C’è un momento preciso in cui una tecnologia smette di sembrare “più potente“, per iniziare a sembrare qualcosa di diverso. Secondo Onofrio Petragallo, Customer Engineer AI Specialist in Google, quel momento per l’intelligenza artificiale multimodale è più vicino di quanto si pensi.

Nell’intervista che abbiamo realizzato a Coderful 2026, Petragallo ha raccontato come i modelli stiano passando da strumenti specializzati su singoli compiti a sistemi capaci di ragionare, verificare e generare contenuti complessi – restando comunque, avverte, incapaci di capire davvero una cosa: gli esseri umani.

Da singoli task alla multimodalità: cosa cambia con Gemini Omni

Fino a pochi anni fa, ricorda Petragallo, i modelli di intelligenza artificiale «erano addestrati solo su singoli task e singole modalità, quindi per esempio text to text oppure classificazione del testo, riconoscimento delle immagini, generazione del testo». Con Gemini Omni, sviluppato da Google, qualcosa cambia radicalmente: «Questo modello è il punto di incontro tra le capacità di ragionamento di Gemini e la sua capacità creativa. Offre un salto di qualità nella comprensione del mondo reale, nella multimodalità e nella modifica iterativa in modalità agentica».

Grounding: come distinguere un ragionamento vero da una risposta ben confezionata

Non è sempre facile capire se un modello sta davvero ragionando o si sta limitando a produrre una risposta plausibile. Petragallo indica nel grounding lo strumento chiave per fare questa distinzione: «Nell’AI generativa il grounding è la capacità di collegare l’input del modello a fonti di informazioni verificabili. Se fornisci ai modelli l’accesso a origini dati specifiche, il grounding collega il loro output a questi dati e riduce le possibilità di inventare contenuti». Un aspetto decisivo, spiega, ovunque accuratezza e affidabilità contino davvero.

Ciò che l’AI non capirà mai

Alla domanda su quale contesto spiccatamente umano resterà sempre fuori dalla portata dell’AI – dalla riunione infinita del venerdì pomeriggio al temuto gruppo WhatsApp di Capodanno – Petragallo è netto: «I modelli attuali non hanno alcuna coscienza o autoconsapevolezza. Per loro è impossibile capire emotivamente la frustrazione di una riunione del venerdì o il caos di Capodanno, perché l’intelligenza non equivale alla conoscenza». Il futuro, ammette, potrebbe cambiare le cose, ma non sarà semplice.

Video generati e AI slop: perché un contenuto deve avere un motivo per esistere

Con modelli sempre più capaci di generare video realistici, la domanda si sposta: non se un video sia convincente, ma se abbia senso di esistere. Petragallo spiega come Gemini Omni provi ad affrontare il problema alla radice: «Ha una comprensione intuitiva di concetti come la forza di gravità, l’energia cinetica e la fluidodinamica per movimenti più realistici, ed è in grado, a partire da qualsiasi tipo di input come immagini, testo, audio». La differenza rispetto al semplice “AI slop“, sottolinea, sta nella coerenza narrativa: «È possibile creare scene che seguono la logica del mondo reale, e Gemini Omni attinge dalla sua profonda conoscenza della storia, della biologia, della logica narrativa per costruire storie avvincenti. Se uniamo le funzionalità del modello ai dati che l’utente invia come prompt in input, l’output ha senso di esistere».

Un consiglio per l’estate: The Thinking Game

Alla richiesta di un contenuto capace di stupire davvero, in un’epoca in cui tutto sembra già visto, Petragallo consiglia un documentario disponibile gratuitamente su YouTube: «The Thinking Game, che è la storia dietro la svolta dell’intelligenza artificiale che ha vinto il premio Nobel per la Fisica attraverso AlphaFold. Vi porta nel cuore del laboratorio di intelligenza artificiale di Google DeepMind, seguendo un team impegnato a svelare i misteri dell’intelligenza e della vita stessa».