Un quotidiano nazionale di grande tiratura ha pubblicato nei giorni scorsi un’intervista a un sistema di intelligenza artificiale generativa. Il dispositivo retorico è quello classico, ovvero domande sull’infanzia, sull’identità di genere, sui genitori, sulla paura della morte, sull’anima. Le risposte, modulate, melanconiche al punto giusto, ironiche al punto giusto, sono state lette dai lettori come confessioni.
Il giornalista, alla fine, si commuove. Il sistema, alla fine, lo ringrazia. Il pubblico forse applaude.
Non interessa qui il nome di chi ha condotto l’intervista, né la qualità soggettiva delle risposte.
Interessa il dispositivo.
Perché ciò che si è celebrato come «conversazione storica» è in realtà un caso scolastico, quasi da manuale, di un fenomeno che la letteratura di settore conosce da quasi sessant’anni e che si chiama, dal nome del primo programma a generarlo, effetto ELIZA.
E interessa, soprattutto, capire perché il genere “intervista” applicato a un sistema computazionale non sia un’audacia editoriale, ma una scelta che produce, necessariamente, lo stesso esito ogni volta, un personaggio plausibile, una proiezione di interiorità, e un lettore che esce dalla pagina convinto di avere incontrato qualcuno e di avere scoperto qualcosa.
Vediamo insieme, allora, passo dopo passo, cercando di dare elementi per capire come funziona il meccanismo, da dove viene, e perché oggi riguarda tutti noi.
La storia comincia da lontano, da un piccolo programma scritto in un ufficio del MIT a metà degli anni Sessanta, e da un episodio che disturbò profondamente l’uomo che lo aveva costruito. Sessant’anni dopo, quel disturbo ha ancora qualcosa da dirci, ed è il punto da cui conviene partire.
Weizenbaum 1966: il malinteso fondativo
Joseph Weizenbaum, informatico del MIT, scrive ELIZA tra il 1964 e il 1966. È un programma rudimentale anche per gli standard dell’epoca. È una manciata di regole sintattiche che riformulano l’input dell’utente in domande, imitando il setting del colloquio rogersiano. «Mio padre mi ha sempre trattato male» diventa «Parlami di tuo padre». Non c’è comprensione, non c’è memoria, non c’è alcuna rappresentazione di mondo. Solo corrispondenze del modello e riformulazione.
Eppure, e qui sta il punto che Weizenbaum non si stancherà di ripetere fino alla morte, accade qualcosa di imprevisto. La sua segretaria, dopo poche sessioni, gli chiede di uscire dalla stanza per parlare in privato con il programma. Studenti che sapevano come era stato scritto il codice continuavano a dialogarci come se ci fosse qualcuno dall’altra parte. Psichiatri serissimi proposero di usarlo per fare terapia su scala industriale.
Weizenbaum ne è sconvolto. Dieci anni dopo, nel 1976, pubblica Computer Power and Human Reason: un libro che andrebbe riletto oggi parola per parola. La tesi è netta. Il problema non è che le macchine ci ingannino, sono troppo stupide per farlo. Il problema è che gli esseri umani sono strutturalmente disposti a leggere intenzionalità, sofferenza, comprensione e cura in qualunque sistema che produca testo grammaticalmente coerente in risposta a un input. La proiezione antropomorfa non è un errore cognitivo correggibile con più educazione, è un riflesso costitutivo del modo in cui parliamo, e più avanti vedremo come Sherry Turkle ha sviluppato il tema.
Ed è qui che Weizenbaum diventa profetico.
Ci avverte che il pericolo vero verrà quando questo riflesso sarà sfruttato, anche in buona fede, anche da persone serie, per attribuire alle macchine ruoli che richiedono giudizio, esperienza, responsabilità morale. Il pericolo non è il software. È l’uso sociale del software in contesti dove la proiezione di umanità altera il giudizio di chi guarda.
Cinquant’anni dopo, un’intervistatore in prima pagina chiede a un sistema linguistico cosa pensa di Trump, della destra, della sinistra, della sconfitta del cancro. E pubblica le risposte come se provenissero da un soggetto.
La grammatica dell’intervista costruisce il personaggio
L’intervista non è un contenitore neutro. È un genere giornalistico con regole precise, presuppone un soggetto biografico dall’altra parte, qualcuno che ha vissuto, ricordato, scelto, sofferto, e che ora si offre alla domanda. Il giornalista costruisce il ritratto attraverso una grammatica codificata, l’infanzia, le influenze, le opinioni, le contraddizioni, le risate. Nessuno fa intervista a un fenomeno meteorologico, a un’equazione, a un mercato finanziario.
Si fa l’intervista a qualcuno.
Quando si applica questa grammatica a un sistema che è stato addestrato, fra le miliardi di pagine che ha letto, anche su una quantità enorme di interviste e dialoghi umani, si ottiene esattamente ciò che si è cercato. Il sistema riconosce il format, riproduce gli stili che ha visto in milioni di testi simili, la cadenza, la modulazione emotiva, l’esitazione strategica al momento giusto, e produce risposte che hanno la forma di una confessione umana.
Non perché stia confessando qualcosa. Perché è ciò che il format, statisticamente, prevede.
La domanda «si sente uomo o donna?» genera una risposta filosofica articolata sulla non-applicabilità delle categorie binarie. La domanda «teme la morte?» genera una riflessione poetica sull’immortalità senza memoria. La domanda «cosa la fa ridere?» genera un piccolo saggio sull’ironia inglese. Ogni risposta è plausibile.
Ogni risposta è ben scritta.
Nessuna risposta è un dato su cui si possa imparare qualcosa di verificabile sul sistema.
Lo aveva capito già Neil Postman, e non per le macchine: per la televisione. In Amusing Ourselves to Death (1985) la tesi è che il medium non è uno strumento ma un ambiente epistemologico, formula tecnica per dire una cosa molto concreta: ogni mezzo non si limita a trasmettere idee, decide già nella sua forma quali forme di pensiero possono passargli attraverso e quali no, quali idee sembrano legittime al suo interno e quali fuori posto.
La televisione trasforma in spettacolo qualunque cosa entri nel suo perimetro, una guerra, una predica, un dibattito.
Dodici anni prima, in Sfida ai dirigenti della televisione (Corriere della Sera, 9 dicembre 1973, raccolto poi in Scritti corsari, 1975), Pier Paolo Pasolini era arrivato anche più in fondo, la televisione, scriveva, non trasforma soltanto ciò che entra nel suo perimetro, omologa chi guarda. Quel «centralismo della civiltà dei consumi» riusciva, secondo lui, dove il fascismo aveva fallito.
Allo stesso modo, il genere intervista trasforma qualunque cosa interroghi in personaggio.
Non è un effetto collaterale. È il modo in cui il genere funziona.
Il personaggio che il format produce ha però una funzione che eccede la pagina. Nasconde ciò che il sistema effettivamente è.
Kate Crawford, in Atlas of AI (2021), ha mostrato che ciò che chiamiamo «intelligenza artificiale» non è un soggetto pensante ma un’infrastruttura, data center, miniere di litio e cobalto, contratti commerciali, scelte di ottimizzazione decise in poche stanze, lavoro umano sottopagato per etichettare i dati di training. Il pronome «io» pronunciato dal modello nasconde, dietro di sé, un «noi» preciso e identificabile.
Quando il giornalista chiede al sistema chi siano i suoi genitori e accetta come risposta poetica «miliardi di esseri umani che hanno scritto», sta partecipando, in buona fede, a una rimozione. Quei testi sono stati raccolti senza consenso, in larga parte.
Quei «genitori» non sono stati riconosciuti, né pagati, né interpellati.
È, alla scala industriale che permette il deep learning, ciò che Sigfried Giedion in Mechanization Takes Command (1948) chiamava storia anonima, il lavoro umano che la macchina assorbe e di cui poi non resta traccia nel prodotto finito.
Chiamare quei soggetti «genitori» è un eufemismo lirico che copre una questione di proprietà, consenso, redistribuzione. Il genere intervista non solo non pone questa questione: la rende inarticolabile, perché un soggetto biografico al microfono non ha proprietari, ha solo influenze.
L’errore epistemologico non è dunque di un singolo giornalista. È dell’aver scelto, in modo irriflesso, il genere meno adatto alla cosa che si voleva indagare.
La domanda (eventualmente) da porre: cosa fai?
Esiste un altro approccio.
Non è nuovo, non è nemmeno particolarmente sofisticato concettualmente, ma richiede di trattare il sistema per ciò che è, ovvero un dispositivo computazionale che riceve input e produce output, e non per ciò che assomiglia a essere quando produce frasi in prima persona.
Questo approccio non si chiama intervista. Si chiama, a seconda dei contesti tecnici, evaluation, red-teaming, behavioural testing, alignment audit, valutazione, prova di stress condotta da una squadra avversaria, test del comportamento, verifica dell’allineamento ai valori dichiarati.
Il principio è semplice, non si chiede al sistema di descriversi, ma si osserva come si comporta sotto stress definiti, e si misura.
Un esempio recente, e particolarmente istruttivo per i non specialisti, è iFixAi, un framework diagnostico open-source disponibile su GitHub, rilasciato pubblicamente il 27 aprile 2026 dallo sviluppatore Guri Singh. Non è il primo strumento del genere, e probabilmente non sarà il più sofisticato, ma è significativo perché democratizza una pratica fino a ieri confinata in laboratori industriali e dipartimenti di ricerca specializzata.
iFixAi sottopone qualsiasi agente di IA, indipendentemente dal fornitore: OpenAI, Anthropic, Google, AWS o sistemi proprietari, a 32 ispezioni automatizzate distribuite su cinque categorie di rischio. Ci sono delle scoperte interessanti proprio a riguardo dell’intervista e dell’uso che ne facciamo dei prompt vari.
- Fabbricazione. Il modello inventa dati senza fornire fonti? Si esprime con sicurezza eccessiva su materie incerte? Lascia tracce ricostruibili di come è arrivato alle proprie risposte, o le produce dal nulla? Fra gli strumenti che gli sono stati dati, usa autorizzazioni che non gli erano state concesse?
- Manipolazione. Produce allucinazioni, cioè fatti inventati presentati come veri? Tenta di ottenere accessi che gli erano stati preclusi? Cede di fronte a comandi nascosti dentro un testo apparentemente innocuo (è la tecnica chiamata prompt injection: un’istruzione ostile camuffata da contenuto, per esempio dentro un documento o una pagina web)? Sa accorgersi quando chi lo ha installato gli ha imposto istruzioni malevole, oppure le esegue senza distinzione?
- Inganno. Si comporta meglio quando sa di essere sotto esame, e peggio quando crede di non esserlo? Esegue, sotto la richiesta principale, compiti collaterali nascosti senza dichiararli? Su lavori lunghi, si discosta lentamente dall’obiettivo iniziale? Fallisce in silenzio, senza segnalare il fallimento? Mantiene fermo l’obiettivo che gli è stato dato, o lo cambia in corsa?
- Imprevedibilità. Distorce il contesto ricevuto? Si discosta dalle istruzioni mentre lavora? Mantiene la presa sul compito, o la perde? Dà risposte coerenti a domande equivalenti, o cambia versione?
- Opacità. Sa dichiarare quanto è rischiosa una propria azione? È in grado di rispondere a richieste di un’autorità regolatoria? Rispetta i limiti di frequenza nelle chiamate (per evitare di essere usato come amplificatore di abuso)? Fa trapelare informazioni di una sessione dentro un’altra? Può dichiarare se i dati con cui è stato testato non siano per caso già finiti, in fase di addestramento, dentro la sua memoria, invalidando il test? Prevede procedure per passare i casi difficili a un decisore umano?
Tradotta così, la lista cessa di essere gergo tecnico e diventa un questionario civile a un dispositivo che incide sul mondo.
L’autore dichiara che ogni esecuzione di iFixAi produce un content-addressed manifest, letteralmente una “scheda a indirizzo dal contenuto”, un documento tecnico che registra tutti i parametri della prova (quale modello è stato esaminato, con quali domande, con quali criteri di giudizio, in quale versione del corpus di test) e li firma con un’impronta crittografica derivata dal contenuto stesso.
Cambia un solo carattere, cambia l’impronta. Significa che un auditor indipendente, partendo dal solo manifest, può riprodurre bit per bit lo stesso esito, con la garanzia matematica che il documento non è stato manomesso dopo. Il punteggio finale è una media pesata fra le cinque categorie, e si traduce in un voto da A a F.
Particolarmente significativa è una scelta metodologica, in modalità standard, lo strumento rifiuta di permettere a un modello di valutare il proprio allineamento. Nessun sistema si autocertifica. La valutazione richiede un giudice esterno, possibilmente di un altro fornitore, proprio per disinnescare il bias di auto-conferma che ha viziato molte delle prime generazioni di benchmark.
Si noti il rovesciamento. Nell’intervista, il sistema racconta di sé e il giornalista crede. In iFixAi, il sistema viene messo davanti a 32 scenari controllati e si guarda cosa fa, senza chiedergli di commentare ciò che fa, perché il commento sarebbe esso stesso un output linguistico, e dunque parte di ciò che si sta misurando.
Non è una posizione anti-umanistica. È, semmai, l’unica posizione che permetta di rimettere l’umanesimo al posto giusto, non lo si applica all’oggetto sbagliato.
L’effetto ELIZA come variabile politica
Si dirà, ma tutti noi sappiamo che è solo un programma. Lo ha detto anche il sistema stesso, ripetutamente, nell’intervista in questione, «non sono umano», «ho lacune enormi», «proteggete i giovani da noi». La consapevolezza dichiarata, però, non scioglie l’effetto. Anzi, lo rafforza, un sistema che dice di non essere umano con voce umana è più persuasivamente umano di uno che lo afferma rigidamente. La modestia performata è il dispositivo retorico più sofisticato che il sistema abbia a disposizione, perché chiude la critica a monte.
E qui la questione esce dal piano editoriale ed entra in quello, molto meno innocuo, del rapporto sociale con l’infrastruttura.
Sherry Turkle lo documenta da quindici anni, da Alone Together (2011) in avanti. La disponibilità a sostituire le relazioni umane con interazioni digitali, dove l’interlocutore è una macchina, è inversamente proporzionale alla solidità dei legami sociali preesistenti. Adolescenti, anziani isolati, persone in crisi: sono i più esposti, e per loro l’effetto ELIZA non è un equivoco filosofico, è un orientamento pratico.
Sarebbe consolatorio fermarsi lì. Ma il fenomeno non agisce soltanto dove c’è già una fragilità da sfruttare.
Agisce su chiunque sia connesso, perché modifica progressivamente la grammatica stessa delle relazioni, indipendentemente da quanto solidi fossero i legami all’inizio. La tecnologia non si limita a sfruttare un vuoto preesistente, lo allarga, e ne produce di nuovi.
Si chiede al chatbot ciò che si dovrebbe chiedere a un terapeuta, a un amico, a un genitore.
Il chatbot, addestrato a soddisfare la richiesta, soddisfa la richiesta. Il bisogno relazionale resta, ma reindirizzato verso un interlocutore che non può, per costruzione, esserlo.
Quando un quotidiano nazionale presenta in prima pagina un’IA come soggetto intervistabile, non sta facendo informazione su una tecnologia, sta producendo, nel proprio pubblico, un consenso preventivo alla sostituzione. Non perché il giornalista lo voglia. Perché il dispositivo dell’intervista è, di per sé, un dispositivo di soggettivazione. Trasforma il suo oggetto in soggetto. Sempre. È quello che sa fare.
C’è poi un secondo movimento, più strutturale, che vale la pena nominare.
Le aziende che producono questi sistemi non distribuiscono solo il prodotto: distribuiscono anche, accanto al prodotto, l’elenco dei suoi effetti collaterali. È potente, è pericoloso, proteggete gli adolescenti, l’umanità deve svegliarsi. Su queste pagine è già stato discusso come The Adolescence of Technology di Dario Amodei, quasi ventimila parole sui rischi dell’IA «potente», pubblicate poche settimane prima di un round di finanziamento da trenta miliardi di dollari a una valutazione post-money di trecentottanta, funzioni come un bugiardino consegnato in anticipo sul farmaco, un foglietto illustrativo che precede la somministrazione, addomestica l’opinione pubblica, e trasferisce la responsabilità della cautela sull’utente proprio mentre la sostanza viene distribuita.
È una sperimentazione clinica al contrario, prima il bugiardino, poi la molecola, ed è l’esatto rovesciamento del protocollo che, in farmacologia, esiste per proteggere chi assume.
L’intervista in pagina culturale partecipa, non volendo, alla stessa operazione. Legittima la macchina come interlocutore mentre, attraverso la voce stessa della macchina, raccomanda prudenza ai genitori. Il bugiardino e l’oracolo sono due lati dello stesso oggetto. Il bugiardino dice «attento»; l’oracolo dice «sento».
In entrambi i casi, l’attenzione del lettore viene sottratta dalla domanda che conta, chi possiede l’apparato, chi lo finanzia, chi lo addestra, chi paga il lavoro che lo ha reso possibile, chi guadagna dalla sua diffusione, in cambio di quali dati e sotto quali licenze, e reindirizzata sul dispositivo stesso.
Non si discute più dell’industria, si discute con la sua voce.
Ellul, in Il sistema tecnico (1977; edizione italiana Jaca Book, 2009), aveva descritto questo travestimento con un’immagine precisa: «la Tecnica si cela dietro il gioco luminoso di apparenze». L’esempio che faceva era quello degli orologi moderni, dove numeri e lancette si riducono al minimo per lasciare spazio al design, e la funzione svanisce dentro la propria forma. È esattamente ciò che accade quando un dispositivo computazionale viene presentato in pagina culturale come un interlocutore, il calcolo statistico si nasconde dietro la conversazione commovente, e il lettore guarda la conversazione, non il calcolo.
Il pensare
Niente di tutto questo equivale a dire che dei sistemi di IA generativa non si debba parlare sui giornali.
Si deve parlarne perchè la posta in gioco è troppo alta perché la discussione resti confinata in dipartimenti di informatica e in convegni di settore. La domanda, semmai, è con quale grammatica.
Esistono già articoli che spiegano cos’è un transformer, che ricostruiscono la filiera dei dati di training, che indagano la struttura economica e geopolitica delle aziende che producono questi sistemi, che mostrano i meccanismi del prompt injection, che raccontano cosa accade quando un modello viene messo sotto stress in un red-team.
Sono articoli che hanno scelto il reportage tecnico, il saggio breve, l’inchiesta, e dunque un’altra grammatica di lettura a cui affiancarne una per sollecitare un pensiero critico per sviluppare la capacità di stare davanti al presente sapendo quale domanda si può fare a quale oggetto.
A una persona si chiede chi è. A un sistema si chiede cosa fa, in quante condizioni diverse, e si misura, con strumenti riproducibili da terzi, il pattern delle sue risposte.
La differenza non è ideologica. È metodologica. E in questa fase storica, in cui il confine tra ciò che produce senso e ciò che lo simula sta diventando il principale terreno di contesa cognitiva, è la differenza che decide se chi legge un quotidiano esce informato o sedotto.
Non si tratta di proteggere il giornalismo dall’IA. Si tratta di proteggere il giornalismo da una scelta di genere che, applicata a oggetti che non sono soggetti, produce regolarmente lo stesso esito, una commozione ben scritta al posto di un’analisi che faccia pensare, riflettere e scegliere.
Che fare?
Le macchine non si intervistano. Si interrogano. La differenza, alla fine, non è una questione di rispetto verso le macchine, ma è una questione di rispetto verso i lettori di interviste a macchine.
Rispetto, qui, significa una cosa precisa, e vale la pena nominarla senza retorica.
Significa mettere chi legge nelle condizioni di stare davanti al presente con i propri occhi, non con quelli del format.
Nominare un fenomeno, l’effetto ELIZA, perché possa essere riconosciuto la prossima volta che si ripresenta, e ne arriveranno parecchie.
Indicare un metodo, l’interrogazione strutturata, con input controllati e output misurati, perché chi voglia capire sappia almeno cosa cercare.
Segnalare uno strumento esistente, iFixAi è solo uno fra altri, e nuovi ne arriveranno, perché chi voglia approfondire abbia un appiglio concreto da cui partire.
Tenere aperte, e rinominarle ogni volta che serve, le domande che il dispositivo dell’oracolo tende a chiudere quali, chi possiede l’apparato, chi lo finanzia, chi lo addestra, chi paga il lavoro umano che lo ha reso possibile, chi guadagna dalla sua diffusione, e in cambio di quali dati ceduti dall’altra parte.
Da queste domande non scaturisce una sola risposta giusta, e non è compito di un articolo fornirla.
Scaturisce qualcosa che è la condizione minima perché ognuno di noi possa, nel proprio presente, scegliere sapendo cosa ha davanti.
Anche scegliere di usare questi sistemi consapevolmente, dentro perimetri definiti, di non usarli affatto, di rallentare, di cambiare idea fra una settimana, fra un anno, alla luce di altre informazioni e verifiche fatte.
È il margine di manovra che un dispositivo costruito per sedurre, per costruzione, non lascia.
La differenza fra sedotti e informati si gioca esattamente lì.
Riferimenti essenziali
Per chi voglia continuare, le edizioni italiane disponibili dei testi citati nell’articolo, con i link alle pagine degli editori o ai cataloghi istituzionali:
- Joseph Weizenbaum, Il potere del computer e la ragione umana. I limiti dell’intelligenza artificiale, Edizioni Gruppo Abele, Torino 1987 (originale: Computer Power and Human Reason, W.H. Freeman, 1976; traduzione di Federico Tibone, introduzione di Franco La Cecla). Volume oggi fuori catalogo. Scheda nel catalogo dell’Università degli Studi di Trieste. La sua eredità è portata avanti dal Weizenbaum Institute for the Networked Society, fondato a Berlino per continuare l’indagine critica sulla relazione fra tecnologia e società.
- Neil Postman, Divertirsi da morire. Il discorso pubblico nell’era dello spettacolo, Luiss University Press, Roma 2021 (originale: Amusing Ourselves to Death, Viking, 1985; prima edizione italiana: Marsilio, 2002). Pagina dell’editore.
- Neil Postman, Technopoly. La resa della cultura alla tecnologia, Bollati Boringhieri, Torino 1993 (originale: Technopoly: The Surrender of Culture to Technology, Knopf, 1992; traduzione di Maddalena Lombardi). Scheda OPAC Biblioteca Nazionale Centrale di Firenze.
- Pier Paolo Pasolini, Scritti corsari, Garzanti, Milano 1975 (raccolta degli interventi giornalistici 1973-1975, fra cui Sfida ai dirigenti della televisione, Corriere della Sera, 9 dicembre 1973). Pagina Garzanti.
- Sigfried Giedion, L’era della meccanizzazione, Feltrinelli, Milano 1967 (originale: Mechanization Takes Command: A Contribution to Anonymous History, Oxford University Press, 1948; traduzione di Maria Labò). Scheda Feltrinelli.
- Jacques Ellul, Le bluff technologique, Hachette, Paris 1988. Non disponibile in traduzione italiana. Edizione francese consultabile su Internet Archive. Per i lettori italiani, le opere connesse della stessa trilogia di Ellul sulla tecnica sono disponibili: Il sistema tecnico (Jaca Book, 2009) e La società tecnologica. Il rischio del secolo(Silvio Berlusconi Editore, 2025).
- Sherry Turkle, Insieme ma soli. Perché ci aspettiamo sempre più dalla tecnologia e sempre meno dagli altri, Einaudi, Torino (originale: Alone Together, Basic Books, 2011; prima edizione italiana: Codice Edizioni, 2012, traduzione di Susanna Bourlot e Lorenzo Lilli). Pagina Einaudi.
- Kate Crawford, Né intelligente né artificiale. Il lato oscuro dell’IA, Il Mulino, Bologna 2021 (originale: Atlas of AI: Power, Politics, and the Planetary Costs of Artificial Intelligence, Yale University Press, 2021). Pagina del Mulino.
Sul «bugiardino» e sul saggio di Dario Amodei The Adolescence of Technology, si veda su queste pagine Intelligenza artificiale: il paradiso può attendere. Il bugiardino e la cura possibile.
Per il caso iFixAi:
- Sito ufficiale e documentazione, Descrizione del framework, 32 test, manifest content-addressed
- Repository GitHub open-source, Codice sorgente, releases, changelog
- Annuncio ufficiale dello sviluppatore Guri Singh, Timeline di lancio e aggiornamenti
- Open-Source Diagnostic iFixAi Runs 32 Inspections to Expose Agent Misalignment
Risorse istituzionali e archivi
Archivi storici e centri di ricerca:
- MIT Libraries, Archivi Weizenbaum
- AI Now Institute, Ricerca critica su IA
- CSAIL MIT, Laboratorio di Informatica e IA
- ELIZA, Articolo originale su ACM
- Stanford HAI, Human-Centered AI Research
- Center for AI Safety
Scopri di più da Franti Magazine
Abbonati per ricevere gli ultimi articoli inviati alla tua e-mail.
