– L’inversione della pipeline: stiamo passando dal classico “lo sistemiamo in post-produzione” (“fix it in post“) al “lo sistemiamo in pre-produzione” (“fix it in pre“). Grazie all’IA, la capacità di visualizzare e testare narrazioni in pre-produzione sta già portando a incrementi di produttività tra il 5% e il 10%.
– Dai pixel ai “World Models” (non quelli di LeCun…): il futuro non appartiene a chi genera asset isolati, ma ai sistemi che mantengono una comprensione interna di personaggi, ambienti e regole causali. Questo trasformerà le storie in esperienze narrative capaci di evolvere oltre il singolo script e rispondere al pubblico in tempo reale.
– La democratizzazione del “Professional-Grade“: l’IA potrebbe essere la prima tecnologia a consentire la creazione di contenuti ad alto valore produttivo al di fuori dei grandi studios. È la fine del monopolio della qualità tecnica, ma attenzione al rischio dell'”AI slop”.

Entro cinque anni dall’adozione di massa, circa 60 miliardi di dollari di entrate annuali potrebbero essere ridistribuiti all’interno dell’ecosistema. Non è solo efficienza; è una mutazione genetica della distribuzione e del consumo.

La sfida non è più se usare l’IA, ma come ricablare le nostre organizzazioni e la nostra pratica creativa per non essere travolti dalla velocità dell’algoritmo.

• Espansione dei task: grazie alla facilità d’uso dell’IA, iniziamo a occuparci di compiti che prima avremmo delegato o evitato, allargando a dismisura il perimetro delle nostre mansioni con quelle che si potrebbero definire “synthetic skills“.
• Confini sfumati: l’abbattimento della “paura del foglio bianco” ci spinge a infilare piccoli prompt in ogni momento di pausa — a pranzo, tra una riunione e l’altra — eliminando i tempi di recupero cognitivo.
• Multitasking costante: gestiamo più flussi di lavoro in parallelo perché sentiamo di avere un “partner” sintetico, aumentando però il carico mentale e la frammentazione dell’attenzione.

Il risultato? Quello che sembra un boom di produttività nel breve periodo rischia di trasformarsi in burnout e calo della qualità decisionale nel lungo termine.

La soluzione? Non è smettere di usare questi strumenti, ma sviluppare una “AI Practice” consapevole:
1. Pause intenzionali: momenti strutturati per riflettere prima di procedere alla velocità dell’algoritmo.
2. Sequenziamento: proteggere le finestre di focus ed evitare la reattività continua agli output dell’IA.
3. Human Grounding: preservare spazi di confronto umano per mantenere la prospettiva e la creatività che solo il dialogo sociale può alimentare.

L’IA sta cambiando il ritmo del nostro lavoro. La vera sfida non è solo quanto velocemente possiamo andare, ma decidere se siamo noi a guidare il cambiamento o se lasciamo che sia lui a plasmare noi.

Una cornice trasversale su diritto/copyright, etica, economia della creazione fa da prologo a quattro capitoli settoriali: cinema, letteratura, musica, arti digitali, ciascuno introdotto da un’analisi critica e seguito da interviste costruite su sei domande-guida (strumento vs co-creatore; autenticità; standardizzazione; implicazioni etiche; innovazione vs ripetizione; futuro del settore).

Nel complesso, il documento porta avanti una tesi “politica” (in senso culturale): non è solo importante chi crea, ma chi organizza la percezione e la visibilità della creazione in un ecosistema sempre più mediato da tecnologie.

Il cinema nell’era generativa

L’intelligenza artificiale nel cinema non arriva come un fulmine: ci entra da una porta che il cinema stesso ha costruito. Per decenni, lo schermo ha anticipato timori e desideri legati alle macchine, fino a diventare — scrive il dossier — “uno specchio” della nostra idea di umano. Ora quell’IA, come ne “La rosa purpurea del Cairo”, esce da quello schermo e si infiltra nel processo creativo e produttivo.

Viene risolta senza nostalgia la querelle sull’autenticità: “non viene dallo strumento, viene dallo sguardo”. La “prodezza tecnica” diventa commodity: ciò che era “spettacolare” è a portata di tutti, quindi torna centrale il contenuto. Il criterio critico si sposta: meno fetish della tecnica, più attenzione a messaggio, rappresentazione, responsabilità. Torna decisivo avere qualcosa da dire, e la responsabilità di come lo si mette in scenaLa minaccia, semmai, è l’uso passivo: “se usiamo l’IA passivamente, tutto rischia di assomigliarsi”.

Per quel che riguarda la fase di scrittura, l’uso più solido oggi è “assistivo”: sbloccare impasse narrative, testare alternative, fare sintesi/analisi—senza cedere l’ultima parola. La questione infatti non è solo estetica ma di “intenzione”: più l’IA è trattata da autore unico, più l’autenticità diventa fragile. Come sottolineato anche da Luciano Floridi che suo concetto di “distant writing” cita la figura del “designer narrativo”, la competenza distintiva degli autori diventa curation (selezionare, filtrare, dare senso), non “generare”.

Considerando il carattere sperimentale e lo spirito di ricerca che ha caratterizzato il concorso, volto a esplorare le modalità e le forme in cui l’utilizzo di sistemi di IA possa ridefinire o stimolare le pratiche della scrittura audiovisiva, la giuria ha letto e valutato tutti gli elaborati, quindi deciso di assegnare i seguenti premi:

Vincitore: “Chi è di scena? “di Alessandro Cocchetti

Motivazione: per l’uso intelligente dei sistemi di IA nella fase di sviluppo della storia e per la capacità critica di rielaborazione delle idee. La storia è convincente e il risultato professionale; i sistemi di IA sono stati integrati nel processo di scrittura e messi al servizio della stessa, fungendo da sostegno e da moltiplicatori del valore artistico.

Menzione al valore artistico: “Il consumatore” di Giovanni Cursano

Motivazione: per l’originalità e l’atipicità sia della storia che delle scelte di genere e formato, oltre che per l’impegno a sperimentare la combinazione di più modelli di IA nelle diverse fasi della scrittura.

Menzione al valore per la ricerca tecnica: “Nonna influencer” di Elettra Fiumi

Motivazione: per lo sforzo nel definire una procedura rigorosa, replicabile e generalizzabile dell’uso di più strumenti di IA, oltre che per l’impegno nella personalizzazione dei sistemi per ottenere risultati specifici a servizio della storia che si voleva scrivere.

SophIA (Federico Bo e Mateusz Miroslaw Lis) vuole ringraziare la giuria e il suo presidente per l’attenzione e la professionalità mostrata. Ricordiamo che la giuria era composta, oltre che da Pierluigi Masai (dottorando Università di Trieste e sceneggiatore), Piero Polidoro (professore ordinario di Filosofia e Teoria dei Linguaggi LUMSA),  Margaux Cerutti (dottoranda LUMSA), Paolo Grigis  (dottorando Università di Bolzano), Giovanni Esposito (membro direttivo AIR3 e membro 100 autori), Carlo Rodomonti (responsabile Marketing e Innovazione di Rai Cinema), Vinicio Canton (sceneggiatore, vice-presidente Writers Guild Italia).

Ringraziamo tutti i partecipanti al contest per il loro desiderio di sperimentare. Ricordiamo che Cort-IA è un contest per autori cinematografici con l’obiettivo di raccogliere e confrontare nuovi utilizzi delle tecnologie di Intelligenza Artificiale per la scrittura e la successiva realizzazione di un cortometraggio di fiction. Ricercatori universitari delle università di Bolzano, Trieste e LUMSA analizzeranno le sceneggiature e l’utilizzo di IA ricavandone informazioni per studi e pubblicazioni scientifiche.

Un grazie ai nostri partner Rai Cinema, AIR3, Sineglossa, associazione 49°, Universita di Trieste, LUMSA.

“Va detto, però, che i LLM obbligano comunque a ripensare il concetto
stesso di letteratura (quindi non solo quindi sceneggiature ma anche
racconti, romanzi, testi teatrali, saggi) creatività e identità
autoriale.”

Ecco alcuni dati significativi estratti con l’aiuto di ChatGPT.

Hanno già provato strumenti IA: 65,3% dei professionisti (+15,7 punti vs 2024). Tra i gruppi: produttori 79,3%, registi 63,1%, autori 66,1%.

Tra chi usa IA generativa, 44,5% la impiega regolarmente o ogni giorno (+9,8 pt); uso regolare/quotidiano più alto tra i produttori 58,5%.

Gli strumenti più usati sono ChatGPT, Midjourney, l’IA integrata nella suite Adobe. Il 20% degli strumenti sono modelli specifici o sviluppati “in house”.

Per cosa viene usata l’IA

Autori-sceneggiatori: riformulazione testi (53,4%), traduzione (53,4%), ricerca documentaria (49,4%).

Produttori: traduzione (73,7%), semplificazione amministrativa (46,5%), ricerca documentaria (45,1%).

Registi: traduzione (52,0%), ricerca (42,2%), trascrizione interviste (30,1%).

DOP: illustrazione/storyboard (32,4%), color grading (32,4%), test di idee (27,0%).

In generale:

Automatizzare compiti ripetitivi: 54,2% di tutti i rispondenti; 61,4% tra gli utilizzatori regolari di IA.

Aumentare l’efficienza / ridurre i costi: 51,7%; 64,6%.

Stimolare la creatività: 38,7%; 53,1%.

Migliorare la qualità: 37,2%; 49,1%.

Realizzare cose prima impossibili: 25,0%; 32,9%.

Aprire nuove opportunità economiche: 11,1%; 18,1%.

Sentiment

Percezione del valore: automazione di task ripetitivi (54,2%) e efficienza/costi (51,7%) in cima.

Buona soddisfazione, soprattutto tra i produttori ma limiti per la qualità e per la coerenza tra versioni.

L’impatto sul lavoro è visto come trasformazione di compiti e skill; timori per l’occupazione soprattutto tra gli autori.

Tra gli altri motivi di preoccupazione: copyright al primo posto (83,7%), seguito da impatto ambientale (72,5%), occupazione (63,1%), diversità culturale (60,1%).

Tra le opportunità di lungo periodo: migliore redditività della filiera (46,4%) e maggiore accessibilità delle opere (44,2%; SME, audiodescrizione). Seguono aumento dei volumi, valorizzazione del catalogo, democratizzazione della creazione.

Formazione

Ha fatto formazione IA solo l’8,6% (leggermente di più tra i produttori: 11,8%); il 52,3% vorrebbe formarsi. Nelle aziende: 13,2% dichiarano un “IA expert”.

Occupandomi anche di formazione nel settore, ho la sensazione che in Italia i numeri siano ancora più bassi, sia tra chi ha fatto formazione sia tra chi la vorrebbe fare.

Vi riporto qui il link al report.

Uno studio dell’International Energy Agency (IEA) calcola che i datacenter dedicati all’IA pesavano, nel 2024, per l’1.5% (450 TWh) sui consumi elettrici. Si prevede che nel 2030 si passi al 3%. I data center rappresentano circa un decimo della crescita della domanda globale di elettricità entro la stessa data, una quota inferiore a quella dei motori industriali, dell’aria condizionata nelle case e negli uffici o dei veicoli elettrici. Ma, nei paesi con economie avanzate, la domanda arriverà al 20%. Dall’altro lato della bilancia, c’è da considerare che l’IA è un potente strumento per l’aumento dell’efficienza e l’ottimizzazione non solo dalla produzione e distribuzione dell’energia ma anche di settori come quello dei trasporti, dell’industria, dell’edilizia e nella riorganizzazione urbana.

Ma quanto costa, in termini di consumo di elettricità, addestrare un modello (generativo)? Per questa operazione occorrono migliaia di server che operino 24h su 24h per mesi. Si possono fare delle stime ma vi sono numerosi fattori che devono essere presi in considerazione: il tipo di modello (e quindi il numero di parametri), l’efficienza dell’hardware (in particolare delle GPU), il raffreddamento dei server ecc. Inoltre i vari provider di IA sono restii a fornire dati. Secondo diverse ricerche un “vecchio” modello come GPT-3 con 175 miliardi di parametri ha richiesto per l’addestramento circa un GWatt/h. GPT-4 (circa 1700 miliardi di parametri) ne ha richiesti 50 GWatt/h, come la città di San Francisco in tre giorni.

Ma se i chatbot ricevono miliardi di richieste al giorno, sono queste che incidono maggiormente sul consumo. Il MIT ha calcolato che un modello testuale come Llama (Meta) con 405 miliardi di parametri consuma circa 3000 Joule per ogni risposta a un prompt, equivalenti a 8 secondi di funzionamento di un forno medio a microonde. Altre ricerche indicano 0.5 watt per la generazione di un’immagine, una potenza comparabile con la precedente. Uno smartphone richiede 22Wh per una ricarica (S. Chen 2025).

Nell’agosto 2025 Google ha fornito dati sul suo modello Gemini. Una query testuale media di Gemini consuma 0,24 Wh e produce 0,03 grammi di CO₂. Utilizza inoltre 0,26 ml d’acqua (circa 5 gocce) ).

Una stima calcolata da ChatGPT indica che prendendo come riferimento GPT-3, il consumo d’acqua per l’addestramento si aggira sui 700.000 litri, mentre l’emissione di CO₂ 552 tonnellate. Per l’inferenza (le risposte alle queries dell’utente) si parla di qualche millilitro di acqua e solo tracce di anidride carbonica. Ma, come detto, questi numeri sono più alti per i nuovi modelli e vanno moltiplicati, nel caso dell’inferenza, per miliardi di queries.

Contraltare di queste problematiche legate ai consumi di energia, acqua e alle emissioni di CO₂ è la capacità delle IA di intervenire efficacemente nei processi di riduzione delle cause e di adattamento agli effetti del cambiamento climatico. Ho chiesto a ChatGPT 5 di creare una tabella di sintesi che illustri alcune attività e ricerche in questo campo.

Fonti

International Energy Agency. “Energy and AI.” Report, 2025. https://www.iea.org/reports/energy-and-ai/executive-summary

Sun, Alice. “Why do AI chatbots use so much energy?” Live Science. 09 14, 2025. https://www.livescience.com/technology/artificial-intelligence/why-do-ai-chatbots-use-so-much-energy?utm_source=chatgpt.com

O’Donnel, James e Crowheart Casey. “We did the math on AI’s energy footprint. Here’s the story you haven’t heard.We did the math on AI’s energy footprint. Here’s the story you haven’t heard.” MIT Technology Review. 05 20, 2025. https://www.technologyreview.com/2025/05/20/1116327/ai-energy-usage-climate-footprint-big-tech/

Chen, Sophia. “How much energy will AI really consume? The good, the bad and the unknown.” nature.com. 03 05, 2025. https://www.nature.com/articles/d41586-025-00616-z

Google, “How much energy does Google’s AI use? We did the math.” cloud.google.com. 08 15, 2025. https://cloud.google.com/blog/products/infrastructure/measuring-the-environmental-impact-of-ai-inference

Precisiamo che è difficile parlare di modelli “puliti” in toto, in quanto la perfetta tracciabilità è impossibile ma, nello stesso tempo, possiamo segnalare modelli che forniscono alcune garanzie sui dataset utilizzati. Sono modelli “leggeri” open source e open weights che sono in grado di girare anche in locale, su computer dotati di buon hardware (in particolare GPU).

La tabella è stata realizzata in collaborazione con chatGPT o3.

Originariamente pubblicato sul sito di SophIA – Laboratorio cine-audiovisivo di Intelligenza Artificiale.

Io e Mateusz da due anni stiamo lavorando sull’esplorazione degli utilizzi degli strumenti e dei modelli di IA nel cinema e nell’audiovisivo. Si badi bene, non solo IA generativa.  Mateusz, ha realizzato ormai tre anni fa – prima dell’esplosione dell’hype – un lungometraggio, “Il diario di Sisifo”, come esperimento “estremo” di scrittura di sceneggiatura con un LLM (ne scrive qui). Questo approccio gli ha permesso di capire da un lato i limiti della “scrittura automatizzata” dall’altro di intuire potenzialità sia nella collaborazione essere umano-macchina sia (soprattutto) nell’uso dell’IA in una pletora di attività diverse all’interno del workflow produttivo: post-produzione in primis ma anche, solo per fare qualche esempio, nelle fasi di elaborazione del budget, della pianificazione delle riprese, dell’audience design.

Abbiamo passato questi due anni ascoltando e confrontandoci con gli addetti ai lavori (almeno quelli che hanno accettato il dialogo) per capire le loro esigenze, i loro dubbi, i loro timori. Abbiamo svolto diversi corsi di formazione in cui abbiamo fornito le basi per sfruttare al meglio gli strumenti AI-based, in particolare open come ComfyUI. Mai è mancata una lezione sui problemi legati ai modelli generativi come l’addestramento compiuto con lo “scraping” selvaggio su ogni genere di contenuto (anche sotto copyright), i pregiudizi ereditati da questi contenuti, i rischi per l’occupazione, la sostenibilità ambientale.

Abbiamo fatto molti test e sono stati sviluppati diversi prototipi di tools che ci sono serviti per capire a fondo potenzialità e limiti (al solito…). Abbiamo compreso, tra le altre cose, che modelli più piccoli, magari open source /open weights, da usare in locale o comunque in ambiente “privato” possono essere comunque molto efficienti.

Insomma, abbiamo cercato di rendere onore al termine “laboratorio”.

Essendo poi in contatto con gli ambienti universitari, dove da tempo si lavora – eccome! – sul tema affascinante ma delicato della creatività assistita dalle macchine, abbiamo pensato che potesse essere utile avere un caso di studio serio, documentato, analizzato anche in ambito accademico: caso incentrato sul settore audiovisivo, sulla co-creazione e, più in generale, sui possibili utilizzi dell’IA e del machine learning nella filiera produttiva.

È nato così Cort-IA. La prima, centrale domanda a cui il contest vuole rispondere è: si può scrivere una sceneggiatura in “collaborazione” con un chatbot o un modello LLM? Come avviene questo processo co-creativo? Quali i metodi possibili (siamo centauri o cyborg? Una risposta per Ethan Mollick), quali i passaggi, le difficoltà, le sorprese? Quale il risultato finale? Che insegnamenti trarre da questa collaborazione inedita tra carbonio e silicio? L’IA è una rovina (come disse Charlie Chaplin per l’avvento del sonoro nel cinema)? È la (ri)morte dell’autore (quasi mezzo secolo dopo Barthes)? O c’è un nuovo “auteur” nelle pagine di Cahiers du Cinema?

Va bene, queste ultime domande (con citazioni scontate) sono il massimo della mia vis polemica…

Il lavoro non si fermerà con la proclamazione di una sceneggiatura vincitrice. Cercheremo di utilizzare quanto appreso nel nostro laboratorio anche durante la fase produttiva, per avere un caso di studio completo, utile per dare maggiori informazioni a tutto il settore cinematografico/audiovisivo e per aiutare chi dovrà stilare linee guida per l’utilizzo dell’IA.

Infine alcune precisazioni.

Il contest è organizzato da noi di SophIA (chi scrive, Federico Bo e Mateusz Miroslaw Lis). Rai Cinema Channel è un partner che ha accettato di aiutarci (decisione davvero non scontata di cui non possiamo che essere grati). Come gli altri partner, Rai Cinema Channel non contribuisce economicamente in nessun modo. Potrà, come evidenziato nel regolamento, valutare se acquistare (o meno) il corto realizzato.

Non verranno elargiti premi in denaro, noi di SophIA non percepiamo alcun compenso da nessuna parte in causa. Forniremo assistenza gratuita alla produzione per l’utilizzo degli strumenti AI-based.

Il caso di studio sarà documentato sia con paper accademici che con altri contenuti, sempre pubblici.

Speriamo davvero di poter scoprire modi insoliti, imprevisti, bizzarri, intriganti di scrivere storie che ci aiutino a svelare qualcosa di “altro” su di noi e su quella leggenda che chiamiamo realtà.

update Gabriele Niola su Wired ha “letto” e inquadrato correttamente il contest

Originariamente pubblicato sul sito di SophIA – Laboratorio cine-audiovisivo di Intelligenza Artificiale.

Katya Vettorello, esperta di Graphic Art & Image Editing (e ora AI artist), racconta a Pier Luigi Pisa come si lavora con l’IA generativa. Conoscenze pregresse, innumerevoli prove e test, individuazione di tecniche e buone pratiche: insomma duro lavoro e niente “formule magiche”.

“Cos’è che la fa stare sveglia la notte, a produrre immagini con un’intelligenza artificiale?
“La meraviglia di vedere davanti agli occhi quello che hai nella mente. Come fosse una Polaroid che si materializza piano piano”.”

Fonte: repubblica.it

Un altro tipo di linguaggio

“A Kind of Language: Storyboards and Other Renderings for Cinema” è la mostra curata da Melissa Harris per Fondazione Prada che esamina il processo creativo prima della realizzazione di un film esplorando storyboard e altri materiali come moodboard, disegni e schizzi, scrapbook e quaderni, sceneggiature commentate e fotografie.”

Storyboard, moodboard e versioni più multimodali cominciano a essere realizzate con le IA generative per aiutare regista, direttore della fotografia, scenografi, costumisti e altri professionisti a rappresentare e condividere la loro visione sull’opera audiovisiva.

L’ultimo Dogma

“L’uso del digitale al posto della pellicola tuttavia era una scelta comune a quasi tutti i film del Dogma, perché il suo basso costo era considerato un mezzo di democratizzazione del cinema.”

Dogma 95 fu un movimento fondato a metà degli anni ’90 da Lars Von Trier e altri registi danesi che propugnava un ritorno a un cinema più essenziale e meno artificioso.

Fonte: Il Post

Porsche?

László Gaál ha pubblicato su Reddit questa finta pubblicità Porsche, creata interamente (per la parte video) con Veo2 (a cui ha evidentemente accesso anche se Google non l’ha ancora reso pubblico). Afferma che ci ha messo tre settimane per realizzarlo. Il montaggio, la musica, la voce sono “tradizionali”. Anche la parte del “dietro le quinte” dello spot è realizzata con Veo2.
L’autore è chiaramente un professionista però, se quanto afferma è vero, lo spot è stato realizzato da una sola persona.

Originariamente pubblicato sul sito di SophIA – Laboratorio cine-audiovisivo di Intelligenza Artificiale.