Il problema di Midjourney non è il modello. Smetti di scrivere prompt migliori.

Chiedi a un direttore creativo cosa vuole e non ti risponderà con un paragrafo. Aprirà tre riferimenti, indicherà un angolo di uno di essi e dirà: più così, meno colà.

Midjourney non accetta questo modo di lavorare. E nemmeno gli altri strumenti di generazione via chat. Hai una casella di testo, e devi mettere la tua intenzione nero su bianco, a parole.

Questo è il vero problema. Tutto il resto ne deriva.

Le parole sono un formato con perdita per il gusto

Un prompt è una compressione di ciò che vuoi davvero, e la maggior parte di ciò che vuoi non sopravvive alla compressione. La luce di quella foto. Il peso esatto di quel serif. Il motivo per cui la scatola di Prada trasmette qualità e quella accanto no. Puoi scrivere quattrocento parole e non arrivarci mai: ecco perché il prompt engineering è diventato un mestiere.

Peggio ancora, tutti comprimono nello stesso modo. Nessuno ha un vocabolario privato per "cinematic", "editorial" o "clean". Così mille team digitano più o meno gli stessi aggettivi nello stesso modello e ottengono più o meno la stessa immagine.

Dylan Field, CEO di Figma, lo ha detto chiaramente al Lenny's Podcast nell'ottobre 2025: la prima cosa che l'AI ti restituisce è generica per definizione, perché è la media di tutto ciò che ha visto. I prompt testuali sono ciò che ti tiene fermo dentro quella media. Merriam-Webster ha eletto "slop" parola dell'anno 2025, definendola come contenuto di bassa qualità prodotto in massa dall'AI. Ecco da dove viene la massa.

Ci sono dati che mostrano l'effetto sul gruppo. Anil Doshi e Oliver Hauser hanno pubblicato uno studio su Science Advances nel 2024, offrendo assistenza AI a un gruppo di scrittori. Presi singolarmente, i testi assistiti ottenevano punteggi più alti. Confrontati tra loro, i pezzi assistiti erano visibilmente più simili. Tutti miglioravano e, contemporaneamente, tutti si assomigliavano di più.

Cosa produce davvero una buona immagine

Non una frase migliore. Materiale migliore.

Un brief vero è un mucchio di cose: uno scatto di riferimento, il packaging di un concorrente, un report di mercato, un appunto preso in riunione in cui qualcuno diceva di volere una luce come quella di un appartamento di Seoul alle 18. Quando puoi dare al modello quegli oggetti invece della loro descrizione, l'output smette di andare alla deriva verso la media, perché gli input sono tuoi e nessun altro li ha.

L'altra cosa che succede è più sottile. Mettere insieme i riferimenti ti costringe a capire cosa vuoi davvero. Quasi nessuno sa cosa vuole finché non vede due opzioni una accanto all'altra e si sorprende a preferirne una. Una casella di testo non te lo permette. Un muro fatto del tuo materiale sì.

E poi lo strumento butta via il lavoro

Diciamo che hai ottenuto una buona immagine. Dov'è finita?

È in un thread di chat, sotto altri quaranta tentativi e sopra altri sessanta. Il thread è solo tuo. Nessun altro nel team può vederlo.

Pensa a cosa c'è in quelle cento immagini. La versione quasi giusta ma troppo calda. Quella che ha fallito in modo interessante. La direzione che il team aveva scartato esplicitamente e che qualcuno riproporrà tra tre settimane, perché non c'è traccia del fatto che sia già stata provata. Tutto questo aveva valore, e ora è cronologia di scroll dentro l'account privato di una sola persona.

La chat è un contenitore inadatto al lavoro visivo per lo stesso motivo per cui è inadatta alle decisioni: è una linea. Non puoi mettere una linea affianco a sé stessa. Per confrontare due immagini in Midjourney fai scroll, tieni una a mente, torni indietro e fingi di stare confrontando. Non è così. Stai ricordando.

I team finiscono per fare quello che fanno sempre quando uno strumento li tradisce. Qualcuno fa uno screenshot delle immagini buone e le manda su Slack. Qualcun altro le scarica in una cartella chiamata final_v2. E nel giro di una settimana nessuno sa più quale delle quattro versioni in quella cartella sia quella su cui tutti erano d'accordo.

Cosa abbiamo costruito al suo posto

In ALLO la generazione avviene direttamente sul canvas, così i due problemi si risolvono con un unico intervento.

Selezioni gli oggetti che vuoi far usare al modello. Un'immagine di riferimento, il packshot di un concorrente, un documento di ricerca, un post-it con un'idea ancora abbozzata: tutto già lì sulla board, perché è lì che vive il progetto. Il prompt si costruisce a partire da materiale reale, non digitato a memoria. Il modello riceve i tuoi dettagli, non i tuoi aggettivi.

L'output atterra sul canvas accanto alle cose che l'hanno prodotto. Non in un thread. Non in una cartella. Sta lì come oggetto, con le sue versioni, e puoi metterlo accanto agli altri cinque e guardarli davvero insieme, che è l'unico modo in cui si è mai scelta un'immagine.

E il flusso continua. Un appunto diventa un documento di ricerca. Il documento diventa un'infografica. L'infografica diventa uno scatto di prodotto. Qualcuno lascia un post-it che dice "potrebbe funzionare come un test della personalità", e da lì nasce una landing page. Ogni passaggio si appoggia ai precedenti, e l'intera catena resta visibile: un mese dopo puoi vedere non solo cosa ha fatto il team, ma come ci è arrivato e cosa ha scartato lungo la strada.

E la board è condivisa. Le quaranta immagini che non ce l'hanno fatta sono ancora lì, visibili al team, in secondo piano invece che cancellate. È questo che rende una decisione difendibile mesi dopo, quando un cliente ti chiede perché la campagna è così e non nell'altro modo, quello ovvio.

I modelli di generazione continueranno a migliorare. Le immagini che ti restituiscono miglioreranno, e continueranno a essere la media di ciò che ottengono tutti gli altri. La parte che resterà difficile è sapere cosa vuoi, mostrare al modello qualcosa di reale e scegliere quella che è tua.

FAQ

Perché le immagini generate dall'AI si somigliano tutte? Perché tutti descrivono ciò che vogliono con parole simili, e i modelli restituiscono l'output più probabile per quelle parole. Dylan Field di Figma dice che il primo risultato è generico per definizione. Dare al modello i tuoi riferimenti invece degli aggettivi è ciò che sposta l'output lontano dalla media.

Perché Midjourney è difficile da usare in team? Le generazioni vivono in un thread di chat personale. L'output è lineare, quindi le immagini non possono essere confrontate affiancate, e la maggior parte di ciò che una persona ha provato resta invisibile agli altri. I tentativi scartati e il ragionamento dietro una scelta scompaiono insieme al thread.

Come si ottengono risultati migliori da uno strumento AI di immagini? Smetti di provare a scrivere un prompt migliore. Dai al modello materiale vero: immagini di riferimento, asset di brand, ricerca e gli appunti che spiegano l'intenzione. Input specifici producono output specifici.

Dove dovrebbero conservare i team le immagini generate dall'AI? In un posto dove tutto il team possa vederle insieme, accanto al brief e ai riferimenti che le hanno prodotte, comprese le versioni scartate. Una cartella di download perde tutto quel contesto nel giro di una settimana.

ALLO genera immagini? Sì, sul canvas. Selezioni i riferimenti e gli appunti da cui vuoi che lavori, generi, e il risultato atterra come oggetto sulla board accanto ai suoi input, dove il team può confrontare, commentare e scegliere.