Da laboratorio di ricerca a strumento di massa: cosa è cambiato
Cinque anni fa, creare un deepfake convincente richiedeva giorni di lavoro, GPU dedicate e competenze tecniche avanzate. Oggi, applicazioni mobili gratuite lo fanno in secondi. ElevenLabs clona una voce da 30 secondi di audio. Sora e Veo generano video realistici da una descrizione testuale. HeyGen produce un avatar video di una persona reale che dice qualsiasi cosa.
La barriera tecnica è sparita. Quello che rimane è la barriera etica — e quella, storicamente, non ha fermato molto.
Le tre categorie di contenuto falso AI
1. Deepfake video e audio
Il caso più noto in Italia è il deepfake audio della Premier Meloni usato per una truffa nel 2024. In altri paesi, deepfake video di politici sono stati usati in campagne elettorali. Il problema non è solo politico: le truffe aziendali via deepfake audio sono cresciute del 400% tra il 2023 e il 2025. Un dipendente riceve una chiamata con la voce del CFO che chiede un trasferimento urgente — la voce è perfetta, il numero non è verificabile in tempo reale. Alcune aziende hanno perso milioni.
2. Testo generato per disinformazione
Articoli di notizie, post social, recensioni false, commenti coordinati: il testo generato da AI scala in modo che nessun team umano può eguagliare. Durante le elezioni USA del 2024, ricercatori di Stanford hanno identificato centinaia di siti di "notizie" locali automatizzati che producevano decine di articoli al giorno su argomenti polarizzanti, con nomi di giornalisti inventati e firme credibili.
3. Immagini sintetiche
Le foto di eventi che non sono mai avvenuti: l'esplosione al Pentagono del maggio 2023 (falsa, generata da AI, che ha causato un breve crollo dei mercati finanziari), le immagini di Trump arrestato circolate prima del reale processo. Con Midjourney v7 e DALL-E 4, la qualità delle immagini generate ha superato la capacità media di distinguerle da quelle reali a occhio nudo.
Studio MIT 2025: gli esseri umani distinguono le immagini AI da quelle reali con un'accuratezza del 52% — appena sopra il caso. I modelli di rilevamento automatico fanno meglio, ma vengono costantemente aggiornati per eluderli.
Come riconoscerli: segnali tecnici residui
I deepfake migliorano continuamente, ma nel 2026 rimangono alcune debolezze:
- Occhi e ciglia: i modelli generativi faticano con occhi asimmetrici, riflessi incongruenti e ciglia innaturali. Guarda con attenzione prima di condividere.
- Bordi del viso in movimento: nei video deepfake, spesso il confine tra viso e sfondo o capelli mostra artefatti durante i movimenti rapidi.
- Denti: i denti rimangono difficili da generare realisticamente — troppi, troppo regolari, o con stranezze geometriche.
- Audio de-sincronizzato: in video generati, spesso il labiale non è perfettamente allineato all'audio, specialmente su consonanti bilabiali (p, b, m).
- Contesto verificabile: il segnale più affidabile non è tecnico — è il contesto. La fonte è verificata? Ci sono altri media che riportano la stessa notizia? Chi ha interesse a diffondere questo contenuto?
Strumenti di rilevamento AI disponibili (2026)
- Hive Moderation — rilevamento di immagini e video AI, API disponibile
- Reality Defender — analisi real-time per aziende
- Sensity AI — specializzato su deepfake video
- Intel FakeCatcher — analizza i flussi sanguigni nel video (reali negli umani, assenti nei deepfake)
- Content Credentials (C2PA) — standard aperto per marcare il contenuto autentico con firma crittografica
Il problema legale: chi è responsabile?
Il quadro legale è frammentato e in ritardo sulla tecnologia. In Italia, creare deepfake non consensuali è punibile come violazione della privacy e, se diffamatori, come diffamazione aggravata. Ma l'attribuzione — dimostrare chi ha creato un deepfake — rimane tecnicamente difficile e giuridicamente onerosa.
L'AI Act europeo richiede che i contenuti generati da AI siano etichettati come tali. Ma l'etichettatura è facilmente rimovibile e difficile da far rispettare su scala globale. Gli USA hanno approvato il No AI FRAUD Act nel 2025, ma l'enforcement su piattaforme internazionali rimane problematico.
Le professioni più esposte — e quelle che ne beneficiano
Chi lavora in comunicazione, giornalismo, legge e finanza è nella prima linea dell'impatto deepfake. Per i giornalisti, il fact-checking diventa sempre più oneroso e diventa una competenza core richiesta — non un'aggiunta. Per gli avvocati, nascono nuove aree di pratica: autenticazione digitale dei documenti, contentziosi da deepfake, difesa delle vittime di manipolazione audio-video. Per chi lavora in compliance aziendale, i protocolli di verifica delle identità nelle comunicazioni interne diventano critici.
Al contrario, chi si specializza nel rilevamento di contenuti AI, nell'autenticazione digitale e nelle tecnologie di verifica dell'identità trova un mercato in rapida espansione. È uno dei settori dove la domanda supera l'offerta.
La risposta individuale: pensiero laterale e verifica delle fonti
Nessuna tecnologia di rilevamento sarà mai perfetta. La difesa più solida rimane cognitiva: rallentare prima di condividere, verificare la fonte originale, chiedersi chi beneficia dalla diffusione di quel contenuto. La velocità di condivisione sui social è l'alleata principale della disinformazione — il deepfake non deve convincere tutti, basta che si diffonda abbastanza velocemente da creare confusione prima che venga smentito.
Il paradosso finale è che l'AI genera il problema e offre parte della soluzione — i sistemi di rilevamento migliori sono anch'essi modelli di machine learning. È una corsa agli armamenti tecnologica, e in questo momento non c'è un vincitore definito.