L’AI creativa è già nelle tasche di tutti

La generazione di video, immagini e voci sintetiche è diventata accessibile a chiunque senza competenze tecniche

Ieri sera mio cugino, che fino a due anni fa apriva Paint solo per ritagliare le foto delle vacanze, ha montato un video promozionale di quaranta secondi per la sua palestra. Musica di sottofondo perfetta, transizioni pulite, un voiceover che sembrava davvero la sua voce. Tempo totale: sette minuti. Io ci avrei messo un pomeriggio. Lui ha digitato tre frasi in una casella di testo.

Non è un fulmine a ciel sereno. È il punto d’arrivo di una serie di novità che nelle ultime settimane hanno ridisegnato cosa significa “creare” qualcosa con un computer. E la velocità con cui stanno arrivando mi fa pensare che abbiamo appena varcato una soglia dalla quale non si torna indietro.

La fabbrica dei contenuti tascabile

Partiamo da quello che è successo. Google ha infilato la generazione di immagini AI direttamente nella Ricerca, senza bisogno di aprire strumenti separati. Digitare una parola e vedere comparire un’illustrazione originale accanto ai link blu è una di quelle cose che sembrano piccole ma cambiano l’abitudine mentale: l’AI non è più un prodotto, è un’infrastruttura. Nel frattempo i suggerimenti di template di Canva sono diventati accessibili con la stessa naturalezza con cui chiedi a un collega “hai un’idea per il volantino?”. In AI Mode puoi persino chiedere playlist musicali generate al volo, salvarle su YouTube Music e ascoltarle immediatamente.

Non stiamo più parlando di strumenti per creativi: questa è roba per tutti, letteralmente.

La ciliegina, però, è arrivata con i potenti aggiornamenti di Google Vids con Gemini Omni. A febbraio 2026 Google ha lanciato Veo 3.1 per tutti gli utenti, e da quel momento chiunque può generare un video di qualità partendo da un prompt di testo. Niente timeline complicate, niente curve di apprendimento. Scrivi cosa vuoi vedere e il video esiste. Se il risultato non ti convince, puoi fare modifiche passo-passo senza ricominciare da capo. E — questo è notevole — puoi aggiungere come riferimento un’immagine, una foto o uno schizzo per guidare il modello verso lo stile che hai in testa.

Il tuo gemello digitale sa parlare per te

Qui la faccenda si fa insieme affascinante e un po’ inquietante. Con Gemini Omni puoi creare un avatar personale: carichi un selfie e una breve registrazione vocale, e il sistema genera una copia digitale che ti assomiglia e suona come te. Poi digiti un messaggio qualsiasi e l’avatar lo pronuncia, muovendo le labbra, con la tua voce. Niente registrazione, niente ciak, niente “oddio mi sono impappinato”. Ogni clip prodotta include la filigrana digitale SynthID, invisibile ma tracciabile, pensata per garantire un minimo di trasparenza su cosa sia generato artificialmente.

Ora, mettiamo insieme i pezzi. Abbiamo modelli che girano non solo nel cloud ma anche su hardware sempre più piccolo ed efficiente: la famiglia di modelli Cosmos 3 Edge di NVIDIA, con i suoi 4 miliardi di parametri, è compatibile con le piattaforme Thor pensate per robotica e dispositivi edge. Significa che capacità generative simili stanno per uscire dai browser e dai server per entrare in oggetti fisici, telecamere, terminali industriali. La creatività sintetica diventa ubiqua. La domanda non è più “posso farlo?”, ma “devo farlo?”. E soprattutto: “lo voglio fare davvero io, o sto solo premendo play su qualcosa che qualcun altro ha già deciso?”

La banalità del prompt

C’è un paradosso bellissimo in tutto questo. Le barriere all’ingresso crollano: chi non ha mai studiato design può impaginare un volantino, chi non ha mai aperto un software di montaggio può produrre un video professionale. Ma proprio mentre la possibilità tecnica si democratizza, il linguaggio visivo rischia una convergenza silenziosa. I template diventano il punto di partenza predefinito. Le playlist assomigliano a compilazioni già sentite. Le voci degli avatar hanno lo stesso calore sintetico, la stessa cadenza educata. Non è un complotto, è una conseguenza statistica: i modelli generativi restituiscono la media probabilistica di ciò su cui sono stati addestrati.

E poi c’è il tema della tracciabilità. La filigrana SynthID è un passo importante, ma richiede strumenti per essere verificata. La maggior parte delle persone che riceverà un video generato da un avatar non saprà nemmeno che esiste un modo per controllarne l’origine. In un mondo in cui chiunque può far dire qualsiasi cosa a chiunque — con la faccia e la voce giuste — la fiducia diventa una valuta ancora più preziosa. E più fragile.

Quello che sta succedendo somiglia molto a ciò che abbiamo vissuto con gli smartphone tra il 2008 e il 2012. All’inizio avevamo in tasca un computer, ed era stupefacente. Poi ci siamo accorti che avercelo in tasca non significava capire come funzionava, né controllare cosa ci faceva fare. L’intelligenza artificiale creativa sta percorrendo la stessa traiettoria, solo più in fretta. Usarla sarà inevitabile — probabilmente desiderabile. Ma capire cosa succede sotto il cofano, scegliere consapevolmente quando fidarsi e quando fermarsi, resterà una prerogativa di pochi. E quei pochi, in un mondo dove tutti possono generare qualsiasi cosa, avranno un vantaggio che nessun modello potrà replicare: sapranno ancora distinguere tra creare e premere un pulsante.