Il 60% delle citazioni AI è sbagliato: il protocollo per non cascarci in sessione

Quando l'AI inventa: il protocollo per ripassare senza farsi fregare dalle allucinazioni

Una risposta sicura, scorrevole, con tanto di citazione: peccato che quella sentenza, quel paper o quella data non esistano. Le allucinazioni AI nello studio sono il rischio numero uno per chi ripassa con i chatbot, perché arrivano proprio quando sei più vulnerabile: stanco, di fretta, a tre giorni dall'appello. In questo articolo capisci perché succede, quali errori sono più frequenti e soprattutto il protocollo di verifica da applicare a ogni sessione.

Cosa sono le allucinazioni e perché l'AI "non sa di non sapere"

Un'allucinazione è un'informazione inventata ma presentata come vera, con lo stesso tono sicuro di una corretta. Secondo un'analisi pubblicata dai ricercatori di OpenAI nel 2025, il fenomeno dipende anche dagli incentivi con cui i modelli vengono valutati: come in un test a crocette senza penalità, "tentare" una risposta conviene più che ammettere l'incertezza. Risultato: il modello tende a indovinare invece di dirti "non lo so".

I numeri aiutano a calibrare la fiducia: uno studio della BBC con l'Unione Europea di Radiodiffusione ha rilevato problemi significativi in circa il 45% delle risposte dei principali assistenti AI su contenuti giornalistici, con il 13% delle citazioni alterate o attribuite male. E una ricerca del Tow Center della Columbia University ha trovato che i motori di ricerca basati su AI sbagliano le citazioni in oltre il 60% dei casi, quasi mai segnalando incertezza.

Dove l'AI allucina di più (e dove di meno)

• Rischio alto: riferimenti bibliografici, sentenze e articoli di legge, date e numeri precisi, autori di teorie, dettagli del TUO specifico corso.
• Rischio medio: spiegazioni di concetti di nicchia, eventi recenti, traduzioni di termini tecnici.
• Rischio basso: concetti generali e consolidati (il teorema di Pitagora, la fotosintesi), riformulazioni di testo che fornisci tu.

Il protocollo anti-allucinazione in 5 regole

1. Regola del rischio inverso. Più un'informazione è specifica e verificabile (numero, nome, data, citazione), più va controllata. Le citazioni testuali vanno verificate SEMPRE: sono il punto debole documentato di tutti i modelli.
2. Chiedi le fonti, ma non fidarti delle fonti. "Dammi il riferimento" è utile, però l'AI può inventare anche quello, con titolo e autori plausibili. Il riferimento va cercato davvero: se il paper non esce su Google Scholar o il libro non esiste in catalogo, è un'allucinazione.
3. Ancora l'AI ai tuoi materiali. Lavorare in modalità contestualizzata — caricando dispense e appunti come fonti — riduce drasticamente le invenzioni, perché la risposta deve appoggiarsi ai documenti. Se i tuoi appunti sono incompleti, parti da quelli condivisi su UniDocs per il tuo corso: una base verificata da chi ha già passato l'esame.
4. Usa la domanda di controllo. Dopo una risposta importante chiedi: "Quanto sei sicuro di questa risposta? Indica quali parti potrebbero essere imprecise". Non è infallibile, ma spesso fa emergere le zone d'ombra.
5. Doppio canale per ciò che finisce all'esame. Tutto quello che entrerà in una risposta d'esame, in una tesina o nella tesi deve avere una seconda conferma: manuale, slide del prof, fonte primaria. L'AI propone, la fonte dispone.

Due scenari reali (e come gestirli)

Scenario 1: il ripasso notturno. Sono le 23, prepari Storia del Diritto e chiedi all'AI la data di un editto. Risposta immediata e sicura. Prima di scriverla sullo schema, 30 secondi di verifica sull'indice analitico del manuale: se non combacia, hai appena evitato di memorizzare un errore — il danno peggiore, perché disimparare costa più che imparare.

Scenario 2: la bibliografia della tesina. Chiedi "dammi 5 paper sul tema X" e ottieni una lista perfetta. Verifica ogni titolo su Google Scholar: è frequente che 1-2 siano inventati o abbiano autori sbagliati. Consegnare una bibliografia con fonti inesistenti è il modo più rapido per perdere la fiducia del relatore.

Il lato positivo: l'errore come allenamento

C'è un paradosso utile: sapere che l'AI può sbagliare ti costringe a leggere in modalità critica, verificando invece di assorbire. Molti studenti riferiscono di ricordare meglio proprio le informazioni che hanno dovuto controllare: la verifica è una forma di ripasso attivo.

Domande frequenti

Perché ChatGPT inventa fonti che non esistono?

Perché genera testo plausibile parola per parola: un riferimento bibliografico "credibile" è statisticamente facile da costruire, anche quando non corrisponde a nulla di reale. I sistemi di valutazione, inoltre, hanno storicamente premiato la risposta tentata rispetto all'ammissione di incertezza.

Le AI più recenti allucinano ancora?

Sì, anche se meno e con differenze tra modelli e compiti: su attività ben delimitate come il riassunto di un testo fornito i tassi sono bassi, mentre su citazioni e dettagli specifici il rischio resta concreto.

Come riduco le allucinazioni durante il ripasso?

Carica i tuoi materiali e chiedi risposte basate solo su quelli, pretendi riferimenti puntuali alle pagine, e verifica su una seconda fonte ogni dato che intendi memorizzare o consegnare.

Posso citare l'AI come fonte nella tesi?

No: l'AI non è una fonte verificabile. Usa le fonti primarie che hai controllato e segui le linee guida del tuo ateneo sull'uso dichiarato degli strumenti AI.

Verifica oggi, ringraziati all'appello

Adotta il protocollo dalla prossima sessione: rischio inverso, fonti controllate, materiali tuoi come ancora. Le allucinazioni AI nello studio non si eliminano, si gestiscono — e chi le gestisce trasforma un rischio in un vantaggio competitivo. Per avere sempre una base di confronto affidabile, tieni a portata gli appunti condivisi della community UniDocs: la seconda opinione più veloce che esista.