Indice dei contenuti
Per anni la paura è stata una sola: che i deepfake ci facessero credere a cose false. Un audio finto di un politico, una voce clonata, un video manipolato. Ma un nuovo studio del Fraunhofer AISEC, il centro di ricerca tedesco sulla
cybersicurezza, suggerisce che il danno vero è un altro, ed è più subdolo: stiamo perdendo la capacità di credere ai contenuti autentici. Su 1.768 persone testate, oggi un audio vero viene scambiato per falso in più di un caso su
tre.
Lo studio si intitola “Eroding Trust in Real Speech: A Large-Scale Study of Human Audio Deepfake Perception”, è firmato dai ricercatori Nicolas M. Müller e Wei Herng Choong, ed è stato pubblicato come preprint a maggio 2026. Il
punto non è teorico: è la prima volta che un esperimento su larga scala misura, con numeri alla mano, quanto la nostra fiducia nell’audio reale si sia logorata negli ultimi cinque anni.
Il numero che dovrebbe preoccuparci
I ricercatori hanno sottoposto 1.768 partecipanti a un totale di 35.532 ascolti, chiedendo loro di distinguere tra registrazioni vocali autentiche e audio generati dall’intelligenza artificiale. Poi hanno confrontato i risultati con quelli
di un esperimento identico condotto nel 2021, replicando la stessa interfaccia per avere un paragone pulito.
Il dato chiave riguarda gli audio veri. Nel 2021 le persone li riconoscevano correttamente come autentici nel 72,7% dei casi. Nel 2026 questa capacità è scesa al 64,1%. Tradotto: oggi,
davanti a una registrazione genuina, più di una persona su tre la giudica falsa.
Non è che siamo diventati più bravi a smascherare i falsi e abbiamo solo “esagerato” con la diffidenza. È un cambiamento di atteggiamento di fondo: a furia di sentir parlare di deepfake, abbiamo iniziato a sospettare di tutto — anche di ciò
che è reale.
Il twist: le macchine non hanno questo problema
Qui arriva la parte più interessante. Mentre gli esseri umani peggioravano, i sistemi automatici di rilevamento basati su machine learning sono rimasti stabili e affidabili: 95,5% di accuratezza nel 2021, 94,5% nel 2026.
Praticamente invariati.
Si è quindi aperta una forbice netta: di fronte a un audio, una macchina ben addestrata ci azzecca quasi sempre, un essere umano sempre meno. Non perché l’orecchio umano sia peggiorato, ma perché è cambiata la nostra
predisposizione: il dubbio sistematico ha preso il posto del riconoscimento.
Si chiama “dividendo del bugiardo”
Questo fenomeno ha un nome, coniato dai giuristi Bobby Chesney e Danielle Citron: il “liar’s dividend”, il dividendo del bugiardo. Funziona così: più la gente sa che esistono i deepfake, più diventa facile, per chiunque,
liquidare una prova reale come falsa. Un audio compromettente? “È un’AI.” Un video scomodo? “Fake.” Una registrazione autentica? “Manipolata.”
Il danno non è più solo che qualcuno ci faccia credere a una bugia. È che la verità stessa perde valore probatorio, perché può sempre essere messa in dubbio. E quando ogni cosa può essere falsa, niente è più vincolante: né una confessione
registrata, né un audio rubato, né una testimonianza.
Perché ci riguarda tutti
Le conseguenze escono in fretta dal laboratorio:
- In politica: un leader colto in fallo da una registrazione vera può semplicemente gridare al deepfake. Lo abbiamo già visto in diversi Paesi.
- In tribunale: le prove audio e video, finora pilastri dell’accertamento dei fatti, diventano contestabili a prescindere. Se un imputato può sostenere “quella voce non è la mia, è clonata”, l’onere di provare l’autenticità
si complica enormemente. - Nella vita di tutti i giorni: dalle truffe con voci clonate fino alle liti private, l’idea che “tanto poteva essere finto” mina ogni certezza.
I limiti dello studio (perché vanno detti)
Su un tema del genere, la trasparenza è d’obbligo — anche perché un articolo che parla di fidarsi delle fonti deve essere il primo a dichiarare i propri. Lo studio ha alcuni limiti riconosciuti dagli stessi autori: i partecipanti si sono
auto-selezionati attraverso un gioco online, con un campione sbilanciato verso utenti più giovani, e tutti gli audio testati erano in lingua inglese. Non è quindi un campione rappresentativo della popolazione generale, e i risultati su altre
lingue potrebbero differire. Gli autori stessi indicano come prossimo passo l’estensione a contesti multilingue.
Resta il fatto che la direzione del fenomeno — il calo di fiducia nell’audio autentico in cinque anni, a parità di esperimento — è documentata con numeri, non con impressioni.
Cosa possiamo farci
La lezione non è “fidatevi di tutto” né “diffidate di tutto”. È sviluppare un dubbio informato al posto di un sospetto generalizzato:
- Non liquidare un contenuto come falso solo perché “potrebbe esserlo”. Il dubbio automatico è esattamente la trappola che lo studio misura.
- Verifica la fonte e il contesto, non l’istinto: chi ha pubblicato l’audio, quando, in quale contesto. L’autenticità si stabilisce dai fatti attorno, non dall’orecchio.
- Affidati agli strumenti dove servono: per i casi importanti esistono detector automatici e periti forensi che, come mostra lo studio, restano molto più affidabili dell’ascolto umano.
La minaccia più grande dei deepfake, oggi, non è che crediamo a una voce finta. È che stiamo smettendo di credere a quelle vere. E come dimostra questo studio, sta già succedendo — un ascolto alla volta.
Fonti
- Lo studio: Müller N. M., Choong W. H., “Eroding Trust in Real Speech: A Large-Scale Study of Human Audio Deepfake Perception”, arXiv preprint, maggio 2026 — arxiv.org/abs/2605.26136 (versione PDF: qui)
- L’istituto di ricerca: Fraunhofer AISEC, centro tedesco per la cybersicurezza applicata — aisec.fraunhofer.de
- Il confronto 2021: i dati attuali sono confrontati con un esperimento precedente degli stessi autori (Müller et al., 2022), di cui questo studio replica interfaccia e metodo — riferimento completo all’interno del paper
sopra - Il concetto di “liar’s dividend”: coniato dai giuristi Bobby Chesney e Danielle Citron per descrivere come l’esistenza dei deepfake renda più facile liquidare come falso un contenuto autentico — scheda di sintesi
Ti potrebbe interessare
