Etichetta generata con AI su prodotto per la cura del cane

Il lavoro inizia dove finisce il prompt

Un case study reale su un lavoro con l'intelligenza artificiale generativa, e sulla differenza tra usarla bene e produrre spazzatura.

Sono al pub con un amico che fa il freelance come me, ma tutt’altro mestiere. Due birrette dopo una giornata di lavoro: io una West Coast IPA un po’ agrumata, lui una stout con una schiuma così compatta che ci puoi appoggiare sopra una tartina.

A un certo punto mi fa, così, tra un sorso e l’altro: “Secondo te quanto ci mettiamo a sparire, noi freelance, con questa storia dell’AI?”

Non è la prima volta che mi arriva una domanda del genere, e di solito rispondo con una battuta e cambio discorso, perché sono notoriamente un “pesantone” ma non sempre ho voglia di approfondire con risposte strutturate.

Stavolta però avevo appena chiuso un progetto piuttosto divertente, e ho colto la palla al balzo per raccontarglielo per esteso, perché a una domanda così si risponde meglio con un caso preciso che con un’opinione buttata lì su un trend.

Il progetto

Il progetto era questo: un cliente mi aveva affidato le immagini di diciotto prodotti di una linea per la cura del cane. Partivamo da immagini scattate su sfondo bianco, senza un set fotografico e senza uno stylist, su un semplice lightbox con fondo bianco, quel taglio pulito e scontornato tipico dell’e-commerce. Il cliente però le voleva ambientate: la bottiglia su un tavolo di legno, luce naturale, gli ingredienti veri disposti intorno. Un lavoro che oggi si fa con l’AI generativa e che qualche anno fa avrebbe richiesto una giornata intera di scatti in studio.

C’era un vincolo che non si toccava. Il testo sull’etichetta doveva restare leggibile e identico all’originale, non per estetica: sono volumi, claim, la dicitura “Made in Italy”, materiale regolamentato. Un’immagine bellissima con scritto “230 ml” al posto di “250 ml”, in questo tipo di lavoro, è uno scarto, per quanto possa sembrare quasi buona.

Il difetto che nessun prompt corregge da solo

Qui cade subito il primo mito. I modelli di AI generativa sono molto bravi a reinventare una scena, la luce, i materiali, l’atmosfera, e faticano parecchio a riprodurre un testo piccolo lettera per lettera. A bassa risoluzione, il dettaglio fine di una scritta minuscola non arriva al modello con abbastanza informazione per essere ricopiato fedelmente, e il modello finisce per inventarsi le lettere, restituendoti un “MADE IN TALY” oppure un “detangier” al posto di “detangler”.

Nei primi tentativi il tasso di scarti sull’etichetta era catastrofico. Passava a malapena un’immagine su venti, anche scrivendo il testo atteso dentro il prompt. Un modello lasciato a se stesso, su questo lavoro, avrebbe prodotto esattamente AI slop: scatti belli a colpo d’occhio e inutilizzabili al primo controllo.

La decisione che ha cambiato tutto

Qui è dove entra la persona, e dove il lavoro smette di essere “chiedo alla macchina e spero”. Mi sono fermato a capire perché il modello sbagliava, invece di rilanciare generazioni a caso finché non ne usciva una decente.

Guardandolo più da vicino, il problema non aveva niente a che fare con quanto fosse intelligente il modello: dipendeva dalla risoluzione del segnale in ingresso. Il modello riceveva la foto intera del prodotto come riferimento, e su quella foto l’etichetta occupa una porzione piccola, dove il dettaglio delle lettere si perde prima ancora di arrivare al modello.

Così ho cambiato l’input. Oltre alla foto del prodotto, ho dato al modello una seconda immagine di riferimento, un ritaglio ravvicinato della sola etichetta, e ho alzato al massimo la risoluzione di generazione. In pratica gli ho messo la scritta sotto il naso invece di lasciargliela indovinare da lontano. Il tasso di scarti è crollato.

Questo è il cuore di cosa significa augmentation. Il modello è rimasto esattamente lo stesso: quello che è cambiato è stato il modo in cui l’ho usato, i riferimenti che gli ho dato, l’input che gli ho preparato con cura. A fare la differenza tra un risultato mediocre e uno buono è stata una persona che ha capito il funzionamento dello strumento e gli ha dato il materiale giusto, non un prompt più magico.

Lo stesso vale per la coerenza della serie. Con diciotto generazioni separate, ogni scatto rischiava un colore o una luce leggermente diversi, e messi in fila diciotto prodotti che stonano si notano subito. Invece di scrivere prompt sempre più lunghi per descrivere lo stile a parole, ho preso la prima immagine approvata dal cliente e l’ho passata al modello come riferimento visivo per tutte le altre. Gli ho mostrato lo stile invece di descriverlo, e anche questo, in fondo, è governare lo strumento invece di subirlo.

Il controllo qualità: automatizzato in parte, umano sempre

Arriviamo alla parte meno affascinante e più importante, quella che separa davvero il lavoro fatto bene dallo slop.

Il controllo qualità l’ho in parte automatizzato, e ci mancherebbe, con questi volumi. Uno script ritagliava la zona dell’etichetta di ogni immagine generata, la ingrandiva per renderla leggibile, e la affiancava all’originale per il confronto dal testo estratto con OCR (uno script che quella settimana ha lavorato più ore di me). Questo mi ha risparmiato ore di lavoro meccanico e mi ha permesso di rivedere decine di candidati in poche occhiate.

Ma la parola finale, passa o non passa, è rimasta sempre a un umano, e non per feticismo del controllo manuale. Un confronto automatico sul testo ti dice se le lettere corrispondono, e va benissimo per intercettare la maggior parte degli errori, ma non si accorge di quando il modello ha scritto tutto giusto e nel frattempo ha stravolto il marchio, ha perso un logo o ha reinventato il layout dell’etichetta.

Capita di rado, ma quando capita l’immagine supera lo stesso il controllo automatico sulle parole, mentre a occhio è da buttare. Quel tipo di deriva la coglie solo una persona, perché richiede di guardare l’insieme e di conoscere come deve apparire quel prodotto nel contesto del progetto.

Questo è l’Human in the Loop, ed è più o meno lo stesso principio che tiene in piedi TARS in Interstellar: esegue, calcola, reagisce più veloce di qualunque essere umano a bordo, ma il livello di onestà e le decisioni che contano restano impostati da chi lo accompagna nella missione.

Nel mio caso il livello di onestà era settato sulla leggibilità di un’etichetta di shampoo per cani, ma il principio non cambia: dentro un processo in gran parte automatizzato, resta qualcuno nei punti in cui serve giudizio, non per fare tutto a mano né per guardare il modello lavorare con le braccia conserte, ma per stare esattamente lì dove il giudizio umano fa la differenza.

No, non ho rubato il lavoro a un fotografo

C’è un’obiezione onesta da affrontare, altrimenti questo racconto suona come propaganda pro-AI, e di quella ne abbiamo già abbastanza.

Non ho tolto il lavoro a nessun fotografo. Ne conosco di bravissimi, gente che fa still life da restare a bocca aperta, e quel livello si paga. Il cliente non aveva il budget per arrivarci, e ce lo siamo detti chiaro fin dall’inizio: queste immagini sarebbero state “ok”, non “wow”.

L’AI non ha sostituito un professionista: ha riempito uno spazio che senza di lei sarebbe rimasto vuoto, perché quel professionista, a quelle cifre, non avrebbe fatto il lavoro comunque.

E qui c’è la considerazione che mi porto dietro dal progetto, quella che riguarda chiunque lavori in proprio. Il “wow” è ancora qualcosa che dobbiamo chiedere agli umani bravi. L’AI si è presa il lavoro “ok”, quello di livello medio-basso, quello che prima riempiva le giornate di tanti freelance senza distinguerli l’uno dall’altro.

Se non vuoi che l’AI ti mangi, la direzione è una sola, ed è la stessa di sempre: stare dove l’AI ancora non arriva, salire di posizionamento, spostare il proprio lavoro verso il “wow” che si paga proprio perché non lo tira fuori un prompt. Chi resta nella fascia bassa a fare ciò che ora fa una macchina a costo quasi zero rischia davvero di essere sostituito, e non da un collega più bravo.

Augmentation, non sostituzione

In questo progetto l’AI ha lavorato tantissimo e mi ha fatto risparmiare giorni, e nel frattempo ha sbagliato di continuo, in modi che nessun prompt correggeva del tutto.

A fare la differenza tra il disastro e la consegna pulita sono state le decisioni umane sparse in ogni fase: scattare le foto di partenza, definire prima cosa contava davvero, capire perché il modello falliva e cambiargli l’input, mostrargli lo stile invece di descriverlo, tenere un occhio umano sul controllo qualità.

Se togli la persona da quei nodi, quello che ottieni non è un lavoro più veloce, ma AI slop: immagini che sembrano giuste finché non le guardi davvero. Ed è più o meno questa la linea che separa chi usa l’AI come amplificatore delle proprie competenze da chi la usa come scusa per non averne.

Il valore si è spostato, e chi lavora in proprio farebbe bene a spostarsi con lui. Produrre l’opzione oggi costa pochissimo. Sapere quale opzione è quella giusta, capire perché lo strumento sbaglia, reggere la responsabilità della consegna e stare nella fascia di lavoro che una macchina non raggiunge… Quello costa quanto prima, forse di più, ed è lì che un freelance capace ha ancora tutto lo spazio che gli serve.

Il cliente, alla fine, non si è nemmeno accorto di quanto lavoro fosse costato tenere ferme quelle diciotto etichette. Ha guardato le immagini, le ha trovate belle, ed è passato al progetto successivo. Le etichette erano tutte lì, leggibili fino all’ultima lettera, ed erano probabilmente l’unico dettaglio dell’intero lavoro che nessuno avrebbe notato se fosse andato storto.