Content Benefit

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

Immagini AI o foto di stock?

Immagini AI o foto di stock?

Cosa ha misurato lo studio del Nielsen Norman Group

Il 21 agosto 2026 Rachel Banawa ha pubblicato per il Nielsen Norman Group un esperimento piccolo ma insidioso. Settantasette adulti statunitensi hanno visitato sei versioni della homepage di una società di consulenza inventata, tutte identiche tranne che per la fotografia di apertura: tre create con ChatGPT Images 2.0, tre acquistate su Unsplash+ e iStock. Dieci secondi di visione, poi un voto da 1 a 7 su affidabilità, professionalità e autenticità. A nessuno dei partecipanti era stato detto che l’indagine riguardasse la generazione automatica.

Il verdetto sorprende chi si aspettava una penalizzazione. Le pagine con visual sintetici hanno raccolto 0,2 punti in più su affidabilità e professionalità, differenza priva di significatività statistica, e 0,4 punti in più sull’autenticità, scarto significativo ma definito dagli stessi ricercatori “molto piccolo”. Tradotto: quando chi naviga ignora l’origine dell’immagine, il vantaggio della fotografia tradizionale svanisce.

Il fattore che ribalta tutto è il sospetto, non la tecnica

C’è però un dettaglio che merita di essere evidenziato. Quando i partecipanti sospettavano una genesi artificiale, abbassavano il giudizio sul sito. Anche davanti a scatti perfettamente autentici, comprati e pagati. Il danno reputazionale quindi non nasce dal pixel generato, ma dal dubbio che si insinua in chi guarda.

Questo sposta il problema dal terreno della qualità tecnica a quello della fiducia. E la fiducia, per chi si occupa di contenuti, resta difficile da ricostituire una volta persa. Sul tema della soglia di attenzione avevo già scritto in Attenzione, per favore.

Ammetto di non saper distinguere una foto artificiale da una vera

Qui arriva la confessione da signora di mezza età che ha attraversato venticinque anni di localizzazione e ancora ricorda i fax. Se un’immagine o un video generati dall’AI sono fatti bene, non ci faccio caso. Nemmeno un po’. Guardo le mani, conto le dita, controllo i riflessi negli occhiali, e comunque sbaglio. Mi sento discretamente boomer ogni volta che qualcuno esclama “ma si vede subito!” davanti a una scena creata ad arte che a me pareva un reportage.

La consolazione arriva dai dati, e non è poca cosa.

I numeri dicono che quasi nessuno riconosce le immagini generate

Uno studio del 2025 pubblicato su Frontiers in Artificial Intelligence da Högemann, Betke e Thomas ha sottoposto 104 persone di lingua tedesca a cinquanta immagini, metà autentiche e metà prodotte da cinque modelli text-to-image. L’accuratezza media nel riconoscere il materiale sintetico si è fermata al 63,7%.

Il dato interessante riguarda la varianza tra modelli. Le creazioni di Kolors sono state smascherate nell’86,73% dei casi, quelle di Playground v2 nell’82,69%. Con FLUX.1-dev la percentuale è precipitata al 29,04%, sotto la soglia del caso: i partecipanti sbagliavano più spesso di quanto avrebbero fatto tirando a indovinare. Peggio ancora, la fiducia nella propria risposta cresceva mentre la correttezza calava.

L’età mostra una correlazione negativa con l’accuratezza (odds ratio 0,88 per categoria anagrafica). Quindi sì, la mia sensazione di inadeguatezza generazionale ha una base empirica. Almeno non sono sola.

L’iperrealismo: i volti artificiali sembrano più umani di quelli umani

Il fenomeno più spiazzante porta la firma di Elizabeth Miller e colleghi, che nel 2023 lo hanno documentato su Psychological Science con il nome di AI hyperrealism. Su 124 adulti, i volti bianchi generati algoritmicamente sono stati classificati come umani nel 65,9% dei casi, contro il 51,1% ottenuto dalle facce di persone reali.

Le macchine, insomma, producono visi più convincenti degli originali. Il 59% dei partecipanti ha inoltre mostrato una consapevolezza negativa dei propri errori: sbagliavano proprio dove si sentivano più sicuri, in un classico effetto Dunning-Kruger applicato alla percezione visiva.

Un’ultima nota, sgradevole: l’iperrealismo si manifestava soltanto sui volti caucasici, perché il dataset di addestramento risultava composto per circa il 69% da persone bianche. Sulle altre etnie la performance scendeva al livello del caso. La disparità del corpus si riversa così sulla credibilità percepita, un argomento che si intreccia con quanto ho raccontato in Accessibilità di default.

Quindici miliardi di immagini in un anno e un premio restituito

Per capire la scala del fenomeno serve un ordine di grandezza. Secondo il conteggio di Everypixel Journal, in circa dodici mesi i sistemi generativi hanno sfornato quindici miliardi di visual, quantità paragonabile a quella prodotta dalla fotografia nei suoi primi centocinquanta anni di storia.

E poi c’è l’aneddoto che ogni content strategist dovrebbe tenere presente. Nel 2023 l’artista tedesco Boris Eldagsen ha vinto la categoria Creative dei Sony World Photography Awards con “Pseudomnesia: The Electrician”, un ritratto in bianco e nero di due donne. Ha rifiutato il riconoscimento spiegando che l’opera nasceva da un modello generativo e che l’aveva candidata come test, per verificare se le giurie fossero pronte a identificare il fenomeno. Non lo erano.

Cosa impone l’AI Act europeo dal 2 agosto 2026

Il quadro normativo sta cambiando proprio in queste settimane. L’articolo 50 dell’AI Act obbliga i fornitori di sistemi generativi a marcare gli output in formato leggibile dalle macchine e rilevabile come materiale prodotto artificialmente, per testi, immagini, audio e video. Le disposizioni sulla trasparenza si applicano dal 2 agosto 2026, con una finestra fino al 2 dicembre 2026 per i sistemi già commercializzati prima di quella data.

Esiste una deroga parziale per le opere palesemente artistiche, creative, satiriche o di finzione: in quei casi la dichiarazione va resa in modo da non compromettere la fruizione. Anche il fronte giudiziario si muove: nel novembre 2025 l’Alta Corte inglese ha respinto la domanda di violazione secondaria del diritto d’autore avanzata da Getty Images contro Stability AI, prima pronuncia britannica su un contenzioso di questo genere.

Le foto decorative che nessuno guarda davvero

C’è un filone di ricerca più antico che vale la pena riproporre. Già nel 2010 Jakob Nielsen aveva mostrato con l’eyetracking che gli scatti puramente ornamentali vengono saltati dallo sguardo. In una pagina della Yale School of Management le foto di studenti generiche non ricevevano fissazioni oculari, pur occupando spazio abbondante.

Al contrario, i ritratti autentici dei dipendenti di FreshBooks catturavano il 10% di tempo in più rispetto alle biografie testuali, occupando una superficie enormemente inferiore. La sintesi di Nielsen resta valida: le persone osservano le immagini che trasportano informazione utile al loro compito e ignorano il resto.

Se un visual viene ignorato, la domanda su chi lo abbia realizzato perde parecchio del suo peso. Mi piace ricordare il parallelo con il testo segnaposto raccontato in Cos’è “Lorem ipsum” e a cosa serve: riempire uno spazio non significa comunicare.

Perché ho scelto illustrazioni minimaliste per il blog

Da qui nasce la mia decisione editoriale. Sul blog non pubblico fotografie realistiche, né vere né sintetiche. Uso illustrazioni essenziali, poche linee, una palette calda e ricorrente. La ragione è semplice: non voglio imitare il reale, voglio evocarlo.

Un disegno stilizzato dichiara la propria natura senza bisogno di etichette. Nessuno lo scambia per un documento, nessuno si sente ingannato, nessuno perde tempo a cercare il sesto dito (che pure è comparso). Il patto con chi legge rimane pulito, e la coerenza cromatica costruisce riconoscibilità meglio di qualunque scatto acquistato in licenza. Sulle difficoltà quotidiane di questi strumenti avevo raccolto qualche riflessione in 5 problemi nell’uso dell’AI.

Chi lavora in settori dove la credibilità documentale conta, giornalismo, sanità, giustizia, farebbe bene a mantenere la fotografia autentica. Per un blog professionale che ragiona su contenuti e interfacce, l’astrazione grafica risolve il dilemma alla radice.

Una lista di controllo prima di pubblicare un visual generato

Il Nielsen Norman Group suggerisce cinque verifiche, che riassumo con qualche aggiunta personale:

  • Scopo: l’immagine sostiene il messaggio della pagina oppure riempie un vuoto nel layout?
  • Rappresentazione: chi compare, chi manca, come vengono ritratte le persone e in quale gerarchia visiva.
  • Verosimiglianza: gesti, sguardi e interazioni risultano plausibili o rivelano la posa artificiosa dello stock?
  • Errori: caratteri deformati, mani improbabili, riflessi incoerenti, dettagli di sfondo che si sciolgono.
  • Contesto: ritaglio finale, dimensione, collocazione nella pagina.

A queste aggiungerei una sesta voce, di natura contrattuale: conoscere i dati di addestramento del modello e i diritti d’uso commerciale prima di adottarlo in produzione. Il risultato percettivo può anche essere favorevole, mentre il rischio legale ed etico resta tutto da valutare.

Risorse correlate

Chiara Bonifazi