Pier Cesare Rivoltella, Come fare cose con gli agenti. Austin al tempo dell'Intelligenza Artificiale. Intervento alla Summer School della SIREF - Bressanone, 7.09.2026

Dalle parole ai fatti (digitali): Perché un libro del 1962 è la chiave per capire l'IA di oggi

1. L'eredità di Austin nell'era dei prompt

Nel 1955, nelle aule dell'Università di Harvard, il filosofo John L. Austin teneva una serie di lezioni destinate a rivoluzionare la nostra idea di comunicazione. Raccolte postume nel 1962 nel celebre volume How to Do Things with Words (Come fare cose con le parole), quelle riflessioni sembrano oggi il manuale d'istruzioni definitivo per l'era dei Large Language Models.

Quando interagiamo con un'IA, non stiamo semplicemente scambiando informazioni. In quel "chattare" risiede un atto operativo: stiamo, letteralmente, facendo fare cose con le parole. Comprendere Austin oggi significa possedere la bussola per navigare in un mondo dove il linguaggio non è più solo una descrizione della realtà, ma il motore dell'azione digitale.

2. Oltre il "Vero o Falso": Il potere dei performativi

Prima di Austin, la filosofia vedeva il linguaggio come un semplice specchio della realtà (verificazionismo). Per pensatori come Rudolf Carnap, una frase aveva senso solo se poteva essere dimostrata vera o falsa. Tutto il resto era rumore di fondo.

"Forse la musica è il più puro mezzo espressivo del sentimento della vita, poiché sa affrancarsi nel modo più radicale da ogni riferimento oggettivo. [...] I metafisici non sono che dei musicisti senza capacità." — Rudolf Carnap, La costruzione logica del mondo

Austin rompe questo schema introducendo l'enunciato performativo. Esistono frasi che non descrivono un'azione, ma la compiono nel momento stesso in cui vengono pronunciate (es. "Vi dichiaro marito e moglie" o "Ti nomino dottore"). Nel contesto dell'IA, i nostri prompt non sono semplici domande, ma inneschi performativi: sono "atti linguistici" che generano effetti concreti nel mondo digitale.

3. Gli Agenti IA non sono semplici chatbot: Il ciclo ReAct

La vera frontiera non è il chatbot che risponde, ma l'agente intelligente: un software capace di percepire l'ambiente e ragionare per obiettivi senza una sequenza rigida di istruzioni. Qui la "sporgenza dell'umano" si confronta con una macchina che non si limita a parlare, ma agisce.

Le quattro caratteristiche fondamentali di un agente sono:

• Autonomia: Capacità di pianificare indipendentemente i passaggi per un compito.

• Percezione e Azione: Raccolta dati tramite input/API e intervento tramite attuatori.

• Uso di strumenti: Capacità di invocare tool esterni, browser o calcolatrici.

• Memoria: Utilizzo di informazioni a breve e lungo termine per adattare la strategia.

Il cuore di questa operatività è il ciclo Reason + Act + Observe (ReAct). Immaginiamo di chiedere: "Controlla se piove a Milano e calcola il prezzo di tre biglietti per il Duomo".

1. Reason (Pensiero): L'agente decide che deve prima verificare il meteo.

2. Act (Azione): Invocazione dell'API meteo.

3. Observe (Osservazione): Il server risponde "Sole, 22°C". L'agente osserva il risultato e ricomincia il ciclo (Reason: "Non piove, ora cerco il prezzo...") finché l'obiettivo non è raggiunto.

4. La "Felicità" del Robot: Locuzione vs Illocuzione

Austin distingueva tre dimensioni dell'atto linguistico: locuzione (dire qualcosa), illocuzione (compiere un atto nel dire qualcosa) e perlocuzione (produrre effetti). Se i chatbot tradizionali si fermano spesso alla locuzione, gli agenti IA puntano all'illocuzione: iscrivere, archiviare, segnalare, valutare.

Perché un atto sia "felice" (efficace), Austin esigeva condizioni specifiche. Nel mondo digitale, la "situazione linguistica" diventa una situazione tecnico-procedurale. La "felicità" dell'agente dipende da un'infrastruttura delegata:

• Governance degli accessi (RBAC): L'agente ha i permessi basati sul ruolo per agire?

• Isolamento (Sandbox): L'azione avviene in un ambiente sicuro e monitorato?

• Affidabilità e Reversibilità: L'azione può essere annullata tramite architetture Event-Driven o transazionali?

È una forma di "quasi-intenzionalità": la macchina non "pensa" come noi, ma opera seguendo regole e permessi che rendono l'atto valido e tracciabile.

5. Chi ha parlato? La responsabilità distribuita

Quando un agente agisce, la responsabilità non è più un punto unico, ma una rete distribuita. Non possiamo più chiederci semplicemente "chi ha parlato?", ma dobbiamo mappare una pragmatica della delega.

La responsabilità è frammentata tra:

• Il Modello (AI): I suoi limiti linguistici intrinseci.

• Il Progettista/Sviluppatore: Chi ha definito policy e vincoli.

• Il Dataset: I curatori dei dati che influenzano le decisioni.

• Servizi Esterni/Tool: Le API di terze parti coinvolte.

• L'Utente: Chi fornisce il mandato e il contesto.

• L'Istituzione: Chi adotta la tecnologia e se ne assume la responsabilità finale.

"Si passa dalla pragmatica dell'enunciato alla pragmatica della delega agentiva. La prima si chiede cosa fa un soggetto quando dice qualcosa; la seconda si chiede chi ha autorizzato una macchina ad agire attraverso ciò che esegue."

6. Oltre il Prompting: Verso un'ecologia socio-tecnica

La sfida educativa posta da Pier Cesare Rivoltella non riguarda più solo il saper scrivere "buoni prompt", ma lo sviluppo di una cultura critica dell'IA. Dobbiamo imparare a muoverci in una ecologia socio-tecnica in cui l'umano è un orchestratore consapevole.

Questa nuova pedagogia dell'interazione richiede:

1. Collaborazione Uomo-Macchina: Superare la logica della sostituzione per una cooperazione dove l'umano mantiene la direzione strategica.

2. Prompting come atto pragmatico: Passare dalla semplice formulazione linguistica alla progettazione consapevole di azioni, permessi e obiettivi.

3. Pensiero Critico: Sostanziato da riferimenti accademici solidi, come i volumi Educare il pensiero nell'era digitale (a cura di M.C. Michelini) e Scuola e intelligenza artificiale (a cura di M. Baldacci e P. Colella).

7. Conclusione: La nuova domanda della pragmatica

Il passaggio dalle lezioni di Harvard del 1955 agli agenti autonomi di oggi ci impone di cambiare l'interrogativo fondamentale che poniamo alla tecnologia. Non è più tempo di chiederci solo "Cosa significa questa risposta?", ma piuttosto:

"Chi è autorizzato a far parlare e agire questa macchina in questo contesto?"

La sfida del futuro non è la potenza di calcolo, ma la gestione della delega. Siamo pronti a definire i confini etici e procedurali entro cui permettiamo alle macchine di "fare cose" al posto nostro? Il dibattito sulla nostra capacità di restare autori dei nostri atti, in un mondo di agenti delegati, è appena iniziato.