Ogni azienda che adotta l’IA ottiene testi, design e campagne migliori di prima. Lo stesso vale per ogni concorrente, con strumenti simili addestrati su dati simili. Il risultato è un mercato pieno di comunicazione curata e intercambiabile.
Questo articolo esamina le evidenze sperimentali di questo effetto, perché conta di più quando a scegliere sono gli agenti, perché la verità verificabile sta diventando un obbligo legale e quattro passi pratici per conservare i propri tratti distintivi. Le opinioni sono indicate come “Il punto di vista di Andrea d’Agostini”.
01Il problema dell’omologazione: quando tutti hanno la stessa mente
Le evidenze
Nel 2024 Anil Doshi e Oliver Hauser hanno pubblicato su Science Advances un esperimento preregistrato. 293 autori hanno scritto brevi racconti; alcuni potevano chiedere idee per la storia a GPT-4. 600 valutatori distinti hanno giudicato i risultati 1. Gli autori con accesso fino a cinque idee dell’IA hanno prodotto racconti valutati l’8,1% più alti per novità e il 9,0% più alti per utilità rispetto a chi non usava l’IA. I guadagni sono stati maggiori per gli autori meno creativi 1. Ma i racconti scritti con l’IA erano misurabilmente più simili tra loro. Gli autori lo descrivono come un dilemma sociale: i singoli stanno meglio, mentre nel complesso si produce una gamma più ristretta di contenuti originali 1.
Somiglianza tra i racconti: più alta ↑ (i singoli stanno meglio; nel complesso la gamma si restringe).
293 autori; 600 valutatori; autori con accesso fino a cinque idee dell’IA. Fonte: Doshi e Hauser, Science Advances (2024) 1
In parole semplici: l’IA alza il livello minimo e restringe la gamma.
Perché conta dal punto di vista commerciale
Ogni azienda che adotta l’IA ottiene testi migliori, design migliore e campagne migliori di quelli che aveva prima. Ognuna sente di essere migliorata, ed è vero. Ma i concorrenti sono migliorati nella stessa direzione, con strumenti simili addestrati su dati simili. Il mercato diventa un mare di comunicazione buona, curata e intercambiabile.
Gli agenti acuiscono il problema. Quando migliaia di aziende si descrivono con le stesse parole curate, un agente può scegliere solo sui dati concreti: prezzo, disponibilità, recensioni, coerenza. Tutto il resto diventa rumore.
Sotto c’è un secondo rischio, più silenzioso. Una ricerca pubblicata su Nature nel 2024 ha mostrato che i modelli di IA addestrati ricorsivamente su dati generati dall’IA si degradano, un processo che gli autori chiamano collasso del modello 2. Il contributo umano originale non ha valore solo per gli acquirenti. Ne hanno bisogno anche le macchine.
La verità sta diventando un obbligo
La regola definitiva della Federal Trade Commission statunitense del 14 agosto 2024 vieta recensioni e testimonianze false dei consumatori, comprese esplicitamente le recensioni false generate dall’IA, e vieta anche di comprare o vendere falsi indicatori di influenza sui social media, come follower o visualizzazioni generati da bot 3. Un tribunale della Columbia Britannica ha ritenuto Air Canada responsabile di una politica di rimborso descritta a un cliente dal suo chatbot 4. La verità verificabile sta passando da scelta di marketing a obbligo legale e operativo.
Che cosa fare
- 01Partite dal vostro punto di vista. Scrivete ciò in cui credete e i concorrenti no. Usate l’IA per esprimerlo, non per inventarlo.
- 02Usate il vostro materiale reale: i vostri casi, i vostri numeri, le vostre storie, i vostri errori.
- 03Conservate i vostri spigoli. Le parti specifiche e umane di un brand sono proprio ciò che un algoritmo leviga.
- 04Verificate l’omologazione. Mettete il vostro sito accanto a quelli dei vostri cinque principali concorrenti. Se poteste scambiare i loghi senza che nessuno se ne accorga, avete un problema.
Una nota sulle emozioni
L’indignazione è stata uno dei modi più efficienti per comprare attenzione online; uno studio del 2017 pubblicato su PNAS ha rilevato che il linguaggio morale ed emotivo fa diffondere di più i post sui social media 5.
Adattato dal white paper Monarchy “You are not talking to a human” (2026) di Andrea d’Agostini. Le fonti sono elencate qui sotto; le citazioni sono riportate nella lingua originale, con la traduzione tra parentesi quadre. Le affermazioni indicate come punti di vista sono opinioni.
Fonti
- Doshi, A. R. and Hauser, O. P., “Generative AI enhances individual creativity but reduces the collective diversity of novel content,” Science Advances 10, eadn5290 (2024). https://www.science.org/doi/10.1126/sciadv.adn5290
- Shumailov, I. et al., “AI models collapse when trained on recursively generated data,” Nature (2024). https://www.nature.com/articles/s41586-024-07566-y
- US Federal Trade Commission, “Federal Trade Commission Announces Final Rule Banning Fake Reviews and Testimonials,” 14 August 2024. https://www.ftc.gov/news-events/news/press-releases/2024/08/federal-trade-commission-announces-final-rule-banning-fake-reviews-testimonials
- Moffatt v. Air Canada, 2024 BCCRT 149 (Civil Resolution Tribunal of British Columbia). https://www.canlii.org/en/bc/bccrt/doc/2024/2024bccrt149/2024bccrt149.html
- Brady, W. J. et al., “Emotion shapes the diffusion of moralized content in social networks,” PNAS (2017). https://www.pnas.org/doi/10.1073/pnas.1618923114
