PwC ha pubblicato quattro rapporti sull’intelligenza artificiale e sulla mobilità elettrica e autonoma contenenti note false, attribuzioni scorrette e informazioni prive di riscontri. I documenti erano stati diffusi dalla società mediorientale del network per promuovere competenze e servizi di consulenza presso imprese e amministrazioni pubbliche.
Le anomalie sono state individuate da GPTZero, società specializzata nell’analisi dei contenuti prodotti con modelli linguistici, e verificate dal Financial Times. L’inchiesta è stata pubblicata il 29 luglio 2026 e riguarda rapporti usciti tra il 2024 e il 2026. Secondo i ricercatori, i testi mostrano un ricorso esteso all’intelligenza artificiale generativa senza controlli umani adeguati sulle fonti e sulle affermazioni presentate come fatti.
Il problema assume un rilievo economico che supera la qualità di quattro pubblicazioni. PwC è un network internazionale di società di consulenza, revisione contabile e servizi fiscali, presente in oltre 130 Paesi. Fa parte delle cosiddette Big Four insieme a Deloitte, EY e KPMG. Le grandi società di consulenza stanno investendo miliardi nello sviluppo di strumenti basati sull’AI e vendono alle aziende servizi per introdurre la tecnologia, governarne i rischi e verificare l’affidabilità dei risultati. Errori così elementari colpiscono quindi il capitale principale del settore: la fiducia nella competenza e nei processi di controllo.
Indice degli argomenti:
Quattro rapporti sotto esame
GPTZero ha analizzato quattro pubblicazioni di PwC Middle East. La prima, uscita nel 2025, era dedicata a un sistema chiamato “Citizen Pulse”, presentato come uno strumento per fornire ai governi informazioni in tempo reale sui bisogni della popolazione. La seconda, pubblicata nel 2026, esaminava lo sviluppo dei veicoli elettrici, connessi e autonomi nei Paesi del Consiglio di cooperazione del Golfo.
Gli altri due documenti riguardavano la sicurezza informatica dell’ecosistema della mobilità elettrica e l’impiego dell’agentic AI.
Secondo GPTZero, il rapporto su Citizen Pulse presentava il livello più alto di contenuti sospetti. Il sistema veniva descritto come una soluzione utilizzata dai governi di Danimarca, Arabia Saudita, Stati Uniti e Australia. Le fonti indicate, tuttavia, non dimostravano né l’esistenza di quei rapporti commerciali né l’adozione del prodotto da parte delle amministrazioni citate. I ricercatori hanno inoltre dichiarato di avere trovato poche tracce pubbliche dell’esistenza dello stesso Citizen Pulse al di fuori del rapporto di PwC.
I quattro documenti contenevano complessivamente più di cento citazioni. Numerosi collegamenti conducevano a pagine che non riportavano le informazioni attribuite loro. Altri rimandavano a indirizzi non più disponibili o apparentemente mai esistiti.
Tra i casi segnalati compare uno studio accademico sulla qualità dell’aria a Riad. Il documento era attribuito ad autori e a una rivista scientifica specifici, ma non risultava rintracciabile né nell’archivio della pubblicazione né tra i lavori degli studiosi indicati. Per GPTZero, lo studio sarebbe stato inventato da un modello generativo.
La fonte è un blogger adolescente
Alcune note rinviavano a fonti esistenti, ma prive dell’autorevolezza necessaria a sostenere le conclusioni dei rapporti. Un blogger adolescente con circa 280 follower su Medium, per esempio, veniva citato come fonte di PwC per descrivere un progetto di JPMorgan come un caso di successo dell’agentic AI.
L’iniziativa riguardava Coin, una piattaforma utilizzata dalla banca per automatizzare la revisione dei contratti di finanziamento commerciale. Il progetto era stato raccontato dalla stampa finanziaria già nel 2017, cinque anni prima del lancio di ChatGPT e della diffusione dell’attuale generazione di sistemi linguistici.
L’automazione dell’analisi dei contratti poteva essere considerata un caso rilevante di applicazione dell’apprendimento automatico. Presentarla come una prova dell’adozione dell’agentic AI, senza spiegare la distanza tecnologica e temporale, alterava però il significato dell’esempio.
Un altro rapporto ripeteva tre volte, nell’arco di due pagine, l’affermazione secondo cui l’errore umano sarebbe responsabile del 90% degli incidenti stradali. La prima occorrenza aveva una nota, la seconda non ne aveva nessuna e la terza ne riportava due. Ciascun richiamo rimandava a una fonte diversa.
Paul Esau, ricercatore di GPTZero, ha osservato che l’affermazione non è necessariamente falsa. La struttura delle citazioni, però, appare incompatibile con un lavoro editoriale coerente: un autore difficilmente documenterebbe lo stesso dato tre volte, a breve distanza, utilizzando ogni volta riferimenti differenti.
Anche i dati di PwC erano citati male
Le anomalie riguardavano persino ricerche prodotte dallo stesso network. Uno dei documenti richiamava un sondaggio condotto da PwC tra gli amministratori delegati del Medio Oriente. Secondo il rapporto, il 70% degli intervistati riteneva che l’intelligenza artificiale generativa avrebbe inciso in misura significativa sulla propria attività.
La nota associata alla cifra, tuttavia, portava a un articolo giornalistico che non menzionava il sondaggio. Il dato avrebbe potuto essere verificato ricorrendo direttamente al materiale originale della società, ma il riferimento scelto non consentiva al lettore di ricostruirne provenienza, metodologia e campione.
L’assenza di una catena documentale affidabile riduce il valore economico dei rapporti. Le pubblicazioni di “thought leadership” non sono studi accademici sottoposti a revisione tra pari, ma svolgono una funzione commerciale. Servono a costruire reputazione, orientare il dibattito dei dirigenti e generare contatti per incarichi di consulenza. Una statistica non verificabile può essere ripresa da presentazioni aziendali, mezzi di informazione e altri report, moltiplicando l’errore.
La risposta di PwC Middle East
PwC Middle East ha dichiarato al Financial Times di considerare seriamente l’accuratezza delle proprie ricerche e di avere avviato l’aggiornamento di un numero limitato di citazioni di supporto nei rapporti identificati.
La società ha aggiunto di disporre, nell’ambito del proprio approccio all’AI responsabile, di processi di controllo della qualità che dipendenti e collaboratori devono rispettare. Non ha spiegato in quale fase siano entrati gli errori, quali strumenti siano stati utilizzati per produrre i testi e chi abbia approvato le versioni finali.
L’espressione “numero limitato” non chiarisce inoltre se PwC consideri il problema circoscritto alle note o se intenda riesaminare anche le affermazioni sostenute da quelle fonti. La distinzione è rilevante. Correggere un collegamento errato risolve un problema editoriale; sostituire una fonte inesistente può richiedere di modificare o eliminare intere conclusioni.
Il network PwC opera attraverso società nazionali giuridicamente separate. Secondo i dati riportati da GPTZero, l’organizzazione è presente in 136 Paesi con circa 370 mila addetti, mentre PwC Middle East dichiara 12 mila dipendenti in dodici Paesi. La struttura federale distribuisce le responsabilità, ma rende più complesso applicare standard uniformi alle pubblicazioni diffuse con un marchio globale.
EY e KPMG hanno già ritirato documenti
PwC è la terza Big Four coinvolta nel 2026 in un caso documentato da GPTZero. A maggio EY Canada ha ritirato uno studio dedicato alle frodi nei programmi fedeltà. Il testo conteneva dati inventati, attribuzioni sbagliate e il riferimento a un rapporto McKinsey che non risultava esistere.
In sezioni diverse, lo studio di EY indicava inoltre in 200 miliardi di dollari sia il valore del mercato globale dei programmi fedeltà sia quello dei punti non utilizzati dai consumatori. EY ha rimosso la pubblicazione e annunciato una revisione del processo con cui era stata realizzata, precisando che il documento non era collegato a incarichi per clienti.
Nel giugno 2026 KPMG ha ritirato un rapporto globale sull’esperienza dei clienti nell’epoca dell’agentic AI. Il documento attribuiva a organizzazioni come UBS, il servizio sanitario britannico, le Ferrovie federali svizzere e Transport for London applicazioni tecnologiche che i soggetti interessati hanno contestato o definito fuorvianti.
GPTZero ha esaminato le 45 citazioni del rapporto. Soltanto cinque conducevano con precisione a fonti reali; 28 contenevano titoli modificati, elementi inventati o riferimenti combinati in modo scorretto, mentre le restanti risultavano troppo vaghe per essere verificate con certezza.
I ricercatori definiscono questo comportamento “vibe citing”: un modello genera una citazione che appare plausibile per forma e linguaggio, ma mescola autori, titoli, pubblicazioni o contenuti diversi. Il risultato può superare una lettura superficiale proprio perché assomiglia a una nota costruita correttamente.
Il costo della corsa all’automazione
Le Big Four hanno incoraggiato i propri dipendenti a utilizzare strumenti generativi per accelerare ricerche, bozze, sintesi e presentazioni. Nello stesso periodo hanno sviluppato piattaforme proprietarie e stretto accordi con i principali fornitori di modelli e servizi cloud.
Il vantaggio economico è diretto. Se un consulente impiega meno ore per preparare un documento, la società può ridurre i costi, aumentare i margini o assegnare lo stesso personale a più progetti. Questo modello funziona soltanto quando il risparmio ottenuto nella produzione non viene annullato dalla verifica.
I rapporti esaminati indicano che la supervisione umana può diventare il passaggio sacrificato. I modelli linguistici producono testi fluidi, strutture ordinate e riferimenti formalmente credibili. Non distinguono però in modo affidabile una fonte reale da una ricostruzione probabilistica quando non hanno accesso a sistemi di ricerca controllati o quando ricevono istruzioni che premiano la completezza della risposta.
Anche gli strumenti di rilevamento hanno limiti. L’attribuzione di un testo all’AI non costituisce da sola una prova definitiva: studi indipendenti hanno segnalato la possibilità di falsi positivi. Nel caso PwC, l’elemento centrale non è quindi il punteggio assegnato dal rilevatore, ma la verifica puntuale delle note, delle pagine citate e delle affermazioni attribuite a organizzazioni reali.
Un problema per il mercato della consulenza AI
Le società di consulenza vendono procedure di “responsible AI” che comprendono tracciabilità delle fonti, responsabilità umana, validazione dei risultati e monitoraggio dei sistemi. I casi di PwC, EY e KPMG mostrano una distanza tra queste prescrizioni e i processi applicati ad alcune pubblicazioni interne.
Per i clienti, il rischio non riguarda soltanto la comunicazione. Un errore inserito in un rapporto di marketing può essere corretto senza conseguenze operative immediate. Lo stesso metodo applicato a un’analisi normativa, a un modello finanziario, a una valutazione del rischio o a una raccomandazione strategica può incidere su investimenti, conformità e decisioni del consiglio di amministrazione.
La qualità della consulenza dipenderà quindi anche dalla capacità di dimostrare come è stato prodotto un documento: quali fonti sono state consultate, quali parti sono state generate, chi le ha controllate e quali verifiche sono state registrate. Senza questa tracciabilità, la rapidità offerta dall’intelligenza artificiale trasferisce al cliente un costo nascosto: il dubbio sull’affidabilità del lavoro acquistato.
I rapporti di PwC Middle East potranno essere corretti. Più difficile sarà riparare il danno reputazionale se le società che propongono standard per l’AI responsabile non pubblicheranno regole verificabili anche per il proprio lavoro.
Partecipa alla community