Perché l’era dell’IA premierà il discernimento, non solo la produzione
“I know what I like and what I don’t like. And I’m decisive about what I like and what I don’t like.” Rick Rubin, speaking to 60 Minutes
Rick Rubin a malapena suona uno strumento. Non mette le mani sul mixer. Eppure, da quarant’anni, gli artisti lo chiamano quando il lavoro conta.
Il motivo non è mistico. Rubin è straordinariamente bravo a decidere. Sa ascoltare un brano a metà, cogliere il riff accidentale tra due demo, dire a un artista cosa tagliare. Si definisce un riduttore più che un produttore. In una cultura ossessionata dalla generazione, è una descrizione di mestiere utile.
L’IA generativa sta per rendere inevitabile questa distinzione. Gli strumenti producono testi, immagini, codice, piani strategici e prime bozze sicure di sé a una velocità che pochi anni fa sarebbe sembrata inverosimile. La domanda interessante non è più se riescano a fare cose.
È se chi li usa sa cosa tenere, cosa scartare e cosa sta cercando di dire prima che la macchina inizi a parlare.

Il mestiere di Rick Rubin non è questione di atmosfera
C’è un modo fuorviante di usare Rubin come esempio. Dire che il gusto è ineffabile. Accendere una candela accanto a una tavola d’ispirazione. Spiegare al cliente che alcuni ce l’hanno e basta.
La sua carriera indica qualcosa di più pratico.
Il gusto non è preferenza decorativa. È capacità di distinzione informata. È riconoscere la differenza tra ciò che è tecnicamente impressionante e ciò che è emotivamente onesto. Si costruisce con esposizione, confronto, tentativi falliti, contesto e l’abitudine un po’ scomoda di essere specifici quando tutti gli altri restano educatamente vaghi.
La storia di Rubin su Tom Petty lo dimostra. Sentì un riff di chitarra suonato tra due demo e pensò che fosse la cosa migliore sul nastro. Petty lo trasformò in “Last Dance with Mary Jane.” Fu attenzione, sostenuta dall’ascolto e dal coraggio di un giudizio che poteva anche risultare sbagliato.[1]
L’analogia conta per l’IA. Un modello può proporre cinquanta strade. Non può prendersi la stessa responsabilità di sceglierne una, in un preciso momento culturale, per un pubblico specifico, con un set di conseguenze.
Un’istruzione al modello, il cosiddetto prompt, può essere un atto creativo. Non è l’intero atto. Prima dell’istruzione c’è una domanda più difficile: cosa voglio fare, e perché proprio questo invece delle altre quarantanove alternative plausibili?
Quando l’esecuzione costa poco, si sposta il collo di bottiglia
Uno dei video proposti cita una tesi d’investimento che vale la pena prendere sul serio: “when intelligence gets cheaper, taste becomes more valuable.”[2]
La frase è brillante. Richiede cautela. Non è semplicemente l’intelligenza a diventare economica. Sta diventando più economica, rapida e accessibile gran parte del primo passaggio: produzione, analisi, ideazione e iterazione. L’AI Index 2025 di Stanford segnala che il costo di inferenza di un sistema con prestazioni al livello di GPT-3.5 è sceso di oltre 280 volte tra novembre 2022 e ottobre 2024.[3]
Questo non rende il giudizio equamente distribuito. Sposta il punto in cui si concentra il valore.
| Quando l’esecuzione era scarsa | Quando l’esecuzione è abbondante |
|---|---|
| Il vantaggio era l’accesso alla capacità di produzione | Il vantaggio si sposta su inquadramento e selezione |
| Una prima bozza tecnicamente pulita aveva valore | Una prima bozza tecnicamente pulita è un punto di partenza |
| Gli specialisti controllavano strumenti e processi | Più persone possono creare output plausibili |
| Il collo di bottiglia era il fare | Il collo di bottiglia è decidere cosa merita attenzione |
Questo conta per i brand tanto quanto per gli artisti. Se ogni concorrente può generare un territorio di campagna prima di pranzo, un deck lucido smette di dimostrare profondità strategica. Se ogni product team può creare venti direzioni d’interfaccia, il compito più duro è spiegare perché diciotto sono sbagliate per le persone che useranno quel prodotto.
L’IA allarga il ventaglio di opzioni. Il gusto fornisce il criterio.
Senza un criterio, il più diventa la strategia di default: più contenuti, più varianti, più dashboard, più documenti persona e più cose che nessuno ha avuto il coraggio di escludere. La macchina può inondare la stanza. Non può decidere quale conversazione merita di esistere.
La tassa di somiglianza che nessuno mette a budget
C’è una storia seducente su IA e creatività: dai a tutti un assistente brillante, e tutti diventano più originali. Le evidenze sono meno ordinate.
Un esperimento preregistrato pubblicato su Science Advances ha chiesto a 293 persone di scrivere racconti brevi, senza IA oppure con uno fino a cinque spunti di GPT-4. Seicento valutatori hanno poi giudicato i risultati. I racconti creati con idee dell’IA sono stati valutati più creativi, meglio scritti e più piacevoli, in particolare per chi partiva con punteggi di creatività più bassi. Erano anche più simili tra loro.[4]
È questo il compromesso da non perdere di vista. Potremmo ottenere una media migliore e un raggio culturale più stretto.
Non è un argomento per vietare gli strumenti o per fingere che una pagina bianca ci renda moralmente superiori. Uno scrittore, un designer o uno stratega dovrebbero usare un buon assistente quando serve a esplorare, testare, rifinire. Ma il miglioramento individuale può convivere con un’omologazione collettiva.
Il rischio non è che ogni output dell’IA appaia mediocre. Più spesso, il rischio è sottile. Così tanto appare accettabile che perdiamo sensibilità alla differenza tra accettabile e necessario.

Il gusto è una difesa contro questa convergenza. Fa domande che rallentano la stanza: L’ho già visto? È giusto per questo tema, o solo vicino alla media di ciò che i dati di training hanno visto? È utile qui, o semplicemente fluente? Cosa è scomparso perché l’output è arrivato troppo in fretta?
David Droga lo dice con più generosità. Nella sua conversazione con Wharton, sostiene che l’IA può aiutare i team creativi ad arrivare prima alle idee sbagliate e a superarle. Bene. Qualcuno deve comunque riconoscere un’idea sbagliata quando si presenta con un abito molto convincente.[5]
Il gusto si impara
La parola “gusto” può sembrare elitaria, come se appartenesse a chi colleziona dischi costosi e parla a luce bassa. In pratica, si impara.
Cresce con il lavoro. Confronti versioni, vedi fallire il tuo primo istinto, ricevi feedback e costruisci una biblioteca di riferimenti che nessun modello può avere al posto tuo. Per questo questa conversazione si collega direttamente al problema dell’apprendistato.
Se l’IA assorbe troppo lavoro iniziale e ripetitivo, rischia anche di cancellare alcuni dei contesti in cui si acquisiscono i pattern che poi diventano gusto. Un junior creativo deve scrivere titoli sbagliati prima di sentire perché un buon titolo ha tensione. Un giovane strategist deve attraversare una ricerca debole prima di percepire l’assenza di una domanda rilevante. Una persona di prodotto deve osservare qualcuno fraintendere un’interfaccia prima di distinguere tra elegante e usabile.
La ricerca sulla co-creazione umano-IA fa una distinzione analoga. L’IA è utile per l’esplorazione divergente, ma i designer devono filtrare, adattare, ricombinare e fissare la direzione finale. I più esperti usano l’IA in modo selettivo per visualizzazione e rifinitura. I meno esperti la usano più spesso per impostare il problema all’origine.[6]
Questo ha conseguenze su come le aziende adottano questi strumenti.
| Pratica IA debole | Pratica IA che costruisce gusto |
|---|---|
| Chiedere al modello la risposta | Chiedere alle persone di dichiarare un’ipotesi prima di consultare il modello |
| Generare un output e lucidarlo | Generare alternative, poi spiegare i criteri di scarto |
| Considerare la review un controllo di formato | Rivedere ipotesi, omissioni e aderenza culturale |
| Premiare volume e velocità | Premiare scelte chiare e razionali verificabili |
La cosa importante non è aggiungere un via libera IA a ogni riunione. È rendere visibile la selezione. I senior devono spiegare perché una risposta apparentemente competente non risponde al brief. I team devono conservare le opzioni scartate abbastanza a lungo da imparare. Il ragionamento non può restare teatro privato nella testa della persona più esperta in stanza.

Scegliere è un atto morale
Il gusto ha anche una dimensione etica, più quieta.
Quando un’organizzazione lascia decidere a un modello cosa appare per primo, quale storia cliente è tipica, quale candidatura sembra rilevante o quale riferimento culturale è sicuro, sta comunque esprimendo un giudizio. Lo ha solo consegnato a pattern plasmati da dati storici, incentivi commerciali e impostazioni predefinite che quasi nessuno in stanza può vedere.
L’intervento umano utile non è una persona messa in fondo alla pipeline per poter dire “human in the loop.” Il lavoro inizia prima. Significa rendere espliciti i valori dietro la selezione, prima che la pipeline parta.
La voce di chi questo output rende più visibile? L’esperienza di chi diventa meno leggibile? Che cosa significa buono qui? Che cosa il brand dovrebbe rifiutarsi di ottimizzare, anche se il modello può scalarlo?
Sono domande di gusto. Sono anche domande di leadership.
La lezione di Rick Rubin non è che l’intuizione batte il mestiere. È che il mestiere diventa più potente quando qualcuno protegge il segnale dal rumore. Nell’era dell’IA, la capacità di farlo potrebbe valere più della capacità di produrre l’ennesima cosa perfettamente adeguata.
Le aziende che conteranno non saranno quelle che generano di più. Saranno quelle che sanno cosa lasceranno fuori, cosa inseguiranno e per cosa sono disposte a farsi riconoscere.
Cui bono quando ogni decisione creativa viene delegata a un sistema progettato per prevedere ciò che ha già funzionato?
Riferimenti
[1] CBS News, In Shangri-La with music producer Rick Rubin, 28 May 2023.
[2] Twill Socials SF, Instagram Reel, che cita una conversazione di 20VC con Geoffrey Woo, Jake Paul e Harry Stebbings. La frase è una tesi d’investimento, non una prova empirica.
[3] Stanford Institute for Human-Centered Artificial Intelligence, AI Index Report 2025, 2025.
[4] Anil R. Doshi and Oliver P. Hauser, Generative AI enhances individual creativity but reduces the collective diversity of novel content, Science Advances, 2024.
[5] Wharton AI & Analytics, AI, Taste, and the Future of Creativity: David Droga on What’s Worth Saving, 22 July 2025.
[6] N. Wang et al., Exploring creativity in human-AI co-creation, Frontiers in Computer Science, 2025.

Share your thoughts