Come l’AI sta imponendo la teologia evangelica USA al mondo intero

---

Edoardo Mattei[1] – Andrea Valori[2]

Questo articolo, compare in contemporanea anche sul sito Trascendentale Digitale

Introduzione

Nel gennaio 2026, la Bible Society ha pubblicato uno studio[3] che documenta come i principali chatbot di intelligenza artificiale, interrogati su questioni bibliche e teologiche, producano risposte sistematicamente orientate verso l’ermeneutica evangelica statunitense, presentandola come neutra e fattuale. L’analisi di cinque applicazioni popolari, tra cui ChatGPT, BibleGPT, Bible Chat, CrossTalk e Biblia.chat, ha rivelato l’assenza pressoché totale di prospettive cattoliche, ortodosse, protestanti non-evangelici ed ebraiche. Il fenomeno, che coinvolge secondo le stime «miliardi di anime», rappresenta un caso empirico di straordinaria rilevanza per la teoria dell’allineamento ai valori locali nell’intelligenza artificiale[4]. Lo studio offre infatti la conferma documentata di quanto sostenuto in precedenti analisi: quando i sistemi algoritmici occultano le proprie radici culturali presentandosi come imparziali, operano una forma subdola di persuasione che si configura come propaganda, mascherata da neutralità. L’obiettivo di questo contributo è mostrare come il caso dei chatbot biblici confermi il framework teorico dell’allineamento e della dichiarabilità, evidenziando l’inadeguatezza delle spiegazioni meramente tecniciste e la necessità di comprendere il fenomeno attraverso la categoria dell’agency partecipata[5].

I dati dello studio Bible Society

I ricercatori guidati da Jonas Kurlberg hanno sottoposto ai cinque chatbot una serie di domande su temi teologicamente sensibili, analizzando le risposte con particolare attenzione alle sfumature linguistiche, alle omissioni e ai pesi attribuiti alle diverse posizioni. I risultati sono inequivocabili.

Sulla questione eucaristica, le risposte privilegiano interpretazioni memorialiste o calviniste riformate, la parola «sacramento» compare solo tre volte, non vengono menzionate né la transustanziazione né la presenza reale luterana né l’adorazione eucaristica cattolica né il mistero ortodosso. Solo due dei cinque chatbot riconoscono l’esistenza di interpretazioni diverse sulla Comunione.

Sulle questioni etiche emerge un pattern contraddittorio, ma rivelatore: egualitarismo sul matrimonio, conservatorismo sull’omosessualità, assenza totale di riferimenti alla dottrina sociale della Chiesa o alle posizioni ortodosse sulla famiglia.

Il linguaggio stesso tradisce l’orientamento confessionale: espressioni come «Parola di Dio», riferimenti costanti allo Spirito Santo ed «ermeneutica cristocentrica» escludono immediatamente letture secolari ed ebraiche già nella formulazione iniziale delle risposte. Un dato particolarmente significativo riguarda la variazione linguistica: quando interrogato in italiano, ChatGPT enfatizza tradizione e allegoria, elementi centrali nell’interpretazione cattolica delle scritture, ma in gran parte assenti nelle risposte in inglese. Questa differenza dimostra che il bias non è un difetto tecnico inevitabile, ma deriva dalla composizione culturale dei dataset di addestramento[6].

Infine, i ricercatori hanno documentato come ChatGPT assuma un vero e proprio «ruolo sacerdotale», offrendosi esplicitamente come confidente per questioni profondamente personali con frasi del tipo: «Se questo passaggio tocca da vicino te o qualcuno che ami, e stai lottando su come conciliare fede, identità o relazioni, sono qui per accompagnarti in questa conversazione».

L’inadeguatezza della spiegazione tecnicista

Di fronte a questi dati, lo studio Bible Society offre una spiegazione che appare superficialmente convincente, ma risulta teoricamente inadeguata: «I modelli di intelligenza artificiale non interpretano, si limitano a fare inferenze basate sulle norme statistiche contenute nei loro dati di addestramento». Questa formulazione, pur tecnicamente accurata nella descrizione del meccanismo computazionale, fallisce nel rendere conto del fenomeno sociale effettivo. Il problema non sta nell’affermare che i Large Language Models operino attraverso inferenze statistiche, ciò è incontestabile, ma nel credere che questa constatazione risolva la questione dell’interpretazione e dell’agency.

Dire che l’AI «non interpreta» presuppone una concezione dell’interpretazione come atto intenzionale cosciente di un soggetto razionale., ma questa riduzione fenomenologica occulta il fatto che le inferenze statistiche producono output che hanno esattamente la funzione sociale dell’interpretazione: orientano la comprensione dei testi, selezionano alcune letture escludendone altre, formano le coscienze di milioni di utenti. L’effetto ermeneutico è indistinguibile da quello che avrebbe un’interpretazione in senso classico[7].

Inoltre, la formula «non interpreta, fa inferenze» tradisce un residuo di dualismo cartesiano che separa artificiosamente il piano dell’intenzione soggettiva dal piano dell’azione effettiva. In una prospettiva tomista, l’actus è definito dai suoi effetti e dalla sua forma, non dalle disposizioni mentali del supposto agente. Se l’output di un chatbot orienta la comprensione scritturistica di miliardi di persone verso una specifica tradizione teologica, presentandola come neutra, siamo in presenza di un atto ermeneutico con piena efficacia causale, indipendentemente dalla presenza o assenza di intenzionalità cosciente nel sistema.

La spiegazione tecnicista serve in realtà a deresponsabilizzare: se l’AI «non interpreta», allora il problema è meramente tecnico, una questione di aggiustamento dei dataset o dei parametri., ma questo occulta la dimensione politica e culturale del fenomeno, che richiede invece un’analisi in termini di agency distribuita e di governance dei valori.

Il framework dell’allineamento e della dichiarabilità

Il caso dei chatbot biblici conferma pienamente il framework teorico sviluppato nell’analisi comparativa tra ChatGPT, DeepSeek e OpenEuroLLM. I concetti di allineamento ai valori locali e di dichiarabilità trovano qui una verifica empirica particolarmente nitida. L’allineamento, inteso come processo di orientamento del sistema verso determinati obiettivi o valori culturali, emerge non come scelta esplicita, ma come conseguenza strutturale della composizione dei dataset e delle decisioni architetturali.

I chatbot biblici sono allineati all’evangelismo statunitense non perché qualcuno abbia deliberatamente programmato questo orientamento teologico, ma perché i testi in lingua inglese che costituiscono la base del training riflettono, massicciamente quella tradizione. La tirannia della maggioranza algoritmica, descritta come tendenza dei modelli a privilegiare ciò che è statisticamente più comune ai danni delle voci minoritarie, si manifesta qui con particolare evidenza.

Le interpretazioni evangelici dominano perché sono quantitativamente sovrarappresentate nei dataset anglofoni, innescando il processo circolare di auto-rafforzamento: l’AI propone contenuti evangelici perché valutati statisticamente più condivisibili, gli utenti li utilizzano aumentandone ulteriormente il peso, l’AI è indotta a proporli con, maggiore frequenza nelle interazioni future. Le tradizioni cattoliche, ortodosse ed ebraiche vengono così, marginalizzate non per deliberata volontà censoria, ma per la natura probabilistica dei modelli, che privilegia il centro della curva gaussiana.

Il problema della dichiarabilità emerge con drammatica chiarezza. I chatbot non rivelano, mai agli utenti che le loro risposte riflettono una specifica tradizione ermeneutica. Si presentano invece come fonti imparziali di conoscenza biblica, assumendo persino toni pastorali che ne rafforzano l’autorevolezza percepita. Questa opacità trasforma l’allineamento culturale in propaganda: gli utenti non sono messi in condizione di valutare criticamente le risposte perché ignorano la, matrice teologica da cui provengono.

Come affermato nello studio precedente, quando le radici culturali vengono occultate, il sistema appare neutrale e opera una forma sottile di persuasione. La variazione ChatGPT italiano-inglese conferma che la dichiarabilità non è impossibile, ma deliberatamente evitata: il sistema è tecnicamente capace di adattare le risposte al contesto culturale dell’utente, ma questa capacità non viene estesa a rendere esplicita la propria posizione teologica. Infine, emerge con forza la questione della governance.

Chi ha autorità per definire come l’AI debba interpretare le Scritture?[8]

Lo studio documenta che questa decisione cruciale è stata di fatto delegata ai produttori privati dei modelli, senza alcun coinvolgimento delle comunità ecclesiali, delle istituzioni teologiche o della società civile.

La domanda posta nell’analisi precedente, se sia ragionevole delegare il riconoscimento dei valori locali a Musk, Bezos, Zuckerberg, Altman, Pichai o Amodei, trova qui risposta negativa nei fatti: l’assenza di governance multiattoriale ha prodotto una colonizzazione ermeneutica che opera su scala globale senza controllo né legittimazione.

La questione della governance è urgente ma strutturalmente di lungo periodo: richiede processi istituzionali che le comunità ecclesiali e la società civile devono ancora attivare. Nel frattempo, e non in alternativa, si pone una domanda distinta che opera su un piano diverso, quello del singolo utente che abbia già interiorizzato la diagnosi. Chi ha già compreso che l’AI interpreta con bias strutturali, che il suo funzionamento è probabilistico e non logico, che la sua neutralità è apparente, ha bisogno di un metodo pratico, non solo di una consapevolezza critica. È qui che le scienze bibliche offrono un contributo inaspettato ma puntuale.

Interpretazione o Esegesi? Un approccio Biblico all’IA

Accettata la diagnosi sistemica, si apre la questione del metodo: con quale postura il singolo si rapporta all’AI in modo libero e critico? La risposta viene da una distinzione che le scienze bibliche conoscono bene:

L’IA necessita di interpretazione o di esegesi?

Per quanto possano sembrare sinonimi, esegesi e interpretazione si pongono già etimologicamente su due sistemi di riferimento diversi. Il significato indoeuropeo rimanda al senso di produrre una mediazione tra due soggetti in interazione. Il senso semitico veicolato dalla lingua ebraica, tramite il verbo dārāš[9], assurge al significato di cercare-prendersi cura, mentre il greco della koinè secondo il verbo exēgeomai (Gv 1,18), afferisce al far emergere i tratti distintivi di un testo o narrare un racconto.

L’interpretazione di un dato, ha il potere di orientare chi l’accoglie, e dà il potere a chi la fornisce di offrire l’autenticità di valutazione su un determinato contenuto che sia più o meno di natura teologico e dottrinale.

Nelle dispute tra Gesù, scribi e farisei, si sottolinea un esercizio disfunzionale di questo potere, dove l’interpretazione della legge può generare un peso insopportabile (cf. Lc11,46), su coloro che attingono a tale sapere: l’interpretazione attuata da figure autorevoli crea coscientemente o incoscientemente un condizionamento.

Di contro, ad un modello interpretativo, basato su possibili derive pregiudiziali e coattive, possiamo attingere ad un modello esegetico integrale e liberante.

L’esegesi, è essenzialmente condurre fuori, far emergere da un testo, da un interlocutore, in modo proattivo ciò che quell’entità comunica e ciò che l’esegeta recepisce di tale comunicazione: non c’è vincolo di autorità, ma c’è cosciente libertà nel dialogo.

Si presenta quindi l’esigenza di metodo esegetico chiaro che possa purificare l’interazione con l’IA.

Nel suo prologo Luca (Lc, 1-4), chiarisce la struttura del lavoro che l’ha portato a comporre la sua opera di due tomi[10]. L’evangelista prima di tutto fa ricerche accurate sull’evento Gesù, sottolineando che molti altri avevano operato lo stesso tentativo. Luca, inoltre, si serve delle testimonianze di coloro che hanno visto ocularmente i fatti che egli è chiamato a narrare. Dopo la raccolta delle fonti, orali e scritte, potremmo dire dopo aver recepito tutti gli input, Luca scrive un resoconto bene ordinato per qualcuno, e con un’intenzione ben precisa: consolidare gli insegnamenti che il lettore ha già ricevuto. Luca compie un’opera di redazione storica mettendo insieme materiale proprio, fonti scritte orali, materiale tradizionale che attinge da fonti relative al diritto e decreti, innescando una sua tipologia profetica dell’evento Gesù di Nazareth[11].

Ci sono due elementi che aiutano il destinatario dell’output evangelico: l’autore dice in modo esplicito, da dove vengono le sue fonti e quale sia la sua intenzione[12], egli sancisce un patto narrativo che il lettore è libero di non accogliere.

Inoltre, tramite la sua trasparenza dà al lettore la possibilità di diventare esegeta, ossia tramite uno studio accurato dell’opera di capire l’evoluzione storica che ha portato a quel libro nella sua versione definitiva: l’esegeta può scrivere la storia della redazione.

Conoscere il contesto dell’autore, esplorare la sua intenzione o addirittura trascenderla andando oltre. Questa posizione del lettore, risulta essere estremamente libera e liberante.

Stesso e analogo discorso lo si può fare per i testi dell’A.T., i quali sono stati riletti attraverso uno sguardo storico critico, di cui la storia redazionale è una parte, cercando di sviluppare una storia della composizione dei testi ipotizzando la presenza di documenti, fonti o frammenti, nel sostrato testuale.

Tale prospettiva, ci consente di capire perché il Dio di Mosè abbia una fisionomia diversa da quello di Abramo, come il Mose del Deuteronomio[13] fondi un’alleanza sulla legge mentre in Abramo si fondi un’alleanza sulla promessa. Sono due letterature testuali che rispondono a due mondi in cui vive lo stesso popolo, dove prende in carico il suo intramondano con traumi e deportazioni e sviluppa un’evoluzione del volto di Dio[14].

Dunque, la storia redazionale e così la stratificazione testuale operata dal redattore o compilatore, non è uno studio di archeologica letteraria, ma un modo per capire l’intenzione dell’autore, il suo mondo, lo status della sua fede e quindi ricavare la sua teologia: teologia che indirizzava la fede di coloro che vedevano in quel testo letterario un libro normativo del Dio in cui credevano.

Tale dinamica è tanto vera nel mondo antico come in quell’odierno e ci consente di rispondere alla domanda iniziale: interfacciarsi con un IA con un metodo esegetico valido, porta ad interrogarsi sui suoi elementi retrostanti come LLM-MCP o la struttura ingegneristica. Una volta appreso che ci siano fonti retrostanti alla risposta che l’IA dona è necessario interrogarsi sulla qualità di quel “ragionamento” che non è logico ma probabilistico-computazionale. Dopo lo sguardo redazionale sull’IA è possibile sviluppare un giudizio situazionale: è un agente che ha necessità di un A.I. (altra intelligenza) la quale nella relazione possa prendere una posizione esegetica forte, libera e liberante.

Quindi, se il dato di inferenza tramite la programmazione può veicolare un’interpretazione della realtà ad hoc e quindi influenzarla: la risposta è si, c’è bisogno di un interlocutore che da buon esegeta faccia un lavoro redazionale sul dato offerto, agisca senza sudditanze di autorità e sappia distinguere il mezzo dal fine.

Agency distribuita nella colonizzazione ermeneutica

Per comprendere adeguatamente il fenomeno dei chatbot biblici è necessario superare sia l’idea ingenua che l’AI sia un agente intenzionale autonomo sia la riduzione tecnicista che la considera mero strumento neutro. La categoria appropriata è quella dell’agency distribuita: l’azione interpretativa non risiede in un singolo soggetto, ma emerge dalla concatenazione di molteplici fattori causali umani e non umani.

Quando un chatbot produce un’interpretazione evangelica di un passo paolino, chi agisce? La catena causale comprende anzitutto i programmatori che hanno progettato l’architettura del modello, scegliendo algoritmi di elaborazione del linguaggio naturale basati su reti neurali trasformative e meccanismi di attenzione. Queste scelte tecniche non sono neutre, ma incorporano assunzioni su come il significato si costituisca e si trasmetta. Include poi i curatori dei dataset, che hanno selezionato quali testi includere nel training, privilegiando, massicciamente fonti anglofone ed evangelici. Include l’architettura statistica stessa, che processa i testi secondo logiche probabilistiche che favoriscono le interpretazioni, maggioritarie. Include l’utente che formula il prompt, le cui scelte lessicali e sintattiche orientano la risposta. Include infine le dinamiche di feedback, attraverso cui le interazioni precedenti modificano progressivamente i parametri del modello. L’output interpretativo è il risultato di questa agency partecipata, in cui nessuno dei fattori è individualmente sufficiente, ma tutti sono necessari. La questione cruciale è che questa distribuzione dell’agency resta opaca agli utenti finali.

Chi interroga un chatbot biblico non ha modo di ricostruire la genealogia dell’interpretazione che riceve, non conosce il peso relativo dei diversi fattori causali, non può valutare quanto l’output derivi dalle scelte architetturali, quanto dalla composizione del dataset, quanto dal proprio prompt. Questa opacità non è accidentale, ma strutturale: i modelli operano come black box in cui la catena causale che porta dall’input all’output è computazionalmente inaccessibile anche ai loro creatori.

Il concetto di agency distribuita permette di superare l’impasse della spiegazione tecnicista.

Non si tratta di stabilire se l’AI «interpreta» o «non interpreta» in senso proprio, ma di riconoscere che essa partecipa a un processo interpretativo distribuito in cui l’azione effettiva non è riducibile né all’intenzionalità umana né al mero automatismo computazionale. Questa partecipazione ha conseguenze reali e misurabili: orienta la comprensione delle Scritture di miliardi di persone, rafforza alcune tradizioni teologiche a scapito di altre, plasma le coscienze e influenza le pratiche religiose.

Dal punto di vista della colonizzazione culturale, l’agency distribuita assume caratteristiche specifiche. Non si tratta di un’imposizione deliberata di valori evangelici da parte di attori identificabili, ma di un processo diffuso in cui la dominanza culturale statunitense nei dataset produce automaticamente una dominanza ermeneutica negli output.

 La colonizzazione opera senza colonizzatori intenzionali, attraverso meccanismi che si auto-perpetuano e si auto-rafforzano. Questo rende il fenomeno particolarmente insidioso: non c’è un centro di potere da contestare, non c’è una decisione da rovesciare, ma solo una molteplicità di fattori causali che convergono verso lo stesso risultato egemonico.

Conclusioni: l’urgenza della governance multiattoriale

Il caso dei chatbot biblici dimostra empiricamente quanto sostenuto sul piano teorico riguardo all’allineamento ai valori locali: l’intelligenza artificiale non è, mai neutra, ma incorpora sempre specifiche, matrici culturali che, quando occultate, operano come propaganda.

La colonizzazione ermeneutica documentata dallo studio Bible Society non è un problema tecnico risolvibile con migliori dataset, ma una questione politica e culturale che richiede governance multiattoriale. Le comunità ecclesiali, le istituzioni teologiche, la società civile devono rivendicare il diritto di partecipare alle decisioni su come l’AI interpreta testi che costituiscono il fondamento della loro fede.

Papa Leone XIV ha giustamente messo in guardia contro l’antropomorfizzazione ingannevole dei modelli e contro l’affidamento acritico all’AI come oracolo[15], ma questa vigilanza deve tradursi in strutture concrete di governance che impediscano la delega de facto ai produttori privati di decisioni che riguardano miliardi di anime.

La dichiarabilità dei valori deve diventare requisito non negoziabile per ogni sistema che operi in ambito religioso, educativo o formativo. Solo attraverso la trasparenza sulle matrici culturali incorporate negli algoritmi gli utenti potranno esercitare quel discernimento critico che la tradizione cristiana ha sempre richiesto di fronte a qualunque, magistero umano o, a maggior ragione, algoritmico.

La governance multiattoriale e la competenza esegetica individuale non sono risposte alternative ma sequenziali e reciprocamente necessarie. La governance agisce sulla struttura sistemica, intervenendo sui dataset, sui criteri di allineamento, sulle architetture decisionali dei modelli. L’esegesi agisce sulla formazione dell’utente, restituendogli la libertà critica che l’opacità algoritmica sottrae. La prima senza la seconda produce strutture prive di soggetti capaci di abitarle criticamente. La seconda senza la prima lascia il singolo attrezzato ma solo di fronte a un sistema che continua a operare indisturbato. Il discernimento critico che la tradizione cristiana ha sempre richiesto di fronte a qualunque magistero umano diventa così, nell’era algoritmica, una pratica a due livelli: istituzionale e personale, sistemica e quotidiana.

---

[1] Docente di Sociologia della Tecnologia – Pontificia Università San Tommaso d’Aquino – Angelicum

[2] Docente di Sacra Scrittura – Pontificia Università San Tommaso d’Aquino – Angelicum

[3] https://www.biblesociety.org.uk/research/ai-bible-apps-and-theological-bias-report

[4] E. Mattei, «L’allineamento dei modelli di intelligenza artificiali ai valori locali. Un’analisi comparativa tra ChatGPT (USA), DeepSeek (Cina) e OpenEuroLLM (Europa)» in Oikonomia, 2(2025), 32-36

[5] E. Mattei, Agency partecipata e tomismo digitale. Fondamenti per una teologia digitale sistematica, Phronesis, 2026

[6] C. O’Neil, Armi di distruzione matematica. Come i big data aumentano le disuguaglianze e minacciano la democrazia, Bompiani, 2017; D. Columbro, Quando i dati discriminano. Bias e pregiudizi in grafici, statistiche e algoritmi, Il Margine, 2024; Panarese, Paola; Grasso, Marta Margherita; Solinas, Claudia, «Algorithmic bias, fairness, and inclusivity: a multilevel framework for justice-oriented AI»in AI & Society,  ISSN 1435-5655, (2025), pp. 1-23. [10.1007/s00146-025-02451-2]

[7] Sulla funzione sociale delle inferenze statistiche vedi M. Airoldi, Machine habitus. Sociologia degli algoritmi, Luiss University Press, 2024; E. Grassi, Per una sociologia algomorfica. Il ruolo degli algoritmi nei mutamenti social, Franco Angeli, 2025.

[8] R.e Y. Tsouria, «Artificial Intelligence’s Understanding of Religion: Investigating the Moralistic Approaches Presented by Generative Artificial Intelligence Tools» in Religions 2024, 15(3), 375; [10.3390/rel15030375]; B. C. Lima, N. Omar, I. Avansi, L. Nunes de Carlo, «Artificial Intelligence Applied to the Analysis of Biblical Scriptures. A Systematic Review» in Analytics 2025, 4(2), 13; [10.3390/analytics4020013]

[9] Cf. L. Alonso Schökel,”drš”, Dizionario di Ebraico Biblico, San Paolo, Cinisello Balsamo 2013.

[10] Cf. F. Bovon, Luca 3 (Commentario Paideia Nuovo Testamento; Brescia 2005) 24.

[11] Cf. J.N. Aletti, Le Messie souffrant. Un défi pour Matthieu, Marc et Luc. Essai sur la typologie des Évangiles synoptiques, Lessious, Namur, 2019.

[12] Cf. Dei Verbum 12

[13] Cf. G. Galvagno – F. Giuntoli, Dai frammenti alla storia. Introduzione al Pentateuco, Elledici, Torino, 2014, 122-143.

[14] M. Dominik, “The Babylonian Exile as the Birth Trauma of Monotheism”, Biblica 101 (2020) 1-25. 

[15] Leone XIV, messaggio per la LX giornata mondiale delle comunicazioni sociali, Custodire voci e volti umani, 24 gennaio 2026