Introduzione al test di creatività AI
Una parola che uso sempre con cautela quando parlo di intelligenza artificiale è creatività. Questa volta, però, ritengo difficile trovare un termine più appropriato per descrivere ciò che Opus 5.5 è riuscito a realizzare.
Ho preso una clip di circa due minuti da uno dei miei video, nella quale discuto di AGI – Artificial General Intelligence – e l’ho affidata a Opus 5.5, l’ultimo modello di Anthropic. L’obiettivo era semplice: chiedere al modello di aggiungere b‑roll, animazioni, transizioni ed elementi grafici da sovrapporre al video durante il montaggio, senza dargli indicazioni creative specifiche.
Il contesto tecnico del test
Per il test ho utilizzato una skill per Claude Code, realizzata da un creator americano, che ho adattato al mio ambiente di lavoro. Dopo aver chiesto a Claude di analizzarla, capire cosa potesse essere utile, cosa modificare e come integrarla con le altre skill e applicazioni già in uso, ho lanciato il tutto dal terminale.
Opus 5.5 ha ricevuto la clip e, quasi per intero, nessuna indicazione creativa. L’unica domanda del modello è stata se volessi mantenere la palette di colori predefinita; ho confermato, poiché l’arancione, il bianco e il nero corrispondevano al mio brand.
Risultati immediati: automazione della post‑produzione
Il modello ha individuato otto momenti chiave all’interno dei due minuti di video, inserendo elementi grafici, modifiche e animazioni in modo autonomo. In diversi punti, oltre a produrre animazioni tecnicamente convincenti, Opus 5.5 ha interpretato ciò che stavo dicendo e ha scelto come rappresentarlo visivamente.
Normalmente, non utilizzo quasi mai i b‑roll nei miei video. Pubblico tre o quattro video a settimana e non ho il tempo né le competenze per dedicarmi a software di editing avanzati come Premiere, DaVinci Resolve o Vegas. Grazie a Opus 5.5, gran parte di questo lavoro è stata delegata all’AI.
Recupero informazioni e contestualizzazione
Durante la clip parlo di AGI e faccio riferimento a una definizione di Google che descrive l’AGI come uno spettro. Non fornisco il titolo del paper, la data di pubblicazione né un link. Opus 5.5, però, ha capito di cosa trattavo, ha cercato online il paper di Google DeepMind e ha usato le informazioni per costruire un’animazione coerente con il contenuto.
Questa capacità di cercare informazioni contestuali rappresenta una differenza sostanziale rispetto a un sistema che si limita a eseguire istruzioni predefinite. Il modello non ha ricevuto una lista del tipo “cerca questo paper, mostra il titolo, inserisci questa immagine”; ha costruito il contesto autonomamente.
Interpretazione concettuale e metafore visive
Il passaggio più sorprendente avviene quando nella clip parlo del Medioevo. Spiego che chi viveva nel Medioevo non era consapevole di appartenere a quel periodo, poiché la definizione è stata coniata secoli dopo. Opus 5.5 ha creato una timeline e ha utilizzato un cursore per selezionare una porzione precisa della linea temporale, visualizzando la metafora che la storia viene vissuta prima e poi analizzata retrospettivamente.
Questa scelta non è stata suggerita; il modello ha deciso da solo quale rappresentazione fosse più adatta, dimostrando una forma di creatività autonoma.
Altri esempi di creatività automatica
Altri momenti della clip mostrano schemi ricorrenti:
- Quando introdurre una serie di concetti, Opus 5.5 riconosce l’arrivo di un elenco e costruisce una transizione grafica con box.
- Quando parlo della lettera “G” di AGI, il modello la evidenzia, espande l’acronimo e mostra il significato di ciascuna lettera.
- Durante la discussione sulle molteplici definizioni di AGI proposte da aziende, ricercatori ed esperti, il modello crea una “pagina di risultati di ricerca” con foto e nomi delle figure citate.
In tutti questi casi, non ho fornito metafore o indicazioni specifiche; Opus 5.5 ha scelto autonomamente la rappresentazione più efficace per il punto del video.
Tre livelli di utilità emergenti
Il test ha evidenziato tre livelli distinti di utilità dell’AI nella post‑produzione video:
- Automazione immediata: nessuna competenza di editing necessaria, il lavoro di post‑produzione è generato direttamente da Claude Code.
- Recupero informazioni: il modello ricerca e integra dati esterni per arricchire il contenuto.
- Interpretazione concettuale: il modello comprende il concetto espresso e seleziona l’elemento visivo più adatto a chiarirlo.
Questi livelli mostrano come l’AI stia passando dal ruolo di semplice generatore di output a quello di decisore creativo.
Confronto con GPT‑6 Astra
Qualche giorno prima avevo sperimentato un test simile con GPT‑6 Astra, ottenendo risultati impressionanti. Confrontando i due test, la differenza è evidente: Opus 5.5, rilasciato solo poche settimane dopo Astra, ha spostato ulteriormente il confine delle capacità AI, dimostrando una maggiore autonomia nella scelta delle metafore e nella ricerca di informazioni.
Questa dinamica evidenzia la rapidità della “corsa” tra i grandi modelli: un modello avanza il limite, subito dopo ne segue un altro che lo supera nuovamente.
Impatti pratici per i creatori di contenuti
Da una clip di due minuti, Opus 5.5 ha prodotto otto elementi grafici, ognuno con il proprio timing, pronti per essere inseriti nel video originale. Ha inoltre creato una pagina comparativa “prima e dopo” e una cartella con tutti i filmati necessari, senza che io dovessi progettare singolarmente ciascun elemento.
Questo approccio riduce drasticamente i tempi di produzione, elimina la necessità di software di editing complessi e consente di concentrarsi sul contenuto narrativo piuttosto che sulla tecnica.
Verso una nuova definizione di “creatività” AI
L’AI sta diventando sempre meno uno strumento a cui dobbiamo spiegare passo passo cosa fare, e sempre più un collaboratore capace di comprendere gli obiettivi e di decidere autonomamente il percorso per raggiungerli. Quando un sistema non si limita a eseguire, ma cerca informazioni, interpreta concetti e sceglie metafore visive, la parola “creatività” perde il suo carattere di contraddizione.
La domanda più interessante non è più “chi ha vinto il test?”, ma quali nuove competenze emergono quando le macchine diventano co‑autori