Sul palco di Google durante Google I/O 2026 è accaduto qualcosa di più interessante dell’ennesima demo patinata con musica epica e volti sorridenti. Con l’annuncio di Gemini Omni, il gruppo guidato da Demis Hassabis ha formalizzato una transizione strategica che molti osservatori continuavano ostinatamente a sottovalutare: il passaggio dall’AI conversazionale all’AI sintetica universale. Non più chatbot. Non più semplici generatori di immagini. Non più strumenti separati. Un singolo modello capace di comprendere, modificare e produrre qualsiasi media partendo da qualunque input.

La frase usata da Hassabis, “create anything from any input”, sembra uscita da un pitch deck scritto alle tre del mattino da un venture capitalist sotto caffeina, ma dietro lo slogan si intravede una traiettoria industriale molto concreta. Google DeepMind sta tentando di costruire un modello che non ragiona solo sul linguaggio, ma sul mondo. Video, audio, immagini, testo, movimento, continuità narrativa, coerenza spaziale. Tutto dentro lo stesso sistema. La Silicon Valley ama ribattezzare ogni salto incrementale come “rivoluzione”, ma stavolta il cambio di paradigma è meno cosmetico di quanto sembri.

Gemini Omni nasce infatti dall’integrazione di Gemini con una serie di modelli media che Google aveva sviluppato separatamente, tra cui Veo, Nano Banana e Genie. Separati, questi sistemi erano già competitivi. Uniti, iniziano a delineare un’infrastruttura creativa verticale che punta direttamente al cuore dell’economia dei contenuti digitali. Hollywood, advertising, creator economy, videogiochi, formazione, marketing enterprise. Tutti settori improvvisamente vulnerabili alla stessa domanda: cosa accade quando un singolo modello comprende simultaneamente narrazione, estetica, fisica della scena e intenzione dell’utente?

Il dettaglio realmente interessante non è nemmeno la generazione video in sé. Ormai il mercato è saturo di demo spettacolari. OpenAI, Runway, Pika, Kling, Tencent, ByteDance e metà delle startup della Bay Area producono video sintetici convincenti. Il vero problema industriale è la coerenza. Mantenere identità visiva, movimenti, oggetti e contesto lungo modifiche iterative resta uno degli ostacoli più difficili per i modelli generativi. Google sostiene che Omni riesca a preservare personaggi, ambienti e dinamiche di movimento anche dopo modifiche conversazionali successive. Se questa promessa reggerà fuori dalle demo controllate, l’impatto sul workflow creativo sarà enorme.

Qui emerge una dinamica economica che molti executive tradizionali stanno ancora leggendo con strumenti mentali del 2018. I modelli multimodali non stanno automatizzando singole attività; stanno comprimendo intere pipeline produttive. Uno storyboard, una campagna marketing, un teaser pubblicitario, un tutorial educativo, un videoclip musicale. Attività che richiedevano team distinti iniziano a convergere dentro un’interfaccia linguistica. La conseguenza non sarà semplicemente “meno creativi”. Sarà una redistribuzione brutale del valore verso chi possiede modelli, GPU, dati e distribuzione.

Google, da questo punto di vista, parte con un vantaggio che il settore tech spesso evita di menzionare apertamente: possiede contemporaneamente infrastruttura cloud, motore di ricerca, Android, YouTube, Workspace e miliardi di utenti. Quando Hassabis parla di “world model AI”, non sta descrivendo solo una tecnologia. Sta descrivendo un layer operativo potenzialmente integrato in ogni prodotto Google. La differenza rispetto alla prima generazione di chatbot è sostanziale. ChatGPT poteva assistere. Omni punta a produrre.

Il caso di Nano Banana è emblematico. Nato quasi come esperimento virale di editing conversazionale, il modello aveva già dimostrato quanto rapidamente gli utenti adottino strumenti che trasformano creatività complessa in interazione linguistica. Meme, illustrazioni anime, manipolazioni visuali. Apparentemente frivolo. In realtà strategicamente devastante. Per la prima volta Google era riuscita persino a superare OpenAI in download e interesse search, un evento che nella narrativa interna della Silicon Valley è stato vissuto con lo stesso entusiasmo con cui Wall Street reagisce a un trimestre inatteso di Nvidia.

L’estensione di quelle capacità al video modifica ulteriormente il quadro competitivo. Fino a ieri il vantaggio di OpenAI sembrava fondarsi sulla superiorità conversazionale e sull’effetto network di ChatGPT. Google ora sta cercando di spostare il terreno di gioco dalla chat alla produzione multimodale persistente. È una mossa intelligente, quasi inevitabile. Le interfacce testuali pure hanno un limite psicologico; gli esseri umani pensano in immagini, ambienti, simulazioni, relazioni spaziali. L’AI che domina i prossimi dieci anni sarà quella che comprenderà il contesto fisico e visivo meglio degli esseri umani medi, non quella che produce il paragrafo più elegante su LinkedIn.

Anche l’introduzione di Flow Agent merita attenzione. L’assistente non si limita a generare asset; organizza scene, suggerisce modifiche narrative, coordina editing batch e struttura workflow complessi tramite linguaggio naturale. In altre parole, Google sta progressivamente trasformando l’AI da strumento creativo a middleware operativo. Una distinzione apparentemente semantica, ma economicamente cruciale. Il software enterprise più redditizio non è quello che crea singoli output; è quello che orchestra processi.

Naturalmente resta il consueto problema della realtà rispetto alle demo. L’industria AI vive ormai in una permanente inflazione narrativa. Ogni conferenza promette “reasoning”, “agents”, “world understanding”, “general intelligence”. Ogni trimestre riscrive il vocabolario dell’hype. La distanza tra benchmark e utilizzo reale continua però a essere significativa. Video coerenti su clip brevi sono una cosa; gestire produzioni lunghe, continuità narrativa e qualità cinematografica industriale è un’altra storia.

Tuttavia sarebbe un errore liquidare Gemini Omni come semplice marketing. Il mercato sta entrando in una fase diversa, più strutturale e meno sperimentale. Fino al 2024 la corsa AI riguardava soprattutto il miglior chatbot. Nel 2026 riguarda il controllo dell’intera catena cognitiva dei media digitali. Chi possiede il modello dominante potrà controllare creazione, editing, distribuzione, advertising e persino ottimizzazione algoritmica dei contenuti. Una concentrazione verticale che ricorda più gli oligopoli energetici del Novecento che le startup romantiche raccontate nei podcast della Silicon Valley.

La vera partita, paradossalmente, non riguarda nemmeno l’intelligenza artificiale generale evocata da Hassabis. Riguarda qualcosa di più concreto e immediato: chi diventerà il sistema operativo invisibile della creatività umana. Google sembra aver deciso che il prossimo browser del mondo non sarà una pagina web, ma un modello multimodale capace di sintetizzare realtà artificiali in tempo reale. Una prospettiva tecnicamente affascinante, economicamente colossale e culturalmente molto meno innocua di quanto i keynote aziendali amino suggerire.

Annuncio: https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-omni/