Scritto da Enrico Maestri
11 minuti di lettura
Testo elaborato a partire dall’intervento tenuto al Centro Internazionale di Studi Umanistici “Umberto Eco” di Bologna il 12 marzo 2026, su invito di Anna Maria Lorusso nell’ambito della serie “Temi echiani”. A lei va la mia riconoscenza per l’invito e per un dialogo teorico che ha orientato in modo sostanziale alcune delle tesi qui sviluppate.
Liquidare i Large Language Models (LLM) con la formula “è solo statistica” è un errore di categoria: scambia il meccanismo con la funzione, l’algoritmo con gli effetti semiotici dei suoi output. La questione decisiva non è se la macchina “capisca”, ma come i suoi testi riorganizzino il campo del plausibile, quali ipotesi rendano disponibili e quale potere esercitino sulla selezione del senso. Per rispondere occorrono strumenti che la critica computazionale, da sola, non possiede: quelli della semiotica.
Tre piani che il dibattito confonde
Il dibattito sugli LLM si divide con eccessiva rapidità. Da una parte, l’entusiasmo antropomorfico: il modello ragiona, dunque comprende. Dall’altra, la rassicurazione speculare: il modello è soltanto stocastico, dunque non comprende nulla. Entrambe le reazioni sbagliano bersaglio, ma la seconda lo sbaglia in modo più sottile e per questo più insidioso.
Dire che un LLM è un dispositivo probabilistico non risolve il problema del significato: descrive il suo meccanismo di funzionamento. Confondere il piano computazionale con quello semiotico equivale a credere che la natura elettrica di una calcolatrice esaurisca il senso della matematica che vi si compie sopra. Questa mossa – la riduzione bayesiana – assume che il fatto probabilistico basti a liquidare qualsiasi questione di significato.
Occorre tenere distinti almeno tre piani. Il primo è il piano computazionale: come vengono apprese le distribuzioni, come funziona l’attenzione, come si campiona il prossimo token. Il secondo è il piano epistemico: quanto sono affidabili le proposizioni prodotte, se esiste un ancoraggio al mondo. Il terzo, troppo spesso rimosso, è il piano semiotico: che cosa diventa quel testo quando circola, quali interpretanti genera, quali decisioni rende più prossime di altre. La riduzione bayesiana fallisce precisamente qui: assume che una proprietà del primo piano basti a concludere sui due successivi.
Quando un output viene preso sul serio, discusso, corretto, adottato come pista di ricerca o come bozza di decisione, non siamo più nel regime del calcolo: siamo già nel regime del senso. E lì il problema cambia natura.
Abduzione operativa
È qui che la nozione peirciana di abduzione torna decisiva. L’abduzione è “the only logical operation which introduces a new idea”: di fronte a un fatto sorprendente, propone un’ipotesi che, se fosse vera, renderebbe quel fatto intelligibile. Non è ancora prova, non è ancora verità: è una premessa maggiore possibile, proposta come chiave di lettura.
Massimo Bonfantini ha mostrato, a partire da Eco, che questa struttura è una forma generale della semiosi. La distinzione tra abduzioni basse (ipercodificate, quasi obbligate dal codice) e abduzioni alte (ipocodificate, inventive, come l’ipotesi di Keplero sull’orbita ellittica di Marte) è qui indispensabile. Gli LLM sono strutturalmente macchine di abduzione bassa: producono testi che seguono percorsi di plausibilità massimamente codificati, senza rompere l’enciclopedia vigente, senza proporre regole genuinamente nuove.
Da qui la nozione di abduzione operativa. Il modello non è un soggetto abduttivo nel senso forte: non assume impegni epistemici, non risponde delle proprie ipotesi. Peirce è chiaro: l’abduzione richiede quella decisione modale per cui “questa ipotesi la prendo sul serio” – una mossa che resta sempre esterna alla macchina. E tuttavia gli output dell’LLM agiscono come dispositivi di innesco semiotico: propongono connessioni, distribuiscono pertinenze, rendono alcune spiegazioni immediatamente disponibili. Un medico che chiede a un modello di elencare possibili cause di certi sintomi riceve una lista di diagnosi candidate: quel testo non è una prova, è un interpretante che riorganizza la plausibilità del campo clinico.
L’abduzione operativa ha tre specificità. La reattività contestuale: il modello produce un interpretante calibrato sul prompt specifico, non un testo fisso per molti lettori. La scalabilità dell’innesco: la produzione di ipotesi abduttive non è più legata a un testo che circola, ma a un dispositivo che moltiplica industrialmente la plausibilità codificata. L’integrazione infrastrutturale: l’LLM non è un testo che si consulta, ma un dispositivo incorporato in pratiche decisionali, flussi istituzionali, procedure di risposta.
Eco: la macchina che non mette in discussione il codice
Umberto Eco, nella Struttura assente del 1968, aveva già isolato la domanda strutturalmente corretta. Descrivendo la comunicazione macchina-macchina, individuava come proprietà decisiva del regime chiuso il fatto che la macchina, in quanto trasmittente e destinatario, non mette in discussione il codice. L’essere umano, al contrario, può negoziare le regole, non solo applicarle: è lì che si “passa dall’universo dei segnali all’universo del senso”.
Eco non conosceva gli LLM. Ma aveva già isolato la domanda. Un LLM produce output che sembrano negoziare il codice – sembrano abdurre, sembrano interpretare, sembrano persino dissentire. Eppure, i suoi pesi, dopo l’addestramento, sono fissi. Il passaggio all’universo del senso lo compie sempre e solo l’interprete umano, dall’esterno del sistema. La domanda che ne segue – che cosa succede quando una macchina industrializza la produzione di testi che simulano la negoziabilità del codice? – è già implicita nella distinzione ecoiana.
Gli LLM industrializzano non il senso, ma la plausibilità codificata del senso. Non interpretano: decodificano massivamente nel senso tecnico del Trattato di semiotica generale, ristrutturando il paesaggio entro cui l’interprete umano è chiamato a interpretare. Non sostituiscono l’interpretazione; ne ridisegnano le condizioni di accesso.
Eco aveva costruito la macchina generativa come finzione operativa del semiologo: era il teorico a descrivere la comunicazione come se fosse prodotta da un tale dispositivo, come strumento euristico, non come ontologia. Oggi questa struttura si rovescia: non è più il teorico che descrive la comunicazione come se fosse prodotta da un dispositivo generativo, è l’utente che usa il dispositivo generativo come se producesse senso. La finzione operativa migra dal livello della teoria al livello della pratica d’uso. Il problema non è più costruire il modello: è governarne l’uso.
Il Pendolo di Foucault anticipa questo meccanismo con precisione quasi sconcertante. Abulafia – il computer di Belbo, chiamato dal nome del cabalista che lavorava sulla permutazione delle lettere – rimescola testi e produce combinazioni che sembrano senso senza “sapere” nulla: è un LLM ante litteram. L’output casuale (“Minnie è la fidanzata di Topolino” giustapposto alla filastrocca dei mesi) viene interpretato da Casaubon, che vi proietta la riforma gregoriana del calendario come spiegazione del mancato incontro dei Templari nel 1584. L’abduzione non è nella macchina: è nell’interprete che porta la premessa maggiore.
La finzione diventa però performativa per gradi: altri soggetti – i Diabolicals – prendono quel gioco sul serio, e la credenza produce effetti reali. Eco costruisce qui la distinzione cruciale: Belbo, il più lucido dei tre, sa che è un gioco. Gli LLM, a differenza di Abulafia, non segnalano il regime di finzione: incorporano nello stile dell’output la forma retorica dell’asserzione competente. La deriva dal gioco alla credenza è strutturalmente più facile, e la questione della governance semiotica molto più urgente.
Luciano Floridi e il symbol grounding: una replica articolata
L’obiezione più rigorosa non viene dal luogo comune dello “solo sintassi”, ma da un argomento filosoficamente sostanziale: il symbol grounding problem, formalizzato da Floridi, Jia e Tohmé in un framework categoriale che merita esposizione precisa prima di essere discusso.
Il framework costruisce un confronto tra due percorsi: nel percorso umano, la persona consulta contenuti, li interpreta, ricava proposizioni – il benchmark Phuman(h). Nel percorso LLM, il modello produce un output che un interprete umano trasforma in proposizioni – PAI(h). Il criterio di successo è formalmente semplice: PAI(h) ⊆ Phuman(h). Se l’LLM produce anche una sola proposizione fuori da quel sottoinsieme, è allucinazione – non un bug, ma una conseguenza strutturale del fatto che il percorso LLM non passa mai per il mondo, passa solo per testi sul mondo.
Floridi distingue tre dimensioni del grounding che i modelli non possiedono. Il grounding percettivo-sensorimotorio: gli agenti umani hanno accoppiamento causale diretto con il mondo, che gli LLM non hanno mai avuto. Il grounding causale-informazionale: quando un umano scrive “la neve è bianca”, quella frase porta connessioni causali sistematiche alla neve stessa, non solo a descrizioni della neve. Il grounding normativo-sociale, nel senso di Sellars e Brandom: comprendere un concetto significa poter dare e richiedere ragioni, assumere impegni, essere responsabili di fronte alla comunità. L’LLM non partecipa a questo spazio normativo.
La conseguenza è la distinzione tra re-quotation e disquotation: mentre la disquotation classica – il principio tarskiano – passa da un’espressione linguistica al mondo che essa descrive, l’LLM opera sempre nella zona citata, rilevando regolarità di second’ordine – pattern in come gli umani descrivono il mondo – senza mai accedere alle regolarità di primo ordine. La macchina non toglie mai le virgolette.
Questo argomento va preso sul serio. La semiotica ecoiana lo conferma: produrre un testo e fare un’asserzione sono atti di natura radicalmente diversa. L’LLM non può genuinamente mentire: può solo allucinare, perché non porta responsabilità epistemica nei confronti di ciò che produce.
Accettare il limite ontologico, però, non autorizza a dichiarare semioticamente inerti i suoi output. L’argomento floridiano lascia scoperto un problema in tre punti distinti.
Prima frizione: il benchmark non è neutro. Chi stabilisce Phuman(h)? Questo insieme non è un dato neutro: è già il risultato di selezioni enciclopediche storicamente situate, di consensus scientifici, di pratiche discorsive sedimentate. Patologizzare come allucinazione tutto ciò che eccede quel benchmark significa rischiare di etichettare come errore anche la novità ipotetica genuina – l’abduzione alta di Bonfantini, quella che rompe l’enciclopedia vigente.
Seconda frizione: dalla sintassi all’uso. Dire “solo sintassi” ha senso se si parla dell’LLM in isolamento. Ma appena l’output è inserito in un circuito d’uso – prompting, correzione, verifica, contesto istituzionale – la sintassi diventa tecnologia inferenziale. Non contiene semantica come proprietà intrinseca, ma produce effetti semantici derivati perché entra in pratiche che attribuiscono, selezionano, sanzionano significati. Questo sposta l’argomento da “non c’è semantica” a “la semantica è etero-costituita dal circuito socio-tecnico” – ed è precisamente questa etero-costituzione che la semiotica ecoiana è attrezzata a descrivere.
Terza frizione: il problema dell’atto linguistico. Il framework floridiano collassa in un’unica categoria – fallimento di inclusione – almeno tre figure ontologicamente distinte: la falsità (la proposizione empiricamente errata), il non-supporto (il plausibile ma privo di evidenza tracciabile) e la novità ipotetica (la congettura che eccede l’enciclopedia corrente ma potrebbe essere produttiva). Questa distinzione ha conseguenze dirette per la governance: il problema principale non è l’output in sé ma il suo statuto modale. Un’ipotesi presentata come asserzione garantita è un fallimento di atto linguistico, non di grounding – e questo fallimento può essere corretto con design semiotico indipendentemente dal fatto che il sistema sia grounded in senso floridiano.
Un dettaglio chiude questo confronto e riporta al punto ecoiano. Floridi formalizza la ricezione dell’output LLM come la freccia r: O → Pred(W) – l’atto con cui un interprete umano trasforma una stringa in una proposizione. Eco lo aveva descritto nel 1968: il messaggio che arriva è “un apparato significante non ancora illuminato dai codici che l’interprete sceglie di far convergere su di esso”. La freccia r di Floridi e i “codici che scelgo di far convergere” di Eco descrivono la stessa operazione. La differenza è che Floridi la formalizza come fallimento, mentre Eco la descrive come la struttura costitutiva di ogni atto di ricezione. Non si tratta di un bug da correggere: si tratta del modo in cui il senso funziona. E proprio per questo richiede governance, non solo correzione tecnica.
La linea qui proposta non è anti-floridiana in senso radicale: accetta che gli LLM non risolvano il symbol grounding problem. Ma sposta il problema dalla domanda ontologica – la macchina capisce? – alla domanda pragmatico-istituzionale: come si trasformano le catene di interpretanti quando, dentro il circuito, compare un generatore stocastico sistematicamente usato come produttore di ipotesi? Non serve attribuire comprensione alla macchina per riconoscere che essa può diventare un’infrastruttura del comprensibile.
Le allucinazioni come fallimento modale
Il tema delle allucinazioni richiede un’analisi più stratificata di quella corrente. La rappresentazione abituale è fuorviante: si immagina l’allucinazione come un’esplosione irrazionale del sistema. Ma spesso accade il contrario: l’allucinazione è fluida, elegante, ben costruita, persino persuasiva. Il suo difetto non è anzitutto sintattico. Il suo difetto è modale.
Il fallimento modale consiste nel produrre output con la forma retorica dell’asserzione garantita – tono sicuro, sintassi assertiva, assenza di marcatori di incertezza – indipendentemente dal fatto che il contenuto sia ben fondato o congetturale. Un’ipotesi si presenta come se fosse un fatto. Una plausibilità viene recepita come se fosse già una proposizione garantita.
Occorre mantenere distinte le tre figure che il framework floridiano tende a collassare. La falsità: la proposizione empiricamente errata, che un confronto con le fonti potrebbe smentire – va corretta. Il non-ancora-supportato: l’output plausibile ma privo di evidenza tracciabile – va tracciato, accompagnato da segnali di incertezza. La novità ipotetica: la congettura che eccede l’enciclopedia corrente ma potrebbe essere produttiva – non può essere semplicemente patologizzata, perché coincide con la possibilità stessa di una scoperta.
Dal punto di vista semiotico, l’obiettivo non è eliminare l’ipotesi, ma governare lo statuto modale degli interpretanti. Molte allucinazioni non sono fallimenti del calcolo ma fallimenti dell’atto linguistico: il sistema non ha sbagliato la forma dell’ipotesi, ha sbagliato lo statuto con cui l’ipotesi si presenta. Il fallimento modale è correggibile non solo dal lato della generazione, ma dal lato del design semiotico dell’ambiente d’uso.
Governare il plausibile
L’analisi strutturale fin qui condotta trova il suo sfondo culturale nella diagnosi che Anna Maria Lorusso ha proposto in Il senso della realtà: l’assuefazione contemporanea all’irrealtà non nasce con l’intelligenza artificiale, la precede. Il reality show, il true crime, gli ecosistemi mediali costruiti sulla confusione tra scena e fatto hanno preparato da tempo il terreno. I modelli generativi si inseriscono in una deriva già avviata, trovandovi un ambiente ricettivo disposto a non chiedere la differenza tra fatto e simulazione.
Il contributo che la semiotica può aggiungere è capire il meccanismo strutturale che rende quella deriva così facile proprio con gli LLM: il fallimento modale incorporato nell’output – la forma retorica dell’asserzione competente senza marcatori di finzione – è la ragione strutturale per cui quella cultura trova nell’LLM il suo dispositivo più potente. L’urgenza della governance semiotica viene da entrambe le direzioni: dalla diagnosi culturale e dall’analisi strutturale dell’output.
Se l’LLM è un dispositivo di normazione indiretta del senso – che non decide il vero, ma decide sempre più spesso la prima leggibilità del mondo – allora governare il plausibile significa governare una quota crescente della formazione del giudizio. Questa governance deve agire su due livelli.
Il primo è il design semiotico dell’output. L’interfaccia deve distinguere chiaramente tra ciò che è supportato da fonti rintracciabili, ciò che è plausibile ma non verificato, ciò che è soltanto possibile. Ogni risposta che entri in un contesto istituzionale deve poter essere verificata, sfidata, riformulata, e non soltanto consumata come servizio opaco.
Il secondo livello – con priorità logica rispetto al primo – è quello dei protocolli istituzionali di dominio. In medicina, nel diritto, nell’istruzione, nell’amministrazione, non basta chiedersi se un modello funzioni: bisogna decidere dove possa entrare, con quale peso vincolante, sotto quali obblighi di motivazione e con quali responsabilità umane residue. L’idea di sistema ibrido uomo-macchina non deve servire a diluire le responsabilità, ma a precisarle: la macchina come produttore accelerato di ipotesi abduttive basse, l’umano come luogo della validazione, della selezione, del dissenso motivato e dell’assunzione di conseguenze. Senza questo secondo livello, il design semiotico rischia di restare cosmesi.
La questione dell’intelligenza artificiale generativa è dunque una questione di ecologia della cooperazione interpretativa: chi coopera con chi, su quali basi, con quali garanzie, con quali procedure di prova. Non è una questione tecnica; è una questione politica nel senso più alto del termine. Se il senso è cooperazione interpretativa – e se l’enciclopedia è una rete pubblica di mediazioni – allora l’ingresso di un generatore stocastico come nodo strutturale di quella rete pone una domanda che non si riduce alla tecnologia: pone una domanda sulla forma che vogliamo dare all’abduzione collettiva.
Eco ci ha insegnato almeno tre cose che oggi tornano in primo piano: che il senso non è mai dato una volta per tutte, ma si costruisce nella cooperazione interpretativa entro codici ed enciclopedie storicamente situate; che il codice è al tempo stesso vincolo e possibilità, lasciando sempre aperto un margine di abduzione ipocodificata; che la semiotica non è solo analisi di testi, ma riflessione sui regimi di credibilità: chi ha diritto di produrre interpretanti validi, in quali condizioni, con quali garanzie. I Large Language Models sono nuovi attanti semiotici dentro quei regimi. Il compito non è decidere se la macchina pensa, ma capire come cambia il pensiero quando una parte crescente dei nostri interpretanti comincia a essere generata da ciò che, tecnicamente, chiamiamo “solo statistica”. Saremo capaci di costruire istituzioni, codici e pratiche che governino questa nuova ecologia dell’abduzione – senza demonizzarla e senza idolatrarla – restituendo alla semiosi umana i margini di resistenza che le appartengono? È qui, e non altrove, che oggi si decide la politica del senso.
Riferimenti bibliografici
Massimo Bonfantini, La semiosi e l’abduzione, Bompiani, Milano 1987 / 2004.
Umberto Eco, La struttura assente. La ricerca semiotica e il metodo strutturale, Bompiani, Milano 1968 / La nave di Teseo 2016.
Umberto Eco, Trattato di semiotica generale, Bompiani, Milano 1975 / La nave di Teseo 2016.
Umberto Eco, Il pendolo di Foucault, Bompiani, Milano 1988 / La nave di Teseo 2018.
Luciano Floridi, Yiyang Jia e Fernando Tohmé, A Categorical Analysis of Large Language Models and Why LLMs Circumvent the Symbol Grounding Problem, «arXiv:2512.09117», 2025.
Anna Maria Lorusso, Il senso della realtà. Dalla TV all’intelligenza artificiale, La Nave di Teseo, Milano 2025.
Jurij M. Lotman, La semiosfera. L’asimmetria e il dialogo nelle strutture pensanti, La Nave di Teseo, 1985 / 2022.
Enrico Maestri, Contro la riduzione bayesiana dell’intelligenza artificiale, «Pandora Rivista», n. 2 – 2025, pp. 252-259.
Charles Sanders Peirce, Collected Papers, voll. I-VIII, a cura di C. Hartshorne, P. Weiss e A.W. Burks, Harvard University Press, Harvard 1931-1958.
Wilfrid Sellars, Empiricism and the Philosophy of Mind, in H. Feigl e M. Scriven (a cura di), «Minnesota Studies in the Philosophy of Science», vol. I, University of Minnesota Press, Minneapolis, 1956.
Alfred Tarski, The Semantic Conception of Truth and the Foundations of Semantics, «Philosophy and Phenomenological Research», 4(3), 1944, pp. 341-375.
Una piattaforma culturale, una rivista e uno spazio di approfondimento per capire il presente.
Scopri di più
