Al giorno d’oggi l’Intelligenza artificiale viene impiegata in numerosi ambiti, per gli innegabili vantaggi che è in grado di offrire. Un nodo cruciale riguarda però lo sviluppo di videogames. Nelle case di sviluppo di videogiochi la licenza di uno strumento di intelligenza artificiale si firma in poche settimane, mentre il passaggio dalla prova interna alla produzione vera si sta rivelando più complicato del previsto. Il motivo sta raramente nella tecnologia: sta nelle persone che dovrebbero usarla, nel tempo necessario a formarle e nel metodo di lavoro da riscrivere intorno agli strumenti nuovi. È il capitolo di spesa che nessun preventivo mette in evidenza, e oggi separa gli studi che ricavano qualcosa dall’automazione da quelli che si limitano ad annunciarla.
Perché la prova interna non diventa produzione
Adottare uno strumento automatico dentro uno studio di sviluppo somiglia poco all’acquisto di un software di produttività.
Serve capacità di calcolo, serve spazio per archiviare e versionare i materiali che la macchina produce, serve un innesto nelle catene di lavorazione già in uso e serve una procedura di verifica per ciò che esce. Sono investimenti infrastrutturali che nella dimostrazione commerciale non si vedono e che si presentano tutti insieme quando la prova deve diventare lavoro quotidiano. Ogni passaggio tocca un pezzo di metodologie di lavoro consolidate, e in un comparto dove le scadenze si fissano mesi prima nessuno riscrive volentieri il proprio processo a progetto aperto. Da qui l’esito che si ripete: la sperimentazione parte, dà risultati incoraggianti su un compito isolato, poi si blocca nel momento in cui dovrebbe entrare nel flusso di decine di persone. Le aspettative erano tarate su dimostrazioni fatte in condizioni controllate, dove il risultato veniva scelto fra molti tentativi e nessuno doveva garantirne la coerenza con il resto del prodotto. In produzione quello stesso risultato deve convivere con materiale già approvato, con vincoli tecnici stretti e con una catena di verifiche costruita sul lavoro umano. Il punto di caduta è quasi sempre lo stesso: una prova che non scala, perché funziona per una persona e non per un reparto. Chi si ferma lì archivia l’esperimento senza dichiararlo chiuso.
Le competenze che mancano nei team
Il collo di bottiglia è più prosaico di quanto lascino intendere gli annunci: mancano le competenze per governare gli strumenti.
Non si tratta di saper avviare un programma, ma di formulare una richiesta in modo che produca qualcosa di riutilizzabile, riconoscere in pochi secondi un risultato che sembra buono e non lo è, capire quando conviene correggere e quando ripartire da zero. Sono capacità che si costruiscono in mesi di pratica e che oggi vivono in poche teste per ogni studio, quasi sempre le stesse già assorbite dalle scadenze. Chi le possiede diventa un passaggio obbligato per tutti, perché ogni reparto lo cerca per la stessa ragione. La curva di apprendimento si allunga anche per un motivo che i piani di adozione trascurano, ed è il clima con cui gli strumenti vengono accolti dentro le aziende. Nel rilevamento 2026 State of the Game Industry della Game Developers Conference il 52% dei professionisti del settore giudica negativo l’impatto dell’intelligenza artificiale generativa sull’industria dei videogiochi, una quota in crescita rispetto ai due rilevamenti precedenti. Un percorso di formazione interna che parte da una platea così diffidente ha tempi, costi e tassi di abbandono diversi da quelli di un normale aggiornamento tecnico, e chi lo progetta come un corso di due giorni lo vede fallire. Quanto pesi oggi questa spesa nei conti delle case di sviluppo lo chiarisce il punto sugli investimenti del settore, che ne ricostruisce le ragioni.
Supervisionare costa tempo di persone esperte
Quando lo strumento entra davvero nel processo non riduce il lavoro nella misura promessa: lo sposta. Ogni risultato automatico va letto, confrontato con quello che serviva e corretto, e questa lettura può farla soltanto chi conosce il mestiere. La supervisione diventa un’attività fissa assegnata alle figure più esperte, cioè le più costose e le più difficili da liberare da altri incarichi. Nei team dove quel tempo non è stato messo a bilancio l’automazione ha prodotto un arretrato di revisioni invece di una riduzione dei tempi, e il guadagno teorico si è consumato nella coda di materiale da controllare. Il fenomeno si misura anche fuori dal comparto videoludico. Nella Developer Survey 2025 di Stack Overflow il 45% degli sviluppatori indica come frustrazione principale il tempo che porta via correggere il codice generato dall’intelligenza artificiale, un dato che dice dove il risparmio si sposta invece di sparire. Chi produce videogiochi lavora su materiali dove la verifica è ancora più lenta, perché un elemento visivo o una scena vanno giudicati anche per coerenza con il resto dell’opera, e nessun controllo automatico stabilisce se una cosa risulta credibile. Il tempo di revisione qualificata è il costo che si presenta più tardi, quando il progetto è già avviato e le stime sono state comunicate.
I mestieri che stanno cambiando
I mestieri si stanno riorganizzando mentre il comparto perde posti, e le due cose vanno lette insieme. Secondo la rilevazione di Communications Workers of America l’industria dei videogiochi ha perso 14.600 posti di lavoro nel 2024, e nel rilevamento 2026 State of the Game Industry della Game Developers Conference il 28% degli intervistati dichiara di essere stato licenziato nei due anni precedenti. Nessuno dei due dati misura l’effetto dell’automazione: misurano il terreno su cui l’automazione arriva, cioè reparti più leggeri, meno tempo per formare qualcuno con calma, più carico su chi resta. Nei pochi studi che hanno superato lo stadio della prova sono comparsi ruoli ibridi: chi conosce un mestiere creativo o tecnico e insieme sa impostare, valutare e correggere ciò che una macchina produce. Quasi mai sono assunzioni nuove, sono persone interne che hanno assorbito una seconda competenza lavorando, spesso senza che il titolo in organigramma lo registri e senza un riconoscimento economico. Chi decide se un materiale generato può entrare nel prodotto lo fa dopo anni passati nella disciplina che l’automazione dovrebbe alleggerire, e quel tempo di giudizio resta fuori dai conti iniziali. Nello stesso rilevamento della Game Developers Conference la metà degli intervistati dichiara che il proprio datore di lavoro ha effettuato licenziamenti negli ultimi dodici mesi, e in quegli organigrammi la verifica dei materiali generati ricade sulle stesse figure già impegnate sulle scadenze.