Tradurre con l’AI funziona abbastanza bene, tranne quando conta davvero

Nell’ultimo episodio di Two Humans in the Loop, il podcast di Tom’s Hardware dedicato all’intelligenza artificiale e al suo impatto sulle nostre vite, Valerio Porcu e Fabrizio Degni discutono di traduzione, localizzazione e di cosa succede quando affidi a un sistema probabilistico il compito di rendere in un’altra lingua qualcosa che ha una sfumatura precisa e intenzionale.

Il punto di partenza è l’enciclica Magnifica Humanitas, firmata da Papa Leone XIV il 15 maggio 2026 nel 135° anniversario della Rerum Novarum. Un documento che Tom’s Hardware ha già analizzato in dettaglio: parla di AI con una chiarezza rara, richiede regole, responsabilità e parla esplicitamente di “disarmare l’intelligenza artificiale”. Ma confrontando la versione italiana con quella inglese, Degni ha trovato qualcosa di interessante.

Traduzione o localizzazione: la distinzione è inutile

Prima di entrare nel merito, il podcast affronta un tema terminologico che Porcu porta avanti con convinzione da anni. “Localizzazione” è una parola introdotta nel mondo dei videogiochi che ha contaminato il lessico professionale della traduzione, lasciando intendere che “traduzione” significhi un lavoro fatto male (letterale, scolastico) mentre “localizzazione” significherebbe il lavoro fatto bene, con attenzione al contesto culturale della lingua di arrivo.

Degni concorda: la distinzione è superflua. Tradurre bene ha sempre significato tradurre con sensibilità per la lingua di destinazione, conoscere i modi di dire, sapere cosa suona naturale per un parlante nativo non esperto. Non è una scoperta dei team di localizzazione dei videogame degli anni Novanta: è quello che si insegnava all’università ai traduttori professionisti.

Il problema reale non è il nome del processo, ma la qualità del risultato. E qui l’AI entra in modo interessante.

Cosa ha fatto la versione inglese dell’enciclica

Degni ha analizzato le differenze tra l’italiano e l’inglese dell’enciclica usando più strumenti di analisi, inclusi motori cinesi (Wen) che hanno restituito risultati inaspettatamente precisi. Ne emergono tre macro-categorie di adattamento.

La prima è l’attenuazione giuridica: quando l’italiano attacca direttamente “il capitalismo tecnocratico” con tono magisteriale, l’inglese usa un lessico più vicino all’elaborazione delle politiche, meno polarizzante. La seconda è la glossa apologetica: l’inglese spiega e giustifica dove l’italiano afferma e dà per scontata la cultura generale del lettore. La terza, che si vede nell’esempio della “Magnifica Humanitas”, è una differenza ontologica: l’italiano usa parole con peso specifico (“magnifica”, aggettivo di valore assoluto nella tradizione della Chiesa), l’inglese perifrasa perché in inglese quel peso lessicale semplicemente non esiste.

Il confronto richiama un esempio classico che Porcu porta nell’episodio: i cartelli sui treni. “È vietato sporgersi dal finestrino” — imperativo, senza appello. “Please do not lean out of the window” — una richiesta cortese. Stesso divieto, registro completamente diverso. La differenza è strutturale: due lingue, due culture comunicative diverse che portano con sé registri incompatibili.

La domanda che resta aperta è se la versione inglese dell’enciclica fosse un adattamento voluto o un ammorbidimento involontario. Porcu propende per la prima ipotesi: il mondo anglosassone ha meno cattolici in senso tradizionale, e una comunicazione meno assertiva riduce l’attrito con chi non condivide il quadro di riferimento. Degni è d’accordo, ma nota il paradosso: un’etica che si presenta come universale e assoluta adatta il proprio tono al pubblico, il che è esattamente quello che fa una buona traduzione professionale, e anche un buon algoritmo di ottimizzazione.

L’AI traduce così così ma non capisce il senso

La seconda parte dell’episodio affronta il confronto tra Google Translate e DeepL come rappresentanti di due generazioni di traduzione automatica. Il primo lavora per riconoscimento statistico su corpus enormi; il secondo usa AI generativa, permette di scegliere il tono, corregge i modi di dire. DeepL si posiziona oggi come strumento per contesti professionali e a pagamento punta sulla qualità per settori ad alto rischio comunicativo.

Il problema strutturale che Porcu e Degni identificano è più profondo delle singole versioni software. Le AI generative sono motori di imprecisione: date lo stesso testo dieci volte, producono dieci traduzioni leggermente diverse, perché il processo è probabilistico e non deterministico. Aggiungi che anche la traduzione umana è imprecisa — dieci traduttori ugualmente bravi producono dieci varianti — e hai due sistemi di incertezza sovrapposti.

Il punto che tiene insieme tutto: le AI traduttive sono abbastanza brave da soddisfare la maggior parte dei bisogni quotidiani. Testi informativi, email, documentazione tecnica, interfacce di prodotti — in questi contesti la qualità raggiunta da DeepL è già accettabile per la maggior parte degli usi. Degni porta l’esempio dei videogiochi localizzati con AI dove la traduzione è così scadente da rendere l’esperienza peggiore che in inglese. Porcu aggiunge la sua automobile cinese, con tasti dall’interfaccia incomprensibile: situazioni in cui la quantità ha battuto la qualità, con risultati imbarazzanti.

La soglia dove l’AI traduttiva mostra i limiti è quella dei testi culturalmente densi, dove ogni parola porta un peso che dipende da storia, contesto, intenzione. L’enciclica è l’esempio estremo, ma lo stesso vale per narrativa letteraria, doppiaggi cinematografici, testi giuridici. Sono contesti dove lo “human in the loop” resta la condizione minima indispensabile per un risultato accettabile.

Il nodo reale è la sorveglianza, non la qualità della traduzione

La conclusione del podcast — e la più utile per chi usa strumenti AI nel proprio lavoro — è che il punto debole è l’assenza di qualcuno che sappia riconoscere i difetti della traduzione automatica, non la traduzione in sé. Un’azienda che usa AI per tradurre comunicazioni verso partner stranieri senza far rivedere i risultati a qualcuno di competente rischia esattamente quello che ha rischiato la casa automobilistica cinese: un’esperienza utente che erode la fiducia.

Tom’s Hardware ha già esaminato cosa significa “disarmare l’AI” nell’enciclica e come Anthropic si sia seduta accanto al Papa alla presentazione — un episodio che merita attenzione propria. Il punto che questo episodio di Two Humans in the Loop aggiunge è più sottile: anche i valori assoluti, quando attraversano una lingua, diventano relativi alla cultura di chi legge. L’AI accelera questo processo senza renderlo visibile. E l’invisibilità è il rischio più sottovalutato.