Tag: AI design tools

AI & GENAI

HTML batte Markdown: cosa cambia quando l’output dell’AI smette di essere un testo

Il 20 maggio Thariq Shihipar, membro del team Claude Code di Anthropic, ha pubblicato un articolo dal titolo curioso, The unreasonable effectiveness of HTML, in cui spiega perché lui e altri colleghi hanno smesso di chiedere a Claude di produrre file in Markdown e hanno cominciato a chiedergli, invece, file in HTML. È un articolo che a una prima lettura sembra una scelta di formato, una preferenza personale tra due linguaggi di markup, e a una seconda lettura diventa qualcosa di molto più grande, perché tocca la domanda che mi gira in testa da quando ho iniziato a lavorare seriamente con questi modelli: quale forma deve avere ciò che l’AI ci restituisce, ora che ci restituisce sempre di più?

La tesi di Shihipar è semplice. Markdown è nato per essere leggibile umanamente in formato grezzo, scritto a mano da un developer, editato in un editor di testo, convertito poi in HTML per la lettura finale. Era un compromesso tra leggibilità della sorgente e formattazione del risultato. Ma quando la sorgente non la scrive più una persona, quando la scrive un modello che produce in pochi secondi migliaia di righe, il compromesso non ha più ragione di esistere, perché la sorgente nessuno la legge davvero. Si legge il risultato. E allora tanto vale generare direttamente l’output finale, già navigabile e già pronto a essere condiviso.

Cosa Markdown lascia fuori

Shihipar elenca i limiti pratici di Markdown in modo molto concreto, quasi domestico. I file più lunghi di cento righe non li legge più nessuno, neanche lui che li ha chiesti. Le immagini, i grafici, le tabelle complesse, le animazioni, i widget interattivi non ci stanno dentro. I diff, i flowchart, i mockup, le annotazioni a margine non ci stanno dentro. Per ovviare, Claude finisce per fare cose buffe come disegnare diagrammi in ASCII art o approssimare i colori con caratteri unicode. Stupendo come tentativo, evidentemente insufficiente come soluzione.

HTML, scrive Shihipar, può rappresentare praticamente qualsiasi tipo di informazione che il modello sappia produrre: dati tabellari, design via CSS, illustrazioni via SVG, interazioni via JavaScript, layout responsive che si adattano al mobile, posizionamento spaziale assoluto. Si scrive una volta, si apre nel browser, si condivide con un link. Una persona del team che riceve un report in HTML lo legge davvero, un report in Markdown da 200 righe finisce in un thread Slack ignorato.

C’è poi il punto che a me interessa di più, quello che Shihipar chiama two-way interactions. L’HTML non è solo un contenitore, può ospitare slider, knob, form, bottoni che restituiscono parametri da copiare e incollare di nuovo in Claude Code. L’output del modello smette di essere un blocco di testo da leggere e diventa uno strumento monouso da usare, da manipolare, da modificare. Una cosa che si fa, non una cosa che si guarda.

Software che si butta via

C’è una sezione dell’articolo che ho riletto tre volte, quella sui custom editing interfaces. Shihipar racconta di chiedere a Claude di costruirgli un editor HTML ad hoc per riordinare trenta ticket di Linear in colonne Now/Next/Later/Cut, con tanto di drag-and-drop e bottone copy as Markdown finale. Non un’app vera. Non un tool riusabile. Un singolo file HTML, fatto per quel preciso problema, da buttare via dopo. Un altro esempio: tunare un system prompt vedendo in tempo reale come tre input campione riempiono il template. Un altro ancora: un form-based editor per i feature flag con warning sulle dipendenze.

Qui sta avvenendo qualcosa che fino a due anni fa avrebbe richiesto un team di prodotto, un designer, almeno una settimana di sviluppo. Adesso lo chiedi, esce in trenta secondi, lo usi una volta, lo chiudi. È software usa-e-getta. Una categoria nuova, che non va confusa con una versione povera del software vero, perché si forma e si dissolve attorno al singolo problema, senza overhead di mantenimento e senza utenti oltre chi l’ha richiesto.

In Pelle Digitale ragionavo sul fatto che lo strato di mediazione tra noi e le macchine si stesse facendo più sottile, più aderente, più reattivo, fino a perdere i propri confini visibili. Lì pensavo a interfacce conversazionali, ad agenti, a wearable. Non avevo previsto questo, ovvero che lo strato di mediazione potesse diventare effimero, che ogni interazione potesse generarsi la propria interfaccia su misura e poi dissolverla. La pelle, in questa accezione, è anche questo: una superficie che si forma quando serve, esattamente come la chiediamo, e che non ha più bisogno di esistere quando non serve più.

Un milione di token cambia le abitudini

C’è un dato tecnico che Shihipar tratta come un dettaglio e che secondo me è il cuore della questione. Markdown spesso usa meno token di HTML, dice, ma con la finestra di contesto da un milione di token di Opus 4.7 la differenza è ormai trascurabile. Quindi tanto vale chiedere al modello di produrre l’output più espressivo possibile, perché tanto la spesa marginale è prossima allo zero.

Questo va letto bene, perché segna una soglia. Per anni la conversazione sull’AI generativa è stata tirata da due forze opposte: da una parte la spinta verso output più ricchi e contestualizzati, dall’altra il vincolo dei costi di inferenza e della lunghezza del contesto. Adesso la seconda forza si sta indebolendo, e quando un vincolo cade, le abitudini che si erano formate attorno a quel vincolo iniziano a sembrare assurde. Markdown era una di queste abitudini. Era buona quando i contesti erano corti e i token costavano. Lo è meno adesso che possiamo permetterci di chiedere al modello di costruire una pagina HTML completa con SVG vettoriali, animazioni CSS e logica JavaScript embedded, e di farlo in tempi e con costi accettabili.

La conseguenza, secondo me, è che il modo in cui consumiamo l’output dei modelli sta divergendo dal modo in cui scriviamo l’input. L’input resta testo, anzi resta sempre più conversazionale e disordinato. L’output, invece, si fa multiforme: pagine interattive che fungono da dashboard, diagrammi navigabili, oggetti da manipolare con le mani. Si rompe la simmetria. E quando si rompe la simmetria tra ingresso e uscita di un sistema, di solito è il segnale che la categoria che li conteneva entrambi, in questo caso “la chat con il modello”, sta diventando troppo stretta.

“Ho smesso quasi del tutto di usare Markdown”

Mi ha colpito una frase che Shihipar lascia cadere quasi senza enfasi: “ho smesso quasi del tutto di usare Markdown”. Una persona che lavora dentro Anthropic, dentro il team che costruisce Claude Code, dice che il formato di scambio più diffuso degli ultimi quindici anni tra umani e macchine non gli serve più. Va presa come quello che è, una testimonianza dal centro della trasformazione, non come una previsione di mercato. Però è interessante.

L’argomento più forte che porta riguarda il piano cognitivo, prima ancora del piano tecnico. Dice che con HTML si sente più “in the loop” rispetto al lavoro del modello. Quando Claude diventa sempre più capace e gli affidi compiti sempre più grandi, il rischio di perdere il controllo, di firmare in bianco quello che ha prodotto, diventa serio. Markdown lungo e denso favoriva la firma in bianco, perché era troppo faticoso da leggere. HTML, organizzato visivamente, con tab e ancore, con diagrammi al posto delle descrizioni testuali, riporta dentro il loop la persona che ha delegato il lavoro.

Questo è un punto che merita di essere ascoltato anche fuori dal contesto Claude Code. Tutta la conversazione sull’AI agentica, sui modelli che agiscono autonomamente, sui workflow automatizzati, gira attorno alla stessa tensione: quanto vuoi delegare, quanto vuoi vedere, dove vuoi essere consultato. Il formato di output non è un dettaglio cosmetico in questa tensione, ne è uno degli assi principali. Se l’output è leggibile e navigabile in venti secondi, resti dentro. Se è impenetrabile, scivoli fuori, e prima o poi smetterai di controllarlo.

Dove stiamo andando

Provo a tirare due fili. Il primo: gli output dei modelli non sono più documenti, sono interfacce. Smettono di essere artefatti statici da leggere e diventano superfici da usare, monouso, generate al momento, costruite attorno al singolo task. Il secondo: la finestra di contesto larga libera il modello dalla costrizione di essere economico nel formato, e questo cambia il tipo di artefatto che ha senso produrre. Messi insieme i due fili, il quadro è che la produzione di software piccolo ed effimero, cucito attorno al singolo task, diventa una commodity, e questo ridisegna sia come usiamo Claude sia come pensiamo al lavoro intellettuale che gli affidiamo.

In Spatial Shift parlavo di come la frontiera dell’interazione si stia spostando dal piano del testo verso lo spazio, il gesto, l’ambiente. Quella che Shihipar descrive è una variante interessante di questo spostamento, perché non avviene nel mondo fisico, avviene dentro al browser, ma con le stesse caratteristiche: lo strumento si materializza attorno al compito, dura il tempo del compito, scompare. Non c’è installazione, non c’è apprendimento, non c’è curva di adozione. C’è solo la cosa da fare, e attorno a quella la cosa giusta per farla.

Senza dubbio è un cambio di abitudine piccolo, quasi invisibile, scegliere HTML invece di Markdown quando chiedi a un agente di produrre un report. Quanti di noi, fra sei mesi, staremo ancora chiedendo file di testo a Claude quando potremmo chiedergli pagine interattive che facciano una cosa sola, esattamente quella che ci serve, e poi le butteremo via?

Articolo di riferimento: Thariq Shihipar, Using Claude Code: The unreasonable effectiveness of HTML, claude.com/blog, 20 maggio 2026.

AI & GENAI

Designer e AI: cosa cambia con Claude Design e gli strumenti generativi del 2026

Il 17 aprile 2026 Anthropic ha lanciato Claude Design, e nello stesso giorno Figma ha perso il 7% in borsa. Lo strumento promette di trasformare prompt in prototipi funzionanti, decks e landing page. Il dibattito non riguarda più se l’AI cambierà il design, ma come ridefinirà ruoli, formazione, mestiere. La domanda di fondo: amplificazione o omologazione del lavoro creativo?

17 aprile 2026, Anthropic Labs annuncia Claude Design, un prodotto in research preview disponibile da subito agli abbonati Pro, Max, Team ed Enterprise. Il servizio genera design system completi, prototipi di siti web interattivi, presentazioni, one-pager e materiali marketing partendo da una conversazione, con la possibilità di esportare verso Canva, PDF, PPTX, HTML standalone, o di passare direttamente l’output a Claude Code per la produzione. Il giorno del lancio Figma ha perso il 7% in borsa, dopo che tre giorni prima Mike Krieger, chief product officer di Anthropic, si era dimesso dal board di Figma.

I numeri raccontati da Anthropic sono volutamente impressionanti. Olivia Xu, senior product designer di Brilliant, segnala che pagine complesse che richiedevano 20 o più prompt su altri strumenti AI vengono prodotte in 2 prompt su Claude Design. Aneesh Kethini, product manager a Datadog, racconta che il suo team è passato da una settimana intera di brief, mockup e revisioni a una singola conversazione. Sono testimonianze parziali, raccolte da Anthropic stessa, vanno lette con quella consapevolezza, ma raccontano una direzione di marcia che si percepisce anche fuori dalle metriche dei fornitori.

Cosa fa Claude Design davvero diversamente

La differenza più evidente, rispetto agli esperimenti AI design del 2024 e del 2025, è il meccanismo di handoff. Quando un design è pronto per la produzione, Claude pacchettizza tutto in un bundle che si passa a Claude Code con una sola istruzione, chiudendo il loop dall’esplorazione fino al codice di produzione dentro un unico ecosistema. Questo trasforma il design da artefatto isolato a ingrediente di una pipeline completa, e cambia l’asticella per chi vende il design come servizio. Le agenzie che vendevano solo esecuzione si trovano oggi di fronte a un concorrente che produce il primo draft prima ancora che il brief sia scritto, mentre quelle che vendono giudizio strategico vedono lo strumento come un acceleratore.

L’altra differenza, raccontata bene da chi ha provato a usarlo per progetti reali, è il rapporto fra lingua di intento e linguaggio di pixel. Una designer che ha pubblicato una recensione su Medium nelle stesse ore del lancio descrive l’esperienza così: dieci minuti di nudging di valori e controlli di leggibilità che si comprimono in una sola frase, una richiesta come “questa gerarchia non funziona” che riassesta tutta la sezione in una sola risposta. Per l’esplorazione iniziale e il prototipo, lo scarto fra idea e oggetto da reagire collassa.

I limiti da valutare

I limiti dichiarati dalla research preview sono significativi e meritano attenzione, perché definiscono ciò che Claude Design non è. Non ha componenti riusabili con auto-layout avanzato come Figma. L’animazione è basica, senza timeline professionali tipo After Effects. Le integrazioni oltre a Canva, verso Sketch, Adobe XD, Framer, ancora non esistono. Manca un sistema di versioning visibile come quello di Figma, manca una libreria di asset di brand condivisi a livello organizzativo, manca la collaborazione real-time con più editor. Per i team di product design professionali questi vincoli operativi pesano in profondità.

Tradotto, Claude Design oggi è uno strumento eccezionale per il primo draft, per l’esplorazione di direzioni multiple, per la validazione rapida di un’ipotesi, per chi vuole produrre materiali con qualità professionale senza fare il designer di mestiere. Diventa più fragile quando entra il lavoro di produzione complesso, la collaborazione asincrona di un team, la gestione di un design system aziendale che evolve nel tempo. Figma resta il riferimento per il lavoro di produzione, anche se va detto che la pressione competitiva su quel terreno aumenterà nei prossimi mesi.

Il rischio dell’omologazione

Una preoccupazione che attraversa diversi articoli pubblicati in queste settimane riguarda l’omologazione estetica. Quando milioni di persone interrogano lo stesso modello con prompt simili, ricevono output che si somigliano. Una ricerca dell’Università di Toronto pubblicata su Science Advances aveva già documentato che l’uso di sistemi AI generativi aumenta la creatività individuale ma riduce la diversità collettiva del contenuto prodotto. Il MIT Sloan Management Review, in un articolo dell’ottobre 2025, parla di rischio di convergenza intellettuale, di un appiattimento del pensiero diversificato che è alla base dell’innovazione.

Nel design questo rischio prende una forma specifica. Le scelte di tuning del modello, le preferenze estetiche del corpus di addestramento, le convenzioni di moderazione, finiscono per favorire alcuni linguaggi visivi rispetto ad altri. Senza un occhio critico esterno, una redazione interna alla pipeline, un controllo umano consapevole, il rischio è che il design del 2027 sia più uniforme di quello del 2024, paradossalmente proprio mentre gli strumenti di produzione si democratizzano.

I designer e la loro professione

La domanda concreta che molti designer si stanno ponendo, e che alcune scuole stanno iniziando a porsi, è dove resta il valore umano se la produzione del primo draft si comprime in pochi minuti. Una risposta che sta emergendo dalle conversazioni di settore è che il valore si sposta a monte e a valle del momento produttivo. A monte, nella capacità di estrarre un brief preciso da un cliente confuso, nel riconoscere qual è il problema reale dietro la richiesta espressa, nel formulare ipotesi che orientano l’esplorazione. A valle, nella critica del prodotto AI, nell’identificare quando l’output è tecnicamente corretto ma creativamente sbagliato, nel trasformare ambiguità in direzione.

Ricordo che in Pelle Digitale avevo provato a descrivere la digitalizzazione delle professioni creative come una stratificazione di nuovi compiti sopra quelli vecchi, mai come sostituzione lineare. Il fotografo dell’era della pellicola non è scomparso, è cambiato il suo mestiere. Il designer dell’era pre-AI non scompare, cambia la composizione del suo lavoro, dove gli aspetti più ripetitivi si automatizzano e quelli di giudizio diventano centrali. Il problema, semmai, è di formazione e di tempi di transizione.

Educazione al design dopo l’AI

Le scuole di design oggi affrontano una doppia sfida. Da un lato devono formare professionisti capaci di lavorare con questi strumenti, perché ignorarli significherebbe formare persone non spendibili sul mercato. Dall’altro devono mantenere e rinforzare i fondamentali, percezione visiva, pensiero strutturale, conoscenza dei materiali e dei sistemi, perché senza quella base anche l’uso degli strumenti AI diventa superficiale. La sequenza brief, intuizione, costruzione, critica resta il muscolo fondamentale del mestiere, gli strumenti generativi sono solo il modo nuovo di esercitarlo.

Una distinzione utile, suggerita da diverse pubblicazioni di settore, è fra strumenti che amplificano il pensiero del designer e strumenti che lo sostituiscono. Claude Design appartiene alla prima categoria se usato da chi sa già pensare al design, perché diventa una macchina di esplorazione veloce. Diventa della seconda categoria se usato da chi non ha ancora costruito un proprio occhio, perché in quel caso l’output è una scorciatoia che impedisce la formazione del giudizio. La differenza si gioca nella maturità professionale di chi lo usa, prima ancora che nello strumento.

Cosa osservare nei prossimi mesi

Alcuni indicatori meriteranno attenzione. La velocità con cui Anthropic chiuderà i gap operativi rispetto a Figma su componenti riusabili, gestione del versioning e collaborazione real-time, perché lì si gioca la differenza fra strumento per first draft e piattaforma di produzione. La risposta di Figma, che a sua volta ha già integrato AI generativa nei suoi flussi e ha annunciato Code to Canvas a febbraio 2026. L’evoluzione delle pratiche editoriali nelle agenzie e nei dipartimenti di design interni, dove si capirà se l’AI viene usata per andare più in profondità o solo per consegnare più velocemente. La trasformazione dei programmi formativi, perché è lì che si decide se la prossima generazione di designer userà questi strumenti come amplificatori o come stampelle.

Senza dubbio il design come professione attraversa una delle transizioni più rapide della sua storia recente, paragonabile per intensità all’arrivo del digitale negli anni Novanta o all’avvento del responsive design nei primi 2010. A valle di una lettura di questo tipo ci si pone una domanda non più solo per i designer: in un’economia dove la produzione visiva si fa con una conversazione, chi ha ancora qualcosa da dire visivamente, e perché?