Meta ha smesso di misurare le sue etichette IA

L’etichettatura automatica si basa su metadati facilmente rimovibili, minando l’efficacia del sistema

A febbraio 2025, quando Meta annunciò l’intenzione di rilevare automaticamente gli annunci creati con intelligenza artificiale di terze parti, il settore accolse la notizia come un passo concreto verso una trasparenza finalmente misurabile. Oggi, 7 luglio 2026, il paradosso è che a distanza di diciassette mesi non abbiamo ancora dati pubblici sull’efficacia di quelle etichette. Secondo l’annuncio di Meta, la piattaforma avrebbe sfruttato segnali standard del settore per marcare in automatico i contenuti pubblicitari generati o modificati con strumenti esterni, ma il meccanismo si basa su un presupposto fragile: chi vuole aggirare il sistema può semplicemente cancellare i metadati prima della pubblicazione.

La mossa del 2025 non era isolata. Già nel corso dell’anno precedente, la società aveva iniziato a estendere l’etichettatura ai contenuti organici, salvo poi allentare proprio le maglie del controllo sui media manipolati. Oggi possiamo ricostruire quel percorso per chiederci che cosa ci abbia veramente insegnato sulla provenienza dei contenuti, e perché la metrica più importante – la fiducia dell’utente – resti fuori da ogni reportistica.

La promessa del 2025 e il paradosso delle etichette invisibili

L’aspetto più concreto dell’annuncio di febbraio 2025 riguardava la collocazione visiva del segnale. Per gli esseri umani fotorealistici generati dagli strumenti interni di Meta, l’etichetta “Generato con IA” doveva apparire accanto al testo “Sponsorizzato”, e non nascosta dietro il menu a tre punti. L’intento era dare visibilità immediata, ma la vera debolezza stava a monte: il riconoscimento automatico degli annunci realizzati con IA di terze parti dipendeva dalla presenza di segnali tecnici come filigrane digitali o intestazioni IPTC, che possono essere rimossi senza compromettere la qualità del contenuto.

Nessuno, nel 2025, fornì stime sulla percentuale di annunci IA che sarebbero sfuggiti all’etichettatura per cancellazione o modifica dei metadati. Il risultato è che l’etichetta, quando presente, segnala un sottoinsieme selezionato – probabilmente quello degli advertenti più trasparenti o meno sofisticati – mentre resta invisibile proprio dove servirebbe di più. È un’illusione di controllo che sposta la responsabilità della verifica sul lato della domanda, senza offrire ai marketing scientist strumenti per distinguere tra correlazione e causalità, o per valutare l’impatto incrementale della trasparenza sulla brand safety.

Ma quella promessa non nasceva dal nulla: era il culmine di un percorso iniziato un anno prima, tra passi avanti e ripensamenti che già allora mostravano la tensione tra trasparenza e moderazione.

2024: tra etichette e retromarce

A maggio 2024 Meta aveva iniziato a etichettare i contenuti IA organici, applicando segnali propri e dichiarazioni volontarie dei creatori. L’obiettivo era fornire contesto agli utenti di Facebook e Instagram, ma l’implementazione si scontrava con una realtà nota a chi lavora in ambienti di misurazione: l’auto-dichiarazione è un segnale debole, soggetto a under-reporting e a manipolazione.

Appena due mesi dopo, a luglio, la società operò una retromarcia ancora più significativa: smise di rimuovere contenuti basandosi esclusivamente sulla policy dedicata ai video manipolati. La decisione spostava il baricentro dall’enforcement alla sola segnalazione, creando un nuovo punto di attrito: mentre si introducevano etichette di trasparenza, si rinunciava a uno degli strumenti di controllo più severi. Dal punto di vista di chi analizza i dati, l’effetto netto fu un ampliamento della superficie di rischio senza indicatori di performance sulle conseguenze reali per l’engagement o la percezione del pubblico.

Questa cronologia a singhiozzo – etichettare da un lato, allentare dall’altro – rese evidente che la strategia di provenienza non stava seguendo una traiettoria lineare. E mentre Meta aggiustava il tiro, un concorrente aveva già piantato una bandiera su uno standard interoperabile.

TikTok e lo standard C2PA: un anno di vantaggio sprecato?

Se guardiamo fuori dal giardino di Meta, è impossibile ignorare che TikTok, già nel maggio 2024, fu la prima grande piattaforma social a implementare lo standard C2PA per l’etichettatura automatica multipiattaforma. Quella mossa aveva un vantaggio metodologico chiaro: anziché affidarsi a segnali interni o autodichiarazioni, il sistema agganciava le Content Credentials, un’infrastruttura crittografica che traccia la filiera di creazione di un contenuto, dal device di acquisizione fino alla pubblicazione.

A più di due anni di distanza, la domanda che si pongono analyst e performance manager è perché altri giganti – Meta e Google in testa – tardino ad adottare in modo esteso uno standard che almeno in teoria permetterebbe di spostare la measurement dal piano della dichiarazione a quello della verifica. La frammentazione attuale impedisce qualsiasi test di holdout geografico o modellazione del contributo reale delle etichette alla fiducia dell’utente, perché manca una baseline omogenea. Quando vedremo un’adozione davvero trasversale, potremo finalmente chiederci se le etichette funzionano – e non soltanto se compaiono.

A distanza di oltre un anno dall’annuncio di Meta, la vera misura del successo non è quante etichette vediamo nei feed, ma se riusciamo a fidarcene. E su questo, i dati ancora mancano del tutto. Nessuna metanalisi, nessun published test, nessun uplift study sulla trustworthiness correlata all’esposizione all’etichetta. Finché il settore non riempirà questo vuoto, la trasparenza resterà un’operazione estetica, non un asset misurabile.