Il Blue-Seven phenomenon e la sua applicazione con l'AI dimostra perché un LLM non potrà mai essere casuale, e ci dice molto sulla creatività artificiale applicata ai brand.
Fate questo esperimento.
Provate a chiedere a ChatGPT, Claude o a un’altra IA un numero a caso tra 1 e 100.
La risposta probabilmente sarà 73.
Non sempre, chiaro. Ci saranno volte in cui risponderà 37, o 47, o 77, ma il risultato oscillerà comunque tra queste opzioni. Ed è una cosa così curiosa, da essere diventata un fenomeno documentato: testato in centinaia di esperimenti e discusso su Reddit e Hacker News.
Abbastanza spesso, perciò, da far nascere un sospetto.
Ed il sospetto è giusto.
Solo che il punto interessante è un altro, qui, ed ha a che fare con la creatività.
Il numero umano
Prima di colpevolizzare l’IA, sappiate una cosa: sono gli esseri umani a scegliere il 73.
Il canale Veritasium ha condotto un esperimento con 200.000 partecipanti, chiedendo a ciascuno di scegliere un numero casuale tra 1 e 100. I più scelti sono stati: 7, 73, 77 e 37.
Tutti contenevano il 7.
Dopo questa piccola prova, i partecipanti sono stati invitati a indicare quale numero pensavano sarebbe stato il meno scelto.
Le risposte più frequenti: 73 e 37. Mentre i numeri effettivamente meno scelti erano i multipli di 10 (e cioè il 90, l’80, il 70, il 60), percepiti come troppo rotondi per essere casuali.
Risulta da qui evidente come cervello umano abbia una propria idea di cosa sembri casuale.
E quell’idea è sbagliata, sistematicamente, nello stesso modo per tutti.
I numeri primi, come 37, 47 o 73, sembrano più casuali perché non appaiono spesso nella vita quotidiana. Il cervello li interpreta come assenza di schema. E traduce quell’assenza in casualità.
Perché l’IA sceglie 73
Un LLM predice parole. Solo parole. Questa è la distinzione che tutto il resto presuppone.
Quando chiedi a un modello linguistico un numero casuale, non estrae un valore da un generatore matematico. Calcola quale parola è statisticamente più probabile, dato il contesto della richiesta, in base ai milioni di testi su cui è stato addestrato.
E quei testi sono stati scritti da esseri umani. Esseri umani che, quando chiedono o citano un numero casuale, citano il 73. O il 37.
Il modello impara perciò che in quel contesto specifico, quelle sono le parole più probabili. E quando gli si fa la stessa domanda, le restituisce.
Il pattern scala con l’intervallo. Chiedi un numero tra 1 e 50: ti risponde 27. Tra 1 e 10: 7. In un esperimento del 2025, GPT-4o ha risposto 7 in 92 conversazioni su 100. ChatGPT, Claude, Gemini e Copilot tendono tutti verso gli stessi numeri quando vengono testati in sequenza.
E il bello è che non si tratta di un bug.
È esattamente il modo in cui funziona un sistema addestrato a predire ciò che un essere umano scriverebbe.
Il paradosso della creatività artificiale
Questo è il punto che ci interessa di più.
Se un LLM non può generare vera casualità, allora non può neanche generare vera originalità. Perché l’originalità è, per definizione, uno scarto statistico dalla media. Un’idea originale è un’idea che la maggior parte delle persone non avrebbe avuto. Mentre un’idea che un LLM produce è, per costruzione, l’idea che la maggior parte delle persone avrebbe avuto.
La creatività di un LLM è la creatività media del corpus su cui è stato addestrato. L’aggregato statistico di milioni di testi creativi, restituito nella combinazione più probabile data la richiesta.
È lo stesso meccanismo del 73. Quando chiedi all’IA un nome originale, un headline sorprendente, un’idea di brand inattesa, restituisce l’equivalente del 73 nell’ambito della creatività. Il più originale-seeming. Il più sorprendente-seeming. La media statistica di ciò che gli esseri umani percepiscono, o sono stati educati a percepire, come originale.
Cosa significa per i brand
Il posizionamento di un brand si costruisce sulla differenza percepita rispetto alla media della categoria. Un brand riconoscibile occupa uno spazio mentale che gli altri non occupano.
Se l’IA produce l’output statisticamente più probabile per qualsiasi richiesta creativa, e tutti i brand usano l’IA per generare comunicazione e identità, il risultato è prevedibile. I brand convergono. Le headline si assomigliano. I toni di voce si uniformano. E così, la categoria produce un ecosistema di “73 del brand”: l’identità più brand-seeming, la comunicazione più approssimativamente strategica.
Con il differenziale (che sarebbe l’unico valore n grado di proteggere un brand nel tempo) che inesorabilmente, così, si erode.
L’IA è uno strumento potente per la governance della comunicazione. Eppure, per la differenziazione vera, servirà sempre qualcosa che un LLM non potrà produrre per natura.
Uno scarto dalla media statistica.
Un’idea che nessun corpus di addestramento ha mai visto prima.
L’IA sceglie 73 (o 37, o quel che sia) perché è esattamente quello che le hai chiesto. Il numero più credibilmente casuale.
Ma la differenza tra credibilmente casuale e davvero casuale è la stessa che c’è (e ci sarà sempre) tra credibilmente originale e davvero originale.
Nuove Connessioni (FAQ)
Se l’IA non può essere originale, a cosa serve?
A eseguire l’originale, non a generarlo. L’IA è potente per mantenere coerenza su scala, per produrre varianti di un’idea già definita, per verificare che una comunicazione sia conforme a un sistema identitario costruito altrove. Il lavoro che un LLM non può fare è quello a monte: definire la differenza che il brand occupa. Quello richiede pensiero umano applicato a un problema specifico, non l’aggregato statistico di come altri brand hanno risolto problemi simili.
Il problema della convergenza è già visibile?
Sì. È lo stesso fenomeno documentato sull’impronta linguistica dell’IA: bullet point dove ci vorrebbe prosa, trattini lunghi, “in conclusione”, aperture contestuali. Questi non sono singole scelte stilistiche. Sono pattern convergenti prodotti da sistemi che ottimizzano verso la stessa media. Nel branding, lo stesso fenomeno produce palette simili, toni di voce simili, promesse simili. La categoria tende al 73.
Come evito che il mio brand assomigli a tutti gli altri?
Codificando la differenza prima che l’IA entri nel processo. Un sistema di governance del brand costruito con precisione prima dell’uso degli strumenti generativi serve esattamente a questo. L’IA esegue all’interno di quel sistema. La differenza non viene generata dall’IA. Viene difesa da essa.