L'IA lo fa già in pochi minuti. Allora che cosa vale ancora denaro?

La domanda arriva quasi sempre nello stesso modo, ed è legittima: se uno strumento scrive il testo, disegna il logo e costruisce il sito in un pomeriggio, perché tutto questo continua a costare quello che costa? Prima di rispondere, una dichiarazione di interesse. La Núcleo Parceiro usa l'intelligenza artificiale. L'assistente presente nell'angolo di questo sito è un modello linguistico. Non abbiamo purezza da venderle, e la risposta onesta non è che l'IA lavori male. È che lavora bene, ed è precisamente da lì che nasce il problema che Lei ha per le mani.

Ciò che lo strumento fa, misurato

Cominciamo dal lato che non ci favorisce. Le prove disponibili non dicono che l'IA produca materiale scadente. Dicono il contrario, e con numeri.

In uno studio randomizzato preregistrato con 758 consulenti della Boston Consulting Group, l'accesso a GPT-4 ha fatto sì che i partecipanti completassero il 12,2% di compiti in più, il 25,1% più rapidamente e con oltre il 40% di qualità in più. Il vantaggio non si è distribuito in modo uniforme: chi era sotto la media è salito del 43%, chi era sopra è salito del 17%. Conviene dire chi firma lo studio prima di usarlo: è co-firmato da accademici di Harvard, Wharton, MIT e Warwick e da tre ricercatori della stessa BCG, che ha disegnato l'esperimento con loro e ne ha raccolto i dati. Il disegno è solido ed è stato registrato prima di essere condotto. L'interesse è proprio, perché la BCG vende consulenza di intelligenza artificiale. Le due cose sono vere allo stesso tempo.

In uno studio pubblicato su Science Advances con 293 scrittori e 600 valutatori, dare idee di IA a chi scrive ha fatto sì che i racconti fossero valutati come più creativi, meglio scritti e più piacevoli. E in una serie di sei esperimenti pubblicata su PNAS, con 4.600 partecipanti, le persone non sono riuscite a distinguere le presentazioni scritte dall'IA da quelle scritte da persone. Indovinavano tra il 50% e il 52%, vale a dire lo stesso che lanciare una moneta in aria.

Chi Le dice che l'IA si nota parla a memoria. Non si nota, almeno nei testi brevi di presentazione, che è ciò che lì è stato misurato. E il dettaglio è ancora meno confortante: la differenza esiste eccome nel testo, che è misurabilmente più ripetitivo, al punto che un classificatore automatico indovina il 58,8% con quei soli segnali. È il lettore umano che non li legge. Se la Sua decisione dipendeva dal fatto che il cliente se ne accorgesse, quella decisione non ha più fondamento.

È per questo che è un problema, non nonostante questo

Lo stesso studio di Science Advances che ha misurato l'aumento della qualità ha misurato un'altra cosa accanto. I racconti scritti con idee di IA sono diventati più simili tra loro. Gli autori le danno un nome che dovrebbe interessare a qualsiasi amministrazione.

We find that access to generative AI ideas causes stories to be evaluated as more creative, better written, and more enjoyable, especially among less creative writers. However, generative AI–enabled stories are more similar to each other than stories by humans alone. These results point to an increase in individual creativity at the risk of losing collective novelty. This dynamic resembles a social dilemma: With generative AI, writers are individually better off, but collectively a narrower scope of novel content is produced. Anil R. Doshi e Oliver P. Hauser, Science Advances, 2024

Un dilemma sociale è una situazione in cui la scelta razionale di ciascuno produce il risultato peggiore per tutti. Ogni impresa che usa lo strumento migliora il proprio pezzo. L'insieme delle imprese si restringe. E Lei non vende nel vuoto: vende accanto agli altri.

L'effetto non è una curiosità di laboratorio. Nello studio della BCG, gli autori lo hanno registrato per iscritto: there is a marked reduction in the variability of these ideas compared to those not using AI. This suggests that while GPT-4 aids in generating superior content, it might lead to more homogenized outputs. A Georgetown, tre studi preregistrati hanno analizzato 2.200 saggi di candidatura all'università e hanno misurato quanta idea nuova ogni testo aggiungeva all'insieme: la scrittura umana ha aumentato la diversità del gruppo circa da due a otto volte di più rispetto ai testi di GPT-4. E su PNAS Nexus, un lavoro che ha messo alla prova 22 modelli diversi contro 102 persone ha trovato il ritratto completo in una coppia di numeri. Nel test degli usi alternativi, l'originalità media dei modelli è stata 0,711 contro 0,696 degli umani. La variabilità tra le risposte è stata 0,459 contro 0,699, con una dimensione dell'effetto di 1,8, molto al di sopra della soglia che si considera grande.

Individualmente competente. Collettivamente identico. Non è un'accusa allo strumento, è una descrizione di ciò che è.

Il dato che dovrebbe fermare un'amministrazione

Nello studio di Science Advances, il vantaggio non è comparso dove ci si aspettava. Tra gli scrittori più creativi, avere idee di IA non ha quasi cambiato nulla. Tutto ciò che lo strumento ha dato, l'ha dato a chi stava sotto. Gli autori descrivono il risultato così:

First, having access to generative AI effectively equalizes the evaluations of stories, removing any disadvantage or advantage based on the writers' inherent creativity Anil R. Doshi e Oliver P. Hauser, Science Advances, 2024

Noti la parola advantage. Lo strumento che solleva chi stava indietro è lo stesso che cancella il vantaggio di chi stava avanti. Se il vantaggio della Sua impresa era avere gusto migliore, testo migliore o presentazione migliore del concorrente, l'IA ha appena distribuito quel vantaggio a tutti, al prezzo di un abbonamento. Se il Suo vantaggio non era quello, Lei ha guadagnato. Vale la pena sapere in quale dei due casi si trova prima di firmare qualsiasi cosa.

Ciò che queste prove non dimostrano

Questa è la parte che la maggior parte degli articoli sull'argomento non scrive, ed è la parte che distingue un ragionamento da un argomento di vendita.

Nessuno di questi studi misura le marche, e nessuno misura il denaro. I compiti sono racconti di otto frasi, saggi di candidatura all'università e diciotto esercizi di consulenza. Nessun euro cambia di mano in nessuno di essi. Il salto da "i testi convergono" a "la marca perde margine" è la nostra tesi, sostenuta da questi dati, non una conclusione degli autori.

E parte dell'effetto può derivare dalla richiesta, non dal modello. Gli autori di Georgetown ammettono che la condizione di base ha chiesto a GPT-4 di scrivere as a college applicant, senza contesto individualizzato, il che, scrivono loro, may have encouraged more generic responses. È una richiesta generica contro una persona, non un professionista contro uno strumento. Doshi e Hauser sono altrettanto diretti su dove il loro lavoro si ferma: nel compito non c'era interactiveness with the LLM or variation in prompts, e scrivono che queste restrizioni limitano la generalizzazione. Vale a dire, gli studi misurano l'uso più grezzo possibile dello strumento, che è precisamente l'uso che ci interessa criticare, ma non è l'unico.

La convergenza misurata è modesta. In Doshi e Hauser, avere accesso a un'idea di IA ha aumentato la somiglianza di un racconto rispetto agli altri di 0,871 punti, il che rappresenta il 10,7% dell'ampiezza osservata. Con cinque idee, l'8,9%. È un effetto reale e statisticamente solido, ed è piccolo. Chi usa quello studio per dire che l'IA rende tutto uguale va oltre ciò che esso ha misurato.

E c'è una replica che contraddice il risultato. Due ricercatori hanno ripetuto l'esperimento, ma invece di usare il modello nel modo consueto, hanno generato le trame attraverso dieci personas distinte, con origini e modi di pensare diversi. L'omogeneizzazione non è comparsa. La loro conclusione merita di essere letta con calma:

Our findings suggest that the trade-off may emerge from uniform deployment practices rather than from an inherent limitation of GenAI, and that diversity can be intentionally built into AI-mediated collaboration. Yun Wan e Yoram M. Kalman, preprint arXiv, 2025 (pubblicato in Computers in Human Behavior: Artificial Humans, 2026)

È un risultato nullo, in un campione piccolo, e un nullo dimostra poco. Ma indica dove la questione realmente si trova. Lo strumento non obbliga nessuno a essere uguale. Ciò che produce l'uguale è che tutti lo usano nello stesso modo, con la stessa richiesta, senza che nessuno decida nulla lungo il percorso. L'omogeneizzazione non è una proprietà della macchina. È una proprietà di chi non sceglie.

E, per non fermarci a metà dell'onestà, due dati che tagliano contro di noi. La scuola empirica più esigente del marketing, l'Ehrenberg-Bass Institute, sostiene che la differenziazione percepita tra marche concorrenti è bassa e che i clienti le comprano comunque, proponendo di mettere al centro della strategia la distintività, l'essere riconoscibili, invece della differenza. E The Long and the Short of It, il rapporto più citato al mondo sull'efficacia del marketing, non scrive la parola differentiation una sola volta in 84 pagine. Il vocabolario con cui il nostro settore vende non è il vocabolario delle prove che invoca.

Si aggiunga il caso più scomodo di tutti: lo spot di Natale della Coca-Cola del 2025, generato dall'IA ed esecrato dall'ambiente creativo, ha ricevuto 5,9 stelle nel test degli spot di System1, la valutazione massima possibile. Con il pubblico è andata bene. Con tre riserve che dobbiamo fare noi: chi pubblica il punteggio vende test di spot, non divulga né campione né metodo in quella pagina, e ciò che il modello misura è la risposta emotiva dichiarata da un panel, non le vendite. E ce n'è una quarta che gioca a nostro favore e per questo merita ancora più cautela: ciò che quello spot capitalizza è il riconoscimento di un asset costruito dal 1995, i camion e la canzone, non l'originalità dell'esecuzione. Il problema di quello spot non è che il pubblico lo abbia detestato. È che qualsiasi concorrente riesce a ripetere l'esercizio la settimana successiva.

Allora dov'è il denaro

Se la differenza per la differenza non si regge sulle prove, che cosa si regge? Una catena più stretta e più difendibile, che è scritta nello stesso rapporto dell'IPA: il lavoro giudicato originale produce sorpresa, la sorpresa produce fama, e la fama appare nel prezzo.

Because fame is driven by surprise there is a strong link with creativity. Creative awards are usually given to communications that are judged to be original and therefore different in some way to anything seen before. Les Binet e Peter Field, The Long and the Short of It, IPA, 2013

E il ritorno della fama, nei dati dell'IPA, non sta nel volume: sta nel prezzo. Le campagne di fama more than double price sensitivity effects, e sono questi effetti di prezzo, e non l'aumento delle vendite, a spiegare il profitto aggiuntivo. Con una riserva che gli stessi autori scrivono nella stessa pagina, e che noi ripetiamo per dovere: solo il 16% dei casi dell'IPA ha qualche conoscenza della propria elasticità al prezzo. Il numero più citato del marketing poggia su una minoranza di casi che sa misurare il prezzo.

Nel frattempo, essere uguali è lo stato normale del mercato, e ciò si misura. In un test su 44 elementi di identità di marche automobilistiche nel Regno Unito, 33 hanno fallito la soglia minima di possesso unico nella memoria degli acquirenti. Caratteri tipografici, colori e firme erano condivisi da più marche allo stesso tempo. Solo il logo era coerentemente del proprietario. L'indistinzione non è un rischio che compare se qualcuno si distrae. È il punto di partenza, e ora ha una tecnologia che la accelera.

Ciò che cambia quando si comprende

C'è un dato che sistema la fantasia della scala. Un'analisi di articoli raccolti da CommonCrawl, che è un archivio del web e non il web, ha stimato che a novembre 2024 la quantità di articoli generati dall'IA ha superato quella degli articoli scritti da persone. Tra gli articoli che compaiono nelle prime pagine di Google, però, l'86% continua a essere umano, e nelle citazioni di ChatGPT e di Perplexity, l'82%. L'uguale si è moltiplicato. Non è ciò che viene trovato, né ciò che viene citato. Conviene dire che chi pubblica questa analisi è un'agenzia che vende servizi di contenuto, e che essa stessa frena la lettura causale: non dimostra che Google penalizzi l'IA.

E la politica dichiarata non riguarda lo strumento. Il testo di Google è esplicito:

Scaled content abuse is when many pages are generated for the primary purpose of manipulating search rankings and not helping users. This abusive practice is typically focused on creating large amounts of unoriginal content that provides little to no value to users, no matter how it's created. Google, Spam policies for Google Web Search

no matter how it's created. L'oggetto della regola non è mai stato lo strumento. È la produzione in massa di materiale non originale. Una persona può violarla senza alcuna IA, e un sistema di IA può restarne fuori se aggiunge valore.

Manca il costo umano, che è il più frainteso. Tredici esperimenti pubblicati su Organizational Behavior and Human Decision Processes, con professori, dirigenti, analisti e investitori, mostrano che chi rivela di aver usato l'IA riceve meno fiducia di chi non lo rivela. La lettura pigra di quel risultato è nascondere. Lo studio 13 dello stesso articolo misura ciò che accade a chi nasconde e viene scoperto: su una scala di fiducia, chi viene scoperto resta a 2,49, chi ha rivelato a 3,15, e chi non ha detto nulla a 4,02. Rivelare costa. Essere scoperti costa il doppio. E il 4,02 non è innocenza: è il valore della fiducia finché la questione non viene a galla.

Lo sconto, si noti, non riguarda la qualità del lavoro. Riguarda la presunzione che non ci sia stato sforzo. In uno studio con titoli reali, scritti da giornalisti umani, è bastato attaccare loro a caso un'etichetta che diceva che erano stati scritti dall'IA perché la precisione percepita calasse di 7,6 punti percentuali, e il calo è comparso in 41 dei 42 titoli testati. L'IA non ha scritto una sola parola di quello studio. In un altro, sulla pittura, l'etichetta di prodotto dall'IA ha fatto calare del 62% il valore monetario che i partecipanti attribuivano, e del 77% il tempo di produzione che stimavano. Sono valutazioni ipotetiche, non prezzi praticati. Ma la meccanica è quella: lo sconto nasce dal presumere che non sia costato nulla farlo.

La distinzione che facciamo, e perché non è una limitazione

L'IA produce. Non decide, non risponde di nulla, e non firma. Quando la risposta va male, non c'è nessuno dall'altro lato del tavolo.

Nello studio della BCG c'è un compito che i ricercatori hanno scelto di proposito perché cadesse fuori dalla portata del modello. In quel compito, i consulenti che hanno usato l'IA hanno avuto 19 punti percentuali di probabilità in meno di arrivare alla risposta giusta rispetto a chi non l'ha usata: l'84,5% di risposte esatte nel gruppo di controllo, contro il 60% e il 70% nei gruppi con IA. Lo strumento non li ha resi peggiori in generale. Li ha resi peggiori esattamente dove non sapevano che falliva. È questo il lavoro che continua a valere denaro: sapere dove lo strumento finisce.

Nella Núcleo Parceiro l'IA sta dove produce. Non sta dove si decide che cosa la marca è, che cosa rifiuta di essere, e ciò che si regge a difendere davanti a un azionista tra tre anni. Questo è il Consiglio: quattro Soci che pensano, disegnano e firmano ogni consegna. Non è una nostra limitazione tecnica. È una posizione, e le posizioni possono essere discusse, a differenza delle configurazioni di uno strumento.

Se ciò di cui Lei ha bisogno è produrre in fretta ciò che esiste già come standard, lo strumento lo fa, è onesto dirlo, e non ha bisogno di noi per questo. Se ciò di cui ha bisogno è una marca che si distingua in un mercato dove produrre l'uguale è appena diventato quasi gratuito, allora ciò che sta comprando non è produzione. È giudizio, e qualcuno che ne risponda.

Fonti

Ogni numero di questo articolo è stato verificato sulla fonte primaria. Dove la fonte non sostiene la lettura corrente, lo diciamo nel corpo del testo.

1. Doshi, A. R. e Hauser, O. P. (2024). Generative AI enhances individual creativity but reduces the collective diversity of novel content. Science Advances, 10(28), eadn5290. Fonte
2. Dell'Acqua, F., McFowland III, E., Mollick, E., Lifshitz-Assaf, H., Kellogg, K., Rajendran, S., Krayer, L., Candelon, F. e Lakhani, K. R. (2023). Navigating the Jagged Technological Frontier. Harvard Business School Working Paper 24-013. Fonte
3. Moon, K., Green, A. E. e Kushlev, K. (2025). Homogenizing effect of large language models (LLMs) on creative diversity. Computers in Human Behavior: Artificial Humans, 6, 100207. Fonte
4. Wenger, E. e Kenett, Y. N. (2026). Large language models are homogeneously creative. PNAS Nexus, 5(3), pgag042. Fonte
5. Wan, Y. e Kalman, Y. M. (2026). Diverse AI personas can mitigate the homogenization effect in human-AI collaborative ideation. Computers in Human Behavior: Artificial Humans, 100289. Fonte
6. Jakesch, M., Hancock, J. T. e Naaman, M. (2023). Human heuristics for AI-generated language are flawed. PNAS, 120(11), e2208839120. Fonte
7. Schilke, O. e Reimann, M. (2025). The transparency dilemma: How AI disclosure erodes trust. Organizational Behavior and Human Decision Processes, 188, 104405. Fonte
8. Longoni, C., Fradkin, A., Cian, L. e Pennycook, G. (2022). News from Generative Artificial Intelligence Is Believed Less. ACM FAccT '22. Fonte
9. Horton Jr., C. B., White, M. W. e Iyengar, S. S. (2023). Bias against AI art can enhance perceptions of human creativity. Scientific Reports, 13, 19001. Fonte
10. Romaniuk, J., Sharp, B. e Ehrenberg, A. (2007). Evidence concerning the Importance of Perceived Brand Differentiation. Australasian Marketing Journal, 15(2), 42-54. Fonte
11. Binet, L. e Field, P. (2013). The Long and the Short of It: Balancing Short and Long-Term Marketing Strategies. IPA, Londra. Fonte
12. Fiocchi, G. e Seyed Esfahani, M. (2024). Exploring the uniqueness of distinctive brand assets within the UK automotive industry. Journal of Brand Management, 31(1), 1-15. Fonte
13. Google. Spam policies for Google Web Search (sezione Scaled content abuse). Google Search Central. Fonte
14. Graphite (2025). More Articles Are Now Created by AI Than Humans. Five Percent. Fonte
15. Graphite (2025). AI Content In Search & LLMs. Five Percent. Fonte
16. Ewing, T. (2025). AI or No AI, Coke Gets the Christmas Love. System1 Group. Fonte