Industrializzare l’umanizzazione

Le offerte di lavoro e i servizi nei marketplace informali come Upwork e Fiverr presentano oggi in gran parte la parola ‘humanize’, con una varietà di lavori e fornitori che propongono diversi livelli di offuscamento del fatto che un articolo sia stato scritto, o parzialmente scritto, o co-scritto, con l’IA.

La tendenza ‘Humanize’ nei post reali su Upwork.

La domanda di servizi umani e automatizzati che possano riscrivere output ‘inquinati’ dall’IA in modo che sembri che un umano si sia seduto e abbia sudato per qualche ora, suggerisce che sia stato raggiunto un consenso universale sul fatto che il ‘toccare umano’ sia necessario per la connessione e la divulgazione – e che il volume enorme di contenuti nell’era dell’IA renderà di nuovo essenziale quella connessione.

Personalmente mi piacerebbe pensarci, ma non è necessariamente così – non ultimo perché le linee guida di Google sull’argomento trattano della qualità del testo, piuttosto che del mezzo con cui è stato creato.

La verità è che non sappiamo ancora esattamente quanto o che tipo di IA siamo disposti a tollerare, né l’estensione con cui possiamo razionalizzare i benefici che miliardi di noi traggono dall’IA ogni giorno rispetto a una sensazione di ‘complicità’ e seduzione morale riguardo alle più ampie implicazioni della tecnologia.

Gli annunci di lavoro sopra citati riflettono anche questo; lì, creatori e aziende bramano l’automazione, presumibilmente perché vogliono pubblicare su larga scala, pratica che Google promette di punire specificamente nel suo algoritmo di ranking. Allo stesso tempo, cercano sia metodi automatizzati sia basati sull’umano per ‘industrializzare’ l’umanizzazione.

Mi ricorda un po’ una delle migliori battute nei monologhi neurodivergenti degli anni ’80 di Steven Wright:

‘In casa mia, ho un camino a microonde. Posso sdraiarmi davanti al fuoco per la sera in soli 8 minuti.’

La forma del caos che verrà

Come al solito, questi pensieri sono ispirati dalla mia quotidiana ricerca su Arxiv, dove oggi ho particolarmente notato un paper di Jochen Madler della società di automazione del marketing Sitefire, intitolato SlopShape: Identifying AI-Generated Commercial Web Content.

Di solito sconto i paper con unico autore, per il principio del ‘Victor Frankenstein’, ma la premessa di questo è spartana, e la metodologia di test è solida.

Lo studio afferma sostanzialmente che quando un post generato dall’IA viene riscritto completamente, anche da umani, conserva una firma architettonica distinta che risiede a un livello molto più alto rispetto a quello delle parole, comprendendo una ‘forma’ caratteristica che non può essere eliminata da alcuna quantità di riformulazione o modifica superficiale del testo:

Confronto dei pattern strutturali nei post scritti da umani e da IA. La scrittura umana tende a usare combinazioni di strutture più rare, mentre tutti e cinque i modelli IA favoriscono combinazioni più convenzionali. Fonte

Ovviamente si può aggirare questo problema (se lo si considera un problema) pianificando realmente il corso della scrittura da sé, e usando o nessuna IA, o solo sui componenti separati che si sono pianificati autonomamente.

Tuttavia, come attestano gli annunci sfrenati su Upwork, non è questo ciò che si desidera; si può dedurre dal tono di tali inserzioni che il contenuto degli articoli dovrebbe preferibilmente non solo essere strutturato dall’IA, ma ideato dall’IA – cioè, che un LLM suggerisca argomenti adatti allineati con gli obiettivi generali di un’azienda o entità.

Dopo ciò, è del tutto previsto che l’IA produca varie bozze progressive del contenuto, con la fastidiosa componente di carne umana che interviene solo per una chiusura e una leggera patina di umanità (anche se idealmente, questo processo dovrebbe evolvere in un flusso di lavoro Python).

Caratteristiche notevoli

L’autore del nuovo paper ha ottenuto queste intuizioni raccogliendo qualche migliaio di post di blog aziendali immediatamente precedenti al rilascio e alla diffusione di ChatGPT (2020-2022) e inferendo i prompt da essi.

Cioè, ha usato Gemini 3 Flash per leggere i veri paper scritti da umani e reverse‑engineerare un prompt progettato per produrre un lavoro simile su alcuni dei principali LLM, ovvero GPT5.4, Kimi 2.5, DeepSeek V3.2, Claude 4.6 e Gemini 3.

Questi prompt sono stati poi usati per creare cinque versioni IA di ciascuno dei post umani reali, da cui sono state estratte caratteristiche che avrebbero eventualmente descritto la ‘forma’ specifica del contenuto per ciascun modello LLM; e Madler osserva che ‘i post IA condividono una forma ordinata e auto‑annunciatrice’.

L’intero studio è una ripetizione del progetto StoryScope di COLM 2026 di questo agosto, una collaborazione tra l’Università del Maryland e Google DeepMind, che ha applicato sostanzialmente la stessa metodologia alla narrativa, scoprendo che le storie generate dall’IA convergono verso un intervallo più ristretto e più prevedibile di strutture narrative rispetto alla scrittura umana:

Dallo studio StoryScope, un confronto a dispersione dei modelli narrativi nella narrativa umana e generata dall’IA. Le storie scritte da umani occupano una regione distinta, mentre le storie dei cinque principali modelli di IA si raggruppano più strettamente, indicando una maggiore somiglianza nelle loro scelte narrative di base. Fonte

Madler ha deciso di ripetere StoryScope sui blog aziendali a causa del notevole impulso finanziario a automatizzarli, rispetto al campo più eccentrico della scrittura di narrativa, e della grande misura in cui sono già automatizzati (automazione del 50 % dei contenuti online entro maggio 2026, secondo uno studio Graphite citato nel lavoro di Madler).

Forse l’analisi più interessante è lo smontaggio delle caratteristiche estratte dal materiale prodotto dall’IA basato sui post scritti da umani prima del 2022:

‘I valori più comunemente prodotti dai modelli di IA si assemblano in quello che chiamiamo il post del blog ordinato e auto‑annunciante: promette il risultato già nel titolo, espone la sua tesi e annuncia la sua struttura prima della prima sezione, parla con tono editoriale‑esplicativo e si chiude con una fase che riassume o ribadisce la tesi.

‘In un tipico post IA, il risultato è promesso nel titolo: “Come dimezzare i tempi di onboarding”. La tesi è enunciata e il flusso annunciato prima della prima sezione: “In questo post, tratteremo perché l’onboarding si blocca, tre soluzioni efficaci e come misurare la differenza.”

‘E la conclusione ribadisce la tesi: “In breve, un onboarding strutturato fa risparmiare tempo.” I valori più orientati all’umano descrivono post senza quei segnali: nessun flusso di sezioni annunciato, nessuna escalation di importanza e nessuna sezione finale che ribadisce la tesi.’

Un’ipotesi errata

Incidentale, la maggior parte dei luoghi comuni e dei cliché presenti nei modelli descritti deriva dalle restrizioni ossessionate dalla SEO della scena di marketing pre‑LLM. Dove pensiamo che l’IA abbia appreso queste abitudini?

Il copy marketing standardizzato era sempre odiato, molto prima dell’IA, ed è sempre stato prodotto su larga scala, molto prima che le macchine potessero farlo bene; e a causa dell’obbligo di conformarsi alle pratiche SEO, sono state stabilite alcune convenzioni orribili, come il posizionamento delle parole chiave e il design curato dei collegamenti.

In quest’ultimo caso, l’IA potrebbe quindi aver appreso la lezione sbagliata, poiché i corpora solo testuali su cui è stata addestrata hanno rimosso molte delle tattiche orientate alla SEO originariamente presenti nel materiale sorgente, come diagrammi strategici, spiegazioni visive; e soprattutto i collegamenti ipertestuali.

Intere sezioni di un articolo potrebbero essere state create per inquadrare un collegamento ipertestuale o un embed YouTube che un cliente voleva promuovere; ma al momento in cui i dati sono stati addestrati in un LLM, l’embed o il collegamento è stato rimosso, e il testo progettato per evidenziarlo è stato spogliato del suo contesto originale.

Pertanto, si potrebbe sostenere che il grande errore nella progettazione di metodologie di addestramento su tale materiale sia stato trattare i contenuti web come se fossero letteratura del XIX secolo (interamente autosufficiente) anziché multimedia (significativamente influenzati da fattori non testuali come video, collegamenti ipertestuali e illustrazioni).

L’altro grande errore è stato addestrare su materiale che la gente già odiava, e che è stato forgiato nella sua forma impopolare da regole che probabilmente non sono più valide.

Attenzione, umani

Tuttavia, se si può credere alle tendenze di Upwork, c’è una domanda significativa per più dello stesso, prodotto su larga scala dai LLM e ‘umanizzato’ attraverso il processo meno idiosincratico disponibile, alla massima velocità e al costo più basso possibile.

Tutto ciò, per produrre l’effetto di attenzione: l’idea che qualcuno come te (cioè, in possesso di un sistema endocrino, almeno) si sia seduto per qualche ora e abbia pensato a cosa voleva dirti.

La percezione di ricevere attenzione umana è significativa per noi anche quando non è utile; pertanto vale certamente la pena industrializzarla.

Non posso fare a meno di sentire che il documento di Madler possa in qualche modo aggravare la situazione, poiché identifica tratti caratteristici di dimensione superiore che ora, presumibilmente, possono essere affrontati con più IA, così che le firme predefinite assumeranno una forma più umana man mano che i modelli evolvono.

Prima pubblicazione giovedì 17 settembre 2026