← Torna al blog
Aicirca 6 min di lettura

Una riga in ingresso, quindici modelli al lavoro, e tu che annuisci a ogni passo

Pubblicato 13 nov 2026
Una riga in ingresso, quindici modelli al lavoro, e tu che annuisci a ogni passo

DomoAI ha annunciato InkoAI Agent il 13 novembre. Il pitch sta in una frase: scrivi un'idea, ricevi un video breve.

La parte che vale la lettura è il meccanismo. L'agente esegue da solo una catena di attività, scrive i prompt, imposta formato e durata per la piattaforma a cui punti, un clip verticale per Shorts o Reels invece di una scena in 16:9, poi, prima di generare qualsiasi cosa, ti mostra cosa intende fare e aspetta.

Quella pausa è il prodotto.

Cosa fa davvero la catena

Un creator parte da una riga di testo. L'agente la trasforma in prompt, decide il contenitore e presenta un piano. Puoi anche portare materiale tuo: script, storyboard, foto di prodotto. Gli output precedenti restano nel thread, così una ripresa si può rilavorare o animare senza ricaricare il file che l'ha prodotta.

Dietro la chat ci sono quindici modelli di immagine e video, non uno. La lista pubblicata include GPT Image 2.5, Nano Banana Pro, Seedance 2.5, MiniMax H3 e il 2.5 di DomoAI. Quattro fornitori, un'interfaccia, e un agente che decide quale modello prende quale lavoro.

Ci sono anche le Skills, il nome che DomoAI dà a routine preimpostate da lanciare con un clic: drammi brevi, video in stile anime, clip cartoon, storie con dialoghi o voce fuori campo. In quei flussi approvi lo script, poi i personaggi, poi le singole riprese.

L'azienda dice che più di cinque milioni di creator usano la piattaforma, contro più di quattro milioni a maggio. Per l'agente non c'è un prezzo separato.

Il routing è il lavoro nascosto

Quindici modelli in un'unica chat non stanno in una lista di funzioni. È un problema di pianificazione e l'utente non vede mai dove accade.

Un character sheet vuole un modello di immagine che tenga un volto tra le varianti. Un inserto di tre secondi vuole un modello video economico e veloce. Una ripresa parlata vuole un modello con audio nativo. Un fotogramma di stile vuole il modello che rende meglio quello stile, e il migliore cambia tra anime e fotografia di prodotto realistica. Qualcuno deve prendere queste decisioni passo per passo, e farlo a mano è esattamente la parte noiosa della produzione video con IA oggi.

La risposta dell'agente è prendere le decisioni e mostrare il lavoro prima di spendere calcolo. È un design ragionevole e anche un'ammissione: se il routing fosse ovviamente giusto, non servirebbe chiedere.

Il tetto di qualità dipende quindi dal router più che da un singolo modello. Una catena vale quanto il suo passaggio più debole, e una pipeline che cambia modello tra le riprese deve risolvere la coerenza dei personaggi attraverso quel cambio, il problema che ogni workflow multi-modello si porta dietro e che nessuno ha risolto del tutto.

Perché i microdrammi sono la testa di ponte

La lista delle Skills non è casuale. Dramma breve, anime, cartoon, storia con voce fuori campo. Sono i formati in cui il volume conta più di qualsiasi fotogramma, e in cui il pubblico è su un telefono con l'audio acceso.

I numeri di mercato spiegano il bersaglio. Sensor Tower stima che le app di dramma breve siano state scaricate più di 850 milioni di volte nel primo trimestre 2026, il 140% in più su base annua, con circa 750 milioni di dollari di spesa in-app nel trimestre, il 20% in più. DramaBox e ReelShort hanno preso quasi 140 milioni di dollari ciascuna. Sud-est asiatico, America Latina e India hanno fatto più di tre quarti dei download.

È un business con un nastro di contenuti brutale e un costo fisso al minuto. Un agente che trasforma una premessa di una riga in un episodio verticale, con punti di approvazione dove una persona sistema la storia, punta esattamente al produttore che ne serve quaranta al mese.

Per i marketer il discorso è diverso e più stretto: una foto di prodotto diventa diversi annunci in stile contenuto generato dagli utenti, pronti da testare. La strada è consumata, e la parte interessante è di nuovo il punto di controllo, perché un team di marca non può pubblicare un annuncio che non ha visto.

La catena di approvazione è una scommessa sulla sfiducia

Autonomia e approvazione sono opposte, e il video IA per i consumatori ha passato due anni a imparare che l'autonomia totale produce spazzatura su larga scala.

La risposta di InkoAI è essere autonomo nelle parti noiose, scrittura dei prompt, formato, scelta del modello, montaggio, e fermarsi in ogni punto dove qualcuno chiederebbe poi chi ha approvato questo. È una promessa di workflow vestita da promessa di agente.

Il costo di questo design è la fatica da approvazione. Un video di dieci riprese con un punto di controllo prima di ogni generazione sono dieci interruzioni, e gli utenti che cliccano approva senza leggere hanno costruito una slot machine con passaggi extra. Le Skills preimpostate lo attenuano in parte raggruppando le approvazioni in script, personaggi, riprese. Se tre punti di controllo sia il numero giusto è una domanda empirica a cui il prodotto risponderà con i dati d'uso.

C'è anche un avvertimento più vecchio in questa categoria. OpenAI ha lanciato l'app Sora a settembre 2025, ha superato il milione di download in poche settimane e a marzo 2026 ha annunciato che l'avrebbe chiusa, dopo le preoccupazioni sui deepfake. L'azienda non ha dato una ragione esplicita. La generazione video per i consumatori è un mercato dove la distribuzione arriva veloce e il rischio politico arriva più veloce.

Quanto costa e cosa nasconde

DomoAI non ha pubblicato un prezzo separato per l'agente, la frase meno soddisfacente dell'annuncio e quella di cui un produttore ha più bisogno, perché in una pipeline instradata tutta la domanda è chi paga i tentativi sprecati.

Uno strumento a modello singolo ha una fattura semplice: generazioni per prezzo. Un orchestratore a quindici modelli ha una fattura che dipende dalle sue stesse decisioni. Se il router sceglie un modello video costoso per una ripresa che uno economico avrebbe gestito, l'utente paga l'errore di routing e non vede mai la voce. Se sceglie uno economico e la ripresa esce male, il nuovo tentativo costa più di quanto sarebbe costato il modello caro.

I punti di approvazione sono l'unico posto dove l'utente può intervenire in questa economia, il che è un argomento discreto per la loro esistenza. Un piano mostrato prima della generazione è anche un preventivo prima della generazione, se il prodotto sceglie di mostrarne uno.

L'altro costo nascosto è il tempo. Quindici modelli significano quindici percorsi di caricamento, e una chat che si ferma cinque volte per un'approvazione su un video di dieci riprese è una sessione che si misura in ore. Le aziende che stanno vincendo in questa categoria trattano il tempo reale come una funzione di primo livello.

Cosa guardare

Tre cose, in ordine di quanto cambierebbero la categoria.

Se il router diventa abbastanza buono da essere invisibile. Se l'agente sceglie in modo affidabile il modello giusto per ogni ripresa, la lista di quindici modelli diventa un vantaggio vero invece di un peso per il supporto.

Se la coerenza tiene attraverso i cambi di modello. Il problema tecnico più duro di una pipeline multi-modello è un personaggio che sopravvive a un passaggio di consegne, e nessuna interfaccia di chat lo risolve.

Se il modello dei punti di controllo sopravvive al volume. Approvare è economico con tre decisioni e caro con trenta. Il prodotto che trova la granularità giusta si prende il piano del microdramma, ed è lì che oggi ci sono i soldi.

Per ora InkoAI dice con chiarezza dove stanno andando gli strumenti video per i consumatori: verso un orchestratore che tiene una persona nel ciclo nei momenti esatti in cui serve ancora. Non è un modello né uno studio.

Articoli correlati