Nodal Prompting: ripensare la pratica autoriale nell'IA Generativa
DOI:
https://doi.org/10.54103/2531-5994/31893Parole chiave:
IA generativa, ComfyUI, prompting nodale, interazione uomo-IA, agenzia creativa, produzione audiovisivaAbstract
La crescente integrazione degli strumenti di IA generativa nella produzione audiovisiva ha trasformato il prompting nell'interfaccia principale tra l'intento umano e l'output della macchina. Tuttavia, i quadri teorici esistenti trattano il prompt come un artefatto testuale discreto, trascurando i modelli di interazione sempre più complessi resi possibili da ambienti di workflow basati su nodi come ComfyUI, in cui le istruzioni generative sono distribuite su strutture parametriche interconnesse.
Questo articolo propone il concetto di nodal prompting, una modalità di interazione umano-IA intrinseca agli strumenti generativi basati su grafi, in cui l'intento autoriale è collegato attraverso una rete di nodi, ciascuno dei quali contribuisce con specifiche parziali che concorrono a determinare l'output generativo.
L'argomentazione viene sviluppata attraverso l'analisi qualitativa di un caso studio produttivo: Il partigiano Libero, una serie audiovisiva su un partigiano durante la Resistenza italiana, sviluppata da Motion Pixel e ANPI Chiomonte, e inserita in una rassegna critica della letteratura esistente su prompt engineering, autorialità parametrica e co-creazione umano-IA.
L'analisi individua un paradosso costitutivo al centro del nodal prompting: l'autore delega l'esecuzione espressiva alla macchina, esercitando al contempo un maggiore controllo a monte attraverso la progettazione del sistema. Questa ridistribuzione dell'agency creativa mette in discussione i modelli lineari di autorialità assistita dall'IA e suggerisce che i guadagni in termini di efficienza nella produzione generativa dipendano da un investimento significativo nell'architettura del workflow. In definitiva, la figura dell’autore non viene dissolta, ma radicalmente ristrutturata.
Downloads
Riferimenti bibliografici
Banh, L., & Strobel, G. (2023). Generative artificial intelligence. Electronic Markets, 33(1), 63. https://doi.org/10.1007/s12525-023-00680-1 DOI: https://doi.org/10.1007/s12525-023-00680-1
Black Forest Labs. (2024). FLUX.1: A family of flow matching text-to-image models. https://bfl.ai/announcing-black-forest-labs/
Brown, T. B., Mann, B., Ryder, N., Subbiah, M., Kaplan, J., Dhariwal, P., Neelakantan, A., Shyam, P., Sastry, G., Askell, A., Agarwal, S., Herbert-Voss, A., Krueger, G., Henighan, T., Child, R., Ramesh, A., Ziegler, D. M., Wu, J., Winter, C., . . . Amodei, D. (2020). Language models are few-shot learners. https://arxiv.org/abs/2005.14165
Bruno, G. (2025). Generative AI in cinema: A case study on the series “Il partigiano Libero” [Master’s Thesis]. Politecnico di Torino. Retrieved May 11, 2026, from https://webthesis. biblio.polito.it/35421/
Couldry, N. (2012). Media, society, world: Social theory and digital media practice. Polity.
Deng, S., Ye, Z., & He, J. (2025). An empirical study on game prop design: A node-based generative workflow in comfyui. 2025 IEEE/IEIE International Conference on Consumer Electronics-Asia (ICCE-Asia), 1–6. https://doi.org/10.1109/ICCE-Asia67487.2025.11263674 DOI: https://doi.org/10.1109/ICCE-Asia67487.2025.11263674
Goodfellow, P. (2024). The distributed authorship of art in the age of ai. Arts, 13(5), 149. https://doi.org/10.3390/arts13050149 DOI: https://doi.org/10.3390/arts13050149
Gunkel, D. J. (2025). Prompted by me. generated by chatgpt. Human-Machine Communication, 10(1), 2. https://doi.org/10.30658/hmc.10.2 DOI: https://doi.org/10.30658/hmc.10.2
Hong, W., Ding, M., Zheng, W., Liu, X., & Tang, J. (2023). CogVideo: Large-scale pretraining for text-to-video generation via transformers. International Conference on Learning Representations. https://arxiv.org/abs/2205.15868
Hu, E. J., Shen, Y., Wallis, P., Allen-Zhu, Z., Li, Y., Wang, S., Wang, L., & Chen, W. (2022). LoRA: Low-rank adaptation of large language models. International Conference on Learning Representations. https://arxiv.org/abs/2106.09685
Kyaw, A., & Sivalingam, K. (2025). Node-based editing for multimodal generation of text, audio, image, and video [NeurIPS 2025 Workshop on Generative and Protective AI for Content Creation]. https://doi.org/10.48550/arXiv.2511.03227
Latour, B. (2005). Reassembling the social: An introduction to actor-network-theory. Oxford DOI: https://doi.org/10.1093/oso/9780199256044.001.0001
university press.
Lian, L., Li, B., Yala, A., & Darrell, T. (2024). LLM-grounded diffusion: Enhancing prompt understanding of text-to-image diffusion models with large language models. Transactions on Machine Learning Research. https://arxiv.org/abs/2305.13655
Singh, A. (2023). A survey of ai text-to-image and ai text-to-video generators, 32–36. https://doi.org/10.1109/airc57904.2023.10303174 DOI: https://doi.org/10.1109/AIRC57904.2023.10303174
Van Dijck, J., Poell, T., & De Waal, M. (2018). The platform society: Public values in a connective world. Oxford university press. DOI: https://doi.org/10.1093/oso/9780190889760.001.0001
Wei, J., Wang, X., Schuurmans, D., Bosma, M., Ichter, B., Xia, F., Chi, E., Le, Q., & Zhou, D. (2023). Chain-of-thought prompting elicits reasoning in large language models. https://arxiv.org/abs/2201.11903 DOI: https://doi.org/10.52202/068431-1800
White, J., Fu, Q., Hays, S., Sandborn, M., Olea, C., Gilbert, H., Elnashar, A., Spencer-Smith, J., & Schmidt, D. C. (2023). A prompt pattern catalog to enhance prompt engineering with ChatGPT. https://arxiv.org/abs/2302.11382
Zhang, S., Wang, H., & Yi, X. (2025). Exploring collaboration patterns and strategies in human-ai co-creation through the lens of agency: A scoping review of the top-tier hci literature. Proc. ACM Hum.-Comput. Interact., 9(7). https://doi.org/10.1145/3757594 DOI: https://doi.org/10.1145/3757594
Yang, Z., Teng, J., Zheng, W., Ding, M., Huang, S., Xu, J., Yang, Y., Hong, W., Zhang, X., Feng, G., Yin, D., Zhang, Y., Wang, W., Cheng, Y., Xu, B., Gu, X., Dong, Y., & Tang, J. (2025). CogVideoX: Text-to-video diffusion models with an expert transformer. https://arxiv.org/abs/2408.06072
Dowloads
Pubblicato
Come citare
Fascicolo
Sezione
Licenza
Copyright (c) 2026 Giuseppe Bruno, Tatiana Mazali (Author)
Questo lavoro è fornito con la licenza Creative Commons Attribuzione - Condividi allo stesso modo 4.0.
Accettato 2026-07-16
Pubblicato 2026-08-06
