AI, contenuti e responsabilità editoriale
LinkedIn ha aggiunto nel menu dei post una voce piuttosto esplicita: “Seems like AI slop”. Non segnala l’uso dell’intelligenza artificiale in sé. Segnala i contenuti che sembrano prodotti con poco sforzo, magari rifiniti bene in superficie, ma senza un punto di vista, un’esperienza o qualcosa che valga il tempo di chi legge.
Il problema è che sembra buono
L’AI slop raramente arriva pieno di refusi, frasi spezzate e informazioni evidentemente assurde. Quello sarebbe facile da scartare. Arriva ordinato. Ha un titolo sensato, cinque paragrafi ben separati, un tono professionale e una conclusione che riassume tutto con grande educazione. A una lettura veloce sembra persino migliore di molti testi scritti di fretta da una persona.
Poi si prova a ricordare cosa abbia detto davvero e rimane poco. Le affermazioni potrebbero stare sul sito di un’agenzia, di un consulente o di un’azienda che vende software. Gli esempi sono generici, i verbi non portano mai a un fatto preciso, ogni passaggio conferma quello precedente e nessuna frase si assume il rischio di escludere qualcosa.
La definizione usata da LinkedIn coglie bene questo punto. Un contenuto può essere rifinito e restare comunque vuoto: la piattaforma distingue tra contenuto assistito dall’AI e AI slop in base al valore prodotto, non allo strumento impiegato.
Il segnale più affidabile non è una parola, un trattino lungo o una certa struttura. È l’assenza di una mente riconoscibile dietro al testo.
Cercare il termine proibito o la punteggiatura sospetta può diventare un altro automatismo. Basta chiedere al modello di evitare quelle forme e il rilevatore artigianale smette di funzionare. Un testo umano, peraltro, può essere noioso e prevedibile quanto uno generato. Conviene guardare più in profondità: chi sta parlando, su quali fatti si regge, cosa sceglie di dire e cosa lascia fuori.
La firma dello slop non è l’AI
Ci piace dare la colpa allo strumento perché ci lascia in una posizione comoda. Il modello ha prodotto un testo generico, quindi il modello è il problema. Solo che qualcuno ha chiesto “scrivi un articolo completo su questo argomento”, ha ricevuto la prima risposta, ha cambiato due parole e ha premuto Pubblica.
La responsabilità entra molto prima della revisione finale. Entra nella scelta dell’argomento, nella fretta con cui viene preparato il brief, nella decisione di pubblicare anche quando non abbiamo niente di preciso da aggiungere. Entra soprattutto nella metrica che stiamo inseguendo. Se l’obiettivo è riempire il calendario editoriale, l’AI è una macchina perfetta: può produrre abbastanza materiale da far sembrare attivo qualunque blog. Se l’obiettivo è aiutare una persona a capire un problema, la produzione comincia a rallentare.
E qui c’è una contraddizione che conosco bene. Uso l’intelligenza artificiale ogni giorno e non ho alcuna nostalgia per il foglio bianco. Mi aiuta a cercare, confrontare fonti, trovare buchi in un ragionamento, preparare varianti e portare avanti lavori che prima richiedevano molti passaggi manuali. Proprio per questo è facile chiederle un passaggio in più. Poi un altro. A un certo punto non stiamo più accelerando il nostro lavoro: stiamo evitando la parte in cui dobbiamo decidere.
Ne abbiamo parlato anche spiegando cosa cambia con ChatGPT Work. Dare all’AI più autonomia può ridurre parecchio il lavoro meccanico, ma amplia anche il tratto di processo che dobbiamo saper controllare. Se non sappiamo descrivere una buona consegna, riceveremo qualcosa di completo nell’aspetto e incerto nel merito.
Il prompt non può inventare un punto di vista
Un prompt dettagliato migliora l’output. Specificare pubblico, obiettivo, fonti, tono e limiti evita parecchi errori. Ma c’è un equivoco: pensare che un prompt molto lungo possa sostituire ciò che non abbiamo pensato prima.
“Scrivi come un esperto” non crea esperienza. “Aggiungi esempi concreti” può produrre esempi plausibili, non necessariamente veri. “Usa un tono originale” spesso sposta il testo verso una caricatura stilistica fatta di battute, frasi spezzate e confidenza artificiale. Se manca una posizione, il modello la simula prendendo la strada statisticamente più credibile.
Prima di aprire la chat, serve almeno una frase che contenga quello che vogliamo sostenere. In questo articolo, per esempio, la frase era: “L’AI slop non nasce soltanto dagli strumenti, ma dalla nostra tentazione di pubblicare qualcosa che sembra finito prima di aver deciso cosa dire”. Da lì si può discutere, cercare eccezioni, controllare le fonti. Senza quella frase avremmo ottenuto una lista di segnali dell’AI slop uguale a molte altre.
Il contesto aziendale fa la stessa differenza. Dati interni, obiezioni raccolte dal reparto vendite, errori realmente commessi, vincoli di budget, nomi dei processi e parole usate dai clienti rompono la media statistica. È la logica con cui costruiamo un audit di marketing prima di intervenire: ricostruiamo ciò che accade davvero, perché una risposta standard applicata a un problema raccontato male resta standard anche se è scritta benissimo.
Quando la quantità comincia a lavorare contro di noi
La tentazione è particolarmente forte nella SEO. Se possiamo generare cento articoli in pochi giorni, viene spontaneo pensare di coprire cento query. La pagina esiste, la keyword compare, il calendario è pieno. Manca il motivo per cui Google dovrebbe preferirla a pagine già presenti, e manca soprattutto il motivo per cui una persona dovrebbe leggerla fino in fondo.
Google non vieta i contenuti creati con l’intelligenza artificiale. Le sue indicazioni sull’uso della generative AI riconoscono che può essere utile per la ricerca e per organizzare contenuti originali. La linea cambia quando si producono molte pagine senza valore per gli utenti. Nelle politiche antispam questo comportamento viene chiamato scaled content abuse, e il metodo di produzione conta meno del risultato.
C’è un’immagine ancora più interessante, anche se va presa per ciò che è. Una ricerca pubblicata su Nature sul cosiddetto model collapse mostra che i modelli addestrati indiscriminatamente su dati prodotti da altri modelli perdono progressivamente parti della distribuzione originale. Lo studio riguarda l’addestramento dei sistemi, non la qualità di un blog aziendale. Però descrive bene un rischio culturale: se continuiamo a riscrivere la media di ciò che è già stato scritto, spariscono proprio i dettagli laterali, le anomalie e le esperienze che rendevano utile il materiale di partenza.
Per un’azienda il danno non è soltanto un possibile calo di traffico. Dieci articoli intercambiabili insegnano al lettore che il brand non ha molto da dire. E recuperare attenzione dopo averla consumata con contenuti mediocri costa più che pubblicare meno.
I controlli da fare prima di pubblicare
Non serve un comitato editoriale per ogni post, sarebbe anche controproducente. Serve però non delegare del tutto certi passaggi solo perché sembrano ripetitivi. Le domande che mi faccio io, prima di pubblicare, sono più o meno queste, anche se non le seguo mai nell’ordine giusto:
- Qual è la frase che regge il contenuto? Se non riesco a scriverla senza usare il titolo, l’argomento probabilmente non è ancora a fuoco.
- Quale passaggio potrebbe firmarlo solo questa azienda, o questa persona? Un dato, una scelta discussa apertamente, un errore ammesso, un dettaglio operativo che nessun altro conosce. Se manca, il testo è sostituibile, per quanto sia scritto bene.
- Le affermazioni verificabili hanno davvero una fonte? Non basta che una statistica suoni plausibile. Bisogna andare a vedere il documento originale, e capire cosa misurava esattamente.
- Gli esempi sono accaduti sul serio? Se sono ricostruzioni, va detto. Riempire un articolo di casi inventati lo rende concreto solo in apparenza.
- Cosa si può tagliare? Le introduzioni che scaldano l’argomento, i riepiloghi dopo ogni paragrafo, le conclusioni che ripetono tutto: è spesso lì che lo slop si accumula, anche in un testo scritto da una persona vera.
- C’è qualcuno responsabile di premere pubblica? Un processo dove tutti possono generare e nessuno deve approvare produce volume. Non controllo.
Aggiungerei una prova meno elegante: togliere logo, nome dell’autore e riferimenti all’azienda. Se il testo potrebbe comparire senza modifiche sul sito di cinque concorrenti, bisogna rimetterci mano. Non sempre sarà necessario riscriverlo da zero. A volte manca un solo paragrafo concreto, quello che l’AI non poteva conoscere.
Questi controlli completano il lavoro già affrontato parlando di AI Act e responsabilità nelle agenzie di marketing. La conformità normativa conta, ma non certifica la qualità editoriale. Un contenuto può essere perfettamente lecito, dichiarato e privo di dati sensibili, e restare inutile.
L’AI resta uno strumento molto utile
Difendersi dall’AI slop non significa tornare a scrivere tutto da soli, lentamente e con un certo orgoglio artigianale. Sarebbe una risposta rassicurante, ma poco seria. La ricerca assistita, l’analisi di documenti, la costruzione di una prima scaletta, il confronto tra versioni e la revisione linguistica possono migliorare davvero il lavoro. Anche la prima bozza, quando il contenuto di partenza è solido.
Conviene affidare all’AI ciò che può svolgere senza fingere di essere noi. Può trovare ripetizioni, fare l’avvocato del diavolo, indicare un passaggio non dimostrato o suggerire domande che abbiamo trascurato. Può anche dirci che una frase suona generica. La scelta di tenerla, riscriverla o cancellarla rimane nostra.
Difendersi da se stessi, credo, significa proprio questo: smettere di cercare il prompt che produce contenuti umani in automatico, e accettare che la parte più faticosa del lavoro non si lascia automatizzare. Qualcuno deve scegliere cosa vale la pena pubblicare. E qualche volta la risposta onesta è che oggi non abbiamo ancora niente da aggiungere, e va bene lo stesso.
Vuoi usare l’AI senza riempire il web di altro rumore?
Possiamo partire dai tuoi contenuti e dai processi con cui li produci, capire dove l’AI fa risparmiare lavoro e dove invece serve mantenere un controllo editoriale umano.
Si occupa di Meta Ads, automazioni, CRM e integrazioni AI. Non il marketer tradizionale: parte sempre dai dati, poi costruisce la strategia. Lavora con le PMI del Mezzogiorno che vogliono risultati misurabili, non metriche di facciata.
