Uno studio McKinsey ha analizzato cosa potrebbe accadere all’industria dei contenuti nei prossimi anni, intervistando oltre venti figure chiave del mondo audiovisivo (dirigenti di studio e di produzione, agenti, innovatori nel campo dell’AI, accademici) e integrando le loro testimonianze con dati di settore, l’esperienza maturata a fianco di aziende media e l’analisi storica delle principali innovazioni tecnologiche che hanno trasformato produzione e distribuzione negli ultimi decenni.
Lo scenario
La prima evidenza è che l’AI arriva in un momento già delicato per l’industria video. L’attenzione del pubblico è sempre più frammentata, l’offerta di contenuti è enorme e il tempo di visione non cresce allo stesso ritmo. Negli Stati Uniti, tra il 2022 e il 2024, le ore dedicate alla TV lineare sono diminuite in modo costante, mentre streaming e piattaforme social video hanno registrato crescite a doppia cifra. I consumatori non solo guardano più contenuti online, ma lo fanno in modo diverso: aumentano le visioni su dispositivi mobili e sempre più spesso anche il televisore viene utilizzato per cercare e fruire video digitali, inclusi contenuti generati dagli utenti. Parallelamente, gli investimenti stanno cambiando natura. Negli Stati Uniti, che rappresentano oltre la metà della spesa globale in contenuti, la spesa per produzioni originali è prevista in lieve calo, mentre cresce l’interesse verso diritti sportivi e programmi in licenza, considerati più sicuri dal punto di vista dell’audience o meno onerosi. Le aziende, in altre parole, stanno privilegiando la redditività rispetto alla crescita aggressiva. È dentro questa tensione tra domanda frammentata e disciplina finanziaria che si inserisce l’intelligenza artificiale, introducendo una variabile ulteriore di incertezza.
Tutto pronto prima di girare
Oggi l’AI sta già mostrando un impatto tangibile, soprattutto nelle fasi di sviluppo e pre-produzione. Secondo i dirigenti intervistati, in alcuni casi si osservano miglioramenti di produttività tra il 5 e il 10 per cento. La tecnologia aiuta a visualizzare meglio le idee in fase di pitch, a scomporre automaticamente le sceneggiature individuando location, oggetti e necessità produttive, a testare elementi narrativi prima di arrivare sul set. Si sta affermando una mentalità nuova: non più correggere tutto in post-produzione, ma risolvere quanto possibile prima di iniziare a girare.
Dai diritti alla perdita di autenticità
Nella produzione fisica, che comprende costruzione dei set, riprese principali e eventuali reshoot, l’adozione è più cauta. Qui pesano i limiti attuali degli strumenti, le protezioni contrattuali dei talenti, le preoccupazioni sindacali e anche il timore che il pubblico possa percepire una perdita di autenticità. Tuttavia, gli intervistati intravedono cambiamenti possibili nel medio periodo, come la ricostruzione virtuale di ambienti complessi o la riduzione delle riprese in location reali. Un altro potenziale beneficio riguarda la velocità: cicli produttivi più brevi possono rappresentare un vantaggio competitivo in un’industria guidata dai successi.
La post produzione
La post-produzione è un altro ambito in cui l’AI sta già trovando applicazione concreta. Viene utilizzata per il doppiaggio e la localizzazione, per la selezione automatica delle clip e per accelerare il lavoro su animazione ed effetti visivi. Se gli strumenti raggiungeranno livelli stabili di qualità professionale, i tempi potrebbero ridursi in modo significativo e le distinzioni tradizionali tra pre e post-produzione potrebbero diventare meno nette, con un’integrazione sempre più fluida dei flussi di lavoro.
Gli effetti, uno sguardo al passato
Per comprendere quali potrebbero essere gli effetti più ampi, McKinsey ha guardato al passato. L’analisi delle grandi innovazioni, dalla cinematografia digitale alla CGI, dal VHS allo streaming, fino alle piattaforme UGC, mostra alcuni schemi ricorrenti. Le nuove tecnologie produttive hanno spesso redistribuito il valore economico, con una parte catturata dai fornitori tecnologici ma una quota significativa finita ai distributori, che in molti mercati sono più concentrati rispetto ai produttori. Inoltre, la maggior parte del valore generato dalle innovazioni è storicamente confluita verso i grandi incumbent (le major cinematografiche storiche, i grandi studi, le grandi piattaforme di streaming consolidate, i principali gruppi media già strutturati) capaci di investire su larga scala, mentre i consumatori hanno beneficiato di maggiore scelta e qualità. Un’altra costante è che le innovazioni nella distribuzione tendono ad ampliare l’offerta complessiva e, nel tempo, anche la domanda. La televisione ha moltiplicato le occasioni di visione rispetto al cinema; VHS e DVD hanno introdotto il consumo on demand domestico; le piattaforme social hanno aperto lo spazio a contenuti gratuiti e di nicchia. Allo stesso tempo, molte tecnologie sono state inizialmente utilizzate in modi imprevisti: la macchina da presa era pensata per registrare spettacoli teatrali prima di diventare un linguaggio narrativo autonomo; i computer nell’animazione erano considerati marginali prima di trasformare il genere; le videocamere degli smartphone hanno contribuito alla nascita del formato breve.
E oggi?
Applicando queste lezioni al presente, lo studio individua tre traiettorie possibili. La prima, ritenuta la più probabile, è un’estensione progressiva dell’AI nei flussi produttivi esistenti. In questo scenario, una quota significativa della spesa per contenuti originali, stimata in circa 10 miliardi di dollari negli Stati Uniti entro il 2030, potrebbe essere influenzata da strumenti basati su AI. Come accaduto in passato, gran parte del valore generato dall’aumento di efficienza potrebbe essere intercettato dai distributori, anche in ragione della loro maggiore concentrazione rispetto ai produttori. I fornitori tecnologici potrebbero catturare valore solo se riusciranno a mantenere un vantaggio competitivo marcato, 0,in caso contrario, la competizione e l’open source potrebbero comprimere i margini.
La seconda traiettoria riguarda una possibile democratizzazione della produzione di qualità professionale. Se gli strumenti dovessero diventare sufficientemente sofisticati e accessibili, piccoli studi e creatori indipendenti potrebbero competere più direttamente con le grandi realtà. Questo potrebbe aumentare l’offerta complessiva di contenuti, ma non è scontato che generi automaticamente maggiore valore economico. Gli incumbent mantengono infatti vantaggi nella distribuzione e nella gestione della proprietà intellettuale. Inoltre, uno spostamento anche modesto delle ore di visione verso piattaforme open, dove la monetizzazione per ora è inferiore, potrebbe determinare una riduzione netta dei ricavi complessivi per il settore tradizionale.
La terza traiettoria è la più trasformativa: la nascita di nuovi formati e nuovi canali di distribuzione. Se l’AI dovesse favorire esperienze personalizzate, interattive o persistenti nel tempo, potrebbe emergere un paradigma narrativo diverso, con piattaforme integrate che combinano creazione e distribuzione nello stesso ambiente.
I risvolti economici
Guardando ai precedenti storici, ogni volta che una nuova tecnologia ha ridisegnato il modo di fruire contenuti, gli incumbent hanno subito contrazioni significative nei ricavi nei cinque anni successivi all’adozione di massa. Applicando questo schema, McKinsey stima che fino a 60 miliardi di dollari potrebbero essere redistribuiti entro cinque anni se l’AI superasse la tecnologia attuale per diffusione. Alcuni soldi che oggi finiscono ai grandi studi, ai distributori o alle piattaforme consolidate potrebbero andare invece a nuovi player, a piccoli studi o a creatori indipendenti che usano l’AI. Ossia, l’AI potrebbe cambiare chi guadagna di più nel settore, spostando parte dei profitti dai ‘vecchi’ ai nuovi soggetti che sfruttano la tecnologia in modo innovativo.
I rischi
A fronte di queste prospettive, emergono tre aree di rischio che l’industria sta già affrontando. La prima riguarda il lavoro creativo e la tutela dei talenti. L’uso dell’AI solleva interrogativi sull’integrità artistica, sulla rappresentazione autentica delle esperienze e sull’occupazione. Gli scioperi recenti e le negoziazioni sindacali hanno evidenziato la sensibilità del tema, così come il dibattito sull’uso di doppiaggio e modifiche vocali tramite AI in produzioni recenti. La diffusione delle sembianze digitali aggiunge ulteriore complessità in termini di compensazione e protezione dai deepfake. La seconda area critica è la proprietà intellettuale. Sono in corso cause legali relative all’addestramento di modelli su contenuti protetti e si sta discutendo della necessità di dataset ‘IP-safe’, ossia contenuti licenziati, di pubblico dominio o creati appositamente per l’addestramento, in modo che nessuno possa rivendicare diritti sul materiale usato. I produttori, insomma, devono interrogarsi sull’origine dei materiali generati con AI e sulla possibilità di dimostrare il contributo creativo umano per garantire la protezione del copyright. La terza riguarda il rischio di allucinazioni e bias nei modelli, che possono influenzare casting, rappresentazione e contenuti in modo distorto o stereotipato. Questo impone controlli rigorosi, test e supervisione umana prima che il materiale arrivi al pubblico.