Reading · Luca Cazzaniga - Creatività Aumentata

📌 Questo pezzo non parla di immagini per i primi mille caratteri. Abbi pazienza: il giro largo serve a far vedere una cosa che dal di dentro non si vede.

Toronto, autunno 2016. Conferenza Machine Learning and Market for Intelligence. Sul palco c’è Geoffrey Hinton, l’uomo che ha reso possibili le reti neurali moderne, quello che nel 2024 avrebbe preso il Nobel per la fisica. Non un opinionista qualsiasi, insomma non uno che parla solo perchè pensa di sapere. Quando parla lui, in quella sala, si prendono appunti.

Dice che bisogna smettere di formare radiologi. Adesso - era il 2016.

Che entro cinque anni, dieci al massimo, il deep learning leggerà le lastre meglio di un essere umano, ed è “completamente ovvio”. Poi aggiunge una frase che gli resterà attaccata addosso per il decennio successivo:

se fai il radiologo sei come il coyote già oltre il bordo del burrone, che però non ha ancora guardato giù.

Gli studenti di medicina lo hanno guardato giù eccome.

A maggio di quest’anno negli Stati Uniti risultavano 7.469 annunci di lavoro aperti per radiologi, di cui 1.470 fermi da più di sessanta giorni senza trovare nessuno. Lo stipendio medio della categoria è salito a 571.000 dollari nel 2025, con un aumento del 9% in dodici mesi.

Un mestiere che sta morendo non fa salire i compensi del 9% in un anno mentre migliaia di posti restano scoperti.

Hinton nel 2025 ha corretto il tiro, dicendo al New York Times di aver parlato troppo in generale, che si riferiva solo all’analisi delle immagini.

La previsione non ha solo mancato il bersaglio.

Nel 2015 la quota di neolaureati americani in medicina che sceglieva radiologia era già scesa al 3,8%, il minimo in venticinque anni. Poi è arrivata la frase del coyote, insieme a un editoriale del New England Journal of Medicine che diceva più o meno la stessa cosa, e i titoli dei giornali sulla prima specialità destinata a sparire per automazione.

I ragazzi hanno scelto altro.

Quando le domande sono risalite, la pipeline delle specializzazioni era già ingolfata per altri motivi, e il tempo perso non si recupera.

John Mongan fa il radiologo alla UCSF e si occupa di intelligenza artificiale applicata alla diagnostica. Gli hanno chiesto perché avesse ancora un lavoro, dieci anni dopo. La risposta sta in una riga: chi faceva quelle previsioni capiva la computer vision, non capiva la radiologia.

Jensen Huang, l’amministratore delegato di Nvidia, che di intelligenza artificiale campa, ha detto la stessa cosa con parole diverse sul podcast di Dwarkesh Patel: i profeti della fine hanno confuso il compito di leggere una lastra con l’intero mestiere.

Leggere una lastra è un compito.

Il mestiere del radiologo comprende decidere quale esame prescrivere, incrociare l’immagine con la storia clinica del paziente, sapere quando la macchina sta sbagliando, mettere la firma sotto una diagnosi e prendersi la responsabilità legale di quella firma, parlare con l’oncologo, parlare col paziente.

L’AI ha preso un pezzo del compito e lo ha reso più veloce. Il mestiere è rimasto lì, e anzi si è ingolfato di lavoro perché fare più esami costa meno di prima.

Adesso sostituisci “leggere una lastra” con “scattare una fotografia” e rileggi gli ultimi tre paragrafi. Ma puoi rileggerlo con qualsiasi compito che tu “conosci”

Prima di dire cosa è cambiato, guardiamo cosa c’era.

Un professionista di dieci anni fa doveva saper usare la macchina, cioè conoscere il triangolo dell’esposizione, le ottiche, il comportamento della luce.

Doveva saper sviluppare un file, cioè conoscere Lightroom o Capture One, il colore, la gestione del profilo, la stampa.

Poi c’era tutto il resto, che nessuno metteva mai nella lista e che pesava di più:

dirigere una persona davanti all’obiettivo,
capire cosa il cliente voleva davvero quando diceva “una cosa pulita”,
fare un preventivo che non ti facesse lavorare in perdita,
gestire una liberatoria,
risolvere un imprevisto sul set con quello che avevi in borsa.

Solo che quella lista non era un equilibrio stabile da cui l’AI ci ha buttati fuori.

Era già l’esito di trent’anni di erosione.

L’autofocus ha tolto il valore alla messa a fuoco manuale. L’esposimetro matriciale ha reso quasi inutile il calcolo a mente. Le azioni di photoshop hanno reso banale un lavoro di sviluppo che prima richiedeva tempo e manualità. Ogni volta è successa la stessa cosa, e ogni volta qualcuno ha annunciato la fine della professione.

Quindi lascia perdere cosa l’AI ha distrutto, e guarda dove sono finite le competenze, una per una.

Il prima e dopo non funziona, perché mette nello stesso cestino cose che hanno preso strade diverse. Le competenze di un mestiere, quando arriva una tecnologia, si smistano in cinque direzioni.

Alcune vengono cancellate. Non tornano, e non le rimpiange nessuno: il calcolo dell’esposizione a mente, lo sviluppo chimico, la selezione manuale degli scarti su mille file, il keywording di un archivio stock.

Altre vengono svalutate, che è diverso da cancellate. Restano necessarie, ma smettono di distinguerti. La padronanza tecnica della macchina serve ancora, però non è più quello che ti fa scegliere. La post-produzione avanzata pure. Produrre un’immagine generica e corretta oggi costa a chiunque due minuti e zero euro, e quello che costa zero non è un argomento di vendita.

Altre restano invariate, e sono quelle su cui nessuno scrive articoli. Dirigere un soggetto vero, leggere la luce in una situazione che non si ripete, tenere insieme un set quando salta il flash e il cliente guarda l’orologio, meritarsi la fiducia di qualcuno che ti sta affidando il volto della sua azienda. L’AI non le ha nemmeno sfiorate.

Alcune vengono amplificate. Chi le aveva vale più di prima. La curatela, cioè la capacità di scegliere venti immagini buone da duecento decenti. La direzione creativa. Saper dire con precisione cosa serve prima di produrlo, che è esattamente il lavoro che rende efficace un prompt, e che è lo stesso lavoro di sempre travestito da tecnologia nuova. E la relazione commerciale, che ora conta il doppio perché il cliente è pieno di offerte identiche.

E infine ce ne sono di nuove, che nel 2020 non esistevano proprio.

Scrivere una specifica tecnica in forma di prompt.
Verificare e dichiarare la provenienza di un’immagine, come si fa con l’etichetta di un alimento.
Sapere cosa va dichiarato e cosa no sotto l’AI Act. Gestire i diritti sull’addestramento nei contratti.
Montare un flusso ibrido che mescoli scatto e generazione senza che si veda la cucitura.

Cinque zone. Chi guarda solo la prima si dispera, chi guarda solo la quarta e la quinta vende corsi.

Se vuoi vedere il meccanismo in laboratorio, guarda il segmento più esposto di tutti.

Getty Images ha pubblicato la trimestrale il 17 agosto. Ricavi a 229,1 milioni di dollari, in calo del 2,5% dichiarato e del 4,1% a cambi costanti. La divisione agency perde il 13%. Il traffico verso iStock cala perché i motori di ricerca rispondono direttamente e non mandano più nessuno sui siti. Fin qui il disastro annunciato.

Solo che nella stessa trimestrale le soluzioni di contenuto su misura per i clienti enterprise crescono di oltre il 350%, e gli abbonamenti Unsplash+ di oltre il 15%.

Crolla il generico ricercabile. Cresce il su misura. È la stessa frase, girata due volte.

E qui aggiungo una cosa che c’entra col mestiere di oggi più di quanto sembri. Cercando questi dati ho trovato un articolo molto condiviso che sostiene un crollo dei ricavi Getty del 68%, Shutterstock del 71%, Adobe Stock dell’82%, e il collasso del 98% dei compensi ai fotografi. Numeri inventati, smentiti dal bilancio pubblico della società a due settimane di distanza. Girano lo stesso, perché confermano quello che la gente si aspetta di leggere.

Saper distinguere un dato da un numero che gira è diventata una competenza professionale. Sta nella quinta zona, quella delle cose nuove, e non la insegna nessuno.

Il laboratorio di economia digitale di Stanford, insieme ad ADP che gestisce le buste paga di circa un sesto dei lavoratori americani, aggiorna un cruscotto che si chiama Canaries, i canarini in miniera.

L’ultimo dato è di questo mese: l’occupazione dei ragazzi tra 22 e 25 anni nei mestieri più esposti all’AI è circa il 19% sotto il livello che avrebbe raggiunto se avesse seguito i coetanei nei mestieri meno esposti.

A luglio 2025 il divario era del 15%. In valori assoluti, tra novembre 2022 e giugno 2026 l’occupazione giovanile nei due quintili più esposti è scesa dell’11%, mentre nei tre quintili meno esposti è cresciuta del 10%.

L’aggiustamento passa quasi tutto per il mancato assunto, non per il licenziato. Nessuno viene cacciato. Semplicemente non viene chiamato.

E i cali si concentrano dove l’AI automatizza il lavoro, mentre dove lo affianca l’occupazione è stabile o cresce, soprattutto per chi ha esperienza.

Tradotto in fotografia: l’assistente che passava due anni a selezionare, ritoccare, portare le borse e guardare il senior lavorare non trova più quel posto, perché quel lavoro adesso costa zero.

Chi ha vent’anni di mestiere sta benissimo.

Il problema è la generazione che dovrebbe arrivare dopo, e che non ha più il gradino su cui salire.

La risposta ovvia sarebbe: allora studia di più. Sbagliata, o almeno incompleta.

Non è un problema di quantità di studio.

Prima la competenza tacita si assorbiva per osmosi, gratis, mentre facevi il lavoro noioso: guardavi come il senior parlava al cliente difficile, sentivi come si negoziava un extra, capivi dal suo modo di sbuffare che quella luce non andava bene. Nessuno te lo insegnava a lezione, ti veniva addosso. E il costo di quell’apprendistato lo pagava lo studio, sotto forma di stipendio a una persona poco produttiva.

Oggi il lavoro “noioso” non c’è più, quindi quella osmosi non avviene. La competenza va costruita a mano, di proposito, cercando le occasioni invece di aspettare che arrivino. Ed è il ventenne a pagarne il costo, in tempo suo e soldi suoi.

Non “studia di più”. Studia un’altra cosa, in un altro modo, sapendo che il conto adesso è intestato a te. Questo cambia le scelte pratiche di chi comincia, e chi ci è già dentro da anni farebbe bene a saperlo, se ha qualcuno da formare.

Tre cose, e le metto in fila perché sono le uniche che sopravvivono al prossimo ciclo di previsioni sbagliate.

L’AI prende compiti, non mestieri. Ogni volta che qualcuno annuncia la fine di una professione, chiediti quale singola operazione sta guardando e quante altre ne sta ignorando. Nel caso della radiologia le ignorate erano tutte quelle che contano.
La scala si rompe dal primo gradino. Non guardare i licenziamenti, guarda le assunzioni che non avvengono. È lì che si vede il futuro, con qualche anno di anticipo.
Il collo di bottiglia si sposta, non sparisce. Il World Economic Forum stima che il 39% delle competenze richieste cambierà entro il 2030, in calo dal 44% stimato nel 2023. La percentuale scende invece di salire, e su un numero che scende si può pianificare.

Torna un momento alle cinque zone, perché la quinta ha una proprietà che le altre non hanno.

Le competenze invariate e quelle amplificate si imparano guardando qualcuno che le ha da vent’anni.

È il meccanismo dell’osmosi di cui parlavo sopra, quello che si è inceppato. Ma per la quinta zona quel qualcuno non esiste.

Nessuno gestisce i diritti sull’addestramento da vent’anni.
Nessuno costruisce prompt come specifiche tecniche da vent’anni.

Il fotografo con trent’anni di carriera e quello che ha aperto la partita IVA a marzo, davanti a quella colonna, sono fermi sullo stesso gradino.

Il che ribalta il problema del gradino segato, almeno per una parte.

Se sei giovane, la quinta zona è l’unico posto dove la tua mancanza di esperienza non ti penalizza.

Se hai vent’anni di mestiere, è l’unico posto dove non puoi contare su quello che sai già, ed è anche quello che fa la differenza più grossa:

la quarta zona senza la quinta resta un archivio di competenze buone che nessuno ti sta comprando.

Non esiste il modo naturale di impararla, perché non c’è nessuno accanto a cui stare. Resta la formazione fatta apposta, la sperimentazione ostinata, e sicuramente entrambe.

Il corso che tengo insieme a Marianna Santoni prova a fare la prima cosa, dandoti gli strumenti per fare anche la seconda:

Se prima vuoi capire di cosa si tratta, la registrazione del webinar gratuito sull’AI per le immagini professionali è lì.

Hinton aveva ragione su una cosa: qualcuno era davvero oltre il bordo del burrone senza saperlo.

Solo che non era il radiologo.

Luca

Articoli correlati

La profezia sbagliata del coyote di Hinton, e chi l’ha pagata

Comments