Emma-6 torna online: il chatbot italiano cresce, ma le risposte fanno discutere

Se usi un chatbot per cercare informazioni o preparare un testo, il ritorno di Emma ti riguarda: mostra quanto sia facile confondere una risposta ben formulata con una risposta attendibile. Emma-6, la nuova versione del modello di Egomnia, conta 1,55 miliardi di parametri, quasi tre volte i 550 milioni di Emma-5. Eppure, appena tornata disponibile, ha già riacceso sui social la discussione sulle risposte improbabili dell’intelligenza artificiale italiana. I parametri sono i valori che il sistema modifica durante l’addestramento: più spazio per apprendere schemi, non un certificato di verità. La scheda ufficiale di Emma riporta le dimensioni dei due modelli.

Il precedente debutto, il 20 giugno 2026, era diventato un caso per risposte errate anche a domande semplici. Egomnia aveva poi sospeso la chat di Emma-5; ora la pagina del servizio presenta Emma-6. In un thread pubblicato su Reddit il 12 ottobre 2026, gli utenti sono tornati a condividere schermate e a discutere di errori, ripetizioni e prestazioni. Sono testimonianze di singole interazioni, non un test rappresentativo del modello: distinguere le due cose è il primo passo per giudicarlo con serietà.

La questione interessa direttamente noi in Italia. Egomnia presenta Emma come un tassello della sovranità tecnologica nazionale: l’idea di poter sviluppare e gestire strumenti digitali più vicini alla nostra lingua e alle nostre esigenze. Ma un modello costruito qui deve superare la stessa domanda che faremmo a qualunque altro chatbot: quando sbaglia, ce ne accorgiamo prima di fidarci?

Emma è una famiglia di Large Language Model (LLM), cioè modelli linguistici che generano testo a partire dalle parole ricevute e dagli schemi appresi durante l’addestramento. Emma-6 non è soltanto Emma-5 con un nome nuovo: secondo le schede pubblicate da Egomnia, aumentano sia i parametri sia la finestra di contesto, ovvero la quantità di testo che il modello può considerare in una singola interazione. È come passare da una scrivania piccola a una più ampia: ci stanno più appunti, ma questo non rende automaticamente esatti quelli che vi si leggono.

Nelle sue note per la stampa, Egomnia afferma di aver raccolto oltre 60.000 richieste reali durante l’esperienza di Emma-5 e di averle usate come una delle basi per sviluppare Emma-6. La società dichiara anche un costo di calcolo complessivo di poche centinaia di euro per i due modelli. Sono cifre fornite dall’azienda: spiegano la strategia di sviluppo dichiarata, ma non misurano da sole la qualità delle risposte né costituiscono una valutazione indipendente.

Nel giugno 2026 le risposte di Emma-5 avevano fornito materiale ai meme: Sky TG24 documentò, tra gli esempi circolati, l’errore sul peso di un chilo di pane e un chilo di piume. Con Emma-6 è ricominciata la condivisione di schermate e commenti ironici. Queste segnalazioni meritano attenzione, soprattutto se riguardano fatti elementari o richieste rischiose; non bastano però per dire con quale frequenza il chatbot sbagli nell’uso quotidiano.

Una schermata mostra una domanda, una risposta e, non sempre, tutto ciò che è accaduto prima nella conversazione. Per valutare Emma-6 occorrerebbero domande identiche poste più volte, categorie di compiti definite in anticipo e risultati confrontati con risposte corrette. È la differenza tra fotografare una buca in strada e misurare lo stato dell’intera rete stradale: la buca esiste, ma la fotografia da sola non dice quante ce ne siano. Lo studio «Generating Benchmarks for Factuality Evaluation of Language Models», pubblicato dall’Association for Computational Linguistics, sottolinea proprio l’importanza di verificare la correttezza fattuale nei compiti per cui un modello verrà usato.

C’è anche un rischio opposto alla derisione: assolvere ogni errore perché il prodotto è sperimentale. Beta significa che una versione è ancora in prova, non che l’utente possa fare a meno di valutarne i limiti. Egomnia stessa, nei termini del servizio, avverte che i contenuti possono essere inesatti, incompleti o non aggiornati e invita a verificarli prima dell’uso. È un’avvertenza particolarmente importante se una risposta passa dalla curiosità personale a una decisione di lavoro.

Per il nuovo servizio Egomnia descrive dei guardrail, cioè controlli pensati per limitare richieste e risposte problematiche. Tra gli strumenti presentati c’è Emma Guardrails, un classificatore che esamina le richieste degli utenti per individuare categorie di rischio prima che arrivino al modello linguistico. È simile a un controllo all’ingresso di un edificio: può fermare alcuni casi, ma non garantisce che tutto ciò che avviene all’interno sia corretto. La stessa azienda precisa che nessun sistema assicura accuratezza assoluta.

L’interfaccia menziona anche la Retrieval-Augmented Generation (RAG), ovvero la possibilità di recuperare informazioni da documenti o archivi prima di formulare una risposta. Il principio è quello di consultare un libro invece di affidarsi soltanto alla memoria. La funzione, secondo Egomnia, si attiva per domande coperte dalla propria base di conoscenza: non bisogna quindi presumere che ogni risposta sia stata controllata sul web. Nello studio pubblicato dall’Association for Computational Linguistics, l’accesso a informazioni recuperate migliorava i risultati dei modelli esaminati; ciò non equivale a una garanzia specifica per Emma-6.

Per chi prova il servizio conta anche ciò che inserisce nella chat. Nell’informativa di Egomnia si legge che richieste e risposte sono trattate per fornire il servizio e che potrebbero essere usate in futuro per migliorare o addestrare i modelli; l’azienda invita a non immettere dati personali di terzi o informazioni particolarmente delicate. Prima di incollare un contratto, un referto o dati di clienti, conviene fermarsi e leggere le condizioni applicabili al proprio account.

Nel manifesto di Emma, Matteo Achilli lega il progetto all’indipendenza tecnologica italiana. La possibilità di sviluppare modelli rivolti alla nostra lingua e di gestire l’infrastruttura in Italia, come Egomnia dichiara di fare per il servizio, è una scelta industriale concreta. Ma origine nazionale e affidabilità sono due qualità diverse: la prima riguarda chi costruisce e gestisce la tecnologia; la seconda va dimostrata con risultati riproducibili, limiti dichiarati e verifiche pertinenti agli usi proposti.

È una distinzione utile anche nel contesto europeo. Dal 2 agosto 2026 si applicano nell’Unione europea nuove regole di trasparenza per determinati sistemi di intelligenza artificiale; la Commissione europea spiega, tra l’altro, che gli utenti devono poter capire quando interagiscono con un chatbot anziché con una persona. La trasparenza richiesta dalle norme non sostituisce però le prove di accuratezza: sapere di parlare con un’IA è essenziale, ma bisogna anche poter valutare quanto sia adatta al compito.

La pagina di Egomnia descrive Emma-6 anche per possibili impieghi nelle piccole e medie imprese italiane. Per un’azienda, la domanda utile non è se il chatbot sappia sostenere una conversazione brillante, ma se sappia svolgere quel preciso lavoro: per esempio riordinare testi, individuare informazioni in materiali controllati o dichiarare di non sapere qualcosa. Senza risultati pubblici confrontabili su questi compiti, l’aumento delle dimensioni rimane un dato tecnico promettente, non una misura sufficiente di idoneità professionale.

Per un lettore curioso, Emma-6 può essere un esperimento interessante: permette di osservare da vicino un modello italiano in evoluzione. Per capire se è utile a noi, però, conviene provarla con metodo invece di cercare soltanto la risposta più buffa. L’obiettivo non è assegnare una pagella definitiva dopo cinque minuti, ma scoprire quali compiti riesce a svolgere e dove richiede un controllo umano. Egomnia presenta il servizio come sperimentale e avverte esplicitamente dei suoi limiti.

Emma-6 merita di essere giudicata per quello che saprà fare, non soltanto per i meme né per il passaporto italiano. Nel frattempo, c’è una regola che vale per lei come per qualunque chatbot: una risposta utile è un punto di partenza; una risposta verificata può diventare una base per decidere.