Come fare se l’AI sui social omologa tutte le voci

Scrollando i social, LinkedIn in primis, o leggendo le newsletter, è possibile che si registri una persistente sensazione di già visto, o meglio di già letto. I testi risultano sovrapponibili per stile, per scelte lessicali e persino per segni di punteggiatura, alcuni dei quali introvabili sulla testiera eppure diffusissimi, come il trattino lungo (em dash) che deriva dalla tradizione anglosassone di editoria accademica e formale. Da un punto di vista di struttura dei testi, sembra sia diventato impossibile fare a meno degli elenchi puntati, i paragrafi sono spesso di uguale lunghezza e il contenuto è organizzato in modo abbastanza standardizzato. Se guardiamo allo stile, risultiamo dipendenti dalle formule comparative fisse (“non è… ma è…”), le espressioni di transizione si moltiplicano (“in sintesi”, “in definitiva”, “è importante notare”, etc.) e l’uso degli aggettivi qualificativi si ritrova spesso in gruppi di tre. Dietro le quinte di questo spettacolo c’è un unico regista: l’AI generativa a cui sempre più spesso professionisti, imprenditori e aziende ricorrono più per esigenze di rapidità che per reali progetti di scalabilità basata sulla tecnologia.

A fine 2024, Originality AI – startup specializzata nel rilevamento di contenuti automatizzati – aveva rilasciato una ricerca secondo la quale il 54% dei post pubblicati su LinkedIn erano stati scritti con l’AI. A quel tempo si stimava che ChatGPT avesse 6,8 milioni di utenti mensili in Italia, che sono diventati 15 milioni soltanto un anno dopo, a fine 2025. Verosimilmente, il numero dei contenuti realizzati dall’AI si è moltiplicato di conseguenza, portando appunto quella sensazione di “già letto” che deriva da un uso passivo della tecnologia. I Large Language Model, infatti, sono stati addestrati su un’enorme quantità di dati che sono sequenze di parole (token) provenienti da libri, articoli, siti web e archivi di codice, sulla base dei quali fanno previsioni per la scelta dei vocaboli per generare testi. Il modo di lavorare dell’AI, quindi, segue uno schema statistico: ad esempio, c’è un’alta probabilità che suggerisca di “catturare l’attenzione” anziché attirarla o calamitarla perché ha appreso questa combinazione come la più probabile. È un sistema che predilige la semplicità e che segue un canovaccio di per sé poco flessibile, a meno che non lo si manovri attivamente, che è anche l’unico modo per non diventare «sbiaditi e ininfluenti», come sottolinea Roberto Esposito, Ceo della società di strategia digitale, comunicazione e marketing online, DeRev. «Se chiediamo a un’AI generativa, come ChatGPT o Gemini, di scriverci un post per LinkedIn – spiega – lo farà in maniera impeccabile per centrare una perfetta omologazione algoritmica, cioè per rispettare pedissequamente quelle che possiamo definire le regole del contesto. Questo perché l’AI non è uno strumento di rottura, ma di adesione a dei pattern. Se si adotta questo strumento acriticamente, quindi, si rischia la perdita di identità a causa dell’appiattimento del tono di voce, vale dire dello stile e della personalità con cui un brand o un professionista si rivolgono al proprio preciso pubblico».

Tuttavia, fa notare Esposito, questo scenario presenta anche un’altra faccia della medaglia e proprio l’overload di contenuti-clone provocato dall’uso massivo dell’AI sta producendo un’opportunità: «in un momento in cui tutti dicono le cose allo stesso modo, e spesso anche le stesse identiche cose perché ricorrono all’AI persino per l’idea – fa notare -, chi riesce a mantenersi saldo nel proprio pensiero critico e nella propria identità ha la possibilità di emergere e di distinguersi in maniera sostanziale. Questo anche perché gli utenti stanno manifestando una rinnovata domanda di autenticità». Ciò non significa rinunciare all’AI, ma ricorrere alla tecnologia in modo tattico e strutturato, il che presuppone anche un adeguamento culturale. Paolo Guaitani, partner della società di consulenza e formazione per il mondo business The Vortex, mette in luce che l’errore più frequente è proprio quello di pensare all’AI come un tool a sé stante, da utilizzare per risparmiare tempo. Al contrario, si dovrebbe considerare che la qualità dell’output è direttamente proporzionale alla qualità dell’input (in gergo Gigo: garbage in, garbage out); ciò significa che, riassume Guaitani, «si debba pensare attentamente al prompt, ai comandi, alle ricerche e ai limiti da settare» e ciò «prevede che il risultato finale lo si abbia sostanzialmente già in testa sin dall’inizio». Se da un lato la chiave è di «non accontentarsi di un risultato mediocre», dall’altro c’è la necessità di dotarsi della competenza necessaria per utilizzare una tecnologia in modo adattivo per sé e le proprie esigenze: «la formazione ha un ruolo fondamentale nell’inserimento dell’AI in azienda – dice Guaitani – e va estesa al tutto il personale secondo un modello T-Shaped perché a brevissimo sarà integrata in tutto quello che faremo, dalle mail ai browser, da telefoni ai social». Per non diluire la propria voce, dunque, o azzerarla sotto la scure trita-identità dell’AI bisogna intervenire per regolarne il lavoro, ma prima ancora, bisogna avere quell’identità sufficientemente chiara e ben codificata. Da questo punto di vista, aiuta lavorare con un modello che Isabella Lazzini, fondatrice di Boldstuff (società AI-native che supporta le aziende nell’integrare l’AI nei processi di marketing, comunicazione e business transformation) definisce di «Brand Brain: non un framework tecnico – spiega – ma un modo per rendere il brand comprensibile, condivisibile e quindi scalabile anche con l’AI». In pratica significa lavorare su tre livelli: «il primo stabilisce ciò che non cambia: chi sei davvero, i valori, il punto di vista, il modo in cui guardi il mondo. In questa area l’AI apprende e rispetta». Il secondo livello riguarda l’adattabilità del brand: «come quell’identità prende forma nei diversi contesti, cambiando registro senza perdere coerenza. Qui l’AI permette di generare declinazioni, adattamenti, versioni multiple dello stesso messaggio, mantenendo però una linea coerente». Infine, il terzo livello comprende i «contenuti reali del brand: campagne, materiali, esempi e tutto ciò che permette all’AI di non lavorare nel vuoto» grazie a una raccolta di conoscenza che «diventa parte di una memoria attiva. È a questo livello – precisa Lazzini – che si gioca la vera differenza tra chi usa l’AI in modo occasionale e chi costruisce un vantaggio competitivo: nel primo caso ogni output resta isolato, nel secondo ogni output migliora il sistema». In altre parole, «l’AI smette di essere solo esecuzione e diventa infrastruttura: un motore che non si limita a produrre contenuti, ma che accumula intelligenza sul brand».

L’aspetto ulteriore da considerare è come la tecnologia si inserisce nella filiera operativa: Isabella Lazzini suggerisce come maggiormente efficaci i modelli ibridi dove «un Hub centrale definisce linee guida, knowledge base, framework e strumenti, e soprattutto presidia la coerenza del brand», mentre i team «utilizzano l’AI nei propri flussi operativi, adattando i contenuti ai contesti specifici, ma sempre all’interno di un perimetro condiviso». A ciò va aggiunto il controllo umano che non deve stare alla fine ma essere una presenza continua in almeno tre momenti: «a monte, per definire l’intenzione; in mezzo, per monitorare ed eventualmente correggere la direzione; a valle, per la validazione» e, quindi, l’assunzione di responsabilità finale.