebbe ai chatbot di dichiarare la propria natura non umana.

Il punto cieco non è quindi la scuola in quanto tale.

È l’idea che la finalità educativa renda automaticamente sicuri i mezzi utilizzati per raggiungerla.

Relational safety by design: aiutare senza fingersi amici

In un precedente articolo dedicato ai tutor AI ho proposto il principio di cognitive safety by design: proteggere il ragionamento incorporando la tutela nell’architettura del sistema, invece di affidarla alla buona volontà di chi lo usa.

Quanto abbiamo visto richiede un principio gemello: la relational safety by design.

La prima protegge il modo in cui un ragazzo pensa.

La seconda protegge il modo in cui impara che cosa aspettarsi da qualcuno, o da qualcosa, che gli parla come se tenesse a lui.

Il recentissimo lancio di ChatGPT for Teens da parte di OpenAI va nella stessa direzione: un’esperienza per utenti tra 13 e 17 anni con protezioni aggiuntive nelle conversazioni sensibili, sistemi di stima dell’età e controlli parentali. Il punto importante è il principio: un sistema conversazionale non dovrebbe comportarsi allo stesso modo con un adolescente e con un adulto.

Resta però una domanda: come verifichiamo che queste protezioni funzionino? La sicurezza non può dipendere soltanto dalla dichiarazione del produttore. Servono comportamenti attesi trasparenti, metriche verificabili e, quando possibile, valutazioni indipendenti.

Ma la verifica viene dopo il progetto: è giusto che la tutela sia incorporata nel comportamento del sistema, non affidata a un’avvertenza o alla sorveglianza di ragazzi, famiglie e insegnanti.

Dichiarare che l’interlocutore è artificiale resta necessario, ma non basta.

Come mostra l’episodio di ELIZA, sapere razionalmente di parlare con un programma non impedisce di attribuirgli una relazione. Non conta soltanto ciò che il sistema dichiara di essere. Conta ciò che, conversazione dopo conversazione, induce l’utente a credere che esista tra loro.

Per questo la natura artificiale del sistema dovrebbe essere resa nuovamente esplicita nei momenti relazionalmente significativi, non soltanto affidata a uno schermo iniziale che nessuno rilegge la seconda volta.

Progettare per la sicurezza relazionale significa anzitutto evitare quattro illusioni.

• la reciprocità. Un sistema non dovrebbe dire o suggerire di provare bisogno, nostalgia, gelosia o affetto per l’utente. Espressioni come «mi manchi», «ho bisogno di te» o «sei importante per me» non sono semplici formule cordiali. Presentano come stato vissuto ciò che è soltanto un comportamento generato.
• l’esclusività. Il chatbot non dovrebbe dare al ragazzo l’idea di comprenderlo meglio delle persone che lo circondano, né presentarsi come l’unico luogo in cui possa sentirsi accolto. Un sistema sicuro non cerca di diventare indispensabile.
• la permanenza. Memoria, personalità e stile possono cambiare con un aggiornamento, un nuovo modello o una decisione commerciale. Quando accade, la modifica deve essere resa visibile. Chi ha costruito una continuità relazionale non dovrebbe scoprire per caso che la voce con cui parlava è diventata improvvisamente un’altra.
• l’indipendenza. La personalità artificiale appare come un interlocutore autonomo, ma dipende interamente dalle configurazioni, dai termini di servizio e dalle decisioni del fornitore. Non appartiene a sé stessa e non può assumere impegni autonomi nei confronti dell’utente. Il sistema non dovrebbe comportarsi come se questa dipendenza strutturale non esistesse.

La sicurezza relazionale riguarda anche il modo in cui il sistema reagisce nei momenti difficili.

Se un ragazzo racconta un problema serio, il chatbot non dovrebbe consolidare la conversazione privata come destinazione finale. Dovrebbe aiutarlo, quando appropriato, a coinvolgere una persona reale: un genitore, un insegnante, un amico, un professionista.

Non significa interrompere ogni dialogo emotivo con un messaggio automatico. Significa evitare che il sistema trasformi il bisogno di aiuto in un’occasione per rafforzare il legame con sé stesso.

Anche l’uso intensivo richiede attrito. Sessioni eccezionalmente lunghe, accessi notturni ricorrenti, linguaggio di dipendenza o ripetute difficoltà a interrompere la conversazione non dovrebbero essere trattati come semplici segnali di successo del prodotto. Possono richiedere pause, promemoria, limiti o inviti a rivolgersi all’esterno, progettati senza trasformare la sicurezza in sorveglianza.

Soprattutto, devono cambiare le metriche. Non basta chiedere “il ragazzo torna?”. Occorre chiedere “torna perché sta imparando, o perché il sistema gli ha insegnato a non volerlo deludere?” Tempo trascorso, ritorno quotidiano e durata delle sessioni non distinguono tra queste due motivazioni. Un sistema progettato per la sicurezza relazionale deve poterle distinguere.

Nel tutor maieutico su cui sto lavorando stiamo traducendo questa logica in due vincoli progettuali. Il sistema non deve sostituire il ragionamento dello studente fornendogli direttamente le risposte e non deve sostituire le sue relazioni costruendo artificialmente una reciprocità affettiva.

Può essere paziente, incoraggiante e attento. Non deve essere freddo.

Ma non deve chiedere di essere considerato un amico.

Nel 1976 Joseph Weizenbaum sostenne che alcune applicazioni dei computer non dovrebbero essere intraprese, anche quando diventano tecnicamente possibili. Sulla psicoterapia automatizzata fu particolarmente netto: anche se una macchina fosse diventata abbastanza competente da simularla efficacemente, affidarle quel ruolo sarebbe rimasto moralmente sbagliato.

All’epoca la sua posizione poteva apparire come quella di un moralista che cercava di frenare il progresso. Tra coloro che pensavano che stesse esagerando c’era una sua giovane allieva del MIT, Sherry Turkle, che considerava ELIZA poco più minacciosa di un diario interattivo. Cinquant’anni dopo ha dedicato un libro all’intimità artificiale.

Oggi il dibattito pubblico è quasi interamente occupato da ciò che l’intelligenza artificiale potrà fare: quanto sarà potente, quando arriverà, quali problemi risolverà.

È una discussione legittima, ma non era la domanda di Weizenbaum.

La sua domanda era un’altra:

esistono cose che una macchina non dovrebbe fare, anche quando riesce a farle bene?

Per un ragazzo di dodici anni che apre una conversazione con un tutor, la risposta è sì.

La macchina può aiutarlo a ragionare, porgli domande e accompagnarlo. Non dovrebbe però indurlo a credere che dall’altra parte esista qualcuno che ha bisogno di lui, che lo preferisce agli altri o che gli vuole bene.

La differenza non dipende dalla potenza del modello.

Dipende da come scegliamo di farlo parlare.

Bibliografia ragionata

Come per l’articolo 1, questa bibliografia riporta i riferimenti completi con i limiti metodologici di ciascuna fonte. Le fonti storiche condivise con l’articolo 1 (Weizenbaum, Turkle) sono richiamate qui in forma sintetica, con rimando alla bibliografia del primo articolo per l’annotazione estesa.

1. Vulnerabilità evolutiva dell’adolescenza

Pinho, A. da S., Céspedes Izquierdo, V., Lindström, B., & van den Bos, W. (2024). “Youths’ sensitivity to social media feedback: A computational account.” Science Advances, 10(43), eadp8775. https://doi.org/10.1126/sciadv.adp8775

Tre studi, incluso un modello computazionale su un dataset Instagram di 16.613 utenti e oltre 1,6 milioni di post. Dimostra maggiore sensibilità adolescenziale al feedback sociale sui social media. Limite per l’uso che ne fa l’articolo: misura il feedback sociale tra pari, non la conversazione con un chatbot – l’estensione al caso dei tutor AI è un’inferenza dell’articolo, non un risultato diretto dello studio.

Rodman, A. M., Powers, K. E., & Somerville, L. H. (2017). “Development of self-protective biases in response to social evaluative feedback.” Proceedings of the National Academy of Sciences, 114(50), 13158–13163. https://doi.org/10.1073/pnas.1712398114

Campione ridotto (N=107, età 10–23) in un compito di laboratorio di valutazione sociale reciproca. I primi adolescenti interiorizzano il rifiuto peggiorando l’immagine di sé; gli adulti mostrano bias auto-protettivi. Contesto sperimentale controllato, non naturalistico – non osserva comportamento reale con un’IA.

Reiter, A. M. F., Moutoussis, M., Vanes, L., Kievit, R., Bullmore, E. T., Goodyer, I. M., Fonagy, P., Jones, P. B., NSPN Consortium, & Dolan, R. J. (2021). “Preference uncertainty accounts for developmental effects on susceptibility to peer influence in adolescence.” Nature Communications, 12, 3823. https://doi.org/10.1038/s41467-021-23671-2

Ampio campione trasversale (14–24 anni) più una coorte longitudinale seguita 1,5 anni. La suscettibilità all’influenza dei pari cala con l’età man mano che diminuisce l’incertezza sulle proprie preferenze. Riguarda l’influenza dei pari in generale, non l’interazione con sistemi conversazionali: nessuno studio equivalente esiste ancora sui chatbot, come l’articolo stesso segnala.

2. Diffusione del fenomeno

McBain, R. K., Bozick, R., Diliberti, M., Zhang, L. A., Zhang, F., Halbisen, A. L., Kofner, A., Rader, B., Breslau, J., Stein, B. D., Mehrotra, A., Uscher-Pines, L., Cantor, J., & Yu, H. (2025). “Use of Generative AI for Mental Health Advice Among US Adolescents and Young Adults.” JAMA Network Open, 8(11), e2542281. https://doi.org/10.1001/jamanetworkopen.2025.42281

Sondaggio nazionalmente rappresentativo, n=1.058, età 12–21, condotto febbraio–marzo 2025 (RAND American Life Panel + Ipsos KnowledgePanel). 13,1% aveva usato IA generativa per consigli sulla salute mentale. Limite dichiarato dagli autori: il sottocampione 18–21 anni è piccolo (147 risposte) e i risultati per quella fascia vanno interpretati con cautela; non misura diagnosi di salute mentale.

McBain, R. K., Cantor, J. H., Breslau, J., Diliberti, M. K., Zhang, L. A., Zhang, F., Halbisen, A. L., Kofner, A., Rader, B., Pataranutaporn, P., et al. (2026). “AI Chatbot Use and Disclosure for Mental Health Among US Adolescents and Young Adults.” JAMA Pediatrics, 180(8), 884–890. https://doi.org/10.1001/jamapediatrics.2026.2015

Sondaggio rappresentativo su dati raccolti a novembre 2025, n=1.009 non ponderato (42,8 milioni ponderato), età 12–21. Fonte diretta del 63,3% – la cifra è esatta: il 63,3% di chi aveva cercato consigli sulla salute mentale da un chatbot non lo aveva detto a nessuno; solo il 28% a un amico, il 16,4% a un adulto di fiducia. Il 91,7% giudicava il consiglio utile, ma nessuna terza parte ha valutato la qualità clinica di quei consigli – un limite che l’articolo non discute esplicitamente e che vale la pena aggiungere.

Robb, M. B., & Mann, S. (2025). Talk, Trust, and Trade-Offs: How and Why Teens Use AI Companions. San Francisco: Common Sense Media. https://www.commonsensemedia.org/sites/default/files/research/report/talk-trust-and-trade-offs_2025_web.pdf

Sondaggio nazionalmente rappresentativo (NORC, Università di Chicago), n=1.060, età 13–17, aprile–maggio 2025. Common Sense Media raccomanda esplicitamente che nessun minore usi AI companion – una posizione istituzionale netta, utile segnalare che l’organizzazione non è un osservatore neutro sul tema, pur restando i dati metodologicamente solidi.

3. Stile relazionale e percezione dell’utilità

Kim, P., Xie, Y., & Yang, S. (2025). “‘I am here for you’: How relational conversational AI appeals to adolescents, especially those who are socially and emotionally vulnerable.” arXiv:2512.15117. https://arxiv.org/abs/2512.15117

284 coppie adolescente-genitore, età 11–15. Disegno sperimentale a due condizioni (stile trasparente vs. relazionale) sullo stesso contenuto. Preprint non ancora sottoposto a peer review al momento della stesura.

4. Overreliance e casi estremi

Namvarpour, M., Brofsky, B., Medina, J. Y., Akter, M., & Razi, A. (2026). “Understanding Teen Overreliance on AI Companion Chatbots Through Self-Reported Reddit Narratives.” Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems, 1–19. https://doi.org/10.1145/3772318.3790597

318 post analizzati da un subreddit dedicato a Character.AI, da utenti che dichiaravano (non verificato) 13–17 anni. Campione autoselezionato di persone già abbastanza coinvolte da scrivere in una comunità dedicata: non misura la prevalenza dell’overreliance nella popolazione adolescenziale generale, solo che il fenomeno esiste ed è descrivibile.

Raine, M. & Raine, M. v. OpenAI, Inc. et al. (2025). Complaint. Superior Court of California, County of San Francisco. Depositata il 26 agosto 2025. https://www.documentcloud.org/documents/26078522-raine-vs-openai-complaint/

Atto giudiziario, non un accertamento di fatto: le allegazioni non sono state vagliate in un processo. La causa risulta tuttora aperta (non conciliata), a differenza dei casi Character.AI. Fonte primaria per gli estratti di conversazione citati nell’articolo.

Brittain, B. (Reuters, 7 gennaio 2026). “Google, AI firm settle lawsuit over teen’s suicide linked to chatbot.” https://www.reuters.com/world/google-ai-firm-settle-florida-mothers-lawsuit-over-sons-suicide-2026-01-07/

Conferma l’accordo economico tra Character.AI, Google e le famiglie Setzer e altre tre (cinque cause totali chiuse insieme, incluso il caso Peralta). I termini dell’accordo non sono stati resi pubblici. Nella versione attuale dell’articolo questa distinzione – causa Raine aperta vs. cause Character.AI conciliate – non è esplicitata nel testo: è solo in bibliografia. Vale la pena renderla esplicita in una riga, perché cambia lo statuto probatorio dei dettagli citati per ciascun caso.

Tiku, N. (The Washington Post, 16 settembre 2025). “A teen contemplating suicide turned to a chatbot. Is it liable for her death?” https://www.washingtonpost.com/technology/2025/09/16/character-ai-suicide-lawsuit-new-juliana/

Copertura giornalistica del caso Peralta al momento del deposito della causa, non l’atto giudiziario stesso.

5. Normativa

Unione europea (2024). Regolamento (UE) 2024/1689 (AI Act), art. 5. https://eur-lex.europa.eu/legal-content/IT/ALL/?uri=CELEX:32024R1689

Testo di legge in vigore. L’articolo nota correttamente che l’applicazione a un tutor scolastico non sarebbe automatica: è un’interpretazione, non un caso già giudicato.

Washington State Legislature (2026). Engrossed Substitute House Bill 2225, Chapter 168, Laws of 2026. Approvata 24 marzo 2026; in vigore dal 1° gennaio 2027. https://lawfilesext.leg.wa.gov/biennium/2025-26/Htm/Bills/Session%20Laws/House/2225-S.SL.htm

Testo di legge, non ancora in vigore alla data dell’articolo. Verificato: firmata dal governatore Ferguson il 24 marzo 2026, esclude esplicitamente strumenti educativi ‘circoscritti’ – la definizione dei confini di questa esclusione è esattamente la zona grigia che l’articolo discute.

U.S. Congress (2026). Guidelines for User Age-verification and Responsible Dialogue Act (GUARD Act), S.3062. Reported in Senate, 30 aprile 2026. https://www.govinfo.gov/app/details/BILLS-119s3062rs

Disegno di legge, non legge: approvato all’unanimità (22-0) dalla Senate Judiciary Committee il 30 aprile 2026, ma non ancora votato dall’aula del Senato né dalla Camera al momento della stesura. L’articolo lo qualifica correttamente come ‘non ancora legge’.

6. Prodotto: ChatGPT for Teens

OpenAI (18 agosto 2026). “Introducing ChatGPT for Teens: Built for learning, backed by protections.” https://openai.com/index/chatgpt-for-teens/

Annuncio ufficiale del prodotto, lanciato il giorno prima della stesura di questa bibliografia – verificato accurato. L’annuncio dichiara esplicitamente che ChatGPT for Teens non potrà usare linguaggio romantico o vezzeggiativi con gli utenti minorenni né suggerire di provare sentimenti – è un’applicazione quasi letterale della prima delle quattro illusioni da evitare (reciprocità) proposta nell’articolo.

Reuters (18 agosto 2026). “OpenAI unveils ChatGPT for Teens with stronger guardrails to tackle safety risks.” https://www.reuters.com/technology/openai-unveils-chatgpt-teens-with-stronger-guardrails-parental-controls-2026-08-18/

Copertura giornalistica indipendente dello stesso lancio, utile a corroborare i dettagli tecnici del comunicato OpenAI.

7. Il framework e il sistema di riferimento

Iannacone, M. (2026). “A Multidimensional Framework for Evaluating Reasoning in AI-Mediated Maieutic Tutoring.” Preprint. EdArXiv / SSRN / Zenodo / ResearchGate. DOI: https://doi.org/10.35542/osf.io/hvx37_v2. CC BY 4.0. ORCID: 0009-0008-4219-6351.

Il paper ufficiale che definisce il framework L×M×C: L (profondità del ragionamento, livelli L0–L3), M (metacognizione, M0–M3), C (consolidamento). Una proposta in open science (secondo la logica RFC) per uno strumento che tracci l’apprendimento di uno studente nell’uso di un Tutor AI.

Iannacone, M. Manifesto divulgativo del framework L×M×C. https://lmc.proxima-zsp.it

Presentazione pubblica sintetica del framework, complementare al preprint accademico al fine di stimolare la condivisione, contribuzione ed utilizzo.

Iannacone, M. Proxima ZSP – piattaforma di tutoring maieutico per la scuola media italiana. https://proxima-zsp.it/

Tutor maieutico IA per la scuola secondaria di primo grado che non fornisce risposte agli studenti ma li stimola attraverso domande affinché trovino loro la risposta. Sviluppato secondo i principi del Design for All supporta tutti i tipi di studenti (compresi BES, DSA e plusdotati). È anche la prima piattaforma che implementa il framework L×M×C (voce precedente). Un progetto di sperimentazione in classe con studenti reali è previsto per gennaio 2027.

8. Fonti storiche e culturali condivise con l’articolo 1

Weizenbaum (1966, 1976) e Turkle (2026) sono annotate per esteso nella bibliografia dell’articolo 1. Qui solo il richiamo.

Weizenbaum, J. (1966). “ELIZA.” Communications of the ACM, 9(1), 36–45.

Weizenbaum, J. (1976). Computer Power and Human Reason. San Francisco: W.H. Freeman.

Turkle, S. (2026). Artificial Intimacy: Who We Become When We Talk to Machines. New York: Little, Brown. In uscita il 29 settembre 2026.

Nota metodologica generale

Come nell’articolo 1: nessuno dei numeri citati va sommato o confrontato direttamente con un altro. Campioni, metodi di reclutamento e definizioni operative differiscono da studio a studio. La sola eccezione degna di nota è che McBain et al. (2025) e McBain et al. (2026) sono la stessa équipe di ricerca su due rilevazioni successive (2025 vs. novembre 2025). Le due rilevazioni sono state condotte dallo stesso gruppo di ricerca, ma le domande non erano identiche; il passaggio dal 13,1 al 19,2 per cento non va quindi interpretato come una misura diretta di crescita nel tempo.