Prospettive umane sull'IA: fiducia e servizi a Hong Kong ^{CEFR B2}

La serie Spotlight di Global Voices di aprile 2026, intitolata Prospettive umane sull'IA, mette in luce come l'intelligenza artificiale stia trasformando la vita civica a Hong Kong. All'inizio di ogni anno accademico il campus e la città si riempiono di avvisi contro le truffe: manifesti, email per gli studenti, comunicazioni ufficiali, annunci nelle stazioni MTR e titoli di giornale.

Dopo che un dipendente è stato ingannato da una videochiamata deepfake con il direttore finanziario della sua azienda e ha trasferito milioni, le autorità ripetono che l'IA è qui e che la società non è del tutto pronta. L'IA generativa ha spostato il problema: non conta solo la circolazione di false informazioni, ma la plausibilità diffusa di contenuti che non sono chiaramente falsi né affidabilmente veri. Questo produce affaticamento cognitivo e un senso di resa.

La risposta include strumenti tecnici, per esempio scameter+, e una crescente fiducia in sistemi che dovrebbero identificare l'autenticità. Molti strumenti operano in contesti diversi:

• sistemi di informazione e chioschi di servizio;
• processi di richiesta amministrativa e strumenti di traduzione;
• gateway di pagamento, assistenza automatizzata e flussi di lavoro per la gestione della città.

Questi strumenti vengono giustificati con la velocità, la leggibilità e l'efficienza, ma l'efficienza da sola non rende le istituzioni più civiche. Le udienze pubbliche sull'incendio residenziale di Tai Po evidenziano che la fiducia civica richiede che le persone capiscano come vengono prese le decisioni, dove gli errori possono essere contestati e come si condivide la responsabilità.

Al Digital Narratives Studio la domanda si sposta da come l'IA migliori i servizi a quali relazioni civiche quei servizi dovrebbero sostenere. Si applica la "relational infrastructuring": piccoli incontri informali in cui le persone nominano gli incontri, confrontano esperienze, condividono interpretazioni e mettono alla prova il giudizio insieme. Questo lavoro dal basso è lento e non facilmente scalabile, ma punta a ricostruire condizioni relazionali affinché i pubblici possano costruire significato collettivo, invece di limitarsi a verificare ciò che è reale.