Le storie che l’AI non sa (ancora) scrivere, e la domanda che mi inquieta di più: leggeremo ancora Tolstoj tra vent’anni?

Qualche settimana fa un reel di @gu_dietroimedia mi ha fatto tornare in mente una domanda che mi accompagna da tempo, da quando ho iniziato a usare l’intelligenza artificiale nel mio lavoro quotidiano, senza mai smettere di essere, prima di tutto, una persona che ha studiato lettere classiche e archeologia e che ha passato una parte della propria vita professionale in un teatro d’opera. Quel reel è stato solo la scintilla, non la fonte di questo articolo: mi ha spinto a leggere per intero uno studio uscito quest’estate che affronta con un rigore raro la domanda che sta dietro a tutte le altre, quella che davvero mi interessa. Non “l’AI scrive come un essere umano”, ma: cosa sappiamo oggi, con dati veri e non con impressioni, di ciò che l’AI sa e non sa ancora fare quando scrive una storia? E, soprattutto, cosa succede a noi, lettori e lettrici, se continuiamo a immergerci in un mondo sempre più scritto da lei?

Il caso concreto da cui parte lo studio è di per sé istruttivo, e tocca un tema di cui ho già scritto parlando degli obblighi di trasparenza sui contenuti generati dall’AI: nel marzo 2026 Hachette, uno dei maggiori editori al mondo, ha ritirato dal mercato il romanzo horror Shy Girl dopo che era stato segnalato come scritto per circa il 78% da un’intelligenza artificiale, il primo caso di un romanzo pubblicato da un grande editore cancellato per accuse di questo tipo. È lo stesso principio di trasparenza di cui ho scritto parlando dell’AI Act europeo e dell’obbligo di etichettare i contenuti generati dall’AI nel turismo: qui il problema si presenta identico, ma nel mondo dell’editoria letteraria, dove l’autorialità è ancora più centrale del prodotto stesso.

Lo studio che ha smesso di guardare le virgole

Lo studio si chiama StoryScope, firmato da un gruppo di ricercatori dell’Università del Maryland insieme a Google DeepMind, e presentato quest’anno alla conferenza COLM. Parte da un’osservazione semplice, ma che ribalta il modo in cui finora si è cercato di distinguere un testo scritto da un’AI da uno scritto da una persona. Fino a oggi, la maggior parte degli strumenti di rilevamento si è concentrata su segnali di superficie: la scelta delle parole, l’uso eccessivo di certi vocaboli, quel famoso trattino lungo che l’AI ha reso quasi un marchio di fabbrica. Sono segnali reali, ma fragili: bastano un paio di istruzioni ben date, o una nuova versione del modello, e spariscono. I ricercatori si sono chiesti una cosa diversa: al di là dello stile, esistono differenze più profonde nel modo in cui una storia viene costruita? Non come viene scritta frase per frase, ma come viene pensata, strutturata, risolta?

Per rispondere, hanno costruito un corpus imponente: 10.272 racconti brevi scritti da autori umani, estratti da Books3, un grande archivio di testi letterari già oggetto di controversie sul diritto d’autore, e da lì hanno fatto scrivere a cinque modelli diversi, Claude, GPT, Gemini, DeepSeek e Kimi, una versione della stessa storia, ricostruendo un prompt a partire da ogni racconto originale. Il risultato sono oltre 61.000 storie, circa 5.000 parole ciascuna, da cui hanno estratto 304 caratteristiche narrative interpretabili, non stilistiche, lungo dieci dimensioni diverse: come vengono costruiti i personaggi, come si muove il tempo nella narrazione, come e quando viene svelata un’informazione, quanto la trama sia lineare o ramificata.

Prima di raccontare cosa hanno trovato, però, voglio essere onesta su un paio di limiti di questo studio che nessuno, nemmeno gli autori, discute abbastanza a fondo, e che considero importanti per non prendere questi risultati come una verità più solida di quanto siano.

I limiti che vale la pena tenere a mente

Il primo riguarda il modo in cui le storie AI sono state generate: in un colpo solo, senza revisione, senza dialogo iterativo con chi scrive, senza editing umano successivo. È una scelta metodologicamente comprensibile, perché permette un confronto controllato, ma è anche molto lontana da come l’AI viene realisticamente usata oggi da chi scrive sul serio: pochissimi autori pubblicano il primo output grezzo di un modello, la maggior parte lo tratta come una bozza da correggere, discutere, riscrivere insieme allo strumento. Lo studio misura quindi il comportamento di default dell’AI lasciata a se stessa, non il suo limite massimo quando guidata con intenzione da una persona che sa cosa vuole ottenere.

Il secondo limite riguarda il modo in cui viene definita l’originalità. I ricercatori usano la rarità statistica, cioè quanto una storia si trovi in una zona poco affollata dello spazio delle caratteristiche narrative, come proxy dell’originalità, collegandola esplicitamente ai criteri legali adottati dalla Corte Suprema americana e dall’Ufficio per i diritti d’autore statunitense. È un’equivalenza suggestiva ma, a mio parere, fragile: la rarità statistica all’interno di uno spazio di caratteristiche che è stato a sua volta costruito e applicato da altri modelli linguistici non è la stessa cosa dell’originalità intesa in senso legale o estetico. C’è un elemento circolare in questo disegno sperimentale che vale la pena notare: un’intelligenza artificiale (GPT-5.1) ha proposto le caratteristiche narrative da cercare, un’altra (Gemini 3 Flash) le ha misurate su ogni storia, e il risultato viene poi usato per giudicare che cosa distingue l’AI dagli umani. Non invalida i risultati, ma consiglio di leggerli come una mappa, costruita con strumenti AI, di ciò che l’AI stessa tende a fare, più che come una definizione oggettiva di cosa sia l’originalità in assoluto.

Cosa dice davvero, allora

Fatte queste premesse, i risultati restano concreti e, secondo me, genuinamente illuminanti. Usando solo le caratteristiche narrative, senza alcun segnale di stile, i ricercatori distinguono un testo umano da uno AI con una precisione del 93,2%, e riescono persino a indovinare quale dei cinque modelli abbia scritto una storia specifica nel 68,4% dei casi. Il dato più interessante, per me, non è la percentuale in sé, ma ciò che la produce.

Le AI tendono a spiegare eccessivamente il tema della propria storia: il narratore commenta esplicitamente il significato di ciò che è accaduto nel 77% dei casi, contro il 52% degli autori umani. Se un personaggio attraversa un lutto, l’AI tende a chiudere il racconto dicendo apertamente che cosa quel personaggio ha imparato, invece di lasciare che sia il lettore a intuirlo. Le AI favoriscono trame più ordinate e a binario unico: il 79% dei racconti AI non ha alcuna sottotrama, contro il 57% di quelli umani, e le risoluzioni sono guidate dalle scelte consapevoli del protagonista nel 69% dei casi, contro il 46% degli umani, che si concedono molto più spesso finali guidati dal caso o dalle circostanze esterne. Gli umani, semplicemente, tollerano meglio l’ambiguità morale: il 59% dei protagonisti umani è descritto in termini moralmente ambivalenti, contro il 38% di quelli AI.

C’è poi un dato che mi ha colpita in modo particolare, perché tocca proprio la differenza tra dire e mostrare che ogni corso di scrittura insegna: le AI trasmettono le emozioni quasi sempre attraverso il corpo, sensazioni fisiche, metafore somatiche, nell’81% dei casi, contro il 38% degli umani, che usano molto più spesso etichette emotive esplicite. Dove un autore umano scrive semplicemente che un personaggio “ha paura”, l’AI tende a descrivere un petto che si stringe, un sudore freddo, una luce che si affievolisce: tecnicamente corretto, spesso persino elegante, ma ripetuto con una tale sistematicità da diventare, nell’aggregato di decine di migliaia di storie, un tic riconoscibile.

Gli umani, infine, si rivolgono al lettore molto più spesso, rompendo la quarta parete nel 67% dei casi contro il 39%, e citano opere e autori specifici quasi il doppio delle volte rispetto all’AI, che tende a limitarsi ad allusioni vaghe. E quando i ricercatori proiettano tutte le storie in uno spazio geometrico costruito su queste caratteristiche, succede qualcosa di visivamente eloquente: le cinque AI si ammassano in una regione compatta e sovrapposta, mentre gli autori umani occupano uno spazio molto più ampio e disperso. Non è che gli umani siano semplicemente “più originali” in media: è che convergono molto meno tra loro. L’AI, messa di fronte allo stesso compito, tende a scegliere strade simili indipendentemente dal modello usato.

C’è anche un dettaglio che ho trovato quasi divertente, e che racconta bene quanto ogni modello abbia già una propria “firma” riconoscibile: Claude tende a finali quieti, con epiloghi frequenti e un’intensità narrativa che sale poco, quasi trattenuta. GPT ama usare pettegolezzi e dicerie come meccanismo di trama. Gemini produce gli ambienti più cupi e le conclusioni più ordinate. DeepSeek anticipa informazioni cruciali che un autore umano lascerebbe più a lungo in sospeso. Kimi, curiosamente, è il modello con meno tratti distintivi in assoluto, il più “medio” di tutti, quello che si confonde più facilmente con gli altri.

*immagine scattata presso Neal’s Yard, Covent Garden

Quindi cosa sa fare davvero l’AI, oggi, e cosa no

Se dovessi sintetizzare la reale potenzialità che questo studio documenta con numeri solidi, la definirei così: l’AI di oggi sa produrre prosa tecnicamente fluente, spesso piacevole da leggere frase per frase, capace di reggere una struttura narrativa coerente per migliaia di parole senza incoerenze evidenti. Non è un risultato scontato, ed è un salto enorme rispetto a pochi anni fa. Ma quando lasciata a produrre in autonomia, senza una guida umana intenzionale che la spinga altrove, tende sistematicamente verso la stessa manciata di scelte: spiegare invece di suggerire, risolvere invece di lasciare aperto, mostrare l’emozione attraverso il corpo invece che nominarla, muoversi in linea retta invece che per deviazioni, non rivolgersi mai direttamente a chi legge. Sono esattamente le scelte che, in letteratura, associamo più spesso alla profondità e alla maturità di un testo: l’ambiguità morale, la struttura temporale complessa, il rispetto per l’intelligenza del lettore. Non è un caso che siano proprio queste le caratteristiche in cui gli umani, in questo studio, restano nettamente più diversi tra loro.

La domanda più difficile, quella che davvero mi inquieta

Tutto questo, però, fotografa il presente. La domanda che mi ha spinta a scrivere questo articolo, e che lo studio non affronta direttamente, è un’altra: se generazioni intere di lettori crescono immerse in un ambiente testuale sempre più pieno di prosa scritta, o quantomeno rifinita, da un’intelligenza artificiale che tende sistematicamente verso la tidiness, la spiegazione esplicita, la risoluzione morale netta, cosa succede alla loro capacità di apprezzare un testo che fa esattamente il contrario? Leggeranno ancora con piacere un romanzo di Tolstoj che si concede centinaia di pagine di digressione, o un testo di Shakespeare la cui ambiguità morale resiste a ogni tentativo di sintesi in una morale chiara?

Non ho una risposta, e diffido di chiunque ne abbia una definitiva, in un senso o nell’altro. Ma vale la pena guardare onestamente ai due scenari possibili, perché entrambi hanno argomenti seri a loro favore.

Lo scenario preoccupante si basa su un meccanismo plausibile: il gusto estetico non nasce nel vuoto, si forma attraverso l’esposizione ripetuta a ciò che leggiamo, guardiamo, ascoltiamo. Se il rumore di fondo testuale della propria infanzia e adolescenza, dai compiti scolastici assistiti dall’AI ai contenuti generati che scorrono sui social, tende sistematicamente verso la chiarezza tematica e la struttura ordinata, è plausibile che l’ambiguità, la non linearità, il silenzio autoriale che caratterizzano la grande letteratura comincino a percepirsi non come profondità, ma come difetti, come un testo che non ha fatto bene il proprio lavoro di spiegare cosa intendesse dire. Una ricerca citata proprio nella bibliografia dello studio StoryScope, condotta da Doshi e Hauser nel 2024, ha già mostrato che l’intelligenza artificiale generativa, pur potenziando la creatività del singolo individuo che la usa, riduce la diversità collettiva dei contenuti prodotti: più persone usano lo stesso strumento con le stesse impostazioni predefinite, più il paniere complessivo di ciò che viene scritto si restringe. Se questo restringimento collettivo si somma nel tempo, l’argomento pessimista non è irragionevole.

C’è però un argomento altrettanto serio nella direzione opposta. Il gusto letterario umano ha già attraversato altre epoche di apparente minaccia all’immaginario colto: l’esplosione dei romanzi popolari a basso costo nell’Ottocento, la radio, la televisione, i romanzi di genere prodotti in serie, e più di recente i contenuti brevissimi dei social media. In nessuno di questi casi la capacità di apprezzare Shakespeare o Tolstoj è scomparsa: è rimasta, per chi la coltiva, spesso proprio grazie a istituzioni, come la scuola, le case editrici, i premi letterari, le traduzioni, che continuano a curare e trasmettere quei testi indipendentemente dal rumore di fondo generale. Il gusto complesso, in questa lettura, non è mai stato un prodotto passivo dell’esposizione media, ma il risultato di una coltivazione attiva, spesso guidata da qualcuno, un insegnante, un genitore, un amico, che introduce a un tipo di lettura diverso da quello che si incontrerebbe per caso.

C’è infine un terzo elemento, più inquietante di entrambi, che emerge da un’altra ricerca citata nello stesso studio: un lavoro del 2026 di Chakrabarty, Ginsburg e Dhillon ha rilevato che i lettori, in test di valutazione alla cieca, preferiscono spesso i testi prodotti da un’AI addestrata su opere protette da copyright rispetto a quelli di scrittori professionisti esperti. Se questo risultato si conferma su scala più ampia, il problema non sarebbe solo che i lettori futuri perdano gradualmente la capacità di apprezzare l’ambiguità e la complessità, ma che, messi di fronte a una scelta esplicita, preferiscano già oggi, consapevolmente, ciò che è più chiaro, più risolto, più confortevole. In questo caso non si tratterebbe di un appiattimento involontario del gusto, ma di una preferenza reale che l’industria editoriale, inseguendo ciò che vende, avrebbe tutto l’interesse ad assecondare, non a correggere.

Cosa mi porto a casa, per ora

Non credo che nessuno, oggi, possa dire con certezza quale di questi scenari prevarrà. Quello che questo studio mi permette di dire con più sicurezza riguarda il presente, non il futuro: esiste già oggi un modo misurabile, non impressionistico, di descrivere cosa distingue una storia scritta da un’intelligenza artificiale lasciata a se stessa da una scritta da una persona, ed è un divario che riguarda le scelte narrative più profonde, non solo lo stile in superficie. Per chiunque scriva professionalmente, che si tratti di un romanzo, un articolo o anche solo la voce narrativa con cui si racconta una destinazione o un’esperienza di viaggio, mi sembra un promemoria concreto più che un allarme, e vale lo stesso principio di cui ho scritto parlando di formazione e leadership nell’adozione dell’AI in hotel (il post uscirà nei prossimi giorni): decidere con chiarezza cosa automatizzare, cosa lasciare all’AI come supporto, e cosa custodire come scelta deliberatamente umana. Qui, applicato alla scrittura, significa che se ci si affida all’AI per una bozza, i punti su cui vale la pena intervenire con più attenzione umana non sono le virgole o gli aggettivi, ma proprio quelle scelte strutturali, l’ambiguità che si concede o si toglie a un personaggio, la volontà o meno di lasciare qualcosa non spiegato, la libertà di rivolgersi davvero a chi legge. Sono, non a caso, esattamente le stesse scelte che questo studio dimostra restare, per ora, la parte più difficile da imitare per un’intelligenza artificiale generativa.

Per chi vuole approfondire

Il paper completo, con tutti i dati, i grafici e i dettagli metodologici che ho citato in questo articolo, è disponibile qui: StoryScope: Investigating idiosyncrasies in AI fiction, arXiv (versione PDF completa: jenna-russell.github.io/assets/pdf/storyscope.pdf). Codice, prompt e dataset delle storie generate dall’AI sono pubblici su GitHub, per chi volesse esplorare i dati direttamente.

FAQ

*immagine di copertina generata con l’AI