Che cosa accade davvero alla creatività umana quando viene introdotta l’intelligenza artificiale generativa? Una domanda che fino a poco tempo fa sembrava appartenere alla fantascienza è diventata oggetto di un’analisi sistematica condotta su vasta scala. Un gruppo internazionale di ricercatori ha raccolto 28 esperimenti condotti in contesti diversi, coinvolgendo complessivamente 8.214 partecipanti. Tutti sono stati messi a confronto attraverso una meta-analisi, cioè una sintesi quantitativa che consente di combinare risultati diversi in un’unica visione d’insieme. L’obiettivo è stato misurare quanto le persone, i modelli generativi e le collaborazioni tra i due riescano a produrre risultati originali, pertinenti e utili quando si affrontano compiti di natura creativa. Le prove hanno spaziato dall’invenzione di nuovi usi per oggetti comuni fino alla scrittura di brevi testi, alla progettazione di idee di prodotto e alla risoluzione di problemi aperti.
Gli autori hanno scelto di analizzare soltanto studi con criteri metodologici comparabili, in modo da garantire omogeneità e rigore statistico. I parametri di valutazione della creatività: originalità, novità, qualità e varietà delle proposte, sono stati applicati in modo coerente, così da permettere il confronto diretto tra esseri umani e intelligenze artificiali. I modelli più spesso coinvolti appartengono alla famiglia GPT, in diverse versioni che coprono gli ultimi anni di sviluppo. Questa continuità temporale offre un vantaggio: consente di osservare l’evoluzione delle capacità creative dei modelli e di comprendere se i progressi tecnologici si traducono davvero in risultati migliori.
Uno dei risultati più sorprendenti riguarda il confronto diretto tra persone e modelli. I punteggi medi sono quasi identici, il che significa che le intelligenze artificiali hanno raggiunto un livello di competenza creativa simile a quello umano nei test standardizzati. Le persone tendono ancora a prevalere nei compiti che richiedono costruzione narrativa, sensibilità stilistica e coerenza di lungo periodo, mentre i modelli eccellono nelle prove rapide e iterative, dove serve generare molte varianti in poco tempo. L’intelligenza artificiale mostra una capacità impressionante di individuare combinazioni linguistiche inedite e di proporre soluzioni che rispondono ai criteri formali di creatività, ma resta meno efficace nel dare profondità emotiva o una direzione evolutiva al contenuto. I ricercatori hanno anche notato che le differenze cambiano a seconda del tipo di pubblico: i partecipanti non esperti tendono a ottenere punteggi inferiori rispetto all’AI, mentre nei gruppi accademici o professionali la competizione si riequilibra.
Un secondo elemento, forse il più rilevante in termini pratici, riguarda la collaborazione. Quando le persone lavorano insieme all’intelligenza artificiale, la qualità media dell’output aumenta in modo costante. Le fasi iniziali di ideazione beneficiano dell’assistenza automatica perché i modelli generano un ampio ventaglio di spunti su cui riflettere e aiutano a superare i blocchi cognitivi. Il risultato è una maggiore fluidità e un risparmio di tempo nella prima stesura. Tuttavia, i ricercatori hanno rilevato che l’efficacia di questa collaborazione dipende dal modo in cui viene gestita. Quando gli utenti accettano le risposte dell’AI senza modificarle o approfondirle, la varietà diminuisce. Quando invece si instaura un ciclo di dialogo e revisione, la combinazione diventa più produttiva e creativa. La collaborazione, insomma, funziona se è dinamica e critica, non se si riduce a una semplice delega.
Il terzo risultato, forse il più delicato, riguarda la varietà delle idee. Negli studi che la misurano in modo esplicito, emerge una tendenza chiara: l’intelligenza artificiale riduce la diversità dei risultati. Gli output diventano più coerenti e uniformi, ma anche più simili tra loro. Questo effetto è attribuito alla natura probabilistica dei modelli linguistici, che tendono a privilegiare soluzioni “plausibili” e linguisticamente stabili, scoraggiando deviazioni troppo eccentriche. Nella pratica, ciò significa che il lavoro umano guadagna in efficienza ma rischia di perdere una parte della propria imprevedibilità. Il fenomeno è più visibile nei contesti accademici, dove gli esercizi di scrittura e ideazione seguono schemi rigidi, mentre nelle aziende la presenza di obiettivi concreti rende la riduzione della varietà meno evidente e talvolta persino utile, poiché porta a risultati più convergenti e implementabili.
L’interpretazione generale che gli autori propongono è di grande interesse. L’intelligenza artificiale generativa non sostituisce la creatività umana, anzi ne riprende alcune funzioni e offre un complemento efficace nei compiti strutturati e ripetibili. La scrittura narrativa o l’arte concettuale continuano a richiedere intuizione, sensibilità e capacità di costruire significati complessi, qualità che i modelli ancora non raggiungono. Nella progettazione di idee, nella comunicazione e nella generazione di contenuti, l’AI si rivela un alleato potente, capace di moltiplicare le opzioni e ridurre le barriere d’accesso alla produzione creativa. In questo senso, la collaborazione tra esseri umani e macchine apre un terreno nuovo, dove il potenziale innovativo nasce dall’interazione tra il talento individuale e il disegno dei processi.
Dalle evidenze raccolte emergono implicazioni concrete per chi lavora nella comunicazione, nella scrittura, nel design e persino nell’insegnamento. È utile distinguere i momenti di lavoro in due fasi complementari: una fase divergente, dedicata alla generazione di molte ipotesi e idee, e una fase convergente, focalizzata sulla selezione e rifinitura. Durante la prima, conviene sperimentare con impostazioni e modelli diversi, usare parametri che ampliano la distanza semantica tra le risposte e incoraggiano soluzioni non prevedibili. Durante la seconda, è preferibile ridurre l’intervento dell’AI e aumentare quello umano, per ritrovare voce, ritmo e intenzione. Questa alternanza migliora l’originalità complessiva e limita l’effetto di omogeneizzazione.
Il ruolo dell’utente è centrale in tutto il processo. Chi è alle prime armi può trarre vantaggio dalla struttura fornita dai modelli, che suggeriscono direzioni e aiutano a superare l’ansia della pagina bianca. Gli autori esperti, invece, possono usare l’intelligenza artificiale come strumento di verifica e di esplorazione mirata, per confrontare varianti, misurare coerenza o esplorare stili alternativi. In ogni caso, il dialogo con il modello va progettato con attenzione. Non basta dare istruzioni generiche: bisogna formulare richieste precise, definire criteri di valutazione, sollecitare revisioni e chiedere spiegazioni. Questa interazione iterativa, se ben condotta, diventa un laboratorio di pensiero, un ambiente dove l’intuizione umana e la potenza di calcolo convivono in modo costruttivo.
Rimangono infine alcuni limiti da considerare. Gli studi raccolti appartengono a fasi editoriali differenti e non sempre hanno seguito peer review complete, quindi le conclusioni vanno interpretate come tendenze in evoluzione. Molti test utilizzano prove brevi e artificiali, come gli esercizi di brainstorming, che non riproducono la complessità della creatività professionale. Serviranno ricerche più ampie, longitudinali e situate in ambienti reali per capire come cambiano nel tempo la competenza e la sensibilità dell’utente che usa modelli generativi. È anche necessario ampliare le metriche di valutazione, includendo aspetti estetici, emotivi e pragmatici, non solo la quantità di idee o la loro originalità statistica.
Nel complesso, la meta-analisi traccia un quadro rassicurante e stimolante. L’intelligenza artificiale generativa non annulla la creatività, la potenzia. Rende più accessibili le prime fasi del lavoro creativo e accelera la produzione, ma richiede una gestione consapevole per evitare la standardizzazione. Le persone che sanno integrare questi strumenti in modo critico riescono a ottenere risultati più alti, più coerenti e più produttivi. Chi scrive, insegna o progetta può già oggi sperimentare strategie che mantengono viva la diversità delle idee e permettono di sfruttare al meglio la combinazione di intuizione e automazione. È un nuovo equilibrio, che ridefinisce la creatività come una dimensione condivisa tra mente e macchina, aperta, adattiva e in continua trasformazione.
Fonte: Generative AI and Creativity: A Systematic Literature Review and Meta-Analysis
Dalla bozza al libro finito: GPT-5 come motore, tu al comando. Prezzo di lancio 9,99 €
