, , , 0 commenti

AI slop e contenuti spazzatura: come passare dalla stupidità artificiale a un marketing moderno e innovativo

Il marketing attuale sta cominciando a traboccare di AI fatta male, nel senso di pensata male e realizzata peggio. Cosa sta succedendo? Ogni nuova tecnologia attraversa una fase iniziale in cui viene usata per imitare ciò che già esiste. È una dinamica ricorrente: la fotografia, agli inizi, cercava di replicare la pittura; il cinema imitava il teatro; il web ha a lungo riprodotto logiche editoriali tradizionali. Anche l’intelligenza artificiale generativa non fa eccezione. Oggi la vediamo produrre immagini, testi, video che ricalcano schemi esistenti. Da qui nasce la percezione diffusa di “slop”: contenuti formalmente corretti, ma spesso indistinguibili, intercambiabili, privi di tensione creativa. L’intelligenza artificiale generativa si trova esattamente in questo punto di transizione. E la domanda non è più se sia in grado di creare contenuti, ma quando riuscirà a passare alla terza fase, quella che conta davvero, nella quale la tecnologia smette di replicare il passato e comincia a generare nuovi modelli, nuovi paradigmi e nuove architetture in tutti i campi, marketing compreso. Una AI davvero matura, realmente nuova e capace di creare nuovi sistemi, progettazioni e contenuti innovativi e soprattutto esclusivi. 

AI Slop. Cos’è e perché ne siamo circondati

Prima di addentrarci nell’era AI che ci augiriamo arrivi quanto prima, soffermiamoci su quella attuale, dominata dallo “scarso”, ovvero dall’uso dell’AI basato sulla quantità e non sulla novità intesa come progettazione. 

Siamo bombardati attualmente da AI Slop ovvero una massa di contenuti prodotti automaticamente che sono formalmente corretti ma derivati, ripetitivi e poco distintivi.

Fonte: Wired

Detto ancora meglio: “AI slop”, un’ondata di contenuti di bassa qualità generati dall’intelligenza artificiale che sta inondando i social media con risultati inquietanti e spesso assurdi, fatta soprattutto di video che privilegiano i clic rispetto alla creatività, e alimentati da potenti strumenti di intelligenza artificiale e incentivi algoritmici”.

Sono spesso testi, immagini o video che funzionano a livello superficiale, ma non introducono nulla di nuovo: sono variazioni statistiche di ciò che esiste già.

Ad esempio:

Animali “impossibili” in contesti realistici

Scimmie che fanno vlog, animali che salvano bambini, cani che lavorano in ufficio. Funzionano perché attivano emozione + assurdo, ma sono ripetitivi, narrativamente vuoti. generati in serie

Storie emotive costruite artificialmente

La “storia strappalacrime” completamente generata su disastri, salvataggi, tragedie inventate; voice-over sintetico + immagini AI, contenuti progettati per massimizzare retention, non per informare.

Fake news visive o borderline

Immagini virali di: eventi drammatici, scene di guerra, situazioni sociali forti col problema aggiuntivo che non sai se siano reali o generate, come nel caso di immagini circolate online sono state messe in dubbio o reinterpretate da AI, creando confusione anche su fatti reali

Contenuti SEO “vuoti” (marketing puro)

Si tratta di articoli lunghi, formalmente corretti ma praticamente inutili, sempre con lo stesso schema: “10 consigli per…”, “Guida definitiva a…”, generati in massa per intercettare traffico, ma dal valore informativo minimo.

Ad esempio, come le reti di oltre 200 siti creati interamente con AI per monetizzazione pubblicitaria.

Video “brainrot” per feed algoritmici

Clip brevi con montaggio veloce di immagini casuali o nonsense in cicli di stimolazione continua con l’obiettivo non di comunicare o far pensare, ma meramente di intrattenere.

Secondo Wired fino al 33% dei contenuti nei feed YouTube Shorts rientra tra slop o contenuti simili.

Deepfake o contenuti pseudo-realistici

Le celebrity in situazioni mai avvenute, video realistici ma falsi, pubblicità manipolate 

Da dove arrivano e perché ne siamo circondati? E soprattutto: quando finirà? 

Da dove arrivano gli slop AI

La prima causa dell’AI spazzatura è la sua estrema disponibilità ad essere prodotta e diffusa: la produzione di contenuti è fuori scala.

  • Fino al 58% dei contenuti digitali globali nel 2025 è generato da AI.
  • 74,2% delle nuove pagine web contiene contenuti AI
  • L’AI ha aumentato la produzione fino a 15 volte rispetto al 2020
  • I team marketing pubblicano +42% contenuti mensili quando usano AI

Questo è il primo punto chiave: lo slop non nasce dalla qualità bassa in sé, ma dal fatto che l’offerta cresce molto più velocemente della capacità di attenzione.

Saturazione delle piattaforme: lo slop è già visibile

Non è una teoria: è misurabile nei feed.

Le piattaforme stanno già distribuendo contenuti sintetici in massa e l’utente medio è esposto continuamente a output generici.

Il mercato sta reagendo: crollo dell’interesse

Qui emerge il dato più interessante: lo slop non è solo produzione, ma reazione negativa del pubblico.

  • L’interesse verso contenuti AI è passato dal 60% (2023) al 26% (2025) 
  • Il termine “AI slop” ha avuto una crescita di 9x nelle conversazioni nel 2025 (Meltwater)
  • Il sentiment negativo è aumentato fino a 20 volte nei picchi di discussione.

Tradotto: il pubblico sta sviluppando consapevolezza e rigetto verso contenuti percepiti come automatici, ripetitivi, senza intenzione.

Risultato: la qualità media percepita scende, indipendentemente dalla qualità reale dei singoli contenuti.

Questi dati convergono su un punto: lo slop non è una fase marginale. È una conseguenza inevitabile di tre fattori combinati:

  • Costo marginale vicino allo zero.
  • Adozione quasi universale (fino al 94% dei marketer).
  • Incentivi delle piattaforme basati sul volume.

Perché lo slop AI è da evitare, soprattutto nel marketing

In primo luogo perché annulla la differenziazione. Se tutti usano gli stessi strumenti nello stesso modo, il risultato converge verso una media indistinguibile.

E poi perché riduce l’efficacia. I contenuti generici vengono ignorati più facilmente: calano attenzione, engagement e conversioni.

Infine lo splop deprezza il canale. Nel caso dell’email marketing, aumentare il volume di messaggi poco rilevanti porta a saturazione, disiscrizioni e peggioramento della deliverability.

In sintesi, lo slop è una deriva: si usa l’AI per produrre di più, invece che per produrre meglio o in modo diverso.

Detto ancora meglio: stiamo usando una tecnologia trasformativa per ottimizzare attività marginali.

Come usare l’Ai per progettare sistemi (e non produrre contenuti mediocri)

Ed eccoci al cuore di questo articolo. Ovvero come superare la fase della produzione di spazzatura solo perché è praticamente a costo zero e usare la tecnologia rivoluzionaria dell’AI per ribaltare il sistema e arrivare a crearne uno nuovo. 

Se generare contenuti è facile, il valore effettivo deve spostarsi sul “fattore umano”, ovvero sul creare sistemi che prima non c’erano ed essenzialmente basati su opera umana. 

Tre funzioni AI che verranno presto

1. Scelta del contesto
L’AI lavora su dati esistenti. Non decide cosa è rilevante ora, per quel pubblico, in quel momento.

2. Rottura degli schemi
I modelli ottimizzano ciò che è già funzionato. Non introducono deviazioni radicali se non guidati.

3. Assunzione di rischio
Ogni innovazione implica possibilità di fallimento. L’AI non ha incentivo né responsabilità nel prendersi questo rischio.

Questo ridefinisce la figura del marketer: meno esecutore, più architetto di sistemi.

AI e Email marketing: cosa cambia davvero

Nel contesto dell’email marketing, questo spostamento è particolarmente evidente.

I modelli tradizionali sono basati su:

  • campagne periodiche;
  • segmentazioni statiche;
  • copy definito prima dell’invio.

L’AI rende possibile un altro paradigma:

  • contenuti che si adattano in base al comportamento dell’utente;
  • segmentazioni dinamiche, aggiornate in tempo reale;
  • flussi che evolvono dopo l’invio, non prima.

Secondo dati di Salesforce, le campagne personalizzate possono generare tassi di conversione fino a 1,5–2 volte superiori rispetto a quelle standard. Tuttavia, la personalizzazione reale – non superficiale – è sempre stata limitata da costi e complessità.

L’AI elimina gran parte di questi vincoli. Ma introduce un nuovo problema: serve qualcuno che progetti il sistema.

Dal contenuto al sistema

Il passaggio non è immediato, né teorico. All’inizio l’AI viene usata per fare meglio e più velocemente ciò che già esiste: scrivere email, generare varianti, aumentare la produttività. È ancora logica di esecuzione.

Il cambio avviene quando il focus si sposta a monte. Non più “cosa scrivo”, ma “in base a cosa viene scritto”. In quel momento il contenuto smette di essere il punto di partenza e diventa l’esito di una logica: condizioni, dati, comportamento dell’utente. L’AI non produce un output, alimenta un sistema che decide quale output generare.

Quando il cambiamento è reale

Si capisce che il passaggio è avvenuto quando il contenuto non è più completamente definito prima dell’invio. Una parte rilevante si costruisce in base a ciò che accade: aperture, click, timing, contesto.

Le performance iniziano a migliorare senza interventi continui sul copy, perché il sistema apprende. E soprattutto cambia il lavoro umano: meno tempo speso a scrivere, più tempo speso a progettare flussi, definire regole, interpretare segnali.

A quel punto, anche usando gli stessi strumenti, due aziende ottengono risultati diversi. Non per il tool, ma per la struttura che hanno costruito.

I benefici concreti

Il primo effetto è l’efficienza: un sistema ben progettato continua a produrre e ottimizzare senza richiedere ogni volta un intervento manuale.

Il secondo è una personalizzazione reale. Non superficiale, ma legata a contenuto, sequenza e timing. È qui che si genera impatto, come mostrano anche i dati di Salesforce sulle performance delle esperienze personalizzate.

Il terzo è l’apprendimento cumulativo. Una campagna tradizionale si esaurisce; un sistema, invece, migliora nel tempo e costruisce un vantaggio progressivo.

In questo senso, progettare sistemi non è solo un modo più avanzato di usare l’AI. È l’unico modo per evitare che l’aumento di produzione si trasformi in rumore indistinguibile.

Conclusione: la creatività non scompare, cambia coordinate

La domanda iniziale era: quale sarà il futuro della creatività?

La risposta è meno romantica di quanto sembri.

La creatività non sarà più ciò che produci.
Sarà come progetti ciò che produce.

In un contesto in cui generare contenuti è banale, il valore si sposta sulla capacità di:

  • definire direzioni
  • costruire sistemi
  • prendere decisioni in condizioni di incertezza

Non è una riduzione della creatività. È una sua evoluzione.

E, per il marketing, è un vantaggio competitivo molto più difficile da replicare.