Perché il tuo cervello rifiuta l'Odissea fatta dall'AI

Cominciamo dal chiarire cosa NON è successo: Christopher Nolan non ha usato l'AI generativa nel suo film. "The Odyssey" è un kolossal da 250 milioni di dollari in formato IMAX, girato con attori in carne e ossa, secondo lo stesso Hollywood Reporter. Compare in questa storia solo perché altri due, nella stessa estate, hanno deciso di portare sullo schermo la stessa storia, l'Odissea di Omero, con un modello AI.

Il primo è una promessa senza dettagli produttivi verificabili: Elon Musk ha annunciato una propria versione "storicamente accurata" generata da Grok Imagine, secondo ANSA e Everyeye Cinema (22 luglio 2026), senza cast, piano di produzione o data d'uscita. Il secondo è già uscito, ed è servito da banco di prova: "Odysseus: The Fall", il secondo film interamente AI dello studio londinese Fountain 0 e del suo fondatore Ash Koosha, 135 minuti con un budget riportato "a cinque cifre, sulla fascia media", secondo Hollywood Reporter.

La parte interessante è l'accoglienza. Testate come Euronews l'hanno definito "AI slop", segnalando dialoghi legnosi, volti incoerenti e animazioni che si sfaldano man mano che il film avanza.

Due modi di rivendicare la stessa promessa

Musk e Koosha rivendicano la stessa cosa, "lo abbiamo fatto con l'AI", ma con premesse diverse. Koosha ha presentato il suo film come un esperimento a basso costo, non come un rivale del blockbuster di Nolan, eppure annunciarlo a pochi giorni dall'uscita di Nolan ne ha tradito l'intento agli occhi di critica e pubblico, e a giudicare dalle reazioni ha danneggiato la percezione del film più di quanto l'abbia aiutata. Musk l'ha annunciata come una sfida diretta, promettendo maggiore fedeltà storica proprio grazie all'AI: una promessa che, senza ancora nulla da mostrare, si gioca tutta nei dettagli che dovrà produrre.

La differenza anticipa il problema che ogni azienda affronta quando introduce contenuti generati da un modello: non è l'AI in sé a creare diffidenza, è la promessa implicita che le sta intorno. Se dici "questo lo ha fatto una macchina, ed è un esperimento", il pubblico valuta l'esperimento. Se dici "questo è meglio perché lo ha fatto una macchina", o se lo lasci intuire dal tempismo di un annuncio, il pubblico va a cercare l'imperfezione che smentisce l'affermazione, e Koosha ne è la prova. Vale per un film e vale per una newsletter.

Che cos'è la uncanny valley, e perché il cervello la accende?

Nel 1970 l'ingegnere giapponese Masahiro Mori, docente di robotica, descrisse un effetto che oggi chiamiamo uncanny valley: più un'imitazione si avvicina all'aspetto umano, più cresce la nostra empatia, fino a un punto critico in cui piccole imperfezioni fanno crollare quella stessa empatia in disagio (Mori, MacDorman & Kageki, The Uncanny Valley, 2012). È esattamente quello che i critici hanno segnalato nel film di Koosha: volti che cambiano aspetto da una scena all'altra. Un cartone animato o un robottino stilizzato non attivano questo meccanismo, perché il cervello li archivia subito come "non umani" e non si aspetta altro; un volto sintetico quasi perfetto, invece, viene misurato con lo stesso metro di un volto vero, e ogni micro-incoerenza diventa un segnale di allarme.

Un'ipotesi di come questo avvenga riguarda i neuroni specchio: cellule del cervello che si attivano sia quando compiamo un gesto sia quando guardiamo qualcun altro farlo, come se lo stessimo provando anche noi (Rizzolatti & Craighero, The Mirror-Neuron System, 2004). In pratica, quando osserviamo un movimento, il corpo lo "sente" un po' anche da fermo, grazie alla stessa rete di percezione che normalmente usiamo per il tatto e per sapere dove sono le nostre membra (StatPearls, Physiology, Sensory System).

Se quel movimento non rispetta le regole di peso e sforzo che il corpo conosce, come i cavalli goffi del film di Koosha, scatta in noi la sensazione che "qualcosa non va", prima ancora di riuscire a spiegarci il perché. Sul perché esattamente questo accada la ricerca non ha ancora un consenso unico, e l'effetto descritto da Mori resta un'osservazione empirica solida più che una teoria chiusa (ScienceDirect).

Perché la fatica visibile comunica sincerità?

C'è una seconda spiegazione, più economica che neurologica, ed è la teoria del segnale costoso (costly signaling theory): in molte specie sociali, un segnale è credibile solo se costa qualcosa a chi lo produce (Zahavi, Mate Selection, A Selection for a Handicap, 1975).

La coda di un pavone o la voce che trema di un cantante non si possono falsificare senza sforzo reale: quello sforzo, visibile, è la prova. È un'analogia, non una legge fisica applicata all'AI, ma spiega bene perché un contenuto generato in pochi secondi non risulti credibile, anche quando il risultato è tecnicamente impeccabile. Ed è la parte che sopravvive quando si passa dal cinema al testo scritto: lì non c'è un volto da giudicare, resta solo il segnale di costo.

Dallo schermo all'ufficio: cosa succede quando un'azienda fa lo stesso

Fuori dal cinema il giudizio è più cognitivo che percettivo, sull'autenticità e sull'intenzione di chi scrive, e non si tratta di una vera e propria uncanny valley applicata al testo. Ma l'esito, la perdita di fiducia, è lo stesso. Un sondaggio YouGov del 2026 ha rilevato che il 32% dei consumatori si fiderebbe meno di un brand sapendo che un contenuto è generato da AI, contro solo il 15% che se ne fiderebbe di più (MarTech, 2026; dato ripreso anche da Agenda Digitale). Nella stessa area di ricerca, i contenuti percepiti come AI-generated hanno mostrato penalità di engagement comprese tra il 20% e il 35% rispetto ad alternative create da persone (Agenda Digitale, 2026).

Cosa significa per chi implementa l'AI in azienda?

L'AI generativa crea valore reale quando automatizza un lavoro ripetitivo (analisi, reportistica, prima bozza), e in questi casi nessun cliente si aspetta di vedere "la mano umana". Il problema nasce quando la stessa scorciatoia sostituisce la voce pubblica dell'azienda, il pezzo di comunicazione dove il cliente si aspetta un'intenzione, non solo un output.

Il confine passa da tre cose:

• Trasparenza. Etichettare cosa è generato e cosa no, invece di lasciare che sia il cliente a scoprirlo con sospetto.
• Human-in-the-loop visibile. Una revisione umana che si vede nel risultato finale, non solo nel processo interno.
• Governance dei dati. Un output coerente parte quasi sempre da una base di dati e ontologie ben strutturata.

In due righe

Nolan, Musk e Koosha stanno raccontando, senza volerlo, lo stesso esperimento sulla fiducia che ogni azienda vive quando introduce l'AI generativa nella propria comunicazione: il cervello umano non rifiuta la macchina, rifiuta l'assenza di sforzo visibile dove si aspettava una relazione. Chi progetta i propri flussi AI dichiarando fin dall'inizio cosa è generato e chi lo ha rivisto si toglie il problema prima che diventi una domanda del cliente.