Analisi qualitativa automatizzata: confronto tra ChatGPT, Claude Sonnet 4 e Perplexity Pro nella codifica tematica di interviste

Table of Contents

Il contesto della ricerca

L’utilizzo di strumenti di intelligenza artificiale (IA) nella ricerca qualitativa sta rapidamente trasformando i processi di analisi testuale. Questo studio confronta le categorizzazioni prodotte da tre tra i più avanzati modelli linguistici – ChatGPT (versione GPT-4o), Claude Sonnet 4 e Perplexity Pro – nell’analisi tematica di un’intervista in profondità condotta con un operatore di orientamento. L’intervista riguarda l’uso dell’intelligenza artificiale nella consulenza di orientamento.

Le differenze emerse riguardano la segmentazione del testo, il livello di astrazione nella codifica, il trattamento del contesto e delle emozioni, e la logica sottostante l’attribuzione delle categorie. L’articolo discute i vantaggi e i limiti di ciascun approccio, offrendo implicazioni pratiche per l’uso di IA nella ricerca qualitativa.

Perché usare i siti di IA nell’analisi di interviste in profondità

Negli ultimi anni, diversi studi scientifici stanno dimostrando che i sistemi di intelligenza artificiale di ultima generazione non solo automatizzano la codifica e l’analisi di grandi volumi di interviste qualitativamente, ma mostrano anche una sorprendente capacità di comprensione empatica del testo, spesso superiore a quella dell’umano medio o persino di molti ricercatori esperti.

Empatia percepita: AI meglio degli esseri umani
Una ricerca pubblicata su Nature Human Behaviour ha condotto quattro studi preregistrati confrontando risposte empatiche scritte da AI (basate su modelli GPT) e da esseri umani qualificati. I terzi valutatori hanno giudicato le risposte generate dall’AI costantemente più compassionevoli, responsabili e preferibili rispetto a quelle umane, sia quando non sapevano chi fosse l’autore, sia quando la fonte (umano o AI) era dichiarata apertamente. I risultati indicano che la percezione di empatia, comprensione e supporto espresso dall’AI supera quella degli umani anche tra esperti del settore1.
Capacità di interpretazione consistente e accurata
Altre ricerche recenti evidenziano come gli strumenti di AI, se guidati da prompt adeguati, riescano a individuare temi chiave e sfumature nelle narrazioni qualitative con una precisione almeno pari a quella di ricercatori umani, offrendo spesso maggiore coerenza e riducendo i pregiudizi individuali2.
Motivi del vantaggio empatico dell’AI
I modelli di IA sono stati progettati per ottimizzare la considerazione dei diversi aspetti emotivi e contestuali del testo, integrando tecniche di elaborazione linguistica e modelli sulle reazioni emotive estratte da miliardi di esempi. Questo consente loro di restituire risposte che riflettono con precisione empatia, validazione, ascolto attivo e cura anche nei contesti qualitativi più complessi1.

In sintesi, la letteratura più aggiornata offre solide evidenze che l’IA possa rappresentare un “potenziatore empatico” nell’analisi delle interviste, valorizzando la comprensione dei vissuti degli intervistati e arricchendo la profondità dell’interpretazione qualitativa, a vantaggio di solidità, immediatezza e trasparenza dei risultati12.

Come cambia il ruolo del ricercatore

La ricerca qualitativa si basa sulla sensibilità di analisi del ricercatore. Tuttavia, con l’avvento di potenti modelli linguistici di IA, emerge la possibilità di utilizzare sistemi automatici a supporto dell’analisi tematica.

I siti di intelligenza artificiale generativa (SIAG) introducono un cambiamento nel ruolo del ricercatore che metaforicamente potremmo descrivere con la frase Da camminare a guidare.

Prima dell’IA (andare a piedi):

Cercare faticosamente fonti su biblioteche, archivi e web
Leggere e prendere appunti da numerosi testi
Organizzare manualmente le informazioni
Redigere bozze, rivedere, correggere
Impiegare giorni o settimane per un singolo articolo ben documentato

Con l’IA (andare in automobile):

Formulare una richiesta chiara
Ottenere in pochi secondi una bozza strutturata
Verificare, integrare, personalizzare il contenuto
Finalizzare il lavoro in una frazione del tempo precedente

Nuove competenze, non meno valore

Come l’automobile non ha svalutato il concetto di movimento umano ma ha richiesto nuove competenze (guidare invece di camminare), così l’IA non svaluta il lavoro creativo, ma richiede nuove abilità:

Direzione chiara: Come un guidatore deve sapere dove vuole andare, chi usa l’IA deve avere una visione precisa dell’obiettivo.
Capacità di “guida”: Formulare prompt efficaci, valutare criticamente le risposte dell’IA, integrare la propria esperienza umana.
Discernimento: Sapere quando “guidare” e quando “camminare” — alcuni progetti beneficiano dell’approccio tradizionale, altri dell’accelerazione dell’IA.

Una differenza importante tra l’ambito della ricerca e l’esempio dell’auto è che, per utilizzare efficacemente l’IA nella ricerca, devo innanzitutto sapere come si conduce una ricerca. Al contrario, per farmi portare in auto da un luogo all’altro, non è necessario essere un meccanico. Nel processo di ricerca, posso delegare all’IA alcuni passaggi, ma per ottenere risultati validi devo essere io stesso in grado di svolgere quei passaggi che intendo delegare.

Lo studio

In questo studio ho sottoposto la medesima trascrizione di intervista a tre sistemi:

ChatGPT (GPT-4o), versione aggiornata al luglio 2025, attraverso un’interfaccia interattiva con prompt iterativi e personalizzati;
Claude Sonnet 4, fornito da Anthropic, con capacità avanzate di segmentazione, ragionamento e coerenza logica;
Perplexity Pro, versione a pagamento, con accesso alla modalità “Pro Search” e assistente testuale basato su modelli OpenAI.

L’obiettivo era osservare come ciascun sistema segmenta e categorizza le unità testuali, rispetto a una griglia predefinita di 6 categorie (da 0 a 5), relative all’uso dell’IA nella consulenza di orientamento.

Metodologia

A ciascun sistema è stato chiesto di:

suddividere l’intervista in blocchi logici numerati (una domanda o una risposta o parte coerente di essa);
assegnare a ciascun blocco una o più categorie tematiche tra:

Tipologie d’uso dell’IA
Vantaggi percepiti
Cambiamenti nel ruolo dell’operatore
Criticità e preoccupazioni
Impatto sull’utenza
Altro (con descrizione specifica).

È stata prodotta una tabella comparativa blocco per blocco (n = 51), dove per ciascun ID sono riportati:

il testo dell’unità analizzata,
la categorizzazione proposta da ciascun sistema.

Risultati: differenze principali

Segmentazione

Sistema	N. blocchi	Criterio
Perplexity	55	frammentazione molto fine, orientata a unità minime
Claude	51	segmentazione logica basata su turni conversazionali
ChatGPT	26 (poi espansi a 51 su richiesta)	inizialmente segmenti tematici ampi, poi adattati

Conclusione: Claude e Perplexity sono più adatti ad analisi sistematiche e conteggi, ChatGPT privilegia la coerenza narrativa.

Attribuzione delle categorie

Aspetto	Claude	Perplexity	ChatGPT
Adesione alla griglia	Alta, con descrizioni sintetiche	Alta, con uso di numeri e etichette ricorrenti	Flessibile, spesso aggiunge interpretazioni e sfumature
Categorie multiple per blocco	Sì	Sì	Sì
Livello di precisione	Strutturato	Redondante ma completo	Tematicamente interpretativo

Esempio – Blocco su “uso di GPT per i bilanci di competenze”:

Claude: 1 - Uso per bilanci, 2 - Miglioramento qualità
Perplexity: 1. Tipologie d’uso, 2. Vantaggi
ChatGPT: 1 - Uso per bilanci, 2 - Miglioramento qualità dell’output, 3 - Nuove competenze (prompting)

3.3. Trattamento della categoria “0 – Altro”

Claude: usa sempre titoli descrittivi (“Contesto professionale”, “Domanda iniziale”)
Perplexity: usa “0 Altro” in modo generico, a volte senza spiegazione
ChatGPT: assegna titoli narrativi e contestuali (“Domanda dell’intervistatore”, “Percorso formativo dell’operatore”, ecc.)

Conclusione: Claude è più rigoroso, ChatGPT più narrativo, Perplexity più meccanico.

Trattamento di emozioni, ambivalenze e rappresentazioni soggettive

Claude tende a ignorare o minimizzare passaggi emozionali o metaforici.
Perplexity cataloga in modo neutro (es. “2. Vantaggi percepiti” anche per frasi cariche emotivamente).
ChatGPT evidenzia stupore, insicurezza, approccio relazionale, attribuendo categorie miste (es. 5 - Reazioni emotive, 3 - Cambiamento ruolo).

Discussione

L’analisi mette in luce che nessun sistema è “migliore in assoluto”, ma ciascuno rispecchia una logica d’uso differente:

Uso desiderato	Sistema più adatto
Codifica sistematica per calcoli e grafici	Perplexity
Segmentazione coerente per report strutturati	Claude
Analisi ermeneutica e riflessiva	ChatGPT

L’utilizzo dei siti di IA per l’analisi qualitativa di interviste in profondità permette di accorciare i tempi e ottenere buoni risultati grazie al potere di analisi dei siti di IA.

Qualunque sia il sito prescelto, il ricercatore deve poi revisionare i risultati attraverso la lettura delle interviste e l’analisi della codifica fatta da IA.

Conclusione

L’uso dell’IA nella ricerca qualitativa è già oggi praticabile e può velocizzare e aumentare l’accuratezza dei risultati, ma la scelta dello strumento deve essere guidata dagli obiettivi e dalle preferenze del ricercatore.

I risultati della codifica condotta dal sito IA prescelto devono poi essere controllati direttamente dal ricercatore attraverso la lettura dell’intervista e l’analisi della codifica fatta da IA (apportando quando nessario modifiche o integrazioni).

Riferimenti bibliografici

Articolo contenuto sul sito www.orientamento.it. Realizzato da Leonardo Evangelista con l’aiuto della IA. Leonardo Evangelista si occupa di orientamento dal 1993 e di formazione dal 2004. Vedi le indicazioni relative a Informativa Privacy, cookie policy e Copyright.