Ivy Wei, MA Arts Administration and Cultural Policy (Goldsmiths)
Due modi di vedere
Immagina due scene. Un secolo fa, Monet trascorse mesi osservando come la luce si muoveva sui covoni di fieno in un campo. Li guardava attraverso la nebbia, all’alba e al tramonto, nel susseguirsi delle stagioni. L’atto di dipingere richiedeva tempo, ma il lavoro più profondo avveniva prima ancora di toccare la tela.
Nel 2025, una designer digita un breve prompt in un generatore di immagini basato sull’IA. In trenta secondi riceve decine di immagini di covoni di fieno in ogni stagione. Genera variazioni, poi altre variazioni. Dopo diverse ore si sente stanca e incerta su cosa scegliere.
La velocità le ha dato più immagini di quante Monet ne abbia mai dipinte, eppure in qualche modo si sente più lenta. Questa è la trappola della velocità. L’IA promette una produzione istantanea, ma molti creatori riferiscono che il loro flusso di lavoro è diventato più faticoso e meno focalizzato. La domanda è semplice: la velocità ci ha resi più efficienti, o ha riorganizzato la creatività in un modo che lavora contro di noi?
Come la velocità cambia il lavoro creativo
1. Il tempo si redistribuisce: dal fare allo scegliere
Gli strumenti di IA non hanno eliminato il lavoro creativo, ma ne hanno spostato il punto centrale. L’arte tradizionale concentrava il tempo nel fare (l’esecuzione), mentre l’IA lo concentra nello scegliere (selezione e valutazione). La mano umana è stata sostituita dall’occhio umano.
La lunga osservazione di Monet lo aiutava a comprendere i modelli stagionali. L’utente dell’IA riceve tutte le stagioni all’istante, ma senza il processo graduale dello sguardo che un tempo formava la percezione. Le immagini esistono, ma manca la comprensione incarnata. Questo fenomeno è noto come mancanza di “comprensione incorporata”, ovvero quella cognizione profonda che si accumula attraverso la pratica corporea e l’esperienza.
Quando il numero di immagini aumenta, la capacità di giudicarle diminuisce. Il cervello inizia a porsi le stesse domande più volte: È davvero la migliore? Dovrei provare un’altra variante? Un nuovo prompt potrebbe darmi qualcosa di ancora migliore? Il ciclo diventa allo stesso tempo coinvolgente e stancante.
2. La fatica decisionale diventa il nuovo collo di bottiglia
Scegliere tra diverse opzioni consuma risorse cognitive limitate. All’aumentare delle opzioni, aumenta anche la fatica. In psicologia questo fenomeno è noto come “ego depletion”, proposto da Roy Baumeister e colleghi, secondo cui la forza di volontà e la capacità decisionale dipendono da risorse finite.
Alcuni piccoli studi sull’ideazione assistita dall’IA suggeriscono una preoccupazione correlata. Ricerche nel campo dell’Human-Computer Interaction (HCI) hanno mostrato che affidarsi troppo presto ai generatori di immagini nelle prime fasi del design concettuale può distrarre le risorse attentive, spostandole sulla gestione delle parole-chiave e sul filtraggio dei risultati (cioè sul confronto costante e sulla gestione dei prompt). Di conseguenza, alcuni gruppi sperimentali hanno prodotto concetti meno diversificati perché intrappolati in un ciclo continuo di valutazione e aggiustamento.
La designer che scorre centinaia di immagini di covoni di fieno non sta vivendo un’abbondanza. Sta vivendo un sovraccarico di giudizio, uno stato in cui la mente è bloccata in una valutazione costante. La creatività richiede momenti di pensiero non focalizzato, ma la generazione istantanea mantiene la mente in uno stato continuo di giudizio.
Tre strategie per riprendere il controllo
1. Strategia per il focus: introdurre ritardo e spazio nel processo
Paradosso: una produzione veloce può interferire con il pensiero lento.
La creatività non dipende solo da un output rapido. Le neuroscienze suggeriscono che le intuizioni emergono spesso quando il cervello non è concentrato su un compito specifico. Questa attività a riposo, uno stato rilassato o vagante del cervello, è direttamente collegata alla consolidazione della memoria e all’esplorazione interna. Se non permettiamo pause tra “idea” e “output”, riduciamo le possibilità che si formino intuizioni profonde.
Come applicarla:
- Regola delle 24 ore: genera le immagini oggi, decidi domani. Molti creatori scoprono che le loro preferenze e il loro giudizio sulla qualità cambiano dopo una notte di sonno.
- Generazione a blocchi: genera un numero fisso di varianti in un’unica sessione e rivedile dopo alcuni giorni. Separare produzione e valutazione riduce efficacemente lo stress mentale di svolgere entrambe contemporaneamente.
- Applicazioni educative: richiedere agli studenti di completare note concettuali o schizzi a mano prima di utilizzare la generazione con IA. Questo assicura che il pensiero sia pienamente sviluppato prima che gli strumenti accelerino l’esecuzione.
2. Strategia per la profondità: combinare momenti veloci con fasi lente
Paradosso: il feedback istantaneo indebolisce il valore a lungo termine.
I social media premiano la velocità: una produzione rapida porta a una pubblicazione rapida. Tuttavia, la visibilità immediata non equivale a un valore duraturo. Quando i creatori lavorano principalmente per soddisfare metriche immediate, possono sostituire lo sviluppo riflessivo con cicli rapidi di contenuti.
Come applicarla:
- Lento prima, veloce dopo: adottare un flusso di lavoro alternato. Ad esempio, l’artista Anna Ridler ha prima fotografato e catalogato manualmente migliaia di immagini di tulipani (fase lenta), per poi addestrare un modello capace di generarne di nuove (fase veloce). L’opera finale porta tracce di entrambe le fasi.
- Proteggere l’intenzione: lasciare che l’IA acceleri variazioni ed esecuzione, ma proteggere le fasi più lente di intenzione e interpretazione.
3. Strategia per il significato: trattare il tempo come parte dell’opera
Paradosso: quando il tempo viene eliminato, il significato si diluisce.
Il valore dell’arte generativa risiede spesso nel design lento che la precede. Ad esempio, Tyler Hobbs ha trascorso mesi a sviluppare lo spazio algoritmico di Fidenza. Sebbene l’output sia istantaneo, il suo significato si basa su uno sviluppo prolungato.
Come applicarla:
- Rendere visibile la durata: registrare timestamp, conteggi di iterazioni o tracce della storia come parte dell’opera.
- Progetti a lungo termine: creare lavori che evolvono quotidianamente o mensilmente. In questo caso, la durata non viene eliminata dall’IA, ma diventa visibile e significativa in un’altra forma.
Conclusione: ripensare cosa significa efficienza
L’IA ha reso più veloce la creazione di immagini. Non ha reso più veloce il raggiungimento dell’intuizione. Per molti creatori, il percorso più rapido verso un lavoro significativo consiste nello scegliere quando fermarsi. La lentezza significativa non è un rifiuto della tecnologia. È un modo per riprendere il controllo del ritmo.
La velocità è utile per esplorare nuove possibilità. La pausa è utile per decidere cosa conta davvero.
Monet aspettava che le stagioni cambiassero. Noi non ne abbiamo più bisogno. Ma il principio alla base della sua pazienza è ancora valido. Non perché la lentezza sia una virtù, ma perché il pensiero ha bisogno di spazio per svilupparsi.
Se vuoi sperimentarlo in prima persona, prova un piccolo esperimento: genera una serie di immagini oggi. Metti tutto da parte. Torna domani e scegli di nuovo. Nota se la tua percezione della qualità cambia dopo che è passato del tempo.
L’uscita dalla trappola della velocità non consiste nel rallentare la macchina. Consiste nel rallentare noi stessi.
Reference
Barbican Centre, 2019. Anna Ridler: Can datasets create art? Google Arts & Culture. Available at: https://artsandculture.google.com/story/anna-ridler-can-datasets-create-art-barbican-centre/_gXholnI1pkrLg?hl=en [Ultimo accesso 24 Nov 2025].
Chen, L., Song, Y., Guo, J., Sun, L., Childs, P. & Yin, Y., 2025. How generative AI supports human in conceptual design. Design Science. Disponibile qui: https://www.cambridge.org/core/journals/design-science/article/how-generative-ai-supports-human-in-conceptual-design/6B60B59DF0CBE764A94E484DD835F73F [Ultimo accesso 21 Nov 2025].
Chuang, Y-T., Chiang, H-L. & Lin, A-P., 2025. Insights from the Job Demands-Resources Model: AI’s dual impact on employees’ work and life well-being. International Journal of Information Management, 83, 102887. Disponibile qui: https://www.sciencedirect.com/science/article/pii/S0268401225000192 [Ultimo accesso 25 Nov 2025].
Hobbs, T., 2021. Fidenza. [online] Available at: https://www.tylerxhobbs.com/words/fidenza [Ultimo accesso 25 Nov 2025].
Doshi, A. R. & Hauser, O. P., 2024. Generative AI enhances individual creativity but reduces the collective diversity of novel content. Science Advances, vol.10, issue 28. DOI:10.1126/sciadv.adn5290. Disponibile qui: https://www.science.org/doi/10.1126/sciadv.adn5290 [Ultimo accesso 25 Nov 2025].
Kim, B-J. & Lee, J., 2024. The mental health implications of artificial intelligence adoption: the crucial role of self-efficacy. Humanities and Social Sciences Communications, 11, article no.1561. Disponibile qui: https://www.nature.com/articles/s41599-024-04018-w [Ultimo accesso 25 Nov 2025].
Muehlhaus, M. & Steimle, J., 2024. Interaction Design with Generative AI: An Empirical Study of Emerging Strategies Across the Four Phases of Design. arXiv. Disponibile qui: https://arxiv.org/html/2411.02662v1 [Ultimo accesso 23 Nov 2025].
Oppenlaender, J., Linder, R. & Silvennoinen, J., 2024. Prompting AI Art: An Investigation into the Creative Skill of Prompt Engineering. International Journal of Human-Computer Interaction, 41(16), pp.10207-10229. Disponibile qui: https://www.tandfonline.com/doi/full/10.1080/10447318.2024.2431761 [Ultimo accesso 23 Nov 2025].
