Nel 2018 ho avviato un progetto che si chiamava Demand Full Laziness. Era un piano quinquennale per l’automazione della mia produzione artistica. L’idea era più o meno quella di delegare la creazione delle mie opere a un algoritmo di deep learning, e nel frattempo riposare.

In concreto: per il primo anno ho praticato quello che chiamavo performative laziness sessions — riposo consapevole, se vuoi. Mi sono fatto osservare da una rete neurale mentre dormivo, leggevo a letto, oziavo. Il dataset del progetto era il mio corpo in pausa. Ho usato quelle immagini per addestrare una GAN a generare rappresentazioni di me mentre non facevo nulla. Poi ho alterato i parametri, e la macchina ha cominciato a produrre immagini astratte, allucinazioni visive ispirate ai pattern del riposo. Le ho distribuite come stampe, oggetti, file digitali — “opere autenticate e fabbricate dalla macchina”. Il piano è durato cinque anni, dal 2018 al 2023.

L’obiettivo dichiarato era quello di superare ogni intenzionalità estetica e il concetto stesso di lavoro nell’arte, rivendicando il diritto alla pigrizia. I riferimenti erano Srnicek e Williams, Inventing the Future, l’idea che la piena automazione potesse emancipare dal lavoro salariato. E Stilinović, ovviamente — Artist at Work, 1978: l’artista che dorme come forma di lavoro. Ho cercato di aggiornare quella lezione nell’epoca delle reti neurali.

Il piano, va detto, è in buona parte naufragato. Nel mezzo c’è stata una pandemia, i lockdown forzati, la digital fatigue. Il riposo deliberato che era il cuore del progetto è diventato indistinguibile dalla condizione di tutti — milioni di persone ferme davanti a uno schermo, stanche senza aver fatto nulla. Gli ultimi anni del piano sono stati più una coda inerziale che un progetto attivo. Dice qualcosa su quanto le condizioni materiali contino più delle intenzioni.

Il piano finisce comunque nel 2023, nel frattempo il mondo ha scoperto l’intelligenza artificiale generativa. O meglio: il mondo ha scoperto che può generare immagini di gatti scrivendo poche parole. Midjourney, Stable Diffusion, ChatGPT. Il dibattito pubblico si è diviso come sempre tra apocalittici e integrati, concentrandosi quasi interamente sull’impatto dell’AI sul mondo della creatività e su chi ci perde.

Tanto per dirne una, l’anno scorso nella Accademia dove insegno, durante una lezione con gli studenti di fumetto, la lezione è quasi finita in ammutinamento. La loro preoccupazione è legittima: studiano per anni una disciplina e vedono arrivare uno strumento che sembra rendere superfluo quel percorso. Lo capisco, e non è mia intenzione sminuire la loro paura.

Quello che mi colpisce, però, è come il dibattito si chiuda immediatamente dentro il perimetro della creatività — come se l’intelligenza artificiale fosse un problema di settore, una questione tra illustratori e algoritmi. L’AI è un’infrastruttura che ridisegna i rapporti di potere a ogni livello — economico, epistemologico, militare. La stessa architettura tecnica che genera immagini seleziona bersagli sul campo di battaglia, ottimizza catene logistiche, riorganizza l’accesso alla conoscenza. Discuterne solo in termini di copyright e illustrazioni è come discutere della stampa a caratteri mobili preoccupandosi esclusivamente dei calligrafi che perdono il lavoro. I calligrafi contano. Ma si sta guardando una cosa enorme dal buco della serratura.

La domanda, per come la vedo io, riguarda la scala: riuscire a guardare questa infrastruttura per quello che è — un sistema che ridisegna chi ha potere e chi no — e chiedersi se può funzionare anche in direzione contraria, come strumento di emancipazione oltre che di estrazione.

***

Per cominciare a rispondere, bisogna almeno smettere di mescolare cose diverse. Anche dentro il dibattito sulla creatività, le cose vengono confuse in modo che non aiuta.

L’AI generativa come strumento di produzione — fare in dieci minuti quello che prima richiedeva tre ore, prototipare un arrangiamento, esplorare varianti di un’immagine — è uno strumento. Come lo era Photoshop, come lo era il sintetizzatore, come lo era il tornio. Le conversazioni che si facevano allora si ripetono oggi con la stessa grammatica e la stessa capacità predittiva. Accanto a questo c’è la questione dell’accesso, che è forse la più scomoda: per la prima volta, produrre un’immagine ragionevolmente complessa non richiede anni di formazione né migliaia di euro di software. Il risultato non è equivalente a vent’anni di pratica, ma la barriera d’ingresso si è abbassata in modo radicale. Quante persone hanno avuto idee che non potevano realizzare per mancanza di mezzi? Quante forme espressive erano riservate a chi poteva permettersi la formazione? Liquidare queste domande è una difesa corporativa prima che una posizione critica.

***

Sotto a tutto questo c’è una questione che riguarda il rapporto tra produzione e significato. Shannon diceva che l’informazione contenuta in un messaggio è proporzionale alla sua imprevedibilità. Un messaggio atteso non informa: conferma.

Per molto tempo la creatività è stata codificata in forme convenzionate — fotografia, pittura, grafica, cinema, musica — e il valore di un’opera aveva a che fare anche con la sua capacità di emergere in un campo relativamente desaturato. In un paesaggio con pochi segni, bastava un segno per creare imprevedibilità.

Oggi il campo è saturo. L’AI generativa ha accelerato una tendenza che era già in atto da anni: la sovrapproduzione di segni. Ma non è solo una questione di quantità. Le grandi piattaforme hanno standardizzato anche i formati di fruizione — le dimensioni delle immagini, la durata dei video, il ritmo dello scroll, le metriche dell’engagement. Il contenuto non circola in un vuoto: circola dentro strutture che ne governano la ricezione, che premiano la prevedibilità e penalizzano lo scarto. Il formato del feed è già un’estetica, prima ancora che qualcuno ci metta dentro un’immagine. Più segni circolano, meno ciascun segno comunica.

Ed è nel feed che trova il suo luogo congeniale quello che chiamiamo AI slop: contenuto generato in automatico, ottimizzato per essere statisticamente coerente con ciò che già circola. Tramonti perfetti, volti plausibili, testi che suonano come tutti gli altri testi. L’AI slop produce normalità, mai errori interessanti. Un flusso che si auto-riempie della propria media, senza scarto, senza attrito — la forma compiuta di un campo in cui il rumore ha preso il posto del segnale.

Da qui una conseguenza che per me è centrale: se l’output è automatizzabile — e lo è, l’ho dimostrato io stesso con cinque anni di piano quinquennale — allora il valore non sta nell’output.

Demand Full Laziness partiva da lì. Le immagini generate dalla GAN erano il pretesto. Il progetto era il contesto — un arco di cinque anni in cui ripensare il rapporto tra automazione, tempo libero e lavoro artistico.

***

È per questo che il discorso che sento fare più spesso mi convince poco. Il discorso è: ci hanno rubato le immagini, vogliamo essere pagati per l’uso dei nostri dati, vogliamo royalties, vogliamo che il copyright ci protegga. Lo capisco. Ma per me è una risposta che non sposta molto.

Il copyright protegge la proprietà intellettuale dentro un mercato. Lo stesso mercato che ha sempre remunerato la creatività in modo selettivo, concentrando la ricchezza verso chi possiede i canali di distribuzione. L’AI generativa non ha cambiato questa dinamica. L’ha resa più efficiente. Chiedere più tutele a volte è necessario, non lo nego. Ma le regole restano quelle.

Il punto, per come lo vedo io, è che i modelli generativi trasformano una conversazione culturale collettiva — fatta di gesti, stili, intuizioni, errori accumulati da generazioni di persone — in un asset privato, remunerato unicamente verso chi possiede l’infrastruttura. Quella conversazione è un bene comune, e come tale andrebbe trattata. Non si quantifica in royalties. Si garantiscono le condizioni perché possa continuare.

***

Se la macchina può fare il lavoro ripetitivo — compreso il lavoro creativo che il mercato ha ridotto a ripetizione — allora dovremmo avere più tempo, non meno reddito. Ma questo funziona solo se il reddito è sganciato dalla produzione.

David Graeber lo aveva detto con chiarezza in Bullshit Jobs: una parte enorme dei lavori che esistono oggi sono inutili, e chi li svolge lo sa. Occupazioni create per mantenere tutti occupati, non per produrre qualcosa di necessario. Graeber proponeva il reddito di base universale come via d’uscita — separare il sostentamento dal lavoro, permettere alle persone di smettere di fingere. Quel libro è del 2018, lo stesso anno in cui ho avviato il piano quinquennale. Nel frattempo molti di quei lavori inutili sono diventati anche automatizzabili, il che rende la proposta ancora più concreta e ancora più urgente.

Quando dico reddito di base è una scorciatoia per dire una cosa più grande: la decommodificazione della pratica. Casa, salute, tempo. Senza questo, qualunque strumento è palliativo — compreso il copyright, compresa la formazione, compreso il mio piano quinquennale. Non “pagateci di più per quello che facciamo”. Piuttosto: garantite le condizioni materiali perché le persone possano fare cose che non hanno bisogno di essere vendute per avere valore.

***

Quello che Demand Full Laziness metteva in scena — con tutti i suoi eccessi retorici, la pigrizia come bandiera, il piano quinquennale come parodia della pianificazione industriale — era in fondo una domanda semplice: cosa succede se smonti l’equazione tra creatività e lavoro salariato? La pigrizia era il pretesto, un’esagerazione utile a rendere visibile un’abitudine che di solito non si discute: l’idea che il valore di ciò che fai dipenda dal tempo che ci impieghi e dal prezzo a cui lo vendi.

Tre anni dopo la fine del piano, non credo che l’arte sia scomparsa perché l’output è automatizzabile. L’intelligenza artificiale generativa lavora su base statistica, tende a riprodurre configurazioni coerenti con ciò che ha appreso. Produce il già noto in forme nuove, e può farlo con una qualità che continuerà a migliorare. Ma questo riguarda la produzione di segni. L’arte è anche — forse soprattutto — un atto comunicativo, e nella comunicazione conta dove quei segni sono collocati. È un problema di figura e sfondo: lo stesso segno cambia significato a seconda della cornice in cui appare, del contesto che lo accoglie, delle relazioni che attiva. La macchina produce figure. Non decide lo sfondo.

La creatività che sposta qualcosa sta nella costruzione di contesti all’interno dei quali si genera imprevedibilità. L’autore non è solo colui che produce contenuti — è chi sa dove collocare quei segni, chi non riduce il proprio lavoro alla qualità formale dell’output. Contesti che attivano comportamenti diversi, reazioni non previste, modi di fruire e di pensare che prima non c’erano. Non so ancora che forma precisa questo prenderà nei prossimi anni — nel mio lavoro o in quello di altri. So che non parte dall’oggetto finale prodotto dalla macchina. La macchina è una fase del processo creativo.

I miei studenti di fumetto, quelli dell’ammutinamento, hanno ragione su una cosa che il mio discorso non risolve: il reddito di base non c’è. Adesso. Loro si stanno laureando ora, e “sganciate la creatività dal mercato” è un orizzonte giusto ma non è una risposta per il semestre prossimo. Questa asimmetria tra dove dovremmo andare e dove siamo è il posto da cui scrivo.

Resta una questione aperta: se riusciamo a costruire le condizioni perché questa infrastruttura lavori per l’emancipazione invece che per l’estrazione. Il reddito di base è un pezzo di quella costruzione. Il resto è lavoro da fare — e questa volta non lo delego alla macchina.

Guido Segni, 2026