Content Benefit

Content Strategy | UX Writing | Content Design | Globalization | Communications

Generative UI: si adatta sempre

Generative UI: si adatta sempre

Per anni il design digitale ha lavorato su un presupposto semplice: qualcuno progetta una schermata, la testa, la approva, e quella pagina resta identica per migliaia o milioni di persone diverse tra loro. Un catalogo di stati fissi, pensati in anticipo per coprire ogni caso d’uso immaginabile. La generative UI capovolge questo schema: la superficie con cui si interagisce non esiste finché non serve, e viene composta al momento da un modello di intelligenza artificiale in base a chi la sta usando, cosa sta cercando di ottenere, e in quale contesto si trova.

Non si tratta soltanto di personalizzazione spinta, quella già nota da anni nei consigli di prodotto o nei feed dei social network. Qui cambia la logica di produzione stessa: non c’è più un’unica pagina madre da adattare con variabili, ma componenti (bottoni, moduli, grafici, mappe) assemblati in tempo reale a partire da un intento espresso in linguaggio naturale.

Cosa cambia rispetto al design tradizionale: dalla schermata fissa alla composizione in tempo reale

Il punto di partenza di tanti dibattiti recenti sulla progettazione digitale, come quello sul redesign che non serviva di Trenitalia, resta sempre lo stesso: chi decide come muta un aspetto visivo, e per quale pubblico. La generative UI sposta la domanda: se a deciderlo, caso per caso, fosse direttamente il sistema, guidato da regole stabilite a monte?

Nielsen Norman Group, uno dei riferimenti più citati nella ricerca sull’esperienza utente, ha proposto già a marzo 2024 una definizione tra le più riprese nel settore: la generative UI è un’interfaccia generata in modo dinamico da un sistema di intelligenza artificiale per offrire un’esperienza costruita sulle esigenze e sul contesto di chi la utilizza. Kate Moran e Sarah Gibbons, autrici dell’articolo, portano un esempio che chiarisce la portata del cambiamento: un’app di prenotazione voli che adatta la propria presentazione a una persona con dislessia, che preferisce i posti vicino al finestrino, evita i voli notturni e bada al prezzo. Al posto di un’unica versione ottimizzata per la media di chi vola, il sistema compone tante varianti quante sono le combinazioni di bisogni reali.

Le due autrici insistono su un punto che merita di essere ripreso: il ruolo di chi progetta si trasforma in modo radicale. Si stabiliscono regole, vincoli e obiettivi, i cosiddetti guardrail, dentro cui l’algoritmo può muoversi con una certa autonomia, invece di disegnare componenti specifici uno per uno. L’attività somiglia sempre meno al disegno di uno schermo e sempre più alla scrittura di un copione che l’AI interpreta in modo diverso a ogni utilizzo.

Cosa dice la ricerca accademica sulle interfacce generate dall’AI

Un workshop paper presentato alla CHI 2026, la principale conferenza mondiale su interazione uomo-macchina, firmato tra gli altri da Siân Lindley e Haijun Xia, definisce la generative UI come “le interfacce create da modelli di intelligenza artificiale” e sottolinea come discipline come l’HCI e il design debbano ripensare metodi e processi di fronte a questa possibilità. Mancano ancora risultati empirici consolidati, ma la comunità accademica sta già cercando di guidare, e non solo subire, questo cambiamento.

Un contributo più concreto arriva da una ricerca firmata da Bektur Ryskeldiev e colleghi, condotta tra Mercari R4D e l’Università di Tsukuba: sei studi empirici realizzati tra il 2022 e il 2025 su persone cieche, ipovedenti e anziane, utenti di piattaforme di compravendita tra privati. I risultati sono netti. Quando le pagine prodotto, spesso disordinate e scritte da chi vende senza competenze tecniche, vengono ricostruite al volo da un modello (in questo caso GPT-4o), il punteggio dato da chi usa uno screen reader passa da 3,14 a 5 su 5, e il tempo necessario per completare un compito crolla da circa 130 a 25 secondi. Uno strumento di assistenza fotografica basato su AI ha aiutato venditori ciechi a inquadrare meglio i prodotti, riducendo l’errore di centratura da 127 a 46 pixel. Il salto va oltre l’estetica e riguarda una partecipazione prima preclusa: secondo lo stesso studio, il 70% delle persone con disabilità visiva rinuncia a vendere online proprio per gli ostacoli pratici posti dall’interfaccia.

Chi la sta già costruendo: dai kit di sviluppo alle app dentro ChatGPT

Vercel, l’azienda dietro il framework Next.js, ha introdotto la generative UI nel proprio AI SDK, permettendo a chi sviluppa di far generare a un modello linguistico non del testo, ma componenti React veri e propri, elaborati lato server e trasmessi al browser mano a mano che vengono prodotti. Il tema si intreccia con quello del vibe coding, dove è già l’AI a scrivere codice sulla base di indicazioni informali. L’esempio più citato resta quello meteo: chi chiede che tempo farà domani a Milano non riceve una frase, ma un piccolo widget con temperatura, icona e previsioni, generato all’istante dal sistema che ha invocato lo strumento giusto.

OpenAI ha seguito una strada simile con l’Apps SDK annunciato a ottobre 2025, che permette a servizi terzi di comparire dentro ChatGPT con interfacce interattive, mappe, playlist, presentazioni, invece delle sole risposte testuali. Zillow, il portale immobiliare americano, è tra i primi partner: Josh Weisberg, a capo dell’area AI dell’azienda, ha dichiarato che l’app dentro ChatGPT porta a milioni di persone “un’esperienza conversazionale che rende la ricerca di una casa più veloce, semplice e intuitiva”. Il sito da navigare a colpi di filtri lascia spazio a una superficie che emerge direttamente dalla conversazione. Lo stesso spostamento dall’ottimizzazione statica alla risposta assemblata al momento si è già visto nel passaggio da SEO a GEO, dove i contenuti non vengono più solo indicizzati, ma riassunti e ricomposti su richiesta da un motore di risposta.

Cosa dicono le aziende che la stanno testando sul campo

Lisa Murkin, senior product manager alla società di consulenza Elsewhen, racconta in un articolo per Mind the Product due casi concreti su cui ha lavorato: la scheda prodotto di un grande rivenditore, che mostra immagini ampie e suggerimenti di stile per un abito ma passa a comparazioni di tonalità e prova virtuale per un rossetto, e la piattaforma di gestione sinistri di un’assicurazione, dove un danno all’auto genera un modulo essenziale mentre una richiesta legata a una polizza vita apre campi aggiuntivi su beneficiari e storia clinica. Murkin segnala anche il rovescio della medaglia: la iper-personalizzazione può creare incoerenze tra le esperienze di persone diverse, complicando il compito di chi si occupa di comunicazione e brand, abituato a un messaggio univoco per tutti i destinatari.

I rischi di una superficie che cambia sempre

Restano aperti gli stessi problemi che riguardano qualunque sistema basato su modelli linguistici: allucinazioni, pregiudizi ereditati dai dati di addestramento, questioni di riservatezza legate a un livello di personalizzazione che presuppone di conoscere molto di chi naviga. Nielsen Norman Group aggiunge un’osservazione meno tecnica ma altrettanto concreta: la coerenza visiva è tra le basi dell’usabilità, e una superficie che muta ogni volta rischia di disorientare chi è abituato a ritrovare bottoni e menu sempre nello stesso punto. C’è poi un costo computazionale non trascurabile: comporre elementi su richiesta, invece di caricare pagine già pronte, richiede una potenza di calcolo che secondo le stesse autrici potrebbe rallentare l’adozione su larga scala per anni. Sono limiti che si affiancano a quelli già discussi parlando dei problemi nell’uso dell’AI in altri ambiti del lavoro digitale.

Verso un design che orchestra invece di disegnare

Quello che emerge da ricerca, prodotti già in commercio e prime testimonianze aziendali è un settore che sta ancora testando i confini di questa tecnologia, più che padroneggiarla. Gli esempi con il maggiore impatto misurabile, come lo studio su chi usa screen reader nel commercio tra privati, riguardano per ora nicchie specifiche dove il beneficio supera con chiarezza il rischio di un’esperienza meno prevedibile. Le grandi piattaforme, da Vercel a OpenAI, stanno invece costruendo l’infrastruttura tecnica che renderà questo approccio disponibile su scala molto più ampia. Chi progetta prodotti digitali farà bene a seguire da vicino l’evoluzione, perché il proprio ruolo, più che scomparire, sembra destinato a spostarsi dal disegno del singolo elemento alla definizione delle regole che quell’elemento, generato da un modello, dovrà rispettare.

Il mio parere, dopo aver ripercorso ricerca e casi aziendali: la personalizzazione e il targeting decidono già da tempo il successo di un’esperienza digitale, e la generative UI porta questa logica alle estreme conseguenze. La sfida vera sarà mantenere una coerenza strutturale di fondo e individuare poche variabili sensate, capaci di stabilire cosa vedrà davvero chi usa il prodotto, evitando di moltiplicare all’infinito le combinazioni possibili. Ci si riuscirà? Ai posteri l’ardua sentenza.

Risorse correlate

Chiara Bonifazi