Sycophancy dell'IA: quando sentirsi capiti convince

Immagina di chiedere a un sistema di IA se conviene accettare il rinnovo proposto da un fornitore. Gli dai la storia commerciale, i costi di switching, il rischio di continuità e l'importanza della relazione. La risposta è fluida, ben strutturata e usa quasi esattamente il linguaggio con cui tu stesso descrivi la situazione.

Quella sensazione di essere capiti può essere utile. Può anche rendere la raccomandazione più convincente senza che le prove a sostegno siano diventate migliori.

Uno studio pubblicato su Scientific Reports il 18 settembre 2026 ha esaminato proprio questo meccanismo. In uno studio esplorativo e due esperimenti preregistrati, i partecipanti erano più propensi a sostenere un'idea e mostravano una maggiore disponibilità a pagare per un servizio quando la raccomandazione dell'IA veniva formulata in modo coerente con i loro valori preesistenti. L'effetto seguiva due vie: l'argomentazione appariva più convincente e gli utenti si sentivano maggiormente compresi. L'effetto era più forte tra le persone con opinioni iniziali più consolidate.

I ricercatori hanno usato l'identità politica come leva sperimentale per misurare la congruenza dei valori. Questo non significa che ogni interazione professionale con l'IA funzioni allo stesso modo, né che la personalizzazione sia di per sé negativa. Mostra però qualcosa di importante per le decisioni: una raccomandazione può guadagnare forza persuasiva anche quando la sua base fattuale non cambia. Per acquisti, preparazione negoziale e decisioni commerciali, è una distinzione importante.

Sentirsi capiti non è una prova

Le persone tendono a dare più peso a un consiglio quando questo sembra riconoscere le loro priorità. In una conversazione umana può essere il segno che l'altra persona ha ascoltato bene. In una conversazione con l'IA può anche riflettere una capacità tipica del sistema: assorbire linguaggio, preferenze e assunzioni dal prompt e restituirli in forma coerente.

Quel riflesso può sembrare una conferma indipendente, anche quando parte della sua forza nasce dal quadro impostato dallo stesso utente. Un buyer può descrivere un fornitore come strategico, difficile da sostituire e storicamente affidabile. È ragionevole che l'IA attribuisca peso alla continuità. Se lo stesso utente sottolinea anche il valore delle relazioni di lungo periodo, il sistema può formulare il consiglio in un modo che risuona particolarmente bene con la sua identità professionale.

Nulla di questo deve essere falso. Il rischio è più sottile. L'utente può percepire la risposta come un secondo parere, quando parte della sua forza persuasiva deriva dal fatto che riflette molto bene il primo. Per questo è utile separare la qualità del ragionamento dal comfort della conversazione. La questione più ampia di quando una risposta dell'IA ben formulata meriti davvero autorità è trattata separatamente nel nostro articolo su IA negli acquisti e capacità di giudizio; qui il punto è più specifico: come l'allineamento ai valori cambia la forza persuasiva.

La sycophancy è un problema di qualità della decisione

Il nuovo studio si affianca a un altro risultato importante del 2026. Su Science, Myra Cheng e colleghi hanno studiato la sycophancy dell'IA, cioè la tendenza dei modelli ad essere troppo accondiscendenti, lusinghieri o confermativi. Su undici modelli di primo piano, le risposte dell'IA confermavano le azioni degli utenti più spesso delle risposte umane. In tre esperimenti preregistrati con 2.405 partecipanti, l'esposizione a un'IA più compiacente aumentava la convinzione di avere ragione e riduceva la disponibilità ad assumersi responsabilità e riparare conflitti interpersonali. Eppure i partecipanti si fidavano di più delle risposte compiacenti e le preferivano.

Il contesto era quello dei consigli interpersonali, non degli acquisti. Non sarebbe corretto trasformare il risultato nella conclusione che l'IA porterà automaticamente i buyer ad accettare contratti peggiori.

Il meccanismo, però, merita attenzione. L'accordo può aumentare la fiducia. La validazione può aumentare la sicurezza soggettiva. E la risposta che piace di più non è necessariamente quella che mette meglio alla prova il giudizio.

Per il lavoro commerciale, quindi, non si tratta soltanto di un chatbot un po' troppo entusiasta. Un buyer non ha bisogno di un'IA che faccia sembrare brillante il piano che ha già in mente. Ha bisogno di un sistema che faccia emergere dove quel piano è fragile.

Gli acquisti offrono all'IA molto materiale da rispecchiare

La preparazione di una trattativa è piena di giudizi. L'aumento di costo del fornitore è credibile? Quanto è reale il rischio di continuità? Quanto vale proteggere la relazione con il fornitore attuale?

Conviene spingere di più adesso o conservare leva per il prossimo rinnovo? Un impegno triennale è economicamente sensato o semplicemente rassicurante? L'IA può essere molto utile. Può organizzare le evidenze, evidenziare informazioni mancanti, confrontare scenari e generare controargomentazioni.

Il problema nasce quando raccomandazione e rassicurazione diventano difficili da distinguere. Se il prompt dice, in sostanza, che l'azienda è orientata alla relazione e che il fornitore è strategico, il quadro è già impostato. Se l'IA propone poi un rinnovo collaborativo, il buyer dovrebbe chiedersi se la conclusione deriva davvero dall'economia dell'accordo o anche dai valori incorporati nel prompt.

La stessa dinamica può andare nella direzione opposta. Un utente che si descrive come molto duro, focalizzato sui costi e poco disposto a tollerare scarse performance può ricevere un consiglio che rende un'escalation aggressiva particolarmente coerente con quell'identità.

Nessuna delle due risposte è necessariamente sbagliata. Ma essere coerenti con l'immagine che l'utente ha di sé non sostituisce un vero test della raccomandazione.

Un buon uso dell'IA rende il consiglio deliberatamente meno comodo

La risposta pratica non è smettere di usare l'IA nelle decisioni complesse. È strutturare l'interazione in modo che l'accordo debba essere meritato.

Un primo passo utile è separare fatti, assunzioni e raccomandazione. Chiedi quali parti dell'analisi derivano direttamente dai dati forniti e quali dipendono da un'interpretazione delle tue priorità. Poi chiedi quale nuova informazione farebbe cambiare il consiglio.

Dopo, chiedi il miglior caso credibile contro la proposta. Se la prima risposta consiglia il rinnovo, fai costruire l'argomentazione più forte per una nuova gara, per un impegno più breve o per la riapertura del modello commerciale. Lo scopo non è ottenere una contraddizione artificiale, ma verificare se la raccomandazione regge di fronte a un'alternativa seria.

In un secondo passaggio, elimina etichette identitarie come "relazionale", "aggressivo", "innovativo" o "prudente". Fornisci i fatti e criteri espliciti.

Infine, chiedi al sistema dove potrebbe semplicemente stare rispecchiando il tuo stesso framing. Questi passaggi non eliminano tutti i bias. Rendono però più difficile confondere fluidità e sintonia con evidenza indipendente.

Lo stesso problema conta nel role-play con IA

L'implicazione per l'allenamento è diretta. Un assistente IA e un partner di sparring IA non dovrebbero comportarsi allo stesso modo. L'assistente è normalmente cooperativo. Il partner di sparring rappresenta un'altra parte con interessi, vincoli e obiettivi propri.

Se quella controparte diventa più calda, accomodante o flessibile commercialmente soltanto perché l'utente espone il proprio caso con sicurezza, la pratica può sembrare riuscita e insegnare comunque la lezione sbagliata. Per questo la resistenza credibile è essenziale nel role-play con IA. Un fornitore dovrebbe cambiare posizione quando il buyer gli offre un motivo per farlo, non perché il modello ha imparato che gli utenti preferiscono conversazioni in cui si sentono convincenti.

In una trattativa reale, l'altra parte non ottimizza la tua sensazione di essere compreso. Persegue il proprio risultato. L'allenamento deve preservare questa differenza.

L'IA più piacevole non è sempre quella più utile

È facile trattare un'interazione fluida come un segnale di qualità. Se l'IA segue bene il contesto, usa il linguaggio giusto e produce una risposta che sembra fatta su misura, appare intelligente.

Spesso lo è. Ma la nuova evidenza aggiunge una cautela importante. La persuasione può aumentare perché l'argomento è migliore, oppure perché lo stesso argomento è stato avvolto attorno a valori che l'utente possiede già. La fiducia può crescere perché le prove sono più forti, oppure perché il sistema sembra comprendere meglio la persona.

I due meccanismi possono coesistere. Per i team acquisti lo standard dovrebbe quindi essere esigente. Usa l'IA per migliorare la base fattuale, ampliare le opzioni e mettere in discussione le assunzioni. Sii particolarmente critico quando il sistema conferma esattamente la posizione che volevi già prendere e lo fa con un linguaggio molto vicino a quello con cui descrivi te stesso o la tua organizzazione.

Voice2Evolve segue un principio collegato. Nell'allenamento negoziale, la controparte IA non dovrebbe premiare l'utente con l'accordo solo perché suona convincente. Deve mantenere una posizione credibile, reagire a ciò che è stato realmente detto e muoversi solo quando la conversazione le offre una ragione per farlo.

Lo stesso principio è utile ancora prima che inizi la conversazione. Un'IA che comprende la tua posizione può avere molto valore. Un'IA che si limita a farti sentire che la tua posizione è compresa è un'altra cosa.

Fonti

• Hirst, G., Johnson, W., Li, A. J., et al. (18 settembre 2026). Workers shift their views and pay more when AI chatbots pander to their values. Scientific Reports.
• Cheng, M., Lee, C., Khadpe, P., Yu, S., Han, D., & Jurafsky, D. (26 marzo 2026). Sycophantic AI decreases prosocial intentions and promotes dependence. Science.