Le industrie creative come il cinema, la musica, i videogiochi o l’editoria sono spesso laboratori di innovazione tecnologica. L’intelligenza artificiale generativa non si limita però ad automatizzare l’esecuzione di compiti tecnici, ma interviene direttamente nella generazione di contenuto simbolico.
L’adozione è stata rapida e trasversale. Nel cinema e nella televisione, gli strumenti di IA vengono impiegati nella generazione di effetti visivi, nel montaggio assistito, nella pre-visualizzazione delle scene e nell’analisi delle sceneggiature. Software come Runway e Move.ai consentono produzioni di alta qualità visiva a costi un tempo proibitivi per studi di piccole dimensioni.
Nella musica, piattaforme come AIVA e Boomy permettono la composizione automatica di brani in pochi minuti, mentre strumenti di separazione delle tracce audio e di masterizzazione assistita stanno ridefinendo i flussi di lavoro in studio. Nell’industria dei videogiochi — tra le più intensive in termini di costi di sviluppo — l’IA generativa viene usata per creare ambienti procedurali, dialoghi adattativi per i personaggi non giocanti e asset grafici, abbreviando cicli di sviluppo che in passato richiedevano anni.
Indice degli argomenti
IA generativa nelle industrie creative: processi e contenuti
L’impatto dell’IA si articola su due livelli distinti. Il primo è il livello dei processi produttivi. Qui i guadagni sono documentati e robusti: riduzione dei tempi, abbassamento dei costi marginali di produzione, abbassamento delle barriere all’entrata. Per le grandi produzioni cinematografiche, l’IA comprime tutte le fasi di pre-produzione; per i compositori indipendenti, abbatte le barriere d’ingresso al mercato dello streaming.
Il secondo livello è quello dei contenuti, ed è qui che l’analisi diventa più delicata. L’IA non si limita a velocizzare la produzione di contenuti già concepiti dall’essere umano: in misura crescente, genera o co-genera il contenuto stesso. Nei videogiochi, scrive dialoghi e costruisce mappe; nel cinema, propone varianti di sceneggiatura o genera sequenze visive intere a partire da un prompt testuale; nell’editoria, produce testi che vengono pubblicati come libri. In questo caso il problema non è solo di valutare l’efficienza, ma anche la qualità dei contenuti.
Il problema della qualità dei contenuti creativi
La qualità dei beni creativi è difficile da misurare, dipende dal contesto culturale e varia enormemente tra generi e pubblici. I tradizionali indicatori di vendita sono spesso inaccessibili o poco comparabili tra periodi diversi e non necessariamente sono correlati con la qualità; le recensioni critiche sono soggettive; i premi settoriali coprono solo la fascia alta dell’offerta.
La letteratura disponibile ha per lo più documentato miglioramenti in fluenza e coerenza testuale, ma con effetti misti su originalità e diversità dei contenuti. Alcuni studi segnalano un rischio di omologazione: se molti autori utilizzano gli stessi modelli con prompt simili, la varietà del paesaggio culturale potrebbe ridursi. Il paradosso è che l’IA, abbassando le barriere d’ingresso, potrebbe simultaneamente aumentare il numero di opere disponibili e ridurre la distanza stilistica tra di esse.
A rendere ancora più complessa la questione, la qualità percepita da critica ed élite culturale non coincide necessariamente con quella percepita dal pubblico di massa; un romanzo letterariamente raffinato può restare ignorato dai lettori di genere.
LLM e libri digitali su Amazon: il paper Reimers-Waldfogel
Un recente paper di Reimers e Waldfogel (University of Minnesota) consente di cominciare ad esplorare queste relazioni analizzando le vendite dei libri digitali su Amazon nel periodo 2020–2025.
Con la diffusione degli LLM tra il 2022 e il 2025, il numero di nuovi titoli pubblicati mensilmente su Amazon è quasi triplicato, passando da circa 100.000 uscite mensili nel periodo 2020–2022 a oltre 300.000 nel 2025 — con picchi di crescita pari a un fattore dieci in alcune categorie come Travel e Sports & Outdoors. L’esplosione è un fenomeno essenzialmente digitale e concentrato nell’autopubblicazione su piattaforme come Kindle Direct Publishing; i dati sulle registrazioni del copyright e dei codici ISBN non mostrano crescite analoghe.
Come proxy della qualità il paper utilizza le recensioni ponderate per l’età del libro.
Gli autori stimano il tasso di crescita delle valutazioni nel tempo per ciascun titolo e normalizzano ogni osservazione al numero di valutazioni che il libro avrebbe ricevuto a 60 mesi dalla pubblicazione. Questa misura è comparabile tra annate diverse.
Più titoli, qualità media più bassa
Emerge un quadro variegato. In media, la qualità è diminuita. Le annate del periodo LLM (2023–2025) mostrano valutazioni medie inferiori rispetto al periodo pre-LLM, e questo vale anche condizionando sulla posizione percentile nella distribuzione: un libro al 90° percentile della distribuzione dell’era LLM è mediocre rispetto a un libro allo stesso percentile dell’era pre-LLM. L’enorme afflusso di titoli di scarso valore ha spostato verso il basso la qualità media e ha gonfiato la coda sinistra della distribuzione.
Al top della distribuzione, però, la qualità è rimasta stabile o è migliorata. I mille titoli mensili più apprezzati per categoria mostrano qualità superiore rispetto al periodo pre-LLM. La qualità al vertice assoluto (i cento titoli più apprezzati) resta invariata, suggerendo un limite intrinseco di quanto gli LLM possano contribuire alla produzione culturale d’eccellenza.
La disaggregazione per coorti d’autore rivela un risultato particolarmente significativo. Gli autori entrati nel mercato nell’era LLM producono in proporzione molti più titoli di bassa qualità. I titoli di qualità medio-alta, invece, provengono soprattutto da autori già attivi prima del 2023, la cui produttività è aumentata — non diminuita — con l’accesso ai nuovi strumenti. L’IA, in altri termini, sembra amplificare le capacità di chi già scriveva bene, più che colmare la distanza tra autori inesperti e professionisti.
Il paper stima gli effetti sul surplus del consumatore attraverso un modello logit: nonostante il calo della qualità media, il saldo complessivo per i lettori è favorevole, perché la grande quantità di nuovi titoli ha aumentato il numero assoluto di opere di buona qualità disponibili. L’effetto positivo è guidato dall’abbondanza, non dal miglioramento della qualità media.
AI slop, autori e trasparenza sull’uso dell’IA
Alcuni risultati potrebbero essere estesi ad altri settori dei contenuti. Un mercato inondato di contenuti generati con basso sforzo può produrre un surplus aggregato positivo per i consumatori, ma impoverisce il paesaggio culturale se comprime le risorse economiche e l’attenzione disponibili per i contenuti di fascia alta. La coesistenza di più titoli di qualità assoluta e di un mare di “AI slop” non è un equilibrio neutrale: richiede che i meccanismi di scoperta e raccomandazione siano capaci di separare i due livelli.
La seconda osservazione riguarda il profilo degli autori e dei lavoratori creativi. I risultati suggeriscono che l’IA non livella le capacità umane: le amplifica in modo asimmetrico, avvantaggiando chi già possiede competenze solide. Per i lavoratori di bassa qualifica nelle professioni creative, il rischio di displacement è reale; per i professionisti esperti, l’IA è più un moltiplicatore che un sostituto.
Infine c’è un tema regolatorio. La questione della trasparenza sull’uso dell’IA nella creazione di contenuti — già oggetto di dibattito nell’industria editoriale, con richieste di etichettatura da parte di associazioni di autori — si pone con urgenza analoga in tutti i settori creativi. L’assenza di disclosure rende più difficile per i consumatori orientarsi e per i mercati allocare correttamente il valore della creatività umana.
