VEO 3: possiamo ancora credere a ciò che vediamo?

Di Igor Guida

Per oltre un secolo una fotografia o una registrazione video hanno rappresentato la testimonianza di qualcosa realmente accaduto davanti a un “testimone registrante”. Sapevamo che le immagini potevano essere ritoccate, selezionate o usate fuori contesto. La storia ne è piena: dai fotomontaggi di inizio Novecento ai funzionari cancellati dalle foto ufficiali nell’Unione Sovietica di Stalin, fino all’uso disinvolto di Photoshop. Eppure anche l’immagine manipolata conservava un legame riconoscibile con un evento, una persona o un luogo. Qualcuno, in un momento preciso, aveva puntato un obiettivo su qualcosa. Questo legame ha cominciato a incrinarsi poco più di dieci anni fa. Nel 2014 Ian Goodfellow e colleghi hanno introdotto le reti generative avversarie (GAN), capaci di produrre immagini sintetiche sempre più realistiche. Alla fine del 2017 un utente di Reddit che si firmava “deepfakes” ha diffuso i primi video con volti sostituiti tramite deep learning, dando il nome al fenomeno. Nel febbraio 2024 OpenAI ha presentato Sora, che genera video realistici a partire da una semplice descrizione testuale.

Il 20 maggio 2025 Google ha presentato Veo 3, e con esso è caduto uno degli ultimi indizi su cui potevamo ancora contare. Fino ad allora i video generati erano per lo più muti e l’audio andava aggiunto a parte, e spesso era proprio un labiale fuori sincrono, o l’assenza di un ambiente sonoro coerente, a tradire l’artificio. Veo 3 genera invece immagine e suono insieme con dialoghi sincronizzati con il movimento delle labbra, rumori ambientali, effetti sonori. Basta descrivere una scena per ottenere un filmato in cui personaggi, ambienti, movimenti e voci sono interamente prodotti dal sistema.

Veo 3 non segna quindi l’inizio del problema, ma un suo salto di qualità. Creare immagini credibili senza riprendere alcun evento reale non è più un’operazione da specialisti. Ed è diventato molto più difficile accorgersene.

Le conseguenze per il mondo della comunicazione sono tutte da immaginare: produzioni che in passato richiedevano attrezzature, competenze e risorse economiche importanti potrebbero essere realizzate con strumenti molto più accessibili. La pubblicità, il cinema, l’editoria, la formazione e la comunicazione istituzionale potrebbero disporre di possibilità espressive che fino a pochi anni fa apparivano irraggiungibili. Un insegnante potrebbe far visualizzare un fenomeno storico o scientifico. Una piccola organizzazione potrebbe realizzare materiali audiovisivi senza sostenere i costi di una produzione tradizionale. Un artista potrebbe sperimentare linguaggi e ambientazioni difficilmente realizzabili con i mezzi finora convenzionali.

In un certo senso, si può parlare di democratizzazione degli strumenti creativi, ma tale opportunità porta con sé un problema che riguarda direttamente la qualità della nostra vita democratica. Se diventa possibile produrre un video nel quale una persona pronuncia parole mai dette o compie azioni mai avvenute, che ne sarà della distinzione tra testimonianza e rappresentazione? Il problema non consiste soltanto nella diffusione di contenuti falsi. C’è anche il rischio opposto: che immagini autentiche vengano considerate manipolate semplicemente perché oggi sappiamo che potrebbero esserlo. È una doppia crisi della fiducia: per la possibilità di costruire false prove; e per l’indebolimento delle prove reali.

Nell’ambito del giornalismo il cambiamento è particolarmente delicato, perché la verifica delle fonti non può più, oggi, limitarsi all’analisi superficiale delle immagini diventando necessario ricostruire l’origine dei contenuti, verificare il contesto, confrontare testimonianze e utilizzare strumenti capaci di documentare la provenienza dei materiali.

Sarà una soluzione esclusivamente tecnologica a risolvere il problema? No, perché i sistemi di rilevazione dei contenuti artificiali potranno sempre sbagliare, e le tecniche di generazione continueranno sempre a migliorare. La competenza umana, dunque, sarà sempre più necessaria anche per imparare a distinguere tra ciò che un’immagine mostra e ciò che effettivamente dimostra.

Tutto ciò interessa soprattutto le nuove generazioni, la cui educazione ai media non potrà quindi più limitarsi a spiegare come riconoscere una notizia falsa, ma dovrà anche insegnare come si costruisce una conoscenza attendibile.

Da ultimo, ma non da ultimo: se chiunque può ottenere immagini spettacolari attraverso un prompt, che cosa distinguerà il lavoro di un autore? Probabilmente non soltanto la capacità tecnica di produrre un contenuto, ma la sensibilità necessaria per attribuirgli significato, originalità e valore.

Veo 3, da questo punto di vista, segna la fine della creatività, ma l’inizio di una nuova competenza culturale: imparare a distinguere il possibile dal reale.