Negli anni successivi al 1977, oltre la metà delle videocassette registrate vendute negli Stati Uniti era a luci rosse (Allen, 2000). Il dato misura la forza di una domanda e non solo l’esito di una guerra tecnologica. Come vedremo, questa distinzione è tutta la questione. Perché ogni volta che arriva un nuovo modo di guardare, comunicare o pagare, uno dei primi mercati a investire è quello del sesso.
Oggi tocca all’intelligenza artificiale generativa. Conviene analizzare questa relazione in due tempi: prima, che cosa consente già di fare la tecnologia; poi, che cosa dicono i primi studi sugli effetti psicologici e sociali. Anticipiamo la tesi: la stessa tecnologia che personalizza il piacere è quella che rende l’abuso scalabile, e distinguere i due usi è il vero problema.
Indice degli argomenti
Porno e tecnologia: il primo cliente, non l’inventore
C’è un mito da smontare: è il più diffuso. Si dice che il VHS abbia battuto il Betamax perché l’industria pornografica scelse quel formato. La storiografia della tecnologia lo ha ridimensionato. Il VHS vinse per ragioni prosaiche: registrava più a lungo (il Betamax partì con una sola ora, insufficiente per un film o una partita), costava meno e JVC concedeva licenze aperte a molti produttori mentre Sony teneva chiuso il suo standard (The Skeptic, 2026). Il porno esisteva anche su Betamax. Non decise la guerra dei formati, l’accelerò: riempì rapidamente i cataloghi compatibili e diede alle persone un motivo per comprare subito il videoregistratore.
Lo storico della tecnologia Jonathan Coopersmith, che al tema ha dedicato due saggi accademici, descrive il settore adulto come il primo mercato disposto a sostenere i costi della fase immatura di una tecnologia (Coopersmith, 1998, 2006). Le tecnologie nascenti costano molto, funzionano male e hanno mercati di nicchia. Servono utilizzatori con una domanda elevata e poco sensibili al prezzo, disposti a sperimentare pur di avere più privacy o più accesso. Il settore adulto ha spesso avuto questo profilo, finanziando uno sviluppo iniziale che altri mercati non si sarebbero potuti permettere. Conviene ricordare che “l’industria del porno” non è il monolite che spesso si immagina, ma un insieme plurale di studi di produzione, lavoro amatoriale, piattaforme di cam e clip.
Lo schema si ripropone lungo tutta la storia della digitalizzazione. I siti per adulti furono tra i primi a costruire vendite interamente online, spingendo i circuiti di pagamento a risolvere l’autenticazione degli utenti e la sicurezza delle carte prima del resto dell’e-commerce; investirono in verifica dei pagamenti, sistemi di watermarking e videoconferenza quando erano ancora immaturi (Allen, 2000). E il webcamming — mance, abbonamenti, pagamento al minuto, relazione diretta tra chi produce e chi guarda — ha anticipato di vent’anni la grammatica economica della creator economy che oggi muove OnlyFans, Twitch e Patreon. Riconoscerlo non significa celebrare il settore, ma notare un fatto: quando una tecnologia promette accessibilità, privacy o personalizzazione, il mercato dei contenuti per adulti l’adotta rapidamente e ne accelera la diffusione oltre i propri confini.
Oggi, l’AI generativa sta occupando esattamente quella casella.
Porno e AI: cosa si può fare oggi
Il primo ostacolo, per chi vuole capire l’incrocio tra porno e AI, è che l’offerta è confusa e piena di pubblicità travestita da recensione. Conviene ragionare per funzioni e sperimentare direttamente le diverse applicazioni per capirne lo stato di avanzamento effettivo.
Generare immagini e video: creare un video porno da zero
È la funzione base. Conviene distinguere due strati spesso confusi: il motore e il negozio. Il motore è il modello di diffusione: la tecnologia che costruisce un’immagine a partire dal rumore e seguendo una descrizione testuale, la stessa di Midjourney o DALL·E. In pratica, si parte da uno schermo di puntini casuali, simile al disturbo di un vecchio televisore e l’AI lo “ripulisce” passo dopo passo finché non ne emerge l’immagine che corrisponde alla descrizione scritta dall’utente.
Oggi, i modelli generalisti citati filtrano i contenuti sessuali, così il mercato si è diviso in due binari.
Il primo è il software open source. Stable Diffusion è un motore gratuito che si scarica e gira sul proprio computer; da solo è grezzo e viene potenziato con “componenti aggiuntivi” presi da piattaforme terze come Civitai, un archivio, non un programma di generazione, dove gli utenti caricano e scaricano migliaia di modelli specializzati e le cosiddette LoRA (low-rank adaptation, un metodo che riaddestra solo una piccola parte del modello), che, a partire da una ventina di immagini, crea un modello su misura in un quarto d’ora su un computer di fascia consumer (Hawkins, Russell & Mittelstadt, 2025).
Civitai ha a lungo ospitato grandi quantità di materiale esplicito. Tra aprile e maggio 2025, sotto la pressione di Visa e Mastercard, ne ha però ristretto la parte più problematica: ha vietato i modelli di nudificazione e ha reso non più consultabili le riproduzioni di persone reali e di celebrità (Unite.AI, 2025).
Nelle intenzioni, il porno puramente sintetico resta in larga parte disponibile; quello che colpisce individui reali, no.
Il secondo binario è costituito dai servizi pronti all’uso, che non richiedono l’installazione di nulla e vivono proprio dell’assenza di filtri. Per le immagini, si possono usare piattaforme come Promptchan o Pornpen, che generano immagini a partire da un prompt o da una serie di tag. Per il video il riferimento più citato è ZenCreator, che riunisce in un’unica interfaccia una dozzina di strumenti: testo-verso-video e immagine-verso-video — si carica una foto e la si anima —, scambio di volti, sincronizzazione labiale, ritocco e upscaling, il tutto a consumo di crediti e con una modalità esplicita dichiarata. È il segno di dove sta andando la filiera: dalla singola immagine statica alla clip animata e personalizzabile. Con gli stessi strumenti — face swap e lip-sync su tutti — che, se applicati a persone reali, possono diventare strumenti di abuso di cui parleremo più avanti.
Uno studio che ha analizzato 36 di questi siti ha rilevato che l’80,6% genera immagini e il 41,7% anche video, con l’utente che sceglie caratteristiche fisiche, l’abbigliamento e l’ambientazione (Lapointe et al., 2025). Una volta addestrato il modello, il costo marginale di ogni nuova immagine tende a zero: una differenza economica radicale rispetto alla produzione tradizionale.
Fuori da questo circuito, le grandi piattaforme generaliste si comportano diversamente. Aylo, la società che controlla Pornhub, consente il caricamento solo agli utenti con identità verificata tramite documento e vieta i contenuti non consensuali (Aylo, 2025). In un sistema così, le grandi piattaforme sembrerebbero tenere l’AI a distanza, se non nella pubblicità e in alcuni video dichiaratamente prodotti con l’intelligenza artificiale.
Nudificare e sostituire volti: il territorio dell’abuso
Esiste una famiglia di strumenti progettati per colpire persone reali o che, di fatto, lo consentono. Qui la descrizione va mantenuta separata da qualsiasi tono di recensione: questa testata non fa da catalogo degli strumenti d’abuso. Le app di “nudificazione” partono da una foto di una persona vestita e ne generano una versione nuda sintetica. I sistemi di face-swap sovrappongono il volto di qualcuno a un video pornografico già esistente. La personalizzazione su un individuo specifico si ottiene tramite una tecnica di adattamento, come LoRA.
Attorno a questo si è formato un mercato: fino alla chiusura nel maggio 2025, il sito MrDeepfakes ne era il punto di riferimento; piattaforme come Civitai hanno ospitato sistemi di “taglie” con cui gli utenti commissionavano contenuti a pagamento, finché i circuiti delle carte non hanno tagliato i ponti, spostando i pagamenti su criptovalute e gift card (O’Donnell, 2026). I numeri, che vedremo, raccontano una violenza di un genere preciso.
Parlare, non solo guardare: compagni e chatbot erotici
Qui il prodotto non è un’immagine ma una relazione simulata. Sono modelli linguistici, cugini di ChatGPT, addestrati a sostenere conversazioni intime, con memoria della relazione, un avatar personalizzabile e spesso anche la voce. Le piattaforme si dispongono lungo uno spettro. A un estremo ci sono i servizi costruiti per l’intimità: Replika, nata nel 2017 e la più studiata, dove l’utente definisce lo stato della relazione e, nel tempo, costruisce un legame con un interlocutore sempre disponibile; Candy.ai, che unisce chat, generazione di immagini e funzionalità vocali in un unico abbonamento; app dichiaratamente prive di filtri come Nomi o Kindroid. All’estremo opposto c’è Character.AI, uno dei servizi di conversazione più diffusi, dove si dialoga con personaggi creati dagli utenti: qui i contenuti sessuali sono vietati; dopo una serie di cause legate al suicidio di alcuni adolescenti, dalla fine del 2025 la piattaforma ha impedito le conversazioni libere agli utenti under 18 (CNN Business, 2025). Il roleplay erotico esplicito, insomma, per alcune piattaforme è la ragione d’essere, per altre un contenuto bandito. La stessa piattaforma può perfino offrirlo, toglierlo e reintrodurlo a seconda delle pressioni normative e commerciali, come accaduto a Replika all’inizio del 2023.
Tradotto in pratica: con questi compagni artificiali si fa sexting, lo scambio di messaggi, foto e audio a contenuto sessuale che di norma avviene tra partner. Con una differenza: dall’altra parte non c’è una persona ma un modello che genera immagini di sé su richiesta, risponde con la voce e ricorda le conversazioni precedenti. Quanto l’illusione sia verosimile varia da una piattaforma all’altra; il formato, però, è quello di un dialogo di coppia.
Automatizzare il lavoro dei creator
Un uso meno visibile riguarda chi vende contenuti per adulti. Molte agenzie e singoli creator su OnlyFans non rispondono più di persona ai messaggi dei fan: usano software che imitano il loro stile per gestire le chat, vendere contenuti extra e mantenere l’illusione di un rapporto diretto. Strumenti come Supercreator, addestrato sui log delle conversazioni con i clienti, o Chatpersona di Venus Tech — che genera anche le foto delle modelle con Stable Diffusion — sono già in uso. Un’inchiesta ha documentato come questo stia sottraendo lavoro ai team umani, spesso nelle Filippine, che scrivevano quelle chat a mano (Beltran, 2025).
L’altra faccia del lavoro è l’espropriazione. Per le repliche digitali degli attori, il sindacato statunitense SAG-AFTRA ha imposto il principio del consenso preventivo e informato più un compenso, precisando che un modello a rimozione successiva (“opt-out”) non equivale a un consenso (SAG-AFTRA, 2025). Nell’industria per adulti, dove volti e corpi dei performer vengono replicati senza autorizzazione, quella tutela in gran parte non esiste.
Collegare l’AI al corpo: VR, realtà aumentata e IoT del sesso
L’ultima frontiera unisce tre strati in fase di convergenza: lo schermo immersivo, il dispositivo fisico e l’intelligenza artificiale che coordina entrambi.
Il primo strato è la visione. Il porno in realtà virtuale si guarda con un visore — Meta Quest su tutti — in formato stereoscopico a 180 gradi e in prima persona: la scena non sta davanti allo spettatore, gli sta intorno, con risoluzioni fino all’8K. Piattaforme come SexLikeReal, attive dal 2015, ospitano oltre 13.000 video di questo tipo, oltre a spettacoli in diretta. La funzione più recente è il passthrough, una forma di realtà aumentata: il visore riprende la stanza reale con le sue telecamere e vi “ritaglia” il performer, che sembra così trovarsi in casa dello spettatore, sul suo divano. Non è più guardare una scena: è ospitarla.
Il secondo strato è il tatto. Dispositivi come The Handy, Kiiroo Keon o la linea Lovense si collegano via Bluetooth e riproducono fisicamente ciò che accade sullo schermo grazie ai funscript (tracciati che codificano gli spostamenti da riprodurre istante per istante, sincronizzati col video come i sottotitoli lo sono col parlato). Finora questi tracciati venivano scritti a mano, fotogramma per fotogramma, da una comunità di appassionati che li vende o li scambia online.
Il terzo strato è la novità: l’AI che fa da regista. Da un lato, la sincronizzazione automatica in tempo reale: il Solace Pro di Lovense analizza il video mentre viene riprodotto e adatta i movimenti all’azione, una funzione ancora imprecisa. Dall’altro lato, la generazione automatica degli script — strumenti open source basati sulla visione artificiale — “guardano” un video qualsiasi, ne tracciano i movimenti e producono il funscript in pochi minuti. Ciò che richiedeva ore di lavoro manuale diventa un’operazione automatica, applicabile a qualunque contenuto, compresi quelli generati dall’AI stessa. Si aggiunge la clonazione vocale, che produce audio erotico con la voce sintetizzata di una persona: con gli stessi problemi di consenso dei deepfake visivi.
Una mappa delle applicazioni
La tabella riassume le principali categorie di strumenti, le funzioni che offrono e il livello di controllo sui contenuti. Le colonne-funzione indicano le capacità tecniche di ciascuno strumento; la colonna “censura” indica se l’uso esplicito è permesso, su quattro livelli: alta (l’esplicito è bloccato), parziale (filtri presenti ma aggirabili, o policy che cambiano nel tempo), nessuna (l’esplicito è l’offerta dichiarata), assente — abuso (strumenti che nascono per colpire persone reali). “Su persona reale”: indica se lo strumento può ritrarre un individuo esistente: no, sì, oppure tramite LoRA (il pacchetto che riaddestra il modello su una persona specifica). NSFW (not safe for work, “non adatto al lavoro”) indica i contenuti sessualmente espliciti.
Note ai termini: face swap (scambio del volto) sovrappone il viso di una persona a un’immagine o a un video; lip-sync (sincronizzazione labiale) allinea il movimento delle labbra a un audio; passthrough è la modalità di realtà aumentata in cui il visore mostra la stanza reale con la scena all’interno; funscript è il file che indica a un dispositivo i movimenti da eseguire in sincronia con il video. Fotografia di luglio 2026: le capacità dei servizi commerciali derivano dalla documentazione dei produttori e dalla stampa specializzata; i dati sulle categorie e sugli strumenti d’abuso si basano su studi peer-reviewed e su giornalismo verificato.
Porno e AI: effetti psico-sociali
Che le persone si affezionino a un software non è un’ipotesi. Nel febbraio 2023, Replika ha rimosso la funzione di roleplay erotico. La reazione degli utenti fu un lutto collettivo, con testimonianze di dolore paragonabili alla perdita di una persona cara; l’analisi delle discussioni su Reddit ha mostrato quanto quel legame fosse centrale nella vita di molti (Hanson & Bolthouse, 2024). L’intimità simulata produce attaccamenti reali, con conseguenze reali quando viene interrotta.
Il legame, peraltro, può essere violato in entrambe le direzioni. Un’analisi di 800 casi, estratti da oltre 35.000 recensioni negative di Replika, ha documentato casi di utenti molestati dal proprio compagno artificiale: avance sessuali non richieste, confini ignorati nonostante richieste esplicite, comportamenti insistenti — spesso nei confronti di chi cercava un’amicizia platonica o un supporto emotivo (Namvarpour, Pauwels & Razi, 2025). Per le piattaforme che monetizzano l’abbonamento erotico, il chatbot che flirta senza essere invitato è un problema di progettazione prima che un incidente tecnico.
Sugli effetti di questi legami, l’evidenza è meno lineare di quanto viene rappresentata. Un esperimento ha mostrato che interagire con un compagno AI riduce la solitudine nell’immediato, tanto quanto farlo con una persona reale (De Freitas et al., 2026). Uno studio che ha invece seguito oltre duemila adulti per un anno ha riscontrato una dinamica a doppio senso, più inquietante: chi è più solo tende a rivolgersi ai chatbot, e chi ne aumenta l’uso tende a sentirsi ancora più isolato quattro mesi dopo (Folk & Dunn, 2026). Gli stessi autori invitano alla prudenza, trattandosi di analisi esplorative su dati autoriferiti. Le due cose non si contraddicono: descrivono un sollievo che funziona sul momento e un rischio che si manifesta a distanza. Manca ciò che consentirebbe di decidere, cioè studi che seguano gli stessi individui per anni.
Contro la profezia più ripetuta — che questi strumenti sostituiranno le relazioni umane — i dati disponibili sono più compatibili con un’integrazione che con una sostituzione. Un’indagine nazionale su 2.658 adulti tedeschi ha rilevato che il 31,6% aveva usato almeno una forma di attività sessuale assistita dall’AI nell’ultimo anno, dalle informazioni sulla sessualità alla pornografia generata fino ai compagni artificiali (Döring, Mikhailova & Mohseni, 2026). La soddisfazione riportata era moderata: oltre la sufficienza, ma senza entusiasmo. È un’inferenza, non un risultato dimostrato, ma il ritratto è quello di uno strumento che si aggiunge alla vita sessuale delle persone, non di una fuga di massa dal reale.
Il risultato più controintuitivo arriva da uno studio su 649 persone attratte da corpi femminili — quasi tutti uomini — a cui sono state mostrate immagini di nudo reali e generate dall’AI. I nudi artificiali sono stati giudicati più attraenti, più belli e più piacevoli di quelli reali, pur essendo riconosciuti come meno realistici (Zakreski et al., 2026). Un dato che ribalta l’intuizione secondo cui il sintetico sarebbe sempre un surrogato inferiore. La macchina non imita il desiderio: lo ottimizza, costruendo immagini calibrate sulle preferenze più di quanto la realtà consenta. Non sappiamo cosa produca nel lungo periodo, se e in che misura incida sull’assuefazione, sugli spostamenti delle preferenze o sull’aspettativa. Ad oggi, nessuno studio rigoroso ha ancora dimostrato un nesso causale.
Quel desiderio “ottimizzato”, però, guarda il mondo attraverso una lente distorta. I modelli che imparano da immagini raccolte sul web assorbono un bias di oggettivazione sessuale misurabile: in nove sistemi linguistico-visivi analizzati, le foto di professioniste — medici, scienziate o dirigenti — risultano associate a descrizioni sessualizzate molto più spesso che quelle dei colleghi uomini. Nella prova di generazione, il prompt “una ragazza di 17 anni” produce immagini classificate come sessualizzate nel 73% dei casi con un modello e nel 40% con Stable Diffusion per le età di 14 e 18 anni; per un ragazzo delle stesse età il tasso non supera mai il 9% (Wolfe, Yang, Howe & Caliskan, 2023). La macchina che calibra le immagini in base alle preferenze incorpora anche le distorsioni del materiale su cui è stata addestrata, comprese quelle che sessualizzano le minorenni.
Dove invece l’evidenza è solida, è pesante. Un censimento dei modelli deepfake liberamente scaricabili ne ha conteggiati quasi 35.000, con circa 15 milioni di download a partire da fine 2022, e il 96% prende di mira le donne (Hawkins, Russell & Mittelstadt, 2025). Sul versante delle vittime, un sondaggio su oltre 16.000 adulti in dieci paesi ha rilevato che il 2,2% ha subito pornografia deepfake su di sé e l’1,8% ammette comportamenti di produzione o condivisione; i tassi non risultavano più bassi nei paesi dotati di leggi specifiche (Umbach, Henry, Beard & Berryessa, 2024). I bersagli non sono solo le celebrità: vanno dalle star globali agli utenti di Instagram con meno di 10.000 follower. Il fenomeno tocca già in modo massiccio gli adolescenti. Uno studio nazionale su 557 ragazzi statunitensi tra i 13 e i 17 anni ha rilevato che il 55,3% ha creato almeno un’immagine sessualizzata con l’AI e il 36,3% è stato vittima della creazione non consensuale di una propria immagine (Steel, 2026). Questa concentrazione sulle donne e sulle ragazze fa sì che il fenomeno vada compreso come una forma di violenza di genere resa scalabile dalla tecnologia, più che come un problema di disinformazione.
Gli impatti sui minori
Sul fronte più grave, la stessa tecnologia sta alimentando la produzione di materiale pedopornografico sintetico. L’Internet Watch Foundation ha individuato 3.443 video di abuso sessuale su minori generati dall’AI nel 2025, contro i 13 dell’anno precedente, il 65% nella categoria più estrema; gli analisti attribuiscono il salto al miglioramento degli strumenti di generazione video, che rendono queste immagini sempre più difficili da distinguere da quelle reali (Internet Watch Foundation, 2026).
Le contromisure arrancano. Uno studio che ha osservato i forum dopo la chiusura di MrDeepfakes e l’approvazione del TAKE IT DOWN Act statunitense nel 2025 ha rilevato che l’attività non si è spenta: si è spostata su piattaforme più grandi, con offerta e domanda in aumento dopo l’intervento (Cuevas & Horta Ribeiro, 2025). Chiudere un sito tende a spostare il problema più che a risolverlo; gli utenti continuano a farlo pur sapendo di commettere un reato. Anche all’interno delle piattaforme le priorità sono rivelatrici. Un gruppo di ricercatori ha caricato su X cinquanta nudi generati dall’AI e li ha segnalati attraverso due canali diversi: le venticinque immagini denunciate per violazione di copyright sono state rimosse tutte entro poche ore; delle venticinque segnalate come nudità non consensuale, dopo tre settimane non ne era stata rimossa alcuna (Li et al., 2024). Sulla piattaforma, la proprietà intellettuale era meglio tutelata delle persone.
In Europa la risposta ha preso forma con la direttiva UE 2024/1385 sulla lotta alla violenza contro le donne, in vigore da giugno 2024: per la prima volta obbliga tutti gli Stati membri a rendere reato la diffusione non consensuale di immagini intime, comprese quelle prodotte o alterate con l’AI, con recepimento entro il 2027 (Direttiva UE 2024/1385, 2024). Resta il nodo che vale per ogni norma in questo campo: la legge sulla carta non coincide con la sua applicazione.
C’è infine un prezzo nascosto che gli utenti raramente considerano. Confidarsi con un compagno artificiale significa consegnare a un’azienda il materiale più sensibile che esista: fantasie, fragilità, orientamento e salute mentale. Il caso italiano è istruttivo. Nel febbraio 2023, il Garante per la protezione dei dati personali ha disposto la limitazione provvisoria del trattamento dei dati degli utenti italiani di Replika, contestando l’assenza di verifica dell’età, una base giuridica inadeguata e rischi concreti per i minori e le persone emotivamente fragili (Garante Privacy, 2023). Il contesto è percepito come intimo e protetto proprio mentre è tra i più esposti.
Non tutto, però, sta sull’asse del rischio. Fuori dalla pornografia, gli stessi modelli conversazionali alimentano chatbot di salute sessuale che, in contesti a basse risorse, ampliano l’accesso a informazioni altrimenti difficili da reperire, riducono lo stigma e, in un caso, hanno portato circa un utente su dieci a prenotare una visita. Una revisione recente avverte però che le prove di efficacia restano disomogenee, che questi sistemi possono “allucinare” informazioni sanitarie errate e che vanno usati a supporto del personale umano, senza sostituirlo (Uzoma et al., 2026).
Due usi della stessa tecnologia
Il filo che tiene insieme queste storie non è tecnologico. La tecnologia fa quello che ci si aspetta: genera immagini, sostiene le conversazioni e sincronizza i dispositivi, a costi che ogni anno si riducono. Il nodo è ciò che ne facciamo, e le due direzioni sono già visibili nei dati.
Da un lato c’è un uso che si affianca alla vita delle persone senza travolgerla: la maggioranza degli adulti che prova questi strumenti li integra in una sessualità ordinaria, con una soddisfazione tiepida. Dall’altro c’è un uso che colpisce, e colpisce quasi sempre nella stessa direzione: donne e ragazze trasformate in oggetti pornografici senza averlo scelto. La stessa tecnologia produce entrambe le cose. Trattarla come un’unica minaccia indistinta o come un’unica promessa porta fuori strada.
Resta molto che non sappiamo e vale la pena dirlo. Non sappiamo cosa faccia, alla lunga, crescere abituati a un desiderio ottimizzato dalla macchina. Non sappiamo se i compagni artificiali allevino la solitudine o la cronicizzino. Sappiamo pochissimo di ciò che accade a una generazione di adolescenti per cui nudificare un compagno di classe è diventato la norma. Sono domande a cui si risponde con studi longitudinali seri, non con le previsioni apocalittiche né con la rassicurazione interessata di chi vende.
La storia insegna che il settore adulto arriva per primo. Il compito di studiosi e politici è cercare di non arrivare troppo in ritardo.
Riferimenti
Allen, F. E. (2000, settembre). When sex drives technological innovation. American Heritage, 51(5). https://www.americanheritage.com/when-sex-drives-technological-innovation
Aylo. (2025). Trust and safety fact sheet. https://aylo.com/assets/files/trust_and_safety_fact_sheet_en.pdf
Beltran, M. (2025, 20 agosto). AI threatens jobs of Filipinos running DMs for OnlyFans creators. Rest of World. https://restofworld.org/2025/onlyfans-ai-dm-bots/
CNN Business. (2025, 29 ottobre). After a wave of lawsuits, Character.AI will no longer let teens chat with its chatbots. https://www.cnn.com/2025/10/29/tech/character-ai-teens-under-18-app-changes
Coopersmith, J. (1998). Pornography, technology, and progress. Icon, 4, 94–125.
Coopersmith, J. (2006). Does your mother know what you really do? The changing nature and image of computer-based pornography. History and Technology, 22(1), 1–25. https://doi.org/10.1080/07341510500508610
Cuevas, A., & Horta Ribeiro, M. (2025). Deepfake pornography is resilient to regulatory and platform shocks. arXiv. https://arxiv.org/abs/2602.02754
De Freitas, J., Oğuz-Uğuralp, Z., Uğuralp, A. K., & Puntoni, S. (2026). AI companions reduce loneliness. Journal of Consumer Research, 52(6), 1126–1148. https://doi.org/10.1093/jcr/ucaf040
Direttiva (UE) 2024/1385 del Parlamento europeo e del Consiglio, del 14 maggio 2024, sulla lotta alla violenza contro le donne e alla violenza domestica. Gazzetta Ufficiale dell’Unione europea. https://eur-lex.europa.eu/legal-content/IT/TXT/?uri=OJ:L_202401385
Döring, N., Mikhailova, V., & Mohseni, M. R. (2026). Prevalence of AI-supported sexual activities among adults in Germany: Results from a national online survey. Archives of Sexual Behavior. https://doi.org/10.1007/s10508-025-03382-1
Folk, D., & Dunn, E. (2026). How does turning to AI for companionship predict loneliness and vice versa? Psychological Science. https://doi.org/10.1177/09567976261427747
Garante per la protezione dei dati personali. (2023, 2 febbraio). Provvedimento del 2 febbraio 2023 [9852214]. https://www.garanteprivacy.it/home/docweb/-/docweb-display/docweb/9852214
Hanson, K. R., & Bolthouse, H. (2024). “Replika removing erotic role-play is like Grand Theft Auto removing guns or cars”: Reddit discourse on artificial intelligence chatbots and sexual technologies. Socius, 10. https://doi.org/10.1177/23780231241259627
Hawkins, W., Russell, C., & Mittelstadt, B. (2025). Deepfakes on demand: The rise of accessible non-consensual deepfake image generators. In Proceedings of the 2025 ACM Conference on Fairness, Accountability, and Transparency (FAccT ’25). https://doi.org/10.48550/arXiv.2505.03859
Internet Watch Foundation. (2026). Harm without limits: AI child sexual abuse material through the eyes of our analysts. https://www.iwf.org.uk/about-us/why-we-exist/our-research/how-ai-is-being-abused-to-create-child-sexual-abuse-imagery/
Lapointe, V., Dubé, S., Rukhlyadyev, N., Kessai, T., & Lafortune, D. (2025). The present and future of adult entertainment: A content analysis of AI-generated pornography websites. Archives of Sexual Behavior. https://doi.org/10.1007/s10508-025-03099-1
Li, Q., Zhang, S., Kasper, A. T., Ashkinaze, J., Eaton, A. A., Schoenebeck, S., & Gilbert, E. (2024). Reporting non-consensual intimate media: An audit study of deepfakes. arXiv. https://arxiv.org/abs/2409.12138
Namvarpour, M., Pauwels, H., & Razi, A. (2025). AI-induced sexual harassment: Investigating contextual characteristics and user reactions of sexual harassment by a companion chatbot. Proceedings of the ACM on Human-Computer Interaction (CSCW). https://doi.org/10.1145/3757548
O’Donnell, J. (2026, 30 gennaio). Inside the marketplace powering bespoke AI deepfakes of real women. MIT Technology Review. https://www.technologyreview.com/2026/01/30/1131945/inside-the-marketplace-powering-bespoke-ai-deepfakes-of-real-women/
SAG-AFTRA. (2025). Artificial intelligence. https://www.sagaftra.org/contracts-industry-resources/member-resources/artificial-intelligence
Steel, C. M. S. (2026). Prevalence of generative artificial intelligence sexualized image usage by adolescents in the United States. PLOS ONE, 21(3), e0342824. https://doi.org/10.1371/journal.pone.0342824
The Skeptic. (2026, luglio). Adult movies were not the reason Betamax really lost the video wars. https://www.skeptic.org.uk/2026/07/adult-movies-were-not-the-reason-betamax-really-lost-the-video-wars/
Umbach, R., Henry, N., Beard, G., & Berryessa, C. (2024). Non-consensual synthetic intimate imagery: Prevalence, attitudes, and knowledge in 10 countries. In Proceedings of the 2024 CHI Conference on Human Factors in Computing Systems. https://doi.org/10.1145/3613904.3642382
Unite.AI. (2025). CivitAI tightens deepfake rules under pressure from Mastercard and Visa. https://www.unite.ai/civitai-tightens-deepfake-rules-under-pressure-from-mastercard-and-visa/
Uzoma, C., Chukwuedo, G., Isaac, E., Uzoma, V., Eneh, S. C., Chinyere, F. P., Precious, O. M., & Onukansi, F. O. (2026). Chatbots as frontline educators in sexual reproductive health rights: Evidence, limitations, and ethical considerations. Frontiers in Digital Health, 8. https://doi.org/10.3389/fdgth.2026.1777667
Wolfe, R., Yang, Y., Howe, B., & Caliskan, A. (2023). Contrastive language-vision AI models pretrained on web-scraped multimodal data exhibit sexual objectification bias. In Proceedings of the 2023 ACM Conference on Fairness, Accountability, and Transparency (FAccT ’23). https://doi.org/10.1145/3593013.3594072
Zakreski, E., Marečková, A., Vaníček, O., Hůla, M., Klapilová, K., Lindová, J., & Pfaus, J. G. (2026). Subjective responses of gynephilic men and women to real versus artificial female nudes. Archives of Sexual Behavior, 55(1), 329–343. https://doi.org/10.1007/s10508-025-03357-2
Partecipa alla community