I volantini scritti da ChatGPT stanno spuntando ovunque: nei negozi, nei bar, negli studi professionali. Non è più una curiosità da social network, ma una tendenza che sta ridefinendo il confine tra comunicazione umana e automatica. Il podcast di questa settimana la chiama «pandemia», e ha ragione.

Dietro l’apparente banalità di testi generati per promuovere un menu o un servizio, c’è un indicatore dirompente. La generazione automatica di testi con i Large Language Models è diventata talmente accessibile da uscire dallo schermo e invadere il mondo fisico. Chiunque, con una connessione e un prompt, può produrre un volantino dall’aspetto professionale in pochi secondi. Ma questa facilità porta con sé un problema strutturale: la dipendenza da servizi cloud esterni.

Quando un bar o uno studio professionale usa ChatGPT per il proprio marketing, sta inviando a server di terze parti non solo il prompt, ma anche dettagli sul proprio business, la clientela, le offerte. Per attività che trattano dati sensibili o che operano in settori regolamentati, questo è un rischio concreto. Ogni interazione è un punto di fuga di informazioni che sfugge ai controlli aziendali. E non è un dettaglio: con l’entrata in vigore di normative come il GDPR, il trattamento dei dati anche per finalità promozionali diventa materia di audit.

Per questo la «pandemia» dei volantini non è solo un fenomeno di costume. Segnala, a livello strutturale, la necessità di ripensare come e dove si produce intelligenza artificiale a scopo operativo. La risposta per molte organizzazioni sta guardando al deployment on-premise: eseguire modelli linguistici su hardware locale, senza far uscire i dati dal perimetro aziendale. Oggi è possibile grazie a tecniche di quantization che riducono il consumo di VRAM e a framework di inference ottimizzati per schede consumer o piccoli server. Modelli open source come Llama 3 o Mistral, caricati in self-hosted, permettono di generare testi pubblicitari, descrizioni di prodotto e comunicazioni interne con un controllo totale su dati e output.

Il vero punto di svolta sarà contabile. Il Total Cost of Ownership di una soluzione on-premise, che comprende acquisto di GPU, configurazione e manutenzione, va confrontato con i costi ricorrenti di API cloud e con il valore del rischio evitato. In molti casi, anche per PMI, un singolo server con una scheda da 24 GB di VRAM può coprire volumi di inference quotidiani senza canoni mensili. Chi invece sceglie il cloud paga velocità e semplicità, ma accetta che la propria intelligenza promozionale venga elaborata altrove.

La pandemia dei volantini è quindi un banco di prova. Mentre i marciapiedi si riempiono di cartelli scritti da un LLM, dietro le quinte si gioca la partita vera: chi controllerà la produzione di contenuti su scala? Affidarsi a un bot esterno è la scorciatoia, ma costruire una pipeline locale significa trasformare l’AI generativa in un asset aziendale presidiato. Il volantino al bancone del bar non è innocuo: è il biglietto da visita di un’era in cui ogni impresa dovrà scegliere se produrre intelligenza delegandola a terzi o portarsela in casa.