Quando l’intelligenza artificiale falsifica la storia di un’opera
Immaginate di ricevere il dossier di un dipinto importante.
Non un’opera comparsa improvvisamente sul mercato, priva di storia e documentazione. Al contrario: il fascicolo sembra completo.
C’è una vecchia fattura. Una fotografia che dovrebbe risalire agli anni Settanta. La lettera di un gallerista. Un certificato di autenticità. Alcune email, la scansione di una pubblicazione e una provenienza ordinata, apparentemente senza vuoti.
Nomi, date e luoghi tornano.
Il precedente proprietario è realmente esistito. La galleria era attiva in quegli anni. L’indirizzo corrisponde. Persino il linguaggio utilizzato nella corrispondenza appare credibile per l’epoca.
Eppure quella storia potrebbe non essere mai accaduta.
Il mercato dell’arte convive con i falsi da secoli. La novità non è quindi il falso in sé. A cambiare è ciò che può essere falsificato.
Non serve necessariamente dipingere un falso Rothko, Picasso o Modigliani.
Si può costruire il passato di un’opera.
È questo il terreno sul quale l’intelligenza artificiale può incidere profondamente sul lavoro di gallerie, advisor, collezionisti, case d’asta, assicuratori, esperti e professionisti della due diligence.
In questo articolo utilizzerò l’espressione Synthetic Provenance.
Non perché ogni falsa provenienza abbia origine dall’intelligenza artificiale. I documenti falsi circolavano nel mercato dell’arte molto prima di ChatGPT e dei generatori di immagini.
La differenza è nella scala e nella facilità con cui oggi è possibile produrre una storia coerente.
Sistemi generativi, programmi di elaborazione delle immagini, motori di ricerca, archivi digitalizzati e database consentono di costruire in tempi molto brevi testi, immagini, firme, lettere, fatture e cronologie che, considerate nel loro insieme, possono apparire sorprendentemente plausibili.
E non stiamo più parlando soltanto di un rischio teorico.
Nel 2025 il Financial Times ha documentato casi nei quali strumenti di intelligenza artificiale sarebbero stati utilizzati per produrre falsi certificati di autenticità, documenti di provenienza e fatture, alcuni dei quali presentati per sostenere valutazioni economiche o richieste assicurative.
Il problema è quindi già entrato nel mercato.
Il falso non deve più vivere da solo
Ogni falsificazione tradizionale deve fare i conti con la realtà.
Una fattura deve avere un emittente credibile. Una fotografia deve essere compatibile con la data che le viene attribuita. Una lettera deve utilizzare formule linguistiche plausibili. Una provenienza deve rispettare successioni, morti, trasferimenti, mostre, indirizzi e spostamenti geografici.
Più elementi entrano nella storia, maggiore è il rischio che qualcosa non torni.
Questo, almeno, era uno dei principali punti deboli delle falsificazioni complesse.
Oggi strumenti generativi collegati a database, motori di ricerca e archivi digitali possono aiutare a costruire una narrazione molto più accurata.
Si può individuare una galleria realmente attiva nel 1978, verificare quale fosse il suo indirizzo, ricostruire il contesto commerciale dell’epoca e generare una fattura che, a prima vista, appare compatibile con quel contesto.
Gli strumenti di elaborazione delle immagini possono inoltre modificare fotografie, introducendo caratteristiche visive che imitano materiali, difetti e processi di invecchiamento.
Il risultato può essere una cronologia nella quale date, persone e luoghi non mostrano contraddizioni immediate.
Ed è qui che il rischio cambia natura.
Il problema non è più soltanto il singolo documento falso.
È l’insieme dei documenti.
Una fattura sembra confermare una lettera. La lettera rende plausibile una fotografia. La fotografia sembra dimostrare un possesso precedente. Quel possesso rafforza la provenienza e, indirettamente, anche l’attribuzione.
A quel punto cinque o sei elementi apparentemente indipendenti producono un’impressione di solidità.
Ma potrebbero avere tutti la stessa origine.
Cinque documenti non sono necessariamente cinque prove
Questo è forse il punto più importante per chi svolge attività di due diligence.
La convergenza di fonti indipendenti ha sempre avuto un grande valore nella ricostruzione della provenienza.
Ed è giusto che sia così.
Quando documenti prodotti in tempi diversi, da soggetti diversi e senza collegamenti tra loro raccontano la stessa storia, quella convergenza rafforza la credibilità della ricostruzione.
Il problema nasce quando l’indipendenza delle fonti è soltanto apparente.
Se fotografia, lettera, fattura e certificato sono stati prodotti nello stesso momento o derivano dalla stessa costruzione narrativa, non siamo davanti a quattro conferme.
Abbiamo una sola informazione ripetuta attraverso quattro supporti diversi.
È la differenza tra corroborazione e replicazione.
Una distinzione che, nel mercato dell’arte dei prossimi anni, sarà sempre più importante.
La provenienza sintetica può essere costruita anche con documenti autentici
Esiste però uno scenario ancora più difficile da individuare.
Una Synthetic Provenance non richiede necessariamente documenti falsi.
La falsificazione più sofisticata potrebbe essere costruita utilizzando materiali completamente autentici.
Una fattura realmente emessa nel 1974.
Una fotografia effettivamente scattata negli anni Sessanta.
Una galleria realmente esistita.
Un collezionista documentato.
Una mostra realmente avvenuta.
Un catalogo originale.
Tutto vero.
Ma non necessariamente riferibile a quell’opera.
La fattura potrebbe riguardare un altro dipinto. La fotografia potrebbe mostrare un’opera simile. Il collezionista potrebbe avere realmente acquistato lavori dello stesso artista, ma non quello oggi proposto. La galleria potrebbe aver trattato quell’autore senza avere mai avuto quel determinato quadro. La mostra potrebbe essere realmente avvenuta senza che l’opera vi abbia partecipato.
In questo caso il problema non riguarda l’autenticità materiale del documento.
Riguarda la relazione tra il documento e l’opera.
Un controllo della carta potrebbe confermare che la fattura risale effettivamente agli anni Settanta.
L’archivio potrebbe dimostrare che la galleria esisteva.
Una ricerca anagrafica potrebbe confermare l’identità del collezionista.
Eppure la provenienza potrebbe essere falsa.
I pezzi sono veri. È falso il puzzle.
È questo uno dei punti nei quali la tecnologia rischia di fornire una falsa sensazione di sicurezza.
Un rilevatore di immagini generate dall’AI non troverebbe necessariamente nulla.
Perché non c’è niente di sintetico nel singolo documento.
La falsificazione sta nel collegamento tra documenti autentici.
Il fascicolo può essere più pericoloso del quadro
Nel mercato privato capita spesso di vedere opere accompagnate da dossier di decine, talvolta centinaia, di pagine.
La quantità stessa della documentazione finisce per diventare un argomento commerciale.
“Ci sono tutti i documenti.”
“L’opera è stata studiata per anni.”
“Abbiamo un dossier completo.”
Ma cento pagine non valgono necessariamente più di una.
La domanda vera è un’altra: da dove arrivano quelle cento pagine?
Prendiamo una fotografia apparentemente risalente al 1965.
Mostra il dipinto appeso nella casa di un collezionista.
Se autentica, correttamente datata e realmente riferibile all’opera, potrebbe rappresentare un elemento molto importante per la ricostruzione della provenienza.
Ma dire che una fotografia “sembra vecchia” non è una verifica.
Bisogna sapere da quale archivio proviene, se esiste il negativo, se esiste una stampa originale, quando quella fotografia è comparsa per la prima volta e se fosse conosciuta prima che l’opera entrasse sul mercato.
Occorre inoltre confrontare ciò che appare nell’immagine con il contesto: arredamento, altri oggetti presenti nella stanza, eventuali fotografie della stessa abitazione.
E soprattutto bisogna capire se l’opera raffigurata sia realmente quella oggi proposta.
Queste domande non sono nuove.
La differenza è che oggi devono diventare sistematiche.
L’intelligenza artificiale può inventare anche ciò che non sappiamo
Non tutto nasce da una frode.
Esiste un rischio forse più comune: l’errore.
I sistemi generativi possono produrre informazioni plausibili che non esistono.
Nel gennaio 2026 RICS ha richiamato l’attenzione dei professionisti della valutazione proprio sul problema delle cosiddette hallucinations: riferimenti, fonti o fatti che sembrano credibili ma sono inesistenti.
L’AI può assistere un appraiser nella ricerca e nell’organizzazione delle informazioni. Ma non sostituisce il giudizio professionale, né la verifica delle fonti.
Una provenienza sintetica può quindi nascere anche senza un progetto criminale.
Immaginiamo che qualcuno utilizzi un sistema generativo per cercare di ricostruire la storia incompleta di un dipinto.
Inserisce alcuni nomi, una vecchia etichetta, un riferimento bibliografico e un anno approssimativo.
Il sistema propone connessioni possibili: una galleria, una mostra, un collezionista.
Fin qui non c’è necessariamente alcun problema.
Il problema nasce quando quelle ipotesi smettono di essere presentate come tali.
La ricostruzione entra in una scheda commerciale.
Qualche mese dopo viene ripresa da un intermediario.
Poi da un sito.
Successivamente da un catalogo.
Dopo alcuni anni nessuno ricorda più da dove provenisse l’informazione originaria.
Rimane soltanto l’affermazione.
A quel punto anche chi la ripete può essere convinto che sia vera.
La falsa informazione è diventata parte della biografia dell’opera.
Quando una fonte falsa entra nella letteratura
Questo fenomeno non nasce con l’intelligenza artificiale.
Il mercato dell’arte conosce da tempo attribuzioni o informazioni di provenienza riprese da una pubblicazione all’altra fino a diventare quasi impossibili da eliminare.
L’AI modifica soprattutto la velocità con cui il fenomeno può verificarsi.
Un’informazione priva di prova può entrare in una fonte apparentemente indipendente. Quella fonte viene poi citata come conferma dell’informazione iniziale.
Dopo alcuni passaggi la circolarità scompare.
Resta l’apparenza di una pluralità di fonti.
È una forma di information laundering.
Per questo la ricerca di provenienza dovrà chiedersi sempre più spesso non soltanto che cosa dice una fonte, ma da dove quella fonte abbia ricavato l’informazione.
Una bibliografia lunga può impressionare.
Ma dieci pubblicazioni che ripetono la stessa informazione non verificata, dal punto di vista probatorio, restano una sola fonte ripetuta dieci volte.
AI contro AI
C’è poi un paradosso.
L’intelligenza artificiale viene utilizzata non soltanto per creare o modificare contenuti, ma anche per analizzare le opere.
Il 1º agosto 2026 npj Heritage Science ha pubblicato uno studio di Steven J. Frank e Andrea M. Frank dal titolo Computational art attribution: integrating attention-based multiple instance learning and style-augmented synthetic data.
La ricerca propone un sistema computazionale di attribuzione pittorica basato sul machine learning e utilizza immagini sintetiche, ottenute tramite neural style transfer, per ampliare i dati disponibili per l’addestramento.
È un campo molto interessante.
Ma va interpretato con attenzione.
Quando un sistema restituisce una probabilità elevata o un indice di compatibilità con il corpus di un artista, quel risultato può facilmente essere trasformato, nel linguaggio commerciale, in qualcosa di completamente diverso:
“L’AI dice che il quadro è autentico al 95%.”
Non è necessariamente questo ciò che il sistema sta dicendo.
Un algoritmo risponde alla domanda per la quale è stato progettato utilizzando i dati sui quali è stato addestrato.
La qualità del dataset, la selezione delle opere considerate autentiche, la qualità delle immagini, l’evoluzione dello stile dell’artista, la tecnica utilizzata e molti altri fattori incidono sul risultato.
Soprattutto, attribuzione algoritmica e due diligence sono due attività diverse.
Un sistema può analizzare caratteristiche stilistiche.
Non per questo ricostruisce la provenienza.
Non stabilisce automaticamente se una fattura sia autentica.
Non ricostruisce una successione ereditaria.
Non determina necessariamente se un’opera sia stata rubata.
Non verifica la titolarità del venditore.
E non dimostra che il dipinto sottoposto ad analisi sia lo stesso descritto nei documenti storici.
L’analisi algoritmica può essere un elemento tecnico utile.
Ma non può essere trasformata automaticamente in un certificato di autenticità.
La tecnologia può provare l’origine di un file. Non necessariamente la verità di ciò che contiene
Una delle risposte al problema dei contenuti artificiali passa attraverso i sistemi di tracciabilità digitale.
La Coalition for Content Provenance and Authenticity, C2PA, ha sviluppato lo standard delle Content Credentials, che consente di associare ai contenuti digitali informazioni sulla loro origine e sulle trasformazioni subite mediante strumenti crittografici.
Nel febbraio 2026 C2PA ha annunciato pubblicamente le Content Credentials 2.3.
Nel luglio dello stesso anno ha inoltre pubblicato indicazioni specifiche sull’utilizzo di questi strumenti per distinguere contenuti generati dall’AI, modificati mediante AI e contenuti non sintetici.
Anche WIPO ha inserito tra le proprie aree di lavoro l’identificazione dei contenuti generati artificialmente e l’autenticità e provenienza dei contenuti originali.
Sono strumenti importanti.
Ma occorre evitare di attribuire loro capacità che non hanno.
Sapere che una fotografia proviene da un determinato dispositivo e che il file possiede una storia documentata delle modifiche è utile.
Non dimostra però che il quadro fotografato appartenesse alla persona che sostiene di averlo posseduto.
Sapere che un PDF non è stato modificato dopo l’apposizione di una firma digitale è altrettanto utile.
Ma la firma digitale non rende vere le dichiarazioni contenute nel documento.
La tecnologia può rafforzare la catena di origine del contenuto.
Non può sostituire la verifica del contenuto stesso.
Una nuova regola: verify the source
Per anni una delle domande più frequenti nel mercato è stata:
“Avete il certificato?”
Oggi quella domanda non basta più.
Occorre chiedere:
“Da dove arriva il certificato?”
Una scansione non è una fonte.
Una fattura deve essere ricondotta, quando possibile, ai registri o agli archivi del soggetto che dovrebbe averla emessa.
Una fotografia storica deve avere una propria provenienza.
Una pubblicazione deve essere rintracciata nella sua forma originale o attraverso una copia indipendente.
E se un’informazione compare online, bisogna cercare di capire chi l’abbia pubblicata per primo.
Lo stesso vale per un dossier composto da più documenti.
Il fatto che cinque documenti raccontino la stessa storia ha valore soltanto se quei documenti sono realmente indipendenti.
La regola può essere riassunta così:
Never verify the document only. Verify its source.
Ma oggi ne serve anche una seconda:
Never verify the source only. Verify the connection.
Perché un documento può essere autentico.
La fonte può essere autentica.
E il collegamento con l’opera può comunque essere falso.
Il vero rischio è la storia perfetta
I falsi grossolani continueranno a esistere.
Certificati improbabili, date sbagliate, firme mal imitate, loghi errati, provenienze impossibili.
Sono i casi più facili.
La vera difficoltà comincia quando tutto sembra corretto.
Un’opera plausibile.
Un proprietario plausibile.
Una collezione plausibile.
Documenti formalmente convincenti.
Nessuna contraddizione evidente.
Ogni nome conduce a una persona realmente esistita.
Ogni indirizzo a una galleria realmente esistita.
Le date tornano.
I documenti sembrano confermarsi reciprocamente.
Una storia nella quale tutto combacia.
Ed è proprio in quel momento che il professionista dovrebbe diventare più prudente.
Perché nell’era dell’intelligenza artificiale la coerenza non è più, da sola, una garanzia di autenticità.
Può essere il risultato della falsificazione.
Il mercato dell’arte ha trascorso decenni perfezionando gli strumenti per stabilire se un’opera sia autentica.
Ora deve applicare lo stesso rigore alle prove che ne raccontano il passato.
La domanda non è più soltanto:
L’opera è autentica?
Bisogna chiedersi anche:
Sono autentiche le prove della sua storia?
E soprattutto:
dimostrano davvero ciò che sosteniamo che dimostrino?
È da qui che comincia il problema della Synthetic Provenance.