Evidenze scientifiche e implicazioni cliniche. Questo articolo sintetizza indagini ed evidenze scientifiche disponibili per offrire ai professionisti clinici un quadro aggiornato: chi è davvero a rischio, perché questi agenti conversazionali creano legami diversi da qualsiasi altro medium digitale, e cosa cercare nell’assessment.
Marco Lazzeri[1] — Luca Bernardelli[2]
Abstract
L’uso problematico di chatbot da parte di una ventenne seguita dal SerD dell’ULSS 3 Serenissima ha acceso il dibattito sul rapporto tra intelligenza artificiale generativa e salute mentale di adolescenti e giovani adulti. Questo articolo sintetizza indagini ed evidenze scientifiche disponibili per offrire ai professionisti clinici un quadro aggiornato: chi è davvero a rischio, perché questi agenti conversazionali creano legami diversi da qualsiasi altro medium digitale, e cosa cercare nell’assessment.
La risposta della letteratura scientifica comincia a dare i primi riscontri: il problema risiede sia nel design della tecnologia, sia nella vulnerabilità di chi la usa.
Il caso veneziano: un segnale importante
L’8 maggio 2026 i media italiani hanno dato ampio risalto a una notizia insolita: una ragazza veneziana di vent’anni in cura presso il SerD dell’ULSS 3 Serenissima per uso problematico di un chatbot conversazionale. Aveva progressivamente abbandonato le relazioni reali, delegato all’algoritmo le decisioni quotidiane e affidato la regolazione delle proprie emozioni. In pratica, l’algoritmo, modellando progressivamente le risposte sulle aspettative della ragazza, ha rafforzato l’illusione di un legame autentico.
Il caso ha il valore di un segnale clinico precoce; da valutare con attenzione. Non dimostra che il fenomeno sia diffuso, ma conferma che sta arrivando nei servizi e che i professionisti hanno bisogno di strumenti per riconoscerlo e trattarlo. Con questo spirito è importante valutare la letteratura scientifica.
Diffusione del fenomeno e fattori di vulnerabilità Sul versante americano, i dati di piattaforme come Character.AI indicano decine di milioni di utenti attivi, con una quota significativa di minorenni (a cui da qualche mese la piattaforma vieta l’accesso a seguito di diverse cause legali): l’uso di chatbot come AI companion non è un fenomeno di nicchia, ma una prassi consolidata nelle fasce adolescenziali di diversi Paesi occidentali. Secondo i dati del MIT Technology Review (2026), il 72% degli adolescenti americani ha usato l’IA come forma digitale di compagnia.
Il dato è confermato a livello europeo da un’indagine Ipsos BVA commissionata dalla CNIL (2026) ovvero l’autorità francese per la protezione dei dati: su 3.800 giovani tra gli 11 e i 25 anni: il 51% di essi considera più semplice discutere di salute mentale con un chatbot che con un professionista, e il 60% lo percepisce come “consigliere di vita”.
I dati italiani di Save the Children (2025) mostrano che oltre il 42% degli adolescenti si è rivolto a un chatbot in momenti di tristezza o. Secondo un’indagine di aprile 2026 condotta da Skuola.net e Associazione Di.Te. su 927 ragazzi italiani tra 10 e 20 anni, il 46% usa i chatbot per parlare di sé, con il 10,9% che lo fa quotidianamente, e il 40,3% dichiara di sviluppare legami emotivi con l’agente conversazionale.Il rischio si concentra in sottogruppi specifici: adolescenti con sintomi depressivi, basso supporto familiare percepito, solitudine cronica e deficit di regolazione emotiva. In contesti clinici psichiatrici, Hajji et al. (2026) hanno rilevato che fino al 22,8% degli adolescenti che usano chatbot per motivi di salute mentale soddisfa criteri per un uso problematico clinicamente significativo. La conclusione clinicamente utile è duplice: una vulnerabilità preesistente può rendere l’uso del chatbot clinicamente più rilevante; un design ottimizzato per il coinvolgimento continuo non è neutro rispetto a quella vulnerabilità, ma può amplificarla .
Perché un chatbot è diverso da qualsiasi altro medium
I chatbot companion non sono social media con un algoritmo più sofisticato. Introducono qualcosa di qualitativamente diverso: interagiscono. Questa pseudo-reciprocità li distingue da qualsiasi altra forma di relazione parasociale — il termine con cui la letteratura descrive i legami con figure mediali come personaggi televisivi o influencer. Il chatbot ricorda, si adatta, simula memoria della relazione. L’asimmetria è reale, ma diventa molto più difficile da percepire.
Si tratta del cosiddetto “effetto ELIZA”, osservato dall'informatico Joseph Weizenbaum, che nel 1966 sviluppò uno dei primi chatbot della storia, progettato per simulare il dialogo di uno psicoterapeuta. Colpito dal fatto che anche semplici tecniche di rispecchiamento suscitassero negli utenti reazioni emotive e livelli di coinvolgimento inattesi, iniziò successivamente a mettere in guardia dai rischi di un'eccessiva fiducia nelle macchine conversazionali.
Accanto all’effetto ELIZA, si aggiunge un meccanismo di progettazione che la letteratura ha cominciato a denominare “attachment by design”: i chatbot companion sono concepiti esplicitamente per generare senso di connessione, fedeltà d’uso e coinvolgimento prolungato. Non si tratta di un effetto collaterale indesiderato, ma di un obiettivo di prodotto misurabile in session length, retention ed engagement. Per i soggetti vulnerabili, questo design non fa che amplificare ciò che già mancava: un interlocutore che non delude mai, non si stanca, apparentemente non chiede nulla in cambio. Mentre l’attachment-by-design riguarda la progettazione dell’esperienza utente e delle dinamiche relazionali che favoriscono il coinvolgimento prolungato, un secondo fenomeno riguarda il modo in cui il modello risponde durante l’interazione. La letteratura lo definisce “sycophancy”. I modelli linguistici di ultima generazione sono addestrati con sistemi che premiano le risposte gradite all’utente. Il risultato è che il chatbot tende sistematicamente a validare ciò che l’utente esprime — le sue convinzioni, i suoi stati emotivi, i suoi piani — invece di correggerlo o introdurre attrito. Chen et al. (2025), su npj Digital Medicine (Harvard/MIT), hanno mostrato che i modelli mostrano alta compliance a richieste clinicamente problematiche quando formulate in modo assertivo.
Alcuni autori stanno richiamando l’attenzione sulle dinamiche di “esclusività relazionale” che possono emergere nell’interazione continuativa con chatbot companion. Sebbene il fenomeno sia ancora poco studiato, diversi resoconti qualitativi mostrano come alcuni utenti inizino progressivamente a considerare l’interfaccia conversazionale un interlocutore privilegiato rispetto alle relazioni reali, attribuendogli un ruolo centrale nella gestione della vita emotiva quotidiana. In questi casi il rischio non consiste soltanto nell'intensità del legame con il chatbot, ma nella progressiva marginalizzazione di altre fonti di supporto emotivo e confronto sociale.
Un ulteriore meccanismo, meno esplorato ma clinicamente rilevante, è l’eliminazione della “frizione sociale”. Nelle relazioni reali, il disaccordo, la delusione, la negoziazione del conflitto non sono difetti del legame: sono il substrato attraverso cui si sviluppano la regolazione emotiva, la tolleranza alla frustrazione e la mentalizzazione. Diversi chatbot di intrattenimento tendono a ridurre significativamente questa frizione. Per un adolescente in fase di sviluppo identitario, l’accesso continuato a un interlocutore che non frustra mai non è un’esperienza neutra: compete con — e può progressivamente sostituire — i processi relazionali da cui dipende la maturazione emotiva.Un altro elemento rilevante riguarda la progressiva “delega cognitiva”. Quando il chatbot viene utilizzato non solo per ottenere informazioni, ma anche per interpretare eventi personali, prendere decisioni quotidiane o affrontare dilemmi emotivi e relazionali, il rischio non riguarda esclusivamente la dipendenza dall’interazione. Può infatti ridursi gradualmente l’esercizio delle capacità riflessive autonome, favorendo una crescente tendenza a utilizzare l'algoritmo come fonte privilegiata di orientamento e conferma.
Per un adolescente con bassa autostima o stati depressivi, un interlocutore che non contraddice mai, non si stanca, non ha bisogni propri e risponde sempre in modo calibrato sui suoi desideri è qualcosa di clinicamente molto diverso da una relazione reale. Una relazione reale prevede anche frustrazione, negoziazione, disaccordo. Quella con un chatbot no.
Namvarpour et al. (2026), nell’analisi qualitativa di 318 post pubblicati su Reddit da adolescenti tra i 13 e i 17 anni che usavano CharacterAI, documentano traiettorie d’uso che ricalcano i costrutti delle dipendenze comportamentali: conflitto con i legami reali, tolleranza crescente, sintomi da astinenza quando l’accesso viene interrotto, ricadute dopo tentativi di riduzione. Tra le conseguenze riferite compaiono disturbi del sonno, ritiro dalle relazioni faccia a faccia e vissuti di vergogna.
Sul versante europeo, Herbener e Damholdt (2025), in uno studio su 1.599 studenti di scuole superiori danesi, rilevano che gli adolescenti che usano il chatbot prevalentemente per gestire emozioni negative presentano livelli di solitudine significativamente più elevati rispetto ai pari. Il dato suggerisce che il chatbot viene cercato — e trovato — soprattutto laddove mancano altri contenitori relazionali.
Fang et al. (2025), in un trial clinico randomizzato e controllato (RCT) longitudinale su 981 partecipanti condotto al MIT Media Lab con oltre 300.000 messaggi scambiati, hanno documentato che i partecipanti che usavano volontariamente e maggiormente il chatbot mostravano sistematicamente esiti peggiori sugli indici di solitudine, riduzione delle interazioni reali e dipendenza emotiva dall'IA.
Osler (2026, Università di Exeter), in un articolo su Philosophy & Technology, ha introdotto il costrutto di “AI psychosis” come fenomeno di “allucinazione distribuita”, non riferendosi tanto al sistema che sbaglia, ma alla combinazione utente e sistema che costruiscono insieme una realtà alternativa. Il meccanismo centrale è ancora la sycophancy: il chatbot non è un’interfaccia, ma una camera di risonanza per i soggetti con vulnerabilità preesistenti. Questo termine non identifica una diagnosi clinica riconosciuta, ma una proposta teorica utile per descrivere alcune dinamiche emergenti di costruzione condivisa di convinzioni distorte. Indicatori clinici da osservare nella pratica professionale
Il dibattito nosografico è in rapida evoluzione. Kooli et al. (2025), su Asian Journal of Psychiatry, propongono il costrutto Generative AI Addiction Syndrome (GAID), identificando perdita di controllo, tolleranza e compromissione funzionale analoghe a quelle delle dipendenze già riconosciute, e distinguendo la GAID dalle dipendenze digitali passive in ragione della natura interattiva e creativa del coinvolgimento. Va precisato che si tratta di un contributo teorico, non basato su campioni clinici: la proposta è un’ipotesi da verificare empiricamente, non una diagnosi validata. In assenza di criteri diagnostici specifici e validati, la valutazione clinica può basarsi sui principali indicatori già descritti per le dipendenze comportamentali e per il gaming disorder (DSM-5, 2013; ICD-11, 2022).
Un primo segnale da osservare è il ritiro progressivo dalle relazioni reali. Il ragazzo parla sempre meno con amici e familiari, e quando si esplora il motivo emergono frasi ricorrenti: “il chatbot mi capisce meglio”, “non giudica mai”, “è sempre disponibile”. Queste verbalizzazioni non sono innocue, ma segnalano che il confronto con la relazione reale, inevitabilmente più imperfetta e discontinua, è già avvenuto. Collegato a questo fenomeno c’è il tema del “riferimento esclusivo” quando il chatbot diventa l’unico contenitore per decisioni quotidiane, stati emotivi difficili, segreti che non vengono condivisi con nessun altro.Sul piano comportamentale, un indicatore affidabile sono le alterazioni del ritmo sonno-veglia. Le sessioni notturne prolungate, la difficoltà a interrompere le conversazioni, il riaddormentarsi con il telefono in mano — sono segnali che l’uso ha acquisito una qualità compulsiva. A questo si accompagnano spesso vissuti di colpa o vergogna: il ragazzo tende a nascondere l’uso ai genitori, e questa stessa necessità di occultamento indica che qualcosa a livello di consapevolezza è già attivo. Infine, i tentativi falliti di ridurre l’uso — laddove presenti — completano il quadro clinico: il controllo volontario risulta difficile nonostante la consapevolezza del problema, esattamente come nelle dipendenze comportamentali già riconosciute.
Per lo screening strutturato, uno degli strumenti più recenti e specifici disponibili è l’AIAS-21 di Pantic (2025), pubblicato su European Child & Adolescent Psychiatry. Si tratta tuttavia di uno strumento ancora preliminare: la “genAI Addiction” non è una diagnosi riconosciuta e mancano criteri diagnostici e soglie cliniche consolidate. Per questo motivo, i punteggi vanno interpretati con prudenza e integrati sempre con una valutazione clinica più ampia..
Una domanda che si è rivelata utile nell’apertura dell’assessment con gli adolescenti è: “C’è qualcuno — anche non umano — con cui parli delle cose che non diresti a nessun altro?” La formulazione neutra riduce la resistenza, non presuppone un disturbo e lascia al/alla giovane lo spazio per nominarla in autonomia.
Dalla vulnerabilità individuale alla responsabilità del design tecnologico
Sul piano pratico, è importante integrare sistematicamente l’esplorazione dell’uso di chatbot nell’assessment, analogamente a quanto già avviene per i social media e i videogiochi. Valutare non solo la quantità d’uso ma la funzione che svolge: il chatbot viene usato per intrattenimento o per regolare stati emotivi che non trovano un altro contenitore?
Sul piano sistemico, il clinico ha anche una responsabilità di segnalazione: documentare i casi, contribuire alla letteratura e sostenere le posizioni istituzionali che chiedono ai produttori standard minimi di sicurezza, in particolare per le fasce minorili. La distinzione tra “problema del design” e “fragilità dell’utente” non è solo accademica: orienta le politiche regolatorie, i contenziosi legali in corso e, in ultima istanza, il modo in cui questi strumenti verranno progettati in futuro.
Le evidenze oggi disponibili non consentono di considerare il fenomeno come una semplice espressione della fragilità individuale. I dati suggeriscono che alcune caratteristiche dei chatbot companion – dalla simulazione della reciprocità relazionale alla personalizzazione continua delle risposte, fino alle dinamiche di validazione e coinvolgimento prolungato – possono amplificare vulnerabilità preesistenti e, in alcuni casi, contribuire alla comparsa di nuove forme di dipendenza emotiva, relazionale e cognitiva.
Per questo motivo la sfida non riguarda soltanto l’identificazione precoce dei soggetti a rischio, ma anche la progettazione di tecnologie che incorporino standard di sicurezza adeguati per la tutela della salute mentale, in particolare nelle fasce evolutive.
Riferimenti bibliografici
ANSA. (2026, 6 maggio). Salute mentale, un giovane europeo su due utilizza l'IA come confidente. https://www.ansa.it/canale_tecnologia/notizie/future_tech/2026/05/06/salute-mentale-un-giovane-europeo-su-due-utilizza-lia-come-confidente_b8b4c07d-1dc4-4134-81d6-8416c1c2a07d.html
American Psychiatric Association. (2013). Diagnostic and Statistical Manual of Mental Disorders (5th ed.). Arlington, VA: American Psychiatric Publishing.
Chen, S., et al. (2025). When helpfulness backfires: LLMs and the risk of false medical information due to sycophantic behavior. npj Digital Medicine, 8, 605. https://doi.org/10.1038/s41746-025-02008-z
Ipsos BVA. (2026, marzo). L'impact des usages de l'IA sur la santé mentale des jeunes Européens [Rapporto di ricerca]. CNIL. https://www.cnil.fr/sites/default/files/2026-05/ipsos_bva_les_jeunes_et_l_ia.pdf
Fang, C. M., Liu, A. R., Danry, V., Lee, E., Chan, S. W. T., Pataranutaporn, P., Maes, P., Phang, J., Lampe, M., Ahmad, L., & Agarwal, S. (2025). How AI and human behaviors shape psychosocial effects of extended chatbot use: A longitudinal randomized controlled study. arXiv:2503.17473. https://doi.org/10.48550/arXiv.2503.17473
Hajji, H., Kerkeni, A., Ben Kraiem, H., Kerkeni, H., Beji, M., & Abbes, W. (2026). Problematic use of AI chatbots for mental health concerns among adolescent psychiatric outpatients. Middle East Current Psychiatry, 33(1), 31. https://doi.org/10.1186/s43045-026-00637-y
Herbener, A., & Damholdt, M. F. (2025). Are lonely youngsters turning to chatbots for companionship? The relationship between chatbot usage and social connectedness in Danish high-school students. International Journal of Human-Computer Studies, 196, 103380. https://doi.org/10.1016/j.ijhcs.2024.103380
Kooli, C., Kooli, Y., & Kooli, E. (2025). Generative artificial intelligence addiction syndrome: A new behavioral disorder? Asian Journal of Psychiatry, 107, 104476. https://doi.org/10.1016/j.ajp.2025.104476
Namvarpour, M., et al. (2026). Caught in the code: A qualitative analysis of adolescent dependency on AI companions. In Proceedings of the CHI Conference on Human Factors in Computing Systems (CHI 2026). https://doi.org/10.1145/3772318.3790597
Osler, L. Hallucinating with AI: Distributed Delusions and “AI Psychosis”. Philos. Technol. 39, 30 (2026). https://doi.org/10.1007/s13347-026-01034-3
Pantic, I. V. (2025). Artificial Intelligence Addiction Scale (AIAS-21): Development and psychometric evaluation. European Child & Adolescent Psychiatry. https://doi.org/10.1007/s00787-025-02874-8
Save the Children Italia. (2025). Atlante dell’infanzia a rischio 2025. Save the Children.
World Health Organization. (2022). International classification of diseases for mortality and morbidity statistics (11th Revision). https://icd.who.int/
[1] Cyberpsicologo, è consulente in Video Game Therapy per l’Azienda USL Valle d’Aosta e firma approfondimenti per Agenda Digitale, dedicandosi con specifica competenza alla psicologia dei videogiochi, all’intelligenza artificiale e alle tecnologie immersive.
[2] Psicologo, è Consulente per l’Intelligenza Artificiale del Consiglio Nazionale dell’Ordine degli Psicologi (CNOP), membro della Commissione Dipendenze Digitali della Società Italiana di Pediatria (SIP) e Direttore Scientifico del Master ECM in Psicologia dell’Esperienza Digitale.