Quando scrivere un libro diventa una prova forense

Il caso Jerry Falade ha trasformato in psicodramma pubblico una tensione che da mesi attraversa l’editoria anglosassone: quanta AI può entrare nella scrittura di un libro prima che l’autore smetta, agli occhi dell’industria prima ancora che dei lettori, di esserne davvero l’autore? E soprattutto: chi decide dove passa il confine, con quali prove e con quale margine d’errore?

Il detonatore è stato il romanzo d’esordio di Falade, un crime conteso da quattordici editori. In un primo momento l’opera aveva convinto Europa Content, una boutique di gestione e produzione letteraria di Brooklyn, a dare fiducia a Falade. Tanto che l’agente Marc Gerald era volato a Dallas, dove il giovane frequenta la Southern Methodist University (Texas), per incontrarlo. «Bastava leggere la lettera di presentazione e il primo capitolo per capire che era davvero un libro fantastico», ha spiegato Gerald. Il testo, in poco tempo, era arrivato agli editori e anche a dei produttori, già proiettati verso un adattamento cinematografico. L’asta per tra le case editrici se l’era aggiudicata Minotaur Books, che secondo le testate di settore aveva firmato un accordo per due libri da due milioni di dollari; Harper Collins, invece, aveva vinto i diritti per il mercato britannico.
A ritirarlo dal commercio sono stati gli stessi agenti che lo avevano rappresentato, rinunciando a una commissione stimata intorno ai 300 mila dollari. I rapporti di lavoro con il giovane sono stati interrotti e l’uscita del romanzo, programmata per il 2028, sospesa. La motivazione è singolare e dice molto del clima attuale: gli agenti sostengono di non riuscire più ad «autenticare» il modo in cui il manoscritto si sarebbe evoluto dall’origine alla versione finale, dubitando che sia stato scritto interamente attraverso la creatività e l’ingegno umano. Durante la vendita avevano chiesto all’autore se avesse utilizzato AI nella scrittura o nell’editing e si erano fidati della sua risposta negativa. Ora dichiarano di non poter più sostenerla.

Falade nega tutto, ha affidato il caso a un avvocato e ha pubblicato messaggi e materiali risalenti al 2021, precedenti all’avvento di ChatGPT, per documentare la genesi del romanzo. Ha inoltre sollevato una questione razziale: tre autori neri che avevano ottenuto importanti contratti editoriali sarebbero stati coinvolti solo quest’anno in controversie legate a sospetti di AI, mentre scrittori bianchi che ammettono pubblicamente di utilizzarla nel proprio processo creativo continuerebbero a lavorare senza conseguenze analoghe.

Il caso si inserisce in una sequenza ormai abbastanza lunga da produrre panico. Prima di Falade erano esplose le polemiche su Shy Girl di Mia Ballard, ritirato dalla pubblicazione, e su Daggermouth di H.M. Wolfe, passato dall’autopubblicazione a un accordo a sette cifre con Simon & Schuster malgrado un’analisi di Pangram avesse attribuito al testo una probabilità del 60% di contenere materiale generato dall’AI. Secondo Lincoln Michel (autore, editor e docente di scrittura narrativa presso il Sarah Lawrence College e la Columbia University), inoltre, diversi editori avrebbero già fatto ritirare o riscrivere libri per l’uso di intelligenza artificiale generativa senza che i casi diventassero pubblici. Ciò che emerge sui giornali sarebbe quindi soltanto la superficie.

In effetti è una realtà che sta scuotendo profondamente l’industria editoriale globale, dove i Large Language Models (LLM) e l’intelligenza artificiale generativa hanno già fatto il loro ingresso nei contesti più esclusivi. Il caso più clamoroso ha travolto il Commonwealth Short Story Prize, uno dei premi per racconti brevi più prestigiosi al mondo. Il racconto “The Serpent in the Grove” dell’autore caraibico Jamir Nazir ha vinto la categoria regionale e poi l’intero premio globale. Subito dopo la pubblicazione, la comunità letteraria e diversi esperti (tra cui il docente di Wharton Ethan Mollick) hanno analizzato il testo scoprendo evidenti tic di scrittura tipici di ChatGPT (strutture di epanortosi enfatica come “non X, ma Y”, l’uso ripetuto di metafore vuote e costrutti illogici come “un modo di camminare che faceva diventare uomini le panchine”). Sottoposto al software di rilevamento Pangram, il testo è risultato 100% generato da IA. Il caso si è esteso quando si è scoperto che ben 3 dei 5 vincitori regionali dello stesso premio mostravano forti sospetti di assistenza da parte di chatbot. Sempre legata al caso precedente è la reazione della celebre e storica rivista letteraria Granta. Per anni, Granta ha pubblicato e inserito nelle proprie rinomate raccolte i racconti vincitori del Commonwealth Prize. A seguito dello scandalo, l’editrice Sigrid Rausing ha fatto testare il racconto all’IA Claude (la quale ha confermato l’uso massiccio di tecnologia per elaborare il testo). Di conseguenza, Granta ha interrotto lo storico accordo rifiutandosi di pubblicare i futuri vincitori per non perdere il controllo editoriale sulla natura umana delle opere. Il fenomeno tocca addirittura il mondo dei fumetti e delle graphic novel, dove un’antologia è stata recentemente ritirata dai finalisti degli Eisner Awards (gli Oscar del fumetto) proprio dopo la rivelazione tardiva che i testi inclusi contenevano scritti generati da IA.

Un’intervista a Kathleen Schmidt (presidente di KMSPR, agenzia specializzata in strategia, marketing, pubbliche relazioni e branding che opera a fianco di autori, editori e soggetti legati al mondo dell’editoria), Lincoln Michel e John Paul Brammer (autore e columnist) restituisce l’immagine di un’industria impreparata, quasi priva di procedure condivise. Nell’editoria tradizionale non esiste un vero sistema di fact-checking dei manoscritti e, soprattutto, non esiste ancora un protocollo uniforme per accertare l’impiego dell’AI. La valutazione resta affidata in buona parte all’esperienza di agenti ed editor, alla lettura e all’intuizione. Il fatto che quattordici editor abbiano letto e desiderato il romanzo di Falade prima che qualcuno sollevasse dubbi crea perciò un secondo scandalo dentro il primo: se il testo presentava davvero evidenti “tracce” di AI, come hanno potuto sfuggire a così tanti professionisti?

Brammer individua qui una questione più profonda della tecnologia. L’AI starebbe mettendo a nudo una crisi della cultura letteraria e della capacità critica di chi dovrebbe selezionare i testi. Se racconti forse prodotti o pesantemente assistiti da LLM riescono a vincere premi, entrare in antologie prestigiose o scatenare aste milionarie, il problema riguarda anche il gusto e la qualità della lettura professionale. L’AI possiede già, secondo lui, tic riconoscibili: una predilezione per certe costruzioni, per metafore prevedibili, per un animismo un po’ stucchevole — «la panchina che osserva», «la roccia che ricorda» — che dovrebbe mettere in allarme un lettore esperto.

E tuttavia proprio qui nasce la parte più inquietante dello psicodramma. I detector non sono affidabili al cento per cento. Pangram, diventato uno degli strumenti più citati, può produrre falsi positivi. Schmidt considera particolarmente pericoloso che uno strumento del genere sia accessibile a chiunque: basta sottoporgli il testo di uno scrittore, ottenere un risultato sospetto e pubblicarlo sui social perché parta un processo sommario. In un ambiente competitivo, attraversato da rivalità, invidia e caccia al clic, l’accusa di «scrivere con l’AI» rischia di diventare una nuova arma reputazionale.
Peraltro qualcosa di simile è già successo. Brammer racconta di aver visto sui social persone condividere saggi altrui con commenti del tipo «sembra AI». Schmidt riceve perfino risposte da giornalisti che le chiedono se i comunicati che invia siano stati scritti da un LLM. Da qui una conseguenza quasi grottesca: gli autori cominciano a sentire la necessità di conservare prove della propria innocenza. Appunti, bozze, versioni successive, messaggi, documenti datati. Schmidt, che sta per iniziare un libro, dichiara esplicitamente che conserverà tutto (torneranno i celebri e poetici fogli appallottolati nel cestino, stavolta raccolti dal cestino e messi in salvo in un cassetto).

«Authors need their receipts»: agli scrittori servono le ricevute.

La scrittura entra così in una sorta di regime di tracciabilità preventiva. L’autore del prossimo futuro potrebbe dover dimostrare di avere scritto davvero il proprio libro, illustrando il processo che ha condotto alla sua realizzazione. È un rovesciamento culturale enorme: fino a pochi anni fa il manoscritto era considerato la prova d’autore; oggi rischia di diventare soltanto un indizio, mentre la paternità deve essere certificata attraverso la sua genealogia — o comunque in altro modo.

La collaborazione fra Substack e Pangram accentua ulteriormente questa atmosfera. Questo accordo consiste nell’integrazione di uno strumento nativo di rilevamento dei testi generati da intelligenza artificiale all’interno della celebre piattaforma di newsletter. Lanciata nel luglio 2026, la partnership permette a lettori e autori di scansionare post, commenti, note e risposte direttamente dal sito o dall’app di Substack per calcolare in quale percentuale il testo sia umano o frutto di un chatbot come ChatGPT o Claude.
L’obiettivo dichiarato da Substack è combattere il “Claudefishing”: il CEO di Substack, Chris Best, ha coniato questo termine (neologismo costruito sul nome dell’IA di Anthropic, Claude) per descrivere il fenomeno dei lettori che interagiscono inconsapevolmente con testi non umani, minando la fiducia alla base dell’economia dei creatori. La piattaforma vuole evitare l’invasione di contenuti di massa automatizzati (il cosiddetto “AI slop”), scommettendo sul fatto che chi paga un abbonamento desideri l’autenticità verificabile della voce umana.
Come funziona Pangram? A differenza di altri rilevatori che analizzano parola per parola chiedendosi «cosa scriverebbe un LLM?», la tecnologia di Pangram analizza l’intero blocco di testo ponendosi la domanda «a chi assomiglia questo stile?». L’azienda dichiara un’accuratezza del 99,98%. Tuttavia, l’analisi restituisce semplicemente un punteggio percentuale stimato sull’apporto dell’IA.
Nonostante le intenzioni dichiarate, la mossa ha scatenato accese polemiche e una vera e propria “caccia alle streghe”. Perché diversi autori hanno segnalato che lo strumento sbaglia. E pure parecchio: alcuni test effettuati dagli utenti su post storici scritti nel 2008 (più di un decennio prima dell’avvento dell’IA generativa) sono stati erroneamente etichettati come generati da intelligenza artificiale. Gli scrittori legittimi temono che uno stile di scrittura chiaro o accademico possa far scattare un falso positivo su Pangram, distruggendo all’istante la loro reputazione e allontanando i lettori paganti.

Brammer racconta di essersi immediatamente chiesto che cosa accadrebbe se il detector classificasse come artificiale un suo testo scritto interamente da lui. Il problema, osserva, va oltre l’eventuale falsa accusa: agli scrittori che non usano AI viene implicitamente chiesto di definire la propria identità in opposizione all’AI, di parlarne continuamente, di difendersi, magari perfino di modificare il proprio stile per evitare di sembrare una macchina. L’ombra del sospetto comincia così a interferire con la scrittura stessa.

Su un punto i tre intervistati convergono: la parola “AI” è diventata troppo generica. Esiste una differenza enorme fra usare un modello come correttore ortografico, fargli organizzare appunti, utilizzarlo per ricerche o attività amministrative e chiedergli di produrre un romanzo intero in quarantacinque minuti. Considerare equivalenti queste pratiche rende impossibile qualsiasi discussione sensata.

Michel immagina quindi la nascita di “standard di integrità artistica”: alcune forme di assistenza saranno considerate normali, altre incompatibili con l’autorialità. Schmidt chiede che gli editori stabiliscano regole comuni, perché oggi ogni casa editrice sembra procedere per conto proprio. La contraddizione più evidente è che gli stessi editori stanno già introducendo AI nei propri processi interni — marketing, pubblicità, amministrazione, ricerca — mentre pretendono dagli autori una purezza che ancora non sanno definire.

Il problema centrale, per tutti, è la trasparenza. Michel sostiene che gran parte degli scandali sparirebbe se chi usa in modo sostanziale un LLM lo dichiarasse. Il pubblico potrebbe decidere se acquistare o meno il libro. Il conflitto nasce perché molti autori preferiscono nascondere l’impiego dell’AI, sapendo che una parte consistente dei lettori continua a rifiutare opere generate artificialmente.

E c’è di più. Il lettore Substack che usa il rilevatore di Pangram non vedrà una stima probabilistica: vedrà un voto. E il voto misura la cosa sbagliata. Distinguere fra chi ha delegato tutto senza cura e senza pensarci e chi ha usato una macchina per riordinare gli appunti, scrivere bozze, ampliare, fare brainstorming, controllare, non è mica un problema statistico. Il punto è che anche un rilevatore accuratissimo, che riduce quasi a zero i falsi positivi, risponde a una domanda diversa da quella che dovrebbe interessarci davvero. E cioè: chi risponde di quel testo? Chi ne è responsabile?
Il rilevatore di Substack ti dice se quel testo somiglia a un altro testo statisticamente e se statisticamente somiglia a un testo scritto da un’AI. Solo che la somiglianza si lava via, si… “sciacqua in Arno”. Chi sa come si fa, passerà il test: agenzie, professionisti, chiunque abbia tempo e budget per costruirsi un flusso di lavoro su misura e riscrivere quello che serve riscrivere. Gli altri invece avranno lo stigma. E non è diverso da chi si poteva permettere un buon editor e chi no. È la stessa vecchia asimmetria, con un bollino nuovo sopra. Il numeretto-voto moralizzatore funziona come un watchdog che non fa la guardia al potere: morde chi sta in basso e scodinzola a chi sta in alto.
Substack vende la fiducia come vantaggio competitivo in un mercato in cui LinkedIn, Facebook, Instagram sono piene di testi (e foto) che non ha prodotto nessuno di umano. La mossa sarà pure comprensibile, ma sposta il costo della verifica su chi legge e su chi scrive, cavalcando più o meno volontariamente l’onda moralizzatrice, invece di assumersi la responsabilità editoriale di ciò che ospita – che è la cosa che le piattaforme evitano di fare da vent’anni ed è la cosa più ipocrita di tutte.
Il risultato prevedibile non è più fiducia. È più sospetto.

Quello che stiamo costruendo con questi atteggiamenti non è un presidio della presunta autenticità: è un mercato dell’autenticità dentro un’economia di mercato, con il bollino “autentico” che non serve a niente se non ad alimentare la cultura del sospetto. Fra l’altro, è un mercato dove la bancarella, come al solito, ce l’abbiamo in comodato d’uso e sottostiamo alle regolette del proprietario, che può cambiarle da un giorno all’altro o, da un giorno all’altro, aggiungere o togliere un numerello.

Il paradosso di doversi difendere dall’AI “cacciatrice di AI”

È qualcosa che ricorda tragicomicamente il “test Voight-Kampff” di Blade Runner.
Nel film e nel romanzo di Philip K. Dick, il test serve a smascherare i “replicanti” (esseri artificiali) che cercano di farsi passare per umani. Il metodo non analizza i circuiti o l’hardware, ma misura le reazioni biologiche ed emotive. L’esaminatore rivolge al soggetto una serie di domande provocatorie (spesso legate alla crudeltà verso gli animali o a tabù sociali) e uno speciale macchinario monitora il movimento della pupilla, la dilatazione dei capillari e il tempo di risposta. I replicanti sono in grado di simulare perfettamente l’intelletto umano, ma faticano a replicare la risposta emotiva e viscerale spontanea a determinate situazioni.
Proprio come il test Voight-Kampff cercava quel “guizzo” di empatia che mancava ai replicanti, oggi i rilevatori come Pangram cercano nei testi quel ritmo imperfetto, quell’irregolarità e quella passionalità che mancano alla prosa geometrica dei Large Language Models. Quando ai Pangram della situazione sembra di non averlo trovato, allora parte l’etichetta-stigma: «Tu sei un testo fatto con l’AI».

Paranoie distopiche che sembrano uscite dalla letteratura (sic!) e dal cinema. Per difendersi dal rischio di falsi positivi (che potrebbero etichettare ingiustamente un testo autentico come “prodotto da IA”), gli scrittori — su Substack e altrove — stanno adottando contromisure strategiche.
Il loro obiettivo è duplice: modificare lo stile di scrittura per evitare i tic verbali che ingannano gli algoritmi, e raccogliere “prove digitali” della propria creatività umana.
Il primo passo sono gli interventi stilistici tesi a eliminare la “prosa da IA”. I rilevatori come Pangram intercettano la prevedibilità e l’estrema pulizia formale del testo. Per contrastare questo, gli autori stanno forzando volontariamente elementi di “imperfezione umana” nella loro scrittura: evitano rigorosamente strutture parallele come l’epanortosi “non solo X, ma anche Y”, l’abuso di avverbi in “-mente” e le transizioni logiche troppo fluide (“Inoltre”, “Di conseguenza”, “È importante notare che”). Inoltre inseriscono asimmetrie e slang: introducono espressioni idiomatiche locali, figure retoriche insolite e frammenti di frasi volutamente brevi, colloquiali o ritmicamente frammentate, che i chatbot tendono a non usare. In più, variano la lunghezza delle frasi: dal momento che gli LLM scrivono con una… lunghezza d’onda molto regolare, gli autori alternano ora frasi lunghissime e articolate a frasi di una sola parola.

Siamo ormai all’assurdo dell’autocertificazione con “prove di umanità”.
Poiché la fiducia è alla base delle vendite online e/o degli abbonamenti a pagamento, molti scrittori integrano il testo con elementi impossibili da replicare fedelmente per un’IA. Per esempio, note vocali e podcast integrati: certi autori registrano brevi messaggi audio (usando la funzione nativa di Substack) in cui leggono un estratto del post o ne spiegano la genesi, offrendo ai lettori una prova vocale e spontanea. Oppure pubblicano immagini del “dietro le quinte”: ossia, includere screenshot di appunti scarabocchiati a mano, mappe concettuali cartacee o quaderni di lavoro è diventato un trend per dimostrare il processo creativo fisico.
Inoltre alcuni autori memorizzano la cronologia delle modifiche dei loro documenti (su Google Docs o Word) per poter dimostrare, in caso di contestazione, che il testo è nato da ore di editing manuale e non da un singolo comando di copia-incolla.

Per evitare brutte sorprese al momento della pubblicazione ufficiale, i flussi di lavoro si sono allungati con una fase di auto-verifica preventiva. Gli autori pubblicano il testo in modalità “bozza privata” o su account secondari ombra, lanciando la scansione di Pangram per vedere il punteggio prima del pubblico. Se il software segnala una percentuale di IA sospetta su un paragrafo, l’autore lo stravolge, ne cambia i sinonimi e lo ri-scansiona fino a quando il contatore di Pangram non scende a zero — o meglio, restituisce il bollino «100% human written»!
Un lavoraccio umiliante!

La situazione è considerata estremamente grave dagli addetti ai lavori, perché si è innescata una vera e propria “corsa agli armamenti” tecnologici nel mondo della scrittura.
Esiste un intero mercato multimilionario di software di terze parti nati con l’unico scopo di “ingannare” i rilevatori come Pangram. Piattaforme come WriteHuman, Undetectable AI, BypassGPT o HIX Bypass prendono un testo generato da un LLM (come ChatGPT) e lo rielaborano. Lo fanno introducendo micro-errori sintattici, alterando il ritmo delle frasi e sostituendo i termini più prevedibili con sinonimi rari, così da far crollare a zero i punteggi di rilevamento dell’IA.
Siamo entrati in un loop tecnologico alienante. Gli autori fraudolenti usano un’intelligenza artificiale per scrivere un testo, poi usano una seconda intelligenza artificiale per camuffarlo da testo umano, e infine i lettori o gli editori usano una terza intelligenza artificiale per capire se è autentico. In questo processo, la scrittura rischia di svuotarsi completamente di una reale intenzione comunicativa o artistica.

Il danno collaterale peggiore ricade sugli scrittori onesti. I software “umanizzatori” studiano come scrivono le persone reali per copiarne i difetti. Di conseguenza, un autore umano che ha uno stile molto pulito, logico o accademico rischia costantemente di essere scambiato per un robot (falso positivo), mentre un utente pigro che usa un software di bypass può far passare un testo totalmente automatizzato come genuino al 100%.
Su piattaforme basate su abbonamenti diretti come Substack, i lettori pagano per sostenere l’intelletto, l’esperienza e l’anima di un autore. Se si diffonde la certezza che esistano strumenti in grado di falsificare l’autenticità in pochi secondi eludendo i controlli, l’intero patto di fiducia tra scrittore e lettore rischia di crollare, trascinando con sé la sostenibilità economica del giornalismo indipendente e della letteratura.

I governi hanno capito che inseguire i singoli testi è inutile e stanno colpendo l’architettura stessa dei software di IA, imponendo l’obbligo di “firmare” ogni testo generato.
Dal 2 agosto 2026 sono diventate pienamente vincolanti le norme del cosiddetto AI Act europeo sulla trasparenza dell’Unione Europea. L’Articolo 50 dice che i produttori di IA devono implementare una difesa multi-strato che unisce metadati crittografici, watermark “statistici” e tracciamento dei log su qualsiasi contenuto sintetico, sia esso un testo, un’immagine, un video o un suono. Chi viola queste regole rischia sanzioni devastanti fino a 15 milioni di euro.
Inoltre, sulla scia delle decisioni statunitensi, i testi scritti interamente da intelligenze artificiali non godono di alcuna tutela sul diritto d’autore. Questo significa che un editore che pubblica un libro scritto da un chatbot non ne possiede l’esclusiva economica: chiunque potrebbe copiarlo e ridistribuirlo legalmente, privando l’opera di valore commerciale.

Ci si potrebbe chiedere: ma se io copincollo da un’altra parte il testo restituitomi da ChatGPT dopo il prompt, quale “watermark” può mai sopravvivere? Istintivamente sembra una fesseria colossale. Se pensiamo al “watermark” come a un logo sfocato su una foto o a un metadato nascosto nel file, viene da sé che se fai un banale copia-e-incolla del solo testo su Blocco Note, quel livello di marcatura svanisce all’istante.
Tuttavia, gli scienziati informatici e i legislatori dell’Unione Europea non si riferiscono a quel tipo di firma. Per i testi scritti dai Large Language Models (LLM), il watermark regolamentato dall’Articolo 50 dell’AI Act sfrutta una tecnologia del tutto diversa chiamata Watermarking Statistico o Linguistico (il cui esempio più famoso è il sistema SynthID Text di Google DeepMind).
Quando un’intelligenza artificiale scrive un testo, genera una parola alla volta scegliendola da un elenco di opzioni probabili. Il software di watermarking (attivato obbligatoriamente all’origine dai fornitori come OpenAI o Google) divide segretamente e matematicamente il dizionario in due gruppi: parole “verdi” (preferite) e parole “rosse” (da evitare). Durante la scrittura, l’IA altera impercettibilmente le sue scelte: se deve scegliere tra i sinonimi “fondamentale”, “importante” o “cruciale”, sceglierà quello inserito nella lista “verde”. Per un lettore umano la qualità e il significato del testo restano identici e naturali. Tuttavia, a livello statistico, nel testo ci sarà una sovrabbondanza artificiale e matematica di parole “verdi”.
Poiché questa “firma” è impressa nella scelta stessa delle parole e nella struttura sintattica, essa fa parte del testo stesso. Se prendi quel testo, lo selezioni, fai Ctrl+C e lo incolli su un foglio di Word o in un’altra app, l’ordine delle parole non cambia. Un software di controllo (come i validatori doganali o aziendali previsti dall’UE) non farà altro che leggere il testo copiato, calcolare la frequenza statistica di quelle precise combinazioni di parole e determinare con precisione millimetrica se è presente la firma invisibile del modello.
Quindi la legge è perfetta? No, c’è un grande “Ma”. Il watermark testuale resiste al copia-e-incolla, ma non è invulnerabile. La parafrasi pesante per esempio lo distrugge: se oltre a copiare il testo ti metti a riscriverlo a mano cambiando i verbi, o se lo passi dentro uno dei famosi software “umanizzatori” di cui si parla nel blogpost, alteri l’ordine delle parole “verdi” e spezzi la firma statistica. Il watermark testuale è una sfida complessa: non è una fesseria perché il semplice copia-e-incolla non basta a ripulire il testo; tuttavia rimane un eterno gioco del gatto col topo tra chi inventa filtri matematici sempre più sofisticati e chi cerca nuovi modi per aggirarli.

E le contromisure delle grandi case editrici? Dopo i recenti scandali (come il ritiro da parte del colosso Hachette del romanzo di Mia Ballard per sospetto uso di IA), gli editori in ordine sparso tentano intanto di blindare i processi di acquisizione.
Certi contratti editoriali oggi includono specifiche clausole penali e di recesso immediato. Se un autore dichiara di aver scritto un’opera di proprio pugno e si scopre l’uso occulto di LLM, il contratto viene annullato all’istante (è quanto successo per il thriller di Jerry Falade).
Si è poi innescato l’uso di “Ispettori di Provenienza” e “Audit dei file”: invece di affidarsi solo ai fallibili rilevatori di IA, i dipartimenti legali di alcune case editrici esigono l’accesso alla provenienza del testo. Prima di firmare contratti importanti, viene richiesto agli autori di fornire lo storico delle revisioni (per esempio la cronologia delle modifiche dei file nei programmi di scrittura come LibreOffice, Scrivener, iA Writer, Evernote, oltre ai soliti Word e Google Docs) per certificare che il libro sia cresciuto capitolo dopo capitolo in mesi di lavoro.
Inoltre, per bloccare l’enorme mole di manoscritti spazzatura generati in pochi minuti da utenti privati (il cosiddetto “writer’s flood”), molte case editrici hanno chiuso le submission libere. Accettano proposte esclusivamente se filtrate da agenzie letterarie rinomate, le quali fanno da scudo legale e qualitativo.

Ci sono pure contromisure “non tecnologiche” che funzionano. Poiché la tecnologia continua a ingannare sé stessa, la difesa più efficace si sta rivelando il ritorno a dinamiche analogiche, fisiche e relazionali, dove riacquisisce centralità il legame umano. Editori e agenti letterari stanno tornando a frequentare massicciamente festival letterari locali, fiere indipendenti, corsi di scrittura creativa in presenza e riviste cartacee autoprodotte. Fanno cioè “scouting fisico”: conoscere di persona lo scrittore, parlarci, vederlo sviluppare un’idea a voce cancella ogni sospetto di automazione.
Gli autori indipendenti (anche su Substack) stanno spostando il valore economico dal testo statico all’esperienza dal vivo. I lettori pagano abbonamenti non solo per ricevere la newsletter, ma per accedere a gruppi di discussione chiusi, sessioni di domande e risposte in diretta video o workshop offline. L’interazione umana in tempo reale non può essere delegata a un software di bypass.
E si è imposta la trasparenza radicale del modello “diario di bordo”. Alcuni collettivi di scrittori hanno demolito il tabù dell’IA rovesciando la prospettiva: invece di nascondere gli strumenti, mostrano pubblicamente tutto il processo pubblicando i propri diari di lavoro, le bozze piene di cancellature e gli schemi fisici.
Mostrare il “sangue e sudore” della scrittura è l’unico modo rimasto per blindare la fiducia dei lettori.

Chi giudica il giudice?

Il punto più interessante, peraltro, non è nemmeno l’AI. È l’epistemologia. Cioè: come facciamo a sapere che una certa affermazione è vera? Ed è qui che il dibattito sta mostrando una fragilità enorme.
Prendiamo Pangram. Tutti ne parlano come se fosse un etilometro o un test del DNA. Ma non è né l’uno né l’altro. Un detector di AI, oggi, non osserva il processo con cui un testo è stato scritto. Osserva solo il prodotto finale. E da quel prodotto cerca di inferire il processo che l’ha generato.
È una differenza gigantesca. Immaginiamo due quadri identici. Uno è stato dipinto da un pittore. L’altro è stato stampato da una macchina. Se io vedo solo il quadro, non posso sapere con certezza quale dei due processi l’abbia prodotto. Posso formulare un’ipotesi, non una dimostrazione.
A questo punto entra in gioco un problema che in statistica è noto da sempre: un classificatore produce una probabilità, non una verità. Se Pangram dice: «92% AI», non sta dicendo: «Questo testo è stato scritto dall’AI». Sta dicendo qualcosa di molto diverso: «Questo testo assomiglia molto [92%] ai testi che il nostro modello associa alla produzione AI». Sono due cose totalmente differenti.
Pangram è addestrato su un certo dataset. Con certe scelte. Con certe definizioni. Con certi pesi. Con certi bias. Con certi errori. Se domani costruissi un detector diverso, addestrato con dati differenti, potrei ottenere risultati completamente diversi. Lo vediamo già oggi: in realtà esistono decine di detector. GPTZero. Originality. Copyleaks. Winston AI. ZeroGPT. Sapling. Writer. Crossplag. Nella stragrande maggioranza dei casi non sono d’accordo fra loro — anzi! Ci sono esempi celebri di testi che un detector classifica come “100% AI” e un altro come “100% umano”. Questo dovrebbe già bastare a impedirne l’uso come “prova”.
Non servirebbero altri Pangram, decine di Pangram, prima di emettere giudizi su un testo. Nemmeno milioni di Pangram risolverebbero il problema. Perché tutti condividono lo stesso limite fondamentale: tentano di ricostruire una causa soltanto osservandone l’effetto. È un po’ come cercare di capire se un mobile IKEA è stato montato da un falegname o da un pensionato osservando soltanto il mobile finito. Se è montato bene, non puoi saperlo.
La soluzione, se mai arriverà, probabilmente non sarà nella rilevazione del testo. Sarà nella tracciabilità del processo. Quello che come detto già fanno sempre più autori. Versioni successive. Cronologia delle modifiche. Quantità di bozze differenti. Timestamp. Repository. Metadati. È interessante che Kathleen Schmidt dica: «Gli autori dovranno conservare le ricevute». Perché, inconsapevolmente, sta già spostando il problema dal prodotto al processo.

C’è poi un paradosso che, leggendo tutta l’intervista a Kathleen Schmidt, Lincoln Michel e John Paul Brammer, rimane in testa. Gli intervistati sembrano dare per scontato che l’obiettivo sia individuare chi usa l’AI. Ma siamo sicuri che sia questo il vero problema?
Se un autore scrive un saggio interamente da solo, ma produce un testo mediocre, mentre un altro autore usa ChatGPT come consulente, come verifica fonti, come suggeritore di alternative lessicali e poi riscrive ogni frase fino a renderla sua, davvero il primo è “sempre-e-comunque” superiore al secondo, quantomeno moralmente? Che cosa significa davvero “scritto interamente attraverso la creatività e l’ingegno umano”, se anche quello che ti restituisce ChatGPT o Claude viene da te filtrato e assume una forma finale diversa?
Il discrimine non è aver usato o non aver usato l’AI. Il discrimine è “chi ha pensato”. Chi ha costruito l’argomentazione. Chi ha fatto le scelte. Chi si assume la responsabilità intellettuale del testo. Perché, alla fine, la scrittura non è una mera sequenza di parole. È un processo cognitivo. Se quel processo resta umano, gli strumenti impiegati lungo il percorso sono una questione secondaria.
È anche per questo che è un po’ surreale l’idea di affidare il giudizio finale a strumenti come Pangram. Sarebbe come pretendere di stabilire se un matematico abbia davvero dimostrato un teorema guardando soltanto la calligrafia con cui ha scritto le formule. Il punto decisivo non è la forma delle frasi: è il percorso mentale che le ha generate.

A un lettore non dovrebbe interessare se una macchina abbia toccato il testo, dovrebbe interessare chi di quel testo risponde. Sempre più autori, per ovvi motivi, producono con degli “assistenti” ogni settimana: per bozze, riassunti, estrazione di dati; tuttavia firmano comunque ogni riga con il loro nome: è quella la garanzia che conta, non una percentuale-voto prodotta da un software di un’azienda che vende contemporaneamente il problema e la soluzione.

Dietro il dibattito sull’autenticità si intravede una minaccia ancora più grande: la quantità.

L’AI permette di produrre testi in quantità virtualmente illimitata. Kindle Unlimited sarebbe già invaso da AI slop, materiale seriale generato rapidamente per occupare nicchie di mercato. Alcune riviste di fantascienza, fra cui Clarkesworld, sono state travolte da migliaia di racconti artificiali dopo che influencer su TikTok avevano suggerito di generarli come “lavoretto facile” per guadagnare denaro. Il direttore di una rivista o un agente letterario può sostenere la lettura di cento manoscritti; non può leggerne diecimila.

Lincoln Michel teme quindi che l’AI produca una conseguenza paradossale: per difendersi dall’invasione dei manoscritti artificiali, l’editoria potrebbe diventare ancora più chiusa. Gli agenti potrebbero smettere di accettare proposte spontanee, gli editor affidarsi maggiormente alle raccomandazioni personali, gli scrittori affermati esitare a sostenere sconosciuti. Le reti di conoscenze diventerebbero un filtro contro lo spam. A pagarne il prezzo sarebbero soprattutto gli esordienti, proprio quelli che hanno sempre avuto bisogno delle porte aperte per farsi scoprire.
Ed è forse questa la conseguenza più politica dell’intera vicenda. La tecnologia che prometteva di democratizzare la creatività rischia di produrre un sistema editoriale ancora più dipendente da reputazione, conoscenze e appartenenza a comunità riconoscibili.

Kathleen Schmidt, Lincoln Michel e John Paul Brammer distinguono inoltre nettamente fra letteratura come industria e letteratura come pratica artistica. L’industria ha sempre pubblicato libri mediocri purché vendessero; l’AI non inventa questa logica, la porta alle estreme conseguenze. Un thriller commerciale prodotto al 75% della qualità di un thriller medio, osserva Michel, potrebbe essere più che sufficiente per una larga parte del pubblico se costa pochissimo e può essere generato all’infinito.

Il futuro realmente destabilizzante potrebbe quindi arrivare quando il lettore smetterà persino di acquistare libri. Michel immagina servizi in abbonamento capaci di generare storie personalizzate all’istante: nuovi episodi di Star Wars, racconti di Harry Potter, crossover impossibili costruiti su richiesta. A quel punto il vero concorrente dello scrittore non sarebbe un altro autore che usa l’AI come assistente. Sarebbe l’intrattenimento automatico, infinito, economico e personalizzato.

Brammer porta la discussione ancora più a monte. Molte persone, osserva, desiderano essere considerate “scrittori” senza avere davvero la passione di scrivere. L’identità dell’autore viene confusa con il possesso di un prodotto finito. L’AI soddisfa perfettamente questa aspirazione: consente di trasformare l’idea «ho un romanzo dentro di me» in un file di trecento pagine saltando gran parte del lavoro.
Invece la scrittura coincide precisamente con quel lavoro. Con le esitazioni, le correzioni, le scelte minuscole sulla frase, la difficoltà di trovare una forma. Michel formula forse la risposta più radicale all’intera controversia: anche se un modello potesse scrivere un “romanzo di Lincoln Michel” migliore di quello scritto da Lincoln Michel, per lui sarebbe irrilevante. Non avrebbe pensato quelle frasi, non avrebbe imparato niente scrivendole, quel libro non sarebbe suo. Ha scelto di fare lo scrittore perché gli piace scrivere.

Da questo punto di vista, lo scontro sull’AI assume quasi una dimensione filosofica. Che cosa definisce un autore: il testo ottenuto oppure il processo mentale e materiale che lo produce?
L’editoria anglosassone sembra avere improvvisamente scoperto di non possedere ancora una risposta condivisa. Da qui la nevrosi: detector che pretendono di certificare l’origine delle frasi, editori che temono figuracce, agenti che ritirano contratti milionari, scrittori che archiviano bozze come prove forensi, lettori che cercano “segni dell’AI” nella prosa, social network trasformati in tribunali stilistici.

E nel frattempo l’AI continua a entrare ovunque. Nei motori di ricerca, nei programmi di scrittura, nei software di marketing, nelle piattaforme di pubbliche relazioni. Anche chi vorrebbe evitarla del tutto scopre che l’astinenza assoluta sta diventando complicata.

La previsione più plausibile è quindi quella di un mercato frammentato. Ci saranno lettori perfettamente felici di consumare testi generati da un chatbot; altri accetteranno opere dichiaratamente “AI-assisted”; altri ancora attribuiranno un valore crescente alla garanzia che dietro un libro ci sia una persona.
In quest’ultimo scenario, paradossalmente, l’AI potrebbe rendere più preziosa proprio la scrittura umana. Brammer parla della lettura quasi come di un gesto di resistenza: in un mondo di testi automatici, usare le proprie parole e leggere attentamente quelle di qualcun altro acquista un significato nuovo.
Michel propone un parallelo meno apocalittico. La fotografia non uccise la pittura; contribuì a liberarla dall’obbligo di riprodurre fedelmente il reale e favorì impressionismo, surrealismo, cubismo. Qualcosa di analogo potrebbe accadere alla letteratura: di fronte alla prosa statisticamente levigata degli LLM, gli scrittori potrebbero diventare più strani, personali, riconoscibili, stilisticamente irriducibili.

Lo psicodramma attuale nasce dal fatto che questa possibile evoluzione artistica convive con una crisi immediata di fiducia. Per la prima volta uno scrittore può trovarsi costretto a dimostrare di aver scritto ciò che porta il suo nome. E un’industria fondata da secoli sulla fiducia nell’autorialità sta tentando di risolvere il problema affidandosi ad altre macchine che pretendono di stabilire quanto di umano e quanto di macchina ci sia dentro un testo.

È probabilmente questa l’ironia più feroce dell’intera vicenda.

A parere di chi scrive — non chi scrive in generale ma mio: il parere di Luigi Manglaviti, autore di questo blog —, nel lungo periodo emergeranno due grandi mercati. Il primo sarà quello dell’intrattenimento. Qui conteranno velocità, quantità, personalizzazione. Se voglio un thriller ambientato nella Roma imperiale con Sherlock Holmes e Darth Vader, probabilmente me lo farà un LLM. E a molti andrà benissimo. Il secondo sarà quello dell’autorialità. Qui il valore non sarà tanto il testo, quanto la relazione con chi lo ha scritto. Un po’ come succede con l’arte contemporanea. Un dipinto di Gerhard Richter non vale milioni perché rappresenta meglio di altri una macchia di colore. Vale milioni perché “è un Richter”. Credo che i libri seguiranno una traiettoria simile. L’autore diventerà ancora più importante del testo.

EDIT del 7 Settembre 2026

https://www.facebook.com/il.mangla/posts/pfbid0hkA22iQGJCSp2ziMjDB79XMH2Qqhxch3D4tVsA8saUkG7z9wJgGj5MohNGdVk1nHl

Pangram è attualmente il principale strumento di rilevamento dei testi generati da intelligenza artificiale. Gli ho sottoposto miei brani tratti dai libri “Cerco il Figlio” (uscito nel 2011), “L’Uomo Nuovo” (2005), “Nostalgie Sperimentali” (1986) e “Mille mesi” (2018). Pangram dice che “Cerco il Figlio” è scritto da una AI per il 30%, “L’Uomo Nuovo” è al 40%, “Nostalgie Sperimentali” al 15%, “Mille mesi” addirittura al 90%, cioè una AI avrebbe scritto il romanzo quasi interamente e io vi avrei contribuito per il 10%.

Ricapitolando, secondo Pangram, io già da un bel po’ di anni viaggio nel futuro, diciamo almeno fino all’anno 2023 quando fu presentato ChatGPT (che nel caso di “Nostalgie Sperimentali” è un bel salto in avanti: 37 anni!), per farmi aiutare da una AI a scrivere parti dei miei libri…

Mi sento come in quella scena di “Better Call Saul”, finale 3ª stagione, durante l’udienza davanti all’ordine degli avvocati, in cui Jimmy ‘Saul’ McGill ha la meglio sul fratello Chuck tramite il trucco della batteria di cellulare carica che gli ha fatto mettere in tasca di nascosto.
Ovviamente io sono nei panni di Saul, e Pangram è nei panni di Chuck.

Ci vuol poco a sbugiardare le AI che sbugiardano chi scrive con le AI… 😐

Uh? Dove? Dove?