Creatività: l’A.I. accelera, la direzione resta umana

Introduzione: l’A.I. non ci rende più creativi, ci costringe a chiarire l’obiettivo

Se mi baso sulla mia esperienza personale, l’AI non mi ha fatto scoprire cosa sia la creatività. Quello che ha fatto, invece, è stato costringermi a definire meglio cosa voglio ottenere.

Perché l’A.I. ha una caratteristica brutale: è velocissima a produrre possibilità, ma è anche bravissima a produrre cose plausibili che non c’entrano davvero con quello che avevi in mente.

Se non sai definire obiettivo, vincoli e criteri di qualità, ti porta “da qualche parte” in pochi secondi. E quel “qualche parte” può essere mediocre, incoerente o addirittura completamente sbagliata.

D’altro canto, proprio l’incoerenza e le aberrazioni della generazione guidata possono aprire scenari non previsti — e magari anche più interessanti. Un errore diventa creativo solo se lo riconosci e scegli cosa salvare.

In questo articolo ti racconto come lo applico nella pratica, con un focus sulla generazione di immagini. Ti porto un caso studio di character design con cui mi sono divertito qualche mese fa.

Infografica generata con A.I. “Mettere a fuoco → Generare → Selezionare”

Due creatività: “guizzo” e processo

Prima di parlare di strumenti, vale la pena chiarire di cosa stiamo parlando quando diciamo “creatività”. Vedo un grande spartiacque: ci sono almeno due modi diversi in cui la creatività può essere messa in campo — il “guizzo” (intuizione) e il “processo”. Spesso si alternano e si contaminano. L’Intelligenza artificiale può interagire con entrambi. Come? Vediamolo.

1) La creatività del guizzo: intuizione e pensiero laterale

C’è una creatività “esplosiva”: arriva come un collegamento inatteso, una soluzione che ribalta la prospettiva, un’idea che non nasce per accumulo lineare ma per salto. È quel momento in cui, davanti allo stesso problema, non aggiungi un dettaglio: cambi direttamente la domanda.

Non possiamo non citare il libro di Edward de Bono: per uscire dagli schemi, servono tecniche e spostamenti di prospettiva che non siano solo logica sequenziale. In altre parole: non sempre arrivi a una soluzione “nuova” facendo più della stessa cosa; a volte devi cambiare piano, regola o punto di vista. Come sintetizza de Bono in Lateral Thinking: “You cannot dig a hole in a different place by digging the same hole deeper.”

Se vuoi un risultato diverso, non basta insistere — devi cambiare direzione.

L’AI può diventare una macchina potente per questo tipo di stimolo: genera associazioni, variazioni e “rotture controllate” molto velocemente. Ma il guizzo, quello vero, non è nell’output: è nel momento in cui riconosci qualcosa che vale e decidi di seguirla. L’AI accorcia il tratto tra intuizione e prima bozza.

2) La creatività di processo: metodo, vincoli, struttura

Poi c’è la creatività che non aspetta l’ispirazione: quella che lavora con vincoli, verifiche, passaggi. È la creatività che rende replicabile un risultato, e che ti permette di arrivare a un buon progetto anche quando il guizzo non arriva subito o abbiamo molti vincoli da rispettare.

Se sto elaborando un concetto e conosco già vincoli, stilemi e livello dell’output atteso, l’AI generativa mi aiuta a inserire questi elementi come ingredienti: li combina, li pesa in modo diverso e mi restituisce varianti su cui ragionare.

In Da cosa nasce cosa, Bruno Munari descrive un modo di progettare in cui l’invenzione non è un fulmine nel vuoto, ma l’esito di una sequenza ordinata di scelte, controlli e trasformazioni.

È un Metodo Progettuale accessibile e trasferibile: lo stesso rigore può valere per un gesto quotidiano o per un progetto complesso. E dentro quel percorso può esserci spazio anche per il “guizzo”, ma incanalato in una struttura.

Un processo circolare come il Design Thinking, invece, è più loop: osservi, definisci, prototipi, testi e ripeti.

La differenza pratica, oggi, è che l’A.I. rende “economico” (in termini di tempo) fare più giri di quel ciclo: valutare più opzioni, calibrare il prompt a ogni iterazione, avvicinare progressivamente il risultato a un esito desiderato.

Un esempio generico: invece di fermarmi alla prima immagine “quasi giusta”, faccio micro-cicli genero → confronto → correggo, variando un solo parametro alla volta. A volte l’A.I. devia e mi costringe a decidere: seguire la strada nuova o tornare alla più coerente. In breve: l’AI accelera il processo, ma alza il valore dei criteri di valutazione. Il lavoro creativo resta scegliere bene.

Ed è qui che si apre il tema successivo: quando la tecnica diventa più accessibile, il vero vantaggio competitivo è il gusto con cui prendi decisioni.

Infografica generata con A.I. “Metodo Progettuale (lineare) ↔ Design Thinking (circolare)”: AI = velocità di iterazione.

L’AI democratizza la tecnica (ma non democratizza il gusto)

Abbiamo visto come questa tecnologia abbassa la distanza tra un’idea e la sua comunicazione.

Prima, trasformare un concetto in qualcosa di condivisibile, richiedeva competenze tecniche specifiche, tempo e spesso passaggi fra ruoli diversi. Oggi molte barriere si sono abbassate: puoi generare bozze visive in minuti, esplorare varianti a costo quasi zero, raccontare un’idea anche se non hai “la mano” o la tecnica per renderla subito come la immagini.

Questo è un aspetto democratico: tante idee muoiono non perché siano deboli, ma perché non riescono a farsi capire. L’AI può fare da traduttore tra testa e mondo.

Ma qui arriva il punto che, per me, è fondamentale: l’A.I. democratizza la tecnica, non democratizza automaticamente il gusto.

Il gusto può essere un talento innato, certo, ma molto più spesso è una competenza costruita: anni di studio, pratica, errori, cultura visiva e consapevolezza di ciò che funziona (e perché). Se la tecnica diventa sempre più democratica, il valore si sposta ancora di più sul pensiero: saper definire criteri, prendere posizione, decidere cosa tenere e cosa scartare.

In altre parole, con l’A.I. il creativo diventa sempre più un decision-maker: meno esecutore di tecnica e più autore di direzione.

Errori e aberrazioni: quando diventano scintille

C’è un elemento che viene visto soprattutto come problema: l’A.I. sbaglia.

A volte in modo evidente, altre in modo plausibile e quindi più insidioso. Nel dibattito si parla di “allucinazioni”: output inventati o inesatti, ma credibili.

Nel lavoro creativo, però, alcuni errori possono diventare deviazioni utili. Il mio filtro è semplice: riconoscere → selezionare. Prima noto che qualcosa non è “corretto” rispetto al brief, poi decido se c’è un dettaglio o un’atmosfera da salvare.

Nel caso dello Yeti metafisico è successo proprio così: l’A.I. ha frainteso la creatura, ma dentro quell’errore c’era una direzione più forte dell’idea iniziale — e ho dovuto scegliere se seguirla o tornare indietro.

Due esempi pratici: lo stesso progetto, due strade (guizzo vs processo)

Qui provo a rendere tutto più concreto con un progetto personale di character design: “Lo Yeti metafisico”. Idealmente ci sono due modi di affrontarlo: uno nato dal guizzo, l’altro costruito come processo. In questo caso è nato dal guizzo, da una domanda che mi sono posto: “Ma De Chirico, come avrebbe rappresentato lo Yeti?”. Possiamo però immaginare quale sarebbe potuto essere un brief per arrivare allo stesso risultato in modo più strutturato.

In entrambi i casi ho usato (o avrei potuto usare) una combinazione di strumenti: ChatGPT per costruire e raffinare i prompt, Leonardo.ai per generare immagini, Kling per arrivare a un video finale.

Infografica generata con A.I. “Idea → Prompt → Immagini → Selezione → Video”

Esempio 1 — Quando nasce tutto da un guizzo (e l’AI accorcia la distanza)

Il punto di partenza (guizzo): un’idea visiva mi arriva in testa come un fotogramma: “Lo Yeti di De Chirico”. In quel momento non ho ancora un brief, ho un’intuizione.

Prima prova: mi metto a generare un prompt semplicemente dicendo a ChatGPT cosa voglio, uno Yeti con lo stile metafisico di De Chirico. Mi dà un primo prompt per cui decide il 90% dei parametri da solo. Riporto il prompt in Leonardo.ai con uno dei modelli disponibili, risultato “qualcosa” di coerente con la richiesta, non di mio gusto, non interessante.

Riprovo dando dei riferimenti visivi, cerco 3 immagini di uno Yeti, illustrazioni per lo più e 3 immagini di quadri di De Chirico. Affino leggermente la richiesta: “per il prompt utilizza il riferimento delle illustrazioni di uno Yeti come base e le immagini di De Chirico come riferimento di stile”.

La sorpresa (errore utile): in una delle generazioni esce un elemento “inaspettato”: quella che doveva sembrare una “creatura” mitologica sembra una persona travestita da Yeti. Una sorta di casco, una maschera in legno, occhi vuoti, come occhiali da sole; la pelliccia è un cappotto. Guanti e stivali. Una figura inquietante ed enigmatica. Una soluzione che non avrei scelto razionalmente e che però esprime l’idea al meglio. È qui che ho riconosciuto la chiave “metafisica”: enigma e inquietudine, oltre la superficie. E se lo Yeti fosse solo un uomo travestito? Qui l’AI non crea al posto mio: mi mette davanti una deviazione che vale la pena seguire.

Selezione e consolidamento (il vero lavoro umano): scelgo 2–3 immagini che contengono il DNA giusto e le elaboro in pose e scenari.

Dal frame al movimento (Leonardo.ai → Kling): torno a ChatGPT e gli chiedo di elaborare il prompt per Kling, per far “camminare” il mio personaggio in una foresta durante una tormenta di neve. In pochi secondi ho una clip di 5 s.

VIDEO

Cosa mi ha insegnato questo percorso: il guizzo resta mio, ma l’AI rende economico il passaggio “testa → prima bozza”, e gli errori possono diventare scintille solo se li riconosco e li governo.

Esempio 2 — Se lo avessi affrontato come processo (Metodo/Design Thinking + iterazione veloce)

Stessa idea di base, ma qui cambio mentalità: non parto dal fotogramma, parto da un brief.

Brief progettuale realistico: l’obiettivo è sviluppare il concept di una creatura mitologica per un contenuto breve (immagini + video), mantenendo un linguaggio visivo riconoscibile e coerente con l’estetica del primo ’900 (texture tradizionale, geometrie pulite, atmosfera simbolica; niente look troppo digitale). Il progetto prevede 2–3 immagini chiave del personaggio (full body e una variante) e una clip di 5–8 secondi con movimento minimale. La creatura deve risultare enigmatica più che mostruosa, con una silhouette chiara e dettagli controllati; sfondi essenziali o scenografie stilizzate per garantire coerenza nel video.

Qui ho già vincoli chiari, ma resta una scelta creativa: quale creatura e quale stile. Invece di “andare a sensazione”, potrei impostare un mini-schema procedurale:

3 creature × 3 stili = 9 prompt
- creature (esempio): Yeti / Fauno / Chimera
- stili (esempio): Metafisica / Futurismo / Illustrazione d’epoca (poster)
Scoring 1–5 su 3 criteri (coerenza col brief / riconoscibilità silhouette / qualità dei dettagli)
Iterazione su 1 direzione: scelgo la combinazione migliore e faccio 2–3 giri di micro-variazioni controllate (luce, inquadratura, materiali), stabilizzando un prompt “master” e i relativi vincoli.

A quel punto il risultato non dipenderebbe dalla prima intuizione, ma da un percorso verificabile: forse avrei scelto lo Yeti metafisico, forse altro. In ogni caso, il processo mi avrebbe portato a valutare e validare le immagini secondo il mio gusto e la coerenza con il brief.

Il punto comune (e la lezione): mettere a fuoco → generare → selezionare
Che io parta dal guizzo o dal processo, il pattern che oggi conta è sempre lo stesso:

Mettere a fuoco (obiettivo, vincoli, criterio di qualità)
Generare (molte opzioni, ma con variazioni controllate)
Selezionare (scelte motivate: cosa tengo e perché)

Nel primo caso opero gran parte del “focus” a monte: ho abbastanza chiaro l’esito che voglio e uso le generazioni (e le aberrazioni) per raffinarlo. Nel secondo, ho vincoli chiari ma non un risultato già “in testa”: la creatività entra dopo, nella scelta tra combinazioni e iterazioni. È qui che l’AI cambia le regole del gioco: non perché “ti dà creatività”, ma perché rende la creatività più dipendente dalla tua capacità di direzione.

L’AI può essere creativa di per sé?

A questo punto la domanda arriva da sola: l’AI è creativa?

Qui si apre un tema più profondo, che secondo me tocca la coscienza.

Federico Faggin (nel libro Irreducible: Consciousness, Life, Computers, and Human Nature) insiste su un punto: nell’essere umano c’è qualcosa che non si riduce al calcolo. Lo dice in modo molto netto quando parla di ciò che resta “irriducibile” alla macchina: «…something […] irreducible to machine knowledge: self-awareness, free-will, creativity, feelings». In questa prospettiva, l’AI può simulare comportamenti intelligenti, ma non avere esperienza soggettiva: l’output non è “sentito”, è calcolato.

All’estremo opposto, un pensatore come Daniel Dennett (materialista e funzionalista) contesta l’idea di un “centro” o di un teatro interno dove l’esperienza si presenta a un osservatore. La sua immagine è famosa: “There is no … Cartesian Theatre where ‘it all comes together’.” Se la coscienza è il risultato di processi fisici e computazionali distribuiti, allora — almeno in linea di principio — non è vietato immaginare che anche sistemi artificiali possano raggiungere forme di coscienza.

Chi ha la coscienza necessaria per fare una scelta consapevole che va oltre i dati? Se l’A.I. genera possibilità, l’atto di attribuire valore — dire questo sì, questo no, e so perché — resta (per ora) una responsabilità umana.

Qui mi interessa una conclusione pratica: un articolo di Nature osserva che l’AI può diventare un partner creativo (per far rimbalzare idee e visualizzare concetti), ma può anche appiattire la creatività. (nature.com)

Per me il punto è questo: non serve che l’A.I. “vada oltre” o dimostri coscienza; serve che sia un acceleratore ben guidato.

L’AI genera possibilità. La creatività umana dà significato e direzione.

Il lavoro resta scegliere: selezionare, prendere posizione e mantenere coerenza con obiettivo e vincoli. E torno all’inizio: con l’A.I. la vera sfida non è generare di più, ma mettere a fuoco meglio.

Conclusioni e spunti: nuovi modelli di generazione, frustrazioni e competenze

I nuovi modelli di generazione sono e saranno sempre più rapidi, multimodali e accessibili. Producono immagini, testi e video con una facilità che può dare l’illusione di controllo, salvo poi ricordarti che il risultato dipende ancora da quanto sei chiaro sull’obiettivo e su cosa consideri “buono”.

Chi lavora con strumenti di generazione AI lo sa: insieme alla velocità arriva anche una nuova forma di frustrazione. Output che “quasi funzionano” ma non arrivano dove vorresti, risultati incoerenti nonostante prompt corretti. Conviene ricordarlo: molte cose si fanno ancora “alla vecchia maniera”, spesso più in fretta.

Gestire questa frustrazione, per me, significa tornare sempre allo stesso schema: mettere a fuoco → generare → selezionare. Accettare che non tutto ciò che esce debba essere usato. Considerare l’errore come materiale grezzo, non come fallimento. E ricordarsi che “scartare”, “distruggere”, “rifare” sono parte integrante del lavoro creativo.

In definitiva, l’A.I. non elimina l’incertezza del progetto: la rende più veloce e più visibile. Sta a noi trasformarla in uno spazio di scelta consapevole, invece che in rumore. È qui che oggi si gioca la vera competenza creativa.

Se devo scegliere competenze su cui investire oggi, sono queste: sviluppare un gusto estetico personale, allenare il pensiero laterale, costruire un processo a partire da un brief, rafforzare la capacità analitica di scelta, mantenere il focus sul risultato e restare flessibili davanti agli imprevisti.

E alla fine torna tutto qui: l’AI può accelerare la tecnica. Saper scegliere resta centrale.