Proprio oggi — 20 aprile 2026 — il Dipartimento di Giustizia degli Stati Uniti ha firmato una norma ad interim per posticipare di un anno la scadenza sull’accessibilità web prevista dal Titolo II dell’Americans with Disabilities Act. Le istituzioni pubbliche americane avevano avuto due anni per rendere siti e app conformi allo standard WCAG 2.1 Level AA, e la maggior parte non ce l’ha fatta. L’88% delle scuole statunitensi ha ricevuto una F — il voto più basso possibile — nell’ultima valutazione di conformità condotta da EdSurge. Mentre Silicon Valley continua a sfornare comunicati stampa sull’AI che «democratizza l’accessibilità», il mondo reale arranca dietro standard minimi che esistono da decenni e che nessuno riesce a rispettare. Il nocciolo è sempre lo stesso: l’intelligenza artificiale applicata alla disabilità è uno specchio perfetto delle contraddizioni del capitalismo tecnologico — promesse enormi, profitti concentrati, e le persone che dovrebbero beneficiarne lasciate fuori dalle stanze dove si prendono le decisioni.
L’AI può aiutare le persone disabili? Sì, e in alcuni casi lo fa già con risultati che dieci anni fa sembravano fantascienza pura. Ma la domanda che nessuno ti pone è un’altra: chi controlla queste tecnologie, chi decide cosa significa «accessibile» e — soprattutto — chi stabilisce cosa è «normale»? Dietro ogni algoritmo che ti «aiuta» c’è un dataset addestrato su corpi, voci e comportamenti considerati standard, e tutto ciò che se ne discosta viene trattato come errore da correggere, non come variazione legittima da includere. La disabilità nell’AI non è solo una questione tecnica di captcha inaccessibili e riconoscimento vocale che non funziona — è una questione politica di potere, normalizzazione e controllo. Il confine tra emancipazione tecnologica e normalizzazione forzata è molto più sottile di quanto le Big Tech vogliano farti credere.
Le promesse che funzionano e i silenzi che le accompagnano
Partiamo da quello che funziona, perché negarlo sarebbe disonesto e intellettualmente pigro. Be My Eyes è un’app che dal 2012 collega persone cieche o ipovedenti con volontari vedenti tramite videochiamate in tempo reale — un’idea semplice, elegante, che funzionava già prima dell’AI. Dal 2023 ha integrato GPT-4 di OpenAI come «volontario virtuale», un modello multimodale capace di analizzare immagini e descrivere scene con una precisione che ha cambiato concretamente la vita quotidiana di milioni di persone nel mondo. Puoi inquadrare il frigorifero e sapere cosa c’è dentro, puntare la fotocamera su un farmaco e leggerne il bugiardino, camminare per strada e ricevere indicazioni sugli ostacoli. Il servizio è gratuito, funziona su app e — dal 2025 — è integrato nel supporto Microsoft per la disabilità, con pieno supporto per display Braille destinato agli utenti sordociechi. Apple ha aggiunto funzioni simili a iOS, con strumenti AI nativi per comprendere il contenuto delle foto, guidare l’inquadratura e creare voci sintetiche personalizzate per chi non può vocalizzare. Nessun sarcasmo stavolta: Be My Eyes è un esempio concreto di tecnologia che migliora la vita delle persone, e va riconosciuto senza riserve. Il punto però è un altro — e ci arriviamo.
Poi c’è Whisper di OpenAI, il modello open source per la trascrizione automatica del parlato. Sottotitoli in tempo reale, trascrizione di riunioni, accessibilità per persone sorde o ipoudenti — sulla carta è un salto enorme, e per molti usi quotidiani lo è davvero. Ma qui cominciano i problemi che i comunicati stampa non ti raccontano. Ricercatori dell’Università del Michigan hanno documentato che Whisper genera allucinazioni: parole mai pronunciate che compaiono nelle trascrizioni, inclusi contenuti razzisti e violenti completamente inventati dal modello — un rischio devastante quando il sistema viene usato in contesti medici per trascrivere colloqui tra paziente e dottore. Quando Whisper incontra parlanti con disartria — un disturbo neurologico che altera articolazione, fonazione e prosodia — le prestazioni crollano drammaticamente. Uno studio pubblicato sul Journal of the Acoustical Society of America dimostra che il modello funziona decisamente meglio con l’accento americano standard rispetto ad accenti britannici, australiani e non nativi. Detto senza mezzi termini: se la tua voce non rientra nella «normalità» statistica del dataset di addestramento, il sistema ti capisce meno — o peggio, ti mette in bocca parole che non hai mai detto.
Il fronte delle interfacce cervello-computer è quello che promette di più e pone le domande più scomode. Neuralink di Elon Musk ha esteso il programma PRIME nel Regno Unito con lo studio GB-PRIME, testando l’impianto N1 su pazienti con SLA e lesioni del midollo spinale — uno dei partecipanti controlla una telecamera motorizzata col pensiero direttamente da casa propria. Synchron, l’altra azienda in corsa, ha dimostrato pubblicamente una persona con SLA che controlla un iPad interamente col pensiero grazie allo Stentrode endovascolare, ora integrato con l’AI di Nvidia e il visore Apple Vision Pro. In ambito accademico, un team di ricerca ha realizzato un sintetizzatore vocale controllato dalla corteccia sensomotoria del linguaggio che riproduce fedelmente la voce pre-lesione del paziente paralizzato — usando modelli di deep learning per personalizzare il suono, non una voce sintetica generica e disumanizzante. Fantascienza diventata laboratorio clinico. Facciamo però un passo indietro e guardiamo chi c’è dietro: Neuralink è l’azienda privata di un miliardario con ambizioni dichiaratamente transumaniste — il suo obiettivo finale non è l’accessibilità delle persone disabili ma la «simbiosi» tra cervello umano e AI per tutti. Synchron usa hardware proprietario agganciato all’ecosistema Apple, un’altra corporazione che ha fatto del lock-in tecnologico il proprio modello di business. Chi possiede i dati neurali di queste persone? La tecnologia funziona, su questo non si discute — ma come accade già con i punteggi sociali e la sorveglianza algoritmica, il potere resta nelle mani di chi controlla l’infrastruttura, non di chi la usa per vivere.
Il bias abilista è nel codice sorgente
Se l’AI è ottimizzata per la media statistica, le persone con disabilità — che per definizione si trovano lontane da quella media — sono destinate a essere escluse o mal classificate. Non è un bug, è la logica stessa dei modelli. I ricercatori della Penn State lo hanno dimostrato nero su bianco: i modelli linguistici addestrati su dati pubblici esibiscono un bias sistematico contro la disabilità. Tutti i sistemi di analisi del sentiment e della tossicità studiati classificano come «negative» e «tossiche» frasi che contengono termini legati alla disabilità, anche quando il contesto è neutro o positivo. ChatGPT, testato sui curriculum vitae, penalizza sistematicamente i candidati che menzionano riconoscimenti legati alla disabilità rispetto a CV identici senza quei riferimenti — non parliamo di un’ipotesi accademica ma di un esperimento replicabile e replicato. Questo non è un errore puntuale da risolvere con una patch: è il riflesso di un’intera cultura che associa la disabilità al deficit, al problema, alla minore produttività. Il modello linguistico non ha «imparato» il bias — lo ha assorbito dalla stessa società che lo ha prodotto, e adesso lo riproduce a scala industriale con l’efficienza spietata che solo un algoritmo può garantire.
TechPolicy.Press ha coniato il termine «abilismo emergente» per descrivere la discriminazione che nasce quando gli algoritmi di pattern-matching incontrano la diversità cognitiva umana. I sistemi di recruiting AI penalizzano il tono monotono classificandolo come «scarso entusiasmo», la comunicazione diretta come «aggressività», la concentrazione profonda su un singolo argomento come «comportamento fuori tema». Una persona autistica che risponde con onestà a un colloquio automatizzato riceve punteggi di desiderabilità più bassi perché il suo profilo devia da quello «vincente» neurotipico su cui l’algoritmo è stato addestrato a selezionare. Il numero non è marginale: circa il 20% della popolazione è neurodivergente. Quando un algoritmo elimina sistematicamente un quinto dei candidati non per competenza ma per come comunicano, non stiamo parlando di un problema tecnico da risolvere con un aggiustamento del prompt — stiamo parlando di discriminazione strutturale automatizzata. È lo stesso meccanismo che già vediamo nell’impatto dell’AI sul mondo del lavoro, amplificato esponenzialmente quando incrocia la disabilità. Il Dipartimento di Giustizia USA e l’EEOC hanno dovuto pubblicare linee guida congiunte specifiche su algoritmi, AI e discriminazione nelle assunzioni — il fatto stesso che servano direttive federali dedicate ti dice quanto il problema sia grave e pervasivo.
E poi ci sono i CAPTCHA — la prova quotidiana che l’accessibilità digitale è un ripensamento, mai una priorità di design. AbilityNet ha documentato come l’AI stia rendendo i CAPTCHA sempre più crudeli per gli utenti disabili: quelli visivi sono inaccessibili per chi usa screen reader, quelli audio sono stati resi così complessi da rumori di fondo, distorsioni e sovrapposizioni da risultare inutilizzabili per molti con disabilità uditive o cognitive. Google reCAPTCHA v2 ha barriere di accessibilità documentate dalla sua stessa community di sviluppatori — e la risposta dell’azienda è stata, prevedibilmente, il silenzio. La situazione è grottesca se ci pensi un secondo: l’AI genera CAPTCHA sempre più sofisticati per bloccare i bot, e nel processo blocca anche le persone che quei sistemi dovrebbero proteggere. L’estensione della scadenza ADA firmata oggi non è solo un dettaglio burocratico americano che non ti riguarda — è la dimostrazione che persino con due anni di preavviso, standard codificati da tempo e una norma federale chiara, la volontà politica di rendere il web accessibile è talmente debole che si preferisce spostare la data piuttosto che imporre il rispetto delle regole. Come abbiamo già raccontato parlando dei bias nei modelli linguistici, se il dataset non include la diversità, il modello la esclude — e nessuna deadline posticipata risolverà un problema che è culturale prima ancora che tecnico.
Chi decide cosa è un corpo normale
Sara Hendren, artista e design researcher dell’Olin College of Engineering, nel suo libro «What Can a Body Do?» — vincitore del Science in Society Journalism Book Prize e incluso nelle collezioni permanenti del MoMA — ha formulato una delle tesi più lucide sul rapporto tra tecnologia e disabilità: quasi tutto ciò che gli esseri umani costruiscono e usano è tecnologia assistiva. Una sedia, un paio di occhiali, una rampa, uno smartphone — strumenti progettati per colmare il divario tra il corpo e il mondo. Ma la chiamiamo «assistiva» solo quando è destinata a «loro», alle persone disabili, a chi non rientra nella norma invisibile che abbiamo deciso essere universale. Hendren capovolge la prospettiva con una semplicità disarmante: il problema non è mai stato il corpo, è il mondo costruito intorno a un’idea astratta e non dichiarata di normalità. I progettisti tecnologici, scrive, portano i propri bias e assunzioni nel design — creano per l’«utente tipico» e poi, forse, aggiungono una modalità di accessibilità come nota a piè di pagina. L’AI — con la sua ossessione per le medie statistiche e le distribuzioni gaussiane — sta consolidando questa idea con una potenza computazionale senza precedenti, trasformando un pregiudizio culturale in una verità matematica apparentemente oggettiva e incontestabile.
Mara Mills, docente alla NYU e cofondatrice del Center for Disability Studies dell’università, lavora da oltre un decennio sull’intersezione tra media, tecnologia e disabilità. Il suo white paper «Disability, Bias, and AI» — prodotto con un team interdisciplinare — documenta come la ricerca sull’intelligenza artificiale sia dominata dal modello medico della disabilità: la disabilità come deficit individuale da correggere, mai come condizione sociale prodotta da barriere nell’ambiente costruito dall’uomo. Uno studio sistematico pubblicato su SAGE Journals, che analizza l’intera letteratura scientifica sull’AI e disabilità, conferma questa analisi su scala più ampia: la stragrande maggioranza degli studi adotta una prospettiva abilista e un modello medico ristretto, ignorando il modello sociale che da decenni orienta i disability studies e il movimento globale per i diritti delle persone disabili. Un articolo recente su Disability & Society propone una mossa intellettuale radicale: rinominare il «modello medico» in «modello della normalizzazione» — perché il danno non sta nella medicina in sé, che le persone disabili possono volere e scegliere liberamente, ma nell’imposizione sistematica di una norma su chi deve adeguarsi e nell’esclusione di chi non lo fa. Questa distinzione non è accademica — è il cuore politico di tutta la questione.
Il paper «Disabling AI: power, exclusion, and disability», pubblicato nel British Journal of Sociology of Education, traduce questo framework in un’analisi concreta di come le tecnologie AI nell’istruzione riproducano disuguaglianze sistematiche incorporando assunzioni abiliste e normative nel loro design e nel loro utilizzo quotidiano. I sistemi di e-proctoring — quei software che ti sorvegliano durante gli esami online — normalizzano il comportamento neurotipico e penalizzano ogni variazione naturale: se ti muovi troppo, se distolgi lo sguardo, se il tuo pattern di battitura è «irregolare», l’algoritmo ti segnala come sospetto. Non importa che quei comportamenti siano perfettamente naturali per te se sei neurodivergente — il sistema ha una sola idea di normalità, e tutto il resto è deviazione da sanzionare. Il framework dei Critical Disability Studies applicato all’AI mostra che questi sistemi non sono mai neutri strumenti di valutazione ma dispositivi di potere che privilegiano modi particolari di apprendere, comunicare e dimostrare conoscenza, marginalizzando sistematicamente tutti gli altri. Una ricerca dell’OCSE conferma il quadro: quando le persone neurodivergenti vengono escluse dai dataset di addestramento o classificate con molta meno precisione rispetto agli individui neurotipici, l’AI perpetua bias abilisti a una scala che nessun singolo insegnante o datore di lavoro pregiudicato potrebbe mai raggiungere da solo. L’algoritmo non discrimina per cattiveria — discrimina per design, e questo è molto peggio.
Il nocciolo politico di tutta questa storia sta in una domanda semplice: chi costruisce l’AI assistiva? Le stesse Big Tech che costruiscono il resto. Google ti offre strumenti di accessibilità con una mano e reCAPTCHA inaccessibili con l’altra. Microsoft finanzia Be My Eyes e contemporaneamente sviluppa sistemi di sorveglianza per il Pentagono. Apple integra funzioni per ipovedenti nell’iPhone e nello stesso tempo ti chiude in un ecosistema proprietario dove non puoi riparare il tuo dispositivo, non puoi scegliere le tue app, non puoi controllare i tuoi dati biometrici. L’European Disability Forum deve ancora ricordare alle istituzioni europee di includere le persone con disabilità nella governance dell’AI Act — la loro esclusione dal tavolo decisionale è la norma, non l’eccezione. Quando Harvard pubblica uno studio che dice «le conversazioni sull’equità dell’AI devono includere le persone disabili», la prima reazione è chiedersi come sia possibile che nel 2026 questo sia ancora qualcosa che va detto ad alta voce. Le alternative dal basso esistono ma restano marginali: team di audit etico guidati da persone neurodivergenti con potere reale di imporre modifiche al codice, il Disability Visibility Project fondato da Alice Wong che costruisce reti di saperi e voci dal basso, ricercatori indipendenti come Mills e Hendren che sfidano la narrazione dominante con rigore accademico e passione politica. Operano tutti con risorse minuscole rispetto ai miliardi che Big Tech investe in «accessibilità» che accessibile non è — ma sono loro che pongono le domande giuste.
La tecnologia non è mai neutra, e nel caso della disabilità la non-neutralità è particolarmente brutale. Be My Eyes funziona, Whisper trascrive, le interfacce neurali traducono il pensiero in azione — e tutto questo è reale, concreto, importante per milioni di persone. Ma le stesse aziende che ti vendono l’emancipazione costruiscono i muri algoritmici che la rendono necessaria. Il modello è vecchio quanto il capitalismo stesso: crea il problema, poi vendi la soluzione. I diritti delle persone con disabilità non sono una feature da implementare nel prossimo sprint di sviluppo, né un adeguamento normativo da posticipare di dodici mesi quando non riesci a rispettare la scadenza. Sono diritti fondamentali, non negoziabili — e l’unico modo per garantirli nell’era dell’AI è mettere le persone disabili al centro delle decisioni che le riguardano. Non come utenti, non come tester, non come righe in un dataset di addestramento. Come persone con potere reale di progettare, governare e — se necessario — rifiutare le tecnologie che pretendono di «aiutarle». Finché la disabilità sarà un mercato da conquistare e non un diritto da garantire, ogni promessa di emancipazione tecnologica resterà esattamente quello che è: una promessa.