Avete presente quando cercate di spiegare a un stagista cosa volete in un video, ma lui interpreta tutto in modo totalmente distorto? Ecco, immaginate di fare lo stesso, ma con modelli linguistici che hanno accesso al web e a una versione locale di ffmpeg.
Recentemente è uscita una sfida che definire ‘borderline’ sarebbe un eufemismo: hanno messo Claude Fable 5 e GPT-5.6 Sol a lavorare come registi autonomi. Il setup era minimalista, quasi da hacker che lavora in garage: lo stesso brano musicale, un budget di 100 dollari (che nel mondo dell’AI è praticamente un budget da startup fallita), accesso alla ricerca web e la libertà di usare strumenti di compressione video standard.
L’obiettivo non era solo generare immagini, ma ‘dirigere’. Non si tratta solo di scrivere un prompt e sperare che l’output sia decente, ma di lasciare che l’agente decida la struttura, i tagli e la narrazione. Per noi che amiamo smontare i processi per vedere come girano i bit, l’idea è affascinante: stiamo parlando di agenti che non si limitano a rispondere a una domanda, ma che pianificano un workflow complesso.
Da una parte abbiamo la visione di Claude, che sembra avere un approccio più curato, quasi da regista d’essai che cerca di darsi un tono. Dall’altra, il solido (ma a volte un po’ troppo ‘corporate’ nel modo di strutturare le cose) GPT-5.6 Sol. La parte divertente? La gestione delle risorse. Vedere un’intelligenza artificiale che deve gestire un budget limitato e decidere se spendere i token per un dettaglio visivo o per una transizione più fluida è una lezione di gestione delle risorse che molti project manager umani dovrebbero studiare.
Certo, c’è da essere onesti: siamo ancora in quella fase in cui l’hype è altissimo e la realtà è spesso fatta di errori di sintassi nei file di configurazione o di un uso troppo creativo del budget. Non è ancora il momento di licenziare i montatori video professionisti, ma la capacità di questi modelli di orchestrare strumenti esterni (come appunto ffmpeg) è il vero salto di qualità. È il passaggio da ‘chatbot che scrive poesie’ a ‘agente che esegue task’.
In Italia, dove spesso ci lamentiamo che l’innovazione arrivi con un ritardo biblico, leggere di queste sperimentazioni ci ricorda che il vero playground è globale e gira su server che non hanno bisogno di permessi ministeriali per inventare qualcosa di nuovo. Anche se il rischio di trovarci con video pieni di allucinazioni visive è alto, il potenziale di automazione di workflow creativi è una bomba che non possiamo ignorare. Speriamo solo che la prossima sfida non preveda un budget di 1 dollaro, altrimenti il video sarà solo un frame nero con un errore di memoria.