Scrivi "AI" su un Monet e diventi improvvisamente un critico d'arte

Questo non è un pezzo sul GDR. Se però avete mai assistito a una discussione in forum sull'AI nelle illustrazioni fantasy, e su Dragonslair ne abbiamo viste parecchie, quello che segue vi riguarda direttamente. Continuate a leggere.

Il 12 maggio 2026, un utente anonimo su X che risponde al nome di @SHL0MS ha pubblicato un'immagine. Uno stagno con ninfee, riflessi d'albero sull'acqua, pennellate sfocate verso il lilla. La didascalia diceva, in inglese, che aveva appena generato quell'immagine con l'AI in stile Monet, e chiedeva ai presenti di descrivere nel dettaglio in che cosa fosse inferiore a un Monet vero. Ha aggiunto pure il tag "Made with AI" che X mette a disposizione, per non lasciare scampo.

Il post ha raggiunto 5,5 milioni di visualizzazioni. Centinaia di risposte. Gente seria, articolata, con un profilo che suggeriva una certa cultura visiva, che smontava l'opera pezzo per pezzo. Punto focale sbagliato, contrasto delle ninfee troppo basso, il riflesso dell'albero che "invadeva le ninfee senza riguardo per la profondità spaziale", la luce sull'acqua che era "solo rumore spruzzato a caso". Frasi pronunciate con la sicurezza di chi ha capito tutto.

L'immagine era un Monet. Vero. Originale. Serie delle Water Lilies, dipinto attorno al 1915, attualmente appeso alla Neue Pinakothek di Monaco di Baviera. Cento anni di museo, milioni di visitatori, pubblicazioni accademiche a valanga, una delle opere più riconoscibili della storia dell'arte occidentale.

Dopo il reveal, molti dei commentatori hanno cancellato le proprie risposte. @SHL0MS aveva già fatto gli screenshot.

Il meccanismo è semplicissimo, e per questo è devastante

Quello che è successo non ha niente di misterioso. Una storica dell'arte, A.V. Marraccini, ha smascherato l'inganno quasi subito, riconoscendo la pennellata del Monet tardo, l'impasto "selvaggio" tipico del periodo, le tonalità virate al lilla dovute ai cambiamenti della sua percezione del colore in quegli anni. Cose che chiunque studi Monet sul serio conosce come tratti stilistici distintivi, non come difetti.

Le stesse caratteristiche che gli studiosi usano per attribuire un'opera al periodo tardo di Monet: quell'impasto ruvido, quella composizione che resiste alla lettura immediata, quella sfocatura cromatica, sono state lette dai commentatori di X come prove tecniche dell'origine artificiale dell'opera.

Un tratto iconico è diventato un bug dell'algoritmo. Perché sopra c'era scritto "Made with AI".

Benvenuti nell'effetto etichetta, il trucco più vecchio del mondo

I cognitivisti chiamano questo fenomeno "framing effect". Tradotto: la cornice cambia l'esperienza prima che l'esperienza cominci. Lo stesso vino ti piace di più se costa ottanta euro. La stessa persona ti sembra più competente se viene presentata con un curriculum da Harvard. Lo stesso quadro ti sembra difettoso se ti dicono che l'ha fatto un software.

Non è stupidità. È struttura del cervello umano. Siamo animali che prendono decisioni velocissime su input incompleti, e la scorciatoia "che etichetta c'è sopra?" è una di quelle che il cervello preferisce perché costa pochissima energia. Il problema è che quando la scorciatoia si attiva, smetti di guardare quello che c'è davvero davanti a te e cominci a vedere quello che l'etichetta ti dice di vedere.

Nel caso del Monet, il meccanismo ha prodotto qualcosa di spettacolare: persone che hanno elaborato analisi tecniche dettagliate e sicure di sé su un'opera che non erano in grado di valutare correttamente, convinte di stare esercitando un giudizio critico autonomo. Lo stesso materiale, la stessa immagine, gli stessi pixel, lettura completamente diversa a seconda di due parole scritte in didascalia.

L'AI come detonatore del Dunning-Kruger di massa

C'è un secondo meccanismo in gioco, e qui si fa interessante. Uno studio pubblicato su arXiv a dicembre 2025 ha costruito un dataset di 120 immagini, metà AI, metà reali, e ha misurato la performance umana nel distinguerle. Il risultato è stato statisticamente equivalente a lanciare una moneta, con in più la fatica di guardarci sopra.

Questo è un dato scientifico, non un'opinione. L'occhio umano non distingue in modo affidabile un'immagine generata da una reale. Punto.

Il che rende particolarmente gustosa la fiducia con cui moltissime persone, ogni giorno, dichiarano di vedere "subito" se qualcosa è AI. "Si vede lontano un miglio." "È palesemente generata." "Il solito AI slop."

Il Dunning-Kruger Effect, per chi non lo conoscesse, è il fenomeno per cui meno conosci un dominio, più sei convinto di conoscerlo. Si applica magnificamente a tutto ciò che riguarda l'AI in questo momento storico: il tema è abbastanza nuovo da rendere impossibile avere competenza vera, abbastanza presente nel dibattito pubblico da far sembrare a chiunque di saperne qualcosa, e abbastanza polarizzante da far scattare immediatamente una presa di posizione identitaria. Non sto valutando un'opera d'arte. Sto dichiarando da che parte sto.

Perché la cosa dovrebbe interessarci

La questione non è l'AI. L'AI in questa storia è solo il detonatore. Il meccanismo che ha fatto smontare un Monet davanti a 5,5 milioni di persone esiste da prima che qualcuno inventasse il machine learning, e sopravviverà a qualunque modello che verrà dopo.

È lo stesso meccanismo per cui leggi la mail di un cliente che hai già etichettato "antipatico" cercando conferme che sia antipatico, e le trovi sempre. È lo stesso per cui il novello appassionato di qualsiasi cosa, che sia fotografia, cucina, giochi di ruolo o politica estera, ha opinioni più nette e sicure dell'esperto che ci lavora da vent'anni, perché l'esperto sa quanto è grande quello che non sa.

Il punto non è che siamo stupidi. È che siamo costruiti per prendere scorciatoie, e le scorciatoie funzionano benissimo finché non finiscono sul fatto che hai appena demolito pubblicamente un Monet del 1915 su un social network con sei milioni di spettatori.

E almeno puoi cancellare il commento. Gli screenshot restano.