Perché i testi di ChatGPT e Claude possono essere faticosi da leggere

Un modello AI può dare la risposta giusta e costringerci comunque a rileggerla due volte. In un'analisi di 14 modelli, i ricercatori della New York University e dell'Università del Texas ad Austin hanno trovato sei costruzioni linguistiche associate a un maggiore sforzo di lettura. È una distinzione importante: produrre molte informazioni non significa comunicarle bene.

Lo studio, pubblicato il 21 ottobre 2026 su arXiv, suggerisce una spiegazione: i modelli più avanzati vengono perfezionati anche per risolvere problemi di matematica e programmazione, dove è facile premiare una risposta corretta ma molto meno facile misurare quanto sia piacevole da leggere. Per chi usa ChatGPT o Claude per studiare, lavorare o informarsi, la chiarezza non è un dettaglio estetico: è parte dell'utilità della risposta.

Il gruppo ha raccolto testi prodotti dai modelli in tre situazioni: 120 conversazioni, 45 sessioni di programmazione e 980 brevi saggi. Li ha confrontati con materiali scritti da persone, tra cui sottotitoli, interventi su StackExchange e temi scolastici. Ha poi misurato caratteristiche delle frasi che precedenti studi di psicolinguistica — la disciplina che studia come comprendiamo il linguaggio — collegano alla difficoltà di lettura.

Il risultato più netto riguarda nove modelli avanzati o quasi all'avanguardia: tutti usavano più spesso dei testi umani accostamenti insoliti di parole e attribuivano azioni tipiche degli esseri viventi a cose inanimate. Per molte altre costruzioni il quadro varia in base al modello e al compito. Non è dunque un difetto identico in ogni risposta AI, né una gara in cui basta contare le parole difficili per decretare il vincitore.

I primi due riguardano la prevedibilità e la memoria. Una combinazione rara di parole può obbligarci a fermarci per capire che cosa significhi; una grande distanza tra parole collegate ci chiede invece di ricordare l'inizio della frase mentre ne attraversiamo gli incisi. È come seguire una ricetta in cui il verbo «aggiungi» compare molto dopo l'ingrediente a cui si riferisce.

Ci sono poi le frasi relative con un collegamento omesso, le catene di nomi e i nomi trasformati in verbi. In inglese, lingua esaminata dallo studio, togliere un «that», impilare più sostantivi o usare «calendar» come verbo può accorciare il testo, lasciando però al lettore il lavoro di ricostruirne i rapporti. Il sesto fenomeno è la personificazione di oggetti e concetti: una conversazione che «mangia» tempo può essere un'immagine efficace, ma un uso continuo di metafore poco naturali aggiunge attrito.

Nel campione, i modelli più piccoli delle famiglie Llama e Olmo erano più vicini alla scrittura umana su alcune misure. All'interno della famiglia Olmo, le costruzioni considerate impegnative diventavano più frequenti passando dal modello di base a quello perfezionato per seguire istruzioni, fino alla versione orientata al ragionamento. Non significa che un modello piccolo sia sempre più chiaro: indica che migliorare altre capacità può cambiare anche lo stile.

Per verificare se la pressione a comprimere le risposte possa incidere sulla grammatica, i ricercatori hanno addestrato separatamente un modello con una penalità per i testi più lunghi. Il modello ha imparato a preferire formulazioni brevi anche in alcuni casi non incontrati durante l'addestramento. È una prova del possibile meccanismo, non la dimostrazione che l'addestramento su codice e matematica abbia causato lo stile di tutti i modelli commerciali analizzati.

La buona notizia è che non sembra una condanna inevitabile. Nello studio, Claude Opus 5.5 presenta valori inferiori al precedente Opus 5 in 19 confronti su 21 relativi alle caratteristiche esaminate. Gli autori non hanno però misurato direttamente i tempi di lettura o la comprensione delle persone: sappiamo che certe costruzioni sono più presenti, non di quanti secondi rallentino ogni lettore.

Lo studio riguarda solo testi in inglese: non possiamo trasferire automaticamente i suoi risultati all'italiano. Il problema pratico, però, ci riguarda già quando affidiamo a un assistente AI una spiegazione o una bozza destinata ad altre persone. Anche la Commissione europea, nelle sue indicazioni sulla scrittura chiara, raccomanda di pensare al pubblico, spiegare i termini tecnici e rivedere la struttura dei testi.

Per una risposta da usare davvero, «più breve» è spesso un'istruzione meno utile di «più comprensibile». Conviene dire al modello chi leggerà il testo e chiedergli di rendere espliciti i passaggi logici, senza sacrificare i dettagli necessari. Poi serve comunque una revisione umana: una frase scorrevole può contenere un errore, mentre una frase difficile può essere corretta. Questa ricerca ci aiuta a distinguere i due problemi, non a confonderli.

Un assistente che sa risolvere un problema complesso ha fatto solo metà del lavoro, se lascia a noi il compito di decifrare la soluzione.