Perché l'IA sembra più sveglia in inglese
Di Chatday Editorial Team ·
Chiedi qualcosa a un’IA in italiano, in polacco o in turco e la risposta arriva veloce e scorrevole. Fai la stessa identica domanda in inglese e succede qualcosa di sottile. La risposta è un po’ più affilata. Meglio organizzata. Più sicura di sé.
Non te lo stai immaginando, e non dipende da come scrivi. Il divario esiste, è stato misurato, e nasce da una cosa semplice: questi modelli hanno letto quasi tutto in inglese.
L’internet che questi modelli hanno letto è quasi tutto in inglese
I modelli linguistici imparano leggendo quantità enormi di testo raccolto dal web. E quel web è molto sbilanciato.
Una rassegna dei grandi archivi web usati per questo addestramento ha analizzato una copia di fine 2023 di Common Crawl, una raccolta pubblica di miliardi di pagine. L’inglese era circa il 44%. La seconda lingua in classifica, il tedesco, si fermava intorno al 5%. Tutto il resto si divideva quel che restava.
Adesso confrontalo con il mondo reale. I database linguistici stimano circa 1,5 miliardi di persone che parlano inglese, contando anche chi l’ha imparato come seconda lingua, cioè più o meno una persona su sei. In pratica, una lingua usata da un sesto dell’umanità fornisce quasi metà del materiale da leggere.
Il modello non decide di favorire l’inglese. Semplicemente si allena molto di più su quello. Ogni modo di dire, ogni frase storta, ogni caso strano compare migliaia di volte in più in inglese che in catalano o in vietnamita, e quello che conta è l’allenamento.
La tua IA probabilmente ragiona in inglese prima di risponderti
Ecco la parte che sorprende. Quando scrivi nella tua lingua, il modello non è detto che ragioni in quella lingua.
Uno studio del 2025 ha indagato cosa succede davvero dentro i modelli multilingue mentre rispondono. I ricercatori hanno osservato che questi sistemi prendono le decisioni chiave in uno spazio di rappresentazione vicino all’inglese, a prescindere dalla lingua in entrata e in uscita. Nelle loro parole, il modello genera prima qualcosa di forma inglese per le parole cariche di significato e poi lo converte nella lingua di destinazione.
Pensa a un collega brillante cresciuto leggendo in inglese e che oggi lavora nel tuo ufficio. Ti capisce benissimo. Ma a un certo punto, nel mezzo, il pensiero avviene nella sua prima lingua, e quello che ti torna indietro è passato per un passaggio di traduzione.
Quasi sempre non te ne accorgi. Te ne accorgi quando la battuta non fa ridere, quando un modo di dire arriva tradotto parola per parola o quando il tono è tecnicamente giusto e socialmente fuori posto.
Perché la tua lingua può costare di più e finire prima lo spazio
C’è una seconda ragione, più meccanica, che non ha niente a che vedere con l’intelligenza.
Prima di leggere il tuo testo, il modello lo taglia in pezzettini chiamati token. In parole povere, un token è un frammento di parola. Quel taglio è tarato soprattutto sull’inglese, quindi l’inglese riceve pezzi efficienti mentre le altre lingue si spezzano in molti più frammenti.
La ricerca su questo tema ha rilevato che la stessa frase può occupare fino a 15 volte più token in certe lingue rispetto all’inglese. Le lingue che non usano l’alfabeto latino sono le più penalizzate.
Da qui derivano tre cose, e le senti tutte:
- Arrivi prima al limite. La memoria di lavoro dell’IA si conta in token, quindi lo stesso documento ne consuma di più nella tua lingua.
- Può costare di più. Dove un servizio fattura a token, lo stesso compito costa di più in una lingua che si spezza in più frammenti.
- Può sembrare più lento. Più frammenti significa più lavoro per il modello.
Niente di tutto questo è una punizione. È l’effetto collaterale di un progetto tarato su testi inglesi, e plasma la tua esperienza senza farsi notare.
Ma quanto è grande davvero il divario?
Abbastanza da contare, e molto diseguale. Un test multilingue chiamato MMLU-ProX ha portato lo stesso insieme di quasi 12.000 domande da esame in 29 lingue, il che permette un confronto pulito: stesse domande, lingua diversa, stesso modello.
Lo schema è risultato costante. I modelli sono andati bene nelle lingue con tanta presenza scritta e sono calati in quelle con meno materiale in rete, con differenze fino a circa 24 punti percentuali tra la più forte e la più debole. In un test dove un buon punteggio si aggira sul 70, perdere 24 punti è la differenza tra un esperto sicuro e uno studente in difficoltà.
| Dove si colloca la tua lingua | Chi rientra qui | Cosa aspettarti |
|---|---|---|
| Molto rappresentata | Inglese | Ragionamento più affilato, modi di dire migliori, formattazione più affidabile |
| Ben rappresentata | Italiano, spagnolo, tedesco, francese, cinese, giapponese | Vicina all’inglese nell’uso quotidiano, con qualche frase rigida |
| Rappresentazione media | Molte lingue europee e asiatiche con meno presenza online | Buone risposte, tono più tradotto, più scivoloni sui dettagli locali |
| Poco rappresentata | Lingue più piccole e la maggior parte delle lingue africane | Ragionamento nettamente più debole, più errori detti con sicurezza, verifica tutto |
Due precisazioni oneste. Le tue domande di tutti i giorni sono molto più facili di un esame, quindi il divario che percepisci è di solito minore di quello sulla carta. E questi numeri si muovono ogni pochi mesi, il che ci porta alla buona notizia.
Il divario si sta chiudendo, e non per caso
I laboratori hanno capito che addestrare su più lingue non è beneficenza, è un miglioramento.
Un articolo del 2026 lo ha verificato direttamente e ha concluso che aggiungere lingue durante l’addestramento migliora i risultati su tutta la linea. Le lingue con pochi dati guadagnano molto, quelle già ricche si mantengono invece di peggiorare, e aggiungere anche una sola lingua diversa dall’inglese ha migliorato pure l’inglese del modello. Gli autori definiscono l’addestramento solo in inglese ampiamente subottimale.
Ecco perché ogni generazione di modelli suona un po’ più naturale della precedente nella tua lingua. Ed ecco perché conviene rifare i test qui sotto ogni pochi mesi: la risposta su quale IA sia migliore nella tua lingua continua a cambiare.
Quattro modi per ottenere risposte migliori nella tua lingua
1. Indica la lingua e anche il registro
Non scrivere nella tua lingua sperando che vada bene. Dillo. Qualcosa come: rispondi in italiano, in un registro quotidiano e naturale, come parlerebbe una persona vera.
È quest’ultima parte a pesare di più. Lasciati a se stessi, i modelli scivolano verso una voce formale che sa di traduzione, perché è così che è fatta la maggior parte del testo non inglese su internet.
2. Mostragli come scrivi
Incolla due o tre frasi scritte da te e chiedigli di rifare quella voce. Funziona molto meglio che descrivere il tono desiderato, ed è il rimedio più rapido a quella sensazione artificiale dei testi di IA, in qualsiasi lingua.
3. Per le domande difficili, separa il ragionare dal rispondere
Se una domanda è davvero tosta, prova a farla in inglese chiedendo la risposta nella tua lingua. Visto quel che sappiamo del passaggio intermedio di forma inglese, a volte aiuta.
A volte. Non sempre. Scoprirlo ti costa un messaggio in più, e quando la parte difficile è il ragionamento vale la prova.
4. Cambia modello, non prompt
Questa è quella che quasi nessuno prova, e di solito è la vincente. Ogni laboratorio si addestra su un mix di lingue diverso, quindi i loro punti di forza nella tua lingua differiscono più di quanto lasci intendere il marketing. Lo stesso prompt può risultare perfetto in un modello e legnoso in un altro, ed è un caso specifico del motivo più ampio per cui i modelli di IA danno risposte diverse.
Gemini 3.1 Pro e Claude Sonnet 5 sono buoni punti di partenza, ma non fidarti della nostra parola. Fai passare il tuo prompt in qualche modello e guarda quale suona come una persona di dove vivi.
Il test dei tre prompt per qualsiasi modello nuovo
Quando vuoi sapere se un modello se la cava nella tua lingua, le classifiche non te lo diranno. Trenta secondi di prova tua, sì. Ecco cosa guardiamo, e cosa intercetta ognuno dei tre:
- Un modo di dire o una battuta. Chiedigli di spiegare un detto che usano solo qui. Questo smaschera i modelli che traducono invece di capire.
- Un dettaglio locale. Chiedi qualcosa di pratico e specifico del posto dove vivi, poi verifica la risposta. Questo smaschera l’invenzione detta con sicurezza, l’errore più costoso di tutti.
- Un testo breve con la tua voce. Un messaggio a un collega, nel tuo registro abituale. Questo smaschera rigidità, formalità sbagliata e quell’inconfondibile aria di traduzione.
Prova questi tre su due o tre modelli. In un paio di minuti avrai un preferito, e potrebbe non essere il più famoso.
Dove tutto questo non serve
Chiariamo i limiti: nessun prompt può aggiungere conoscenze che il modello non ha mai avuto.
Se la tua lingua è poco presente online, la mancanza sta nell’addestramento e nessuna istruzione furba la colma. Le norme locali, i dettagli legali regionali e le specificità di un paese piccolo sono i punti in cui i modelli inventano con più convinzione, in ogni lingua, e dove dovresti verificare prima di agire.
Per qualsiasi cosa con conseguenze reali, un contratto, un referto medico, un modulo ufficiale, tratta il risultato dell’IA come una bozza e fallo leggere a una persona che padroneggia la lingua. E quando il lavoro è tradurre davvero, non conversare, uno strumento di traduzione fatto apposta batte una finestra di chat. Abbiamo spiegato quel flusso in come tradurre qualsiasi cosa con l’IA.
In breve
L’IA non è più sveglia in inglese. Ha solo letto di più in inglese, si è allenata di più in inglese, e il meccanismo sotto è stato tarato per quella lingua. Il divario si accorcia a ogni generazione, più in fretta di quanto si creda, perché i laboratori hanno scoperto che insegnare più lingue a un modello lo rende migliore in tutte.
Finché non si chiude, la soluzione non è rinunciare alla tua lingua. È chiedere con precisione quello che vuoi, mostrare al modello la tua voce e smettere di dare per scontato che la prima IA provata sia quella che parla meglio la tua lingua.