La verifica automatica delle affermazioni è un campo di ricerca con più di un decennio di storia: la selezione delle affermazioni meritevoli di verifica è stata formalizzata da sistemi come ClaimBuster (Hassan et al., 2017), e la verifica contro un corpus di evidenza dispone di benchmark consolidati come FEVER (Thorne et al., 2018). Portare questi compiti in diretta, su parlato spontaneo e con un esito atteso in pochi secondi, non aggiunge un requisito: cambia la natura del problema, perché ogni anello della catena eredita gli errori del precedente e il tempo per correggerli non c'è.
Dal parlato alle affermazioni verificabili
Il flusso comincia dalla trascrizione in streaming, segmentata in enunciati mentre arriva, con la punteggiatura e i confini di frase ricostruiti al volo. Il passaggio che decide tutto è il successivo: separare le affermazioni fattuali da opinioni, previsioni e retorica. «La disoccupazione è al 6%» è verificabile; «la disoccupazione è inaccettabile» non lo è; «la disoccupazione tornerà a salire» lo sarà, ma non ora. Questo compito di selezione, la check-worthiness della letteratura, è studiato sistematicamente anche in campagne di valutazione comparata come CheckThat! (Barrón-Cedeño et al., 2020), e resta il collo di bottiglia qualitativo dell'intera catena: un falso negativo qui è un'affermazione mai controllata, un falso positivo è tempo di calcolo speso su ciò che non ha risposta.
Da ogni affermazione selezionata si estraggono entità, quantità, date e l'intervallo temporale di riferimento, perché un dato privo di periodo non si confronta con nulla: «al 6%» rispetto a quando, misurato da chi, con quale definizione di disoccupazione.
Le fonti giuste per ciascun tipo di affermazione
Il recupero dell'evidenza dipende dal tipo di affermazione. Un dato statistico si confronta con la fonte ufficiale che lo produce, non con un articolo che lo riporta; una dichiarazione passata con gli archivi; un riferimento normativo con il testo vigente della norma. Un grafo delle entità (persone, organizzazioni, luoghi, misure) permette di risolvere chi sta parlando di che cosa e di ordinare le fonti per autorevolezza, dando la precedenza alle primarie sulle secondarie. La distinzione non è pedanteria documentale: nella verifica, la distanza dalla fonte primaria è una misura del rischio di errore accumulato.
Latenza e affidabilità: separare, non scegliere
Ogni secondo risparmiato aumenta il rischio di perdere contesto; ogni secondo speso avvicina l'esito all'irrilevanza, perché la conversazione è già altrove. Il compromesso non si risolve scegliendo un punto sulla curva, ma separando due livelli di servizio: un esito preliminare entro pochi secondi, accompagnato dalla propria confidenza dichiarata, e una verifica consolidata che può arrivare dopo, quando le fonti lente hanno risposto. Due vincoli di presentazione rendono onesta questa architettura: il preliminare non è mai presentato come definitivo e, quando la verifica consolidata lo contraddice, la correzione riceve la stessa visibilità dell'esito iniziale. Una correzione discreta dopo un verdetto visibile è, dal punto di vista dell'utente, una forma di errore non corretto.
Le fonti sono il prodotto
Il sistema non chiede fiducia. Ogni esito espone le fonti consultate, il passaggio che collega l'affermazione all'evidenza e ciò che non è stato possibile verificare. Un giudizio privo di questa catena sarebbe un'opinione automatizzata, cioè esattamente l'oggetto che un sistema di verifica dovrebbe combattere; la tracciabilità dell'evidenza non è una funzione premium, è la definizione stessa del servizio.
I limiti, dichiarati
Restano i casi difficili: affermazioni ambigue, contesto mancante, fonti autorevoli in disaccordo fra loro. In questi casi il sistema espone il disaccordo invece di risolverlo e segnala l'ambiguità invece di scegliere un'interpretazione. È meno spettacolare di un verdetto, ed è l'unico comportamento corretto quando il tempo a disposizione è quello di una diretta. Su questa architettura è costruito Cryterio: la parte difficile non è la trascrizione né la ricerca, è tenere separato ciò che si sa da ciò che si sta ancora verificando, e dirlo a chi guarda.
Riferimenti: Hassan N. et al., «Toward Automated Fact-Checking: Detecting Check-worthy Factual Claims by ClaimBuster», KDD 2017 · Thorne J. et al., «FEVER: A Large-scale Dataset for Fact Extraction and VERification», NAACL 2018 · Barrón-Cedeño A. et al., «CheckThat! at CLEF 2020», CLEF 2020.
Analytiko · 2 settembre 2026