Il professor Giancarlo Manzi, docente di Statistica presso il Dipartimento di Metodi e Modelli per l’Economia, il Territorio e la Finanza dell’Università degli Studi di Roma “La Sapienza”, ha rilasciato un’intervista a Capitalist in cui spiega come l’analisi e l’interpretazione dei dati economici e sociali siano strumenti imprescindibili per comprendere le dinamiche del presente. Il suo lavoro si distingue per il rigore scientifico e per l’attenzione al ruolo della statistica come chiave di lettura della realtà.
La statistica tra politica, verità e intelligenza artificiale
Professore, per iniziare, ci racconti qualcosa di lei. Una breve biografia, anche personale, se vuole.
Sono laureato in Scienze Statistiche e Demografiche e ho un dottorato in Statistica. Ho lavorato come ricercatore all’estero prima all’Università di Toronto come visitatore e poi al Medical Research Council nel Regno Unito come ricercatore nell’unità di biostatistica. Sono stato molti anni all’Università degli Studi di Milano prima come ricercatore e poi come professore associato. Dal 2024 mi sono trasferito all’Università degli Studi di Roma “La Sapienza”.
Prima di entrare in accademia ho lavorato molti anni come informatico in aziende private e poi presso il Ministero della Giustizia come statistico. Quest’ultima esperienza, in particolare, mi ha dato la possibilità di toccare con mano il rapporto tra i dati statistici e la politica, un legame che, purtroppo, non sempre è trasparente.
In che senso? Si riferisce alla manipolazione dei dati da parte dei decisori politici?
Sì, esattamente. È un problema antico, direi “da che mondo è mondo”. Lo statistico dovrebbe essere il garante dell’informazione proveniente dai dati, ma il politico tende a interpretare o selezionare le statistiche in base alla convenienza.
Alcune volte li manipola, altre semplicemente sceglie quali numeri mostrare e quali no. Si può capire, un politico tende a difendere la propria posizione. Ma la linea di confine è sottile, selezionare dati veri è una cosa, non si è del tutto trasparenti, l’informazione che si vuole utilizzare non è completa, ma non si distorce la realtà. Inventarli o manipolarli, invece, è un’altra cosa.
Ci sono esempi recenti di questa selezione “di comodo”?
Sì, moltissimi. Pensiamo all’inflazione: si continua a mostrare il dato complessivo, ma non quello che riguarda le famiglie di operai e impiegati, dove la situazione è molto più drammatica. Pur essendo questa una selezione dei dati, non si dà un quadro veritiero della situazione.
Una presentazione dell’inflazione “spacchettata” per area geografica o categoria sociale, sarebbe molto più onesta, ma anche più scomoda politicamente. E allora si preferisce mettere l’accento sull’indice generale, che attenua le differenze. È un modo elegante, ma pericoloso, per dire la verità solo a metà.
Eppure, lo statistico resta una figura centrale nel processo di comunicazione del dato.
Certo, ma il suo ruolo sta cambiando. Oggi lo statistico deve diventare anche un divulgatore. Deve saper tradurre il linguaggio tecnico in parole comprensibili, altrimenti rischia di essere ignorato.
Pensiamo a figure come Corrado Gini, uno dei padri della statistica italiana: anche lui, pur in un contesto difficile come quello fascista, cercava di difendere l’oggettività del dato. Dire che “due è diverso da quattro” non può diventare opinione comune. È un principio che dovremmo recuperare.
Professore, ma allora come si fa a manipolare o addirittura sostituire i dati? Non si scopre sempre la verità?
Non necessariamente. In molti casi la verità resta nascosta perché la struttura stessa dei dati è complessa. Prendiamo di nuovo l’esempio dell’inflazione: il valore “ufficiale” più conosciuto e comunicato da politici e media è la media di tanti numeri, ma la vita reale è fatta di singoli settori, territori, famiglie. Se si aggrega tutto, il dato diventa una media che non rappresenta più nessuno.
Questo non è falsificare, ma “nascondere” dietro la complessità. È un modo molto raffinato di trattare i dati.
Lei ha accennato alla figura dei tecnici e degli statistici nelle istituzioni. Qual è la situazione oggi in Italia?
Lo statistico è, purtroppo, una figura debole. Io ho conseguito l’abilitazione alle discipline statistiche con un Esame di Stato, ma non mi è mai servita per ottenere una posizione lavorativa o per svolgere la professione. Questo non è un caso: ai politici non conviene avere dei certificatori indipendenti dei dati.
Oggi, a differenza di altre professioni — come gli attuari, che hanno un loro albo — lo statistico non può certificare ufficialmente un’informazione statistica. È una perdita per la società, perché mina la fiducia nella verità dei numeri.
A proposito di verità e tecnologia: come cambia la statistica nell’era dell’intelligenza artificiale?
Negli ultimi dieci anni abbiamo assistito a un progresso enorme, soprattutto sul fronte informatico. Piattaforme come ChatGPT esistono grazie a server e potenze di calcolo impensabili fino a poco tempo fa.
Ma dietro a tutto questo ci sono modelli statistici. I cosiddetti large language models, come quelli che alimentano le chatbot, si basano su principi di previsione statistica applicati al linguaggio naturale.
Lo statistico fornisce i modelli, l’informatico li implementa. È una sinergia. Ma se lo statistico sparisce, il rischio è che la macchina produca risultati “corretti” solo formalmente, senza un’adeguata interpretazione.
Quindi la statistica è ancora la base della Data Science?
Assolutamente sì. Io stesso ho coordinato per diversi anni un Master in Data Science per l’Economia a Milano, e posso dire che la figura del data scientist nasce proprio dall’incontro tra l’informatico, lo statistico e una figura esperta nei campi in cui si applica la data science, come potrebbe essere, ad esempio, un economista, o un esperto di finanza.
Il problema è che oggi gli informatici dominano la scena, ma spesso non conoscono la logica statistica dietro ai modelli che usano. Prendono per buoni gli output dei software, come Python o R, senza porsi il problema di cosa essi significhino davvero.
C’è dunque un rischio nei dati?
Esatto. È lo stesso errore che fanno alcuni studenti con ChatGPT: prendono le risposte per oro colato. Invece bisogna imparare a usare in modo parsimonioso l’intelligenza artificiale e a verificare ciò che ci restituisce.
Io la considero un ottimo strumento, se usato bene. Ma bisogna formare le persone alla data literacy, cioè alla capacità di leggere e comprendere i dati. È l’unica difesa contro la manipolazione e l’ignoranza digitale.
Secondo lei, allora, lo statistico deve cambiare nome?
Sì, e glielo dico con una certa ironia: il termine “statistico” non comunica più nulla. La gente non sa cosa facciamo.
Fino a poco tempo fa, quando dicevo di essere uno statistico, mi chiedevano se lavorassi all’Istat, o mi confondevano con uno “statista” o un’“estetista”!
Preferisco “data scientist” o “scienziato dei dati”: rende l’idea di una professione moderna, che unisce rigore, tecnologia e interpretazione.
Per concludere: qual è, oggi, la missione dello statistico?
Dire la verità dei numeri, anche quando è scomoda. Saperla raccontare, senza manipolarla. E insegnare agli altri a non farsi ingannare dai dati apparenti.
In fondo, la statistica è nata come “scienza dello Stato”. Oggi, forse, deve tornare ad essere la scienza della verità; una bussola nel caos informativo.
