Scegliere tra i generatori di immagini AI è diventato più complicato proprio mentre usarli è diventato più semplice. Puoi descrivere un’immagine in una frase, caricare una reference e chiedere modifiche in linguaggio naturale, ma questo non significa che Midjourney, ChatGPT Images, Nano Banana, Firefly, Ideogram, Recraft e Stable Diffusion siano diventati intercambiabili.
La differenza importante non è soltanto quale sistema produce la prima immagine più spettacolare. Per confrontare davvero i generatori di immagini AI conta come arrivi dal brief al file realmente utilizzabile: quante iterazioni servono, quanto controllo mantieni, se devi inserire testo, se lavori con immagini di riferimento, se vuoi continuare in Photoshop, se hai bisogno di API o self-hosting e quali condizioni si applicano all’utilizzo commerciale.
Questo confronto non assegna quindi un vincitore assoluto sulla base di poche immagini selezionate. Parte dal workflow e dalle capacità documentate dei sistemi. Per un confronto più ampio, che comprende anche scrittura, automazione, video e produttività, puoi partire dalla nostra guida agli AI tools.
Quale generatore di immagini AI scegliere in base a quello che devi fare
La risposta più utile è partire dal risultato che devi consegnare.
| Se il tuo problema principale è… | Valuterei per primo… | Perché |
|---|---|---|
| esplorazione estetica, concept e art direction | Midjourney | mette al centro generazione visuale, stile, reference e personalizzazione |
| creare e correggere immagini conversando | ChatGPT Images | generazione ed editing restano dentro la stessa conversazione |
| lavorare nell’ecosistema Gemini o tramite API Google | Nano Banana | unisce generazione, editing multimodale e differenti profili di modello |
| passare dalla generazione alla produzione Adobe | Firefly | collega modelli generativi, editing e Creative Cloud |
| testo, layout e controllo strutturato | Ideogram | dedica particolare attenzione a tipografia, composizione e controllo del layout |
| grafica, vettoriale e asset di design | Recraft | affianca modelli generalisti a varianti pensate per vettori e output più controllati |
| self-hosting e controllo dell’infrastruttura | Stable Diffusion | consente workflow locali e personalizzabili con maggiore controllo tecnico |
Questa tabella non è una classifica di qualità. Un sistema che funziona bene per una cover editoriale può essere una scelta inefficiente per creare cento varianti di prodotto, così come un modello ottimo nella generazione può perdere il vantaggio quando il lavoro richiede molto editing successivo.
Art direction, concept e immagini ad alto impatto
Quando l’obiettivo principale è esplorare rapidamente una direzione visiva, Midjourney rimane un candidato naturale. Il prodotto è costruito intorno alla generazione visuale, alle reference, alla personalizzazione e al controllo attraverso parametri specifici.
La documentazione ufficiale sulle versioni di Midjourney identifica V8.2 come versione predefinita corrente e documenta funzioni come Style Reference, Image Prompts, Personalization ed editor.
Questo non dimostra che Midjourney produca automaticamente immagini “migliori” degli altri sistemi; indica però un workflow fortemente specializzato nell’esplorazione e nella direzione visuale.
Ha meno senso partire da qui se il tuo problema centrale è correggere con precisione una serie di elementi attraverso una conversazione, produrre grafica vettoriale o integrare il risultato in un processo Adobe già strutturato.
Generazione ed editing conversazionale
ChatGPT Images segue una logica diversa. Non devi necessariamente pensare ogni iterazione come una nuova generazione indipendente: puoi creare un’immagine, caricarne una esistente e continuare a descrivere le modifiche nella conversazione.
OpenAI documenta nell’attuale esperienza ChatGPT Images la possibilità di creare, selezionare aree da modificare, cambiare rapporto d’aspetto e intervenire su immagini caricate. La generazione di immagini è disponibile sui diversi piani ChatGPT, con limiti che dipendono dall’accesso utilizzato.
La documentazione ufficiale di ChatGPT Images chiarisce inoltre che il vecchio GPT ufficiale dedicato a DALL·E è stato ritirato dall’esperienza corrente.
È una distinzione importante anche per il nostro sito: se vuoi ripercorrere l’evoluzione degli strumenti OpenAI puoi leggere l’approfondimento su DALL·E, ma per scegliere oggi non userei “DALL·E” come nome generico dell’intera offerta OpenAI.
Testo, layout e grafica vettoriale
Quando l’immagine contiene parole, titoli, composizioni grafiche o elementi che devono occupare una posizione precisa, il confronto cambia.
Ideogram ha costruito buona parte della propria proposta intorno a text rendering e layout control. Recraft, invece, affianca al modello principale varianti dedicate al vettoriale e a output volutamente più semplici e controllabili.
Questo non significa che gli altri modelli non sappiano generare testo o grafica. Significa che, per una locandina, un concept di logo o un asset destinato a diventare vettoriale, la struttura dell’output diventa parte del requisito, non un dettaglio estetico da sistemare dopo.
Workflow Adobe e produzione creativa
Se l’immagine generata è solo l’inizio del lavoro, Adobe Firefly cambia la domanda.
Firefly è ormai un ambiente multimodello: Adobe integra modelli propri e modelli di partner nello stesso spazio creativo e collega il lavoro agli strumenti Creative Cloud. La pagina ufficiale di Adobe Firefly documenta, tra gli altri, modelli Adobe e modelli partner utilizzabili nello stesso ambiente.
In questo scenario non stai necessariamente scegliendo “Firefly contro un altro modello”. Potresti scegliere Firefly come ambiente operativo e poi decidere quale modello usare per una determinata fase.
API, controllo locale e modelli open
Per un creator che deve realizzare cinque immagini, API e self-hosting possono essere irrilevanti. Per un prodotto software o un workflow aziendale diventano invece criteri decisivi.
Google, OpenAI, Ideogram e altri provider offrono API. Stable Diffusion aggiunge un’altra possibilità: eseguire modelli della famiglia Stability AI sulla propria infrastruttura, entro le condizioni della relativa licenza.
Il vantaggio del controllo locale non è soltanto economico. Può riguardare privacy, integrazione, personalizzazione, latenza, gestione dei modelli e dipendenza da un’interfaccia esterna. Il rovescio della medaglia è altrettanto concreto: hardware, manutenzione, sicurezza e competenze tecniche diventano responsabilità tua.
Modello, generatore e piattaforma non sono la stessa cosa
Uno dei motivi per cui i confronti tra generatori di immagini AI diventano rapidamente confusi è che usiamo la parola “tool” per indicare cose molto diverse.
Un modello è il motore che esegue la generazione. Un prodotto è l’esperienza attraverso cui lo usi. Una piattaforma può riunire più modelli e strumenti nello stesso workflow.
La distinzione non è accademica. Cambia ciò che puoi fare, come paghi, quali limiti incontri e perfino quali condizioni devi verificare.
ChatGPT Images, GPT Image e il ruolo ormai legacy di DALL·E
ChatGPT Images è l’esperienza con cui una persona genera e modifica immagini dentro ChatGPT. GPT Image identifica invece la famiglia di modelli accessibile agli sviluppatori.
Per esempio, OpenAI presenta GPT Image 2 nella documentazione API come modello dedicato alla generazione e all’editing di immagini, con endpoint specifici e supporto a input visuali.
Dire semplicemente “DALL·E contro Midjourney” rischia quindi di confrontare il prodotto corrente di un’azienda con il nome storico di una generazione precedente dell’altra.
Firefly e Recraft come ambienti con più livelli
Adobe Firefly rende ancora più evidente il problema. “Firefly” può significare l’ambiente creativo, una famiglia di modelli Adobe o una funzione generativa dentro un’app Creative Cloud.
Lo stesso principio vale, con una struttura diversa, per Recraft: esiste un prodotto nel quale convivono capacità e modelli pensati per lavori differenti.
Questo è il motivo per cui una lista piatta di sette tool racconta sempre meno il mercato. Il modello che genera l’immagine e l’ambiente in cui completi il lavoro possono essere due decisioni separate.
Servizi hosted, API e open weights: cosa cambia davvero
Un servizio hosted ti toglie quasi tutta la parte infrastrutturale. Accedi, scrivi il prompt, generi e utilizzi gli strumenti messi a disposizione dal vendor.
Con un’API sposti parte del controllo nella tua applicazione: puoi automatizzare richieste, costruire interfacce e inserire la generazione in un workflow più ampio.
Con un modello open-weight puoi arrivare ancora più in profondità, ma “pesi scaricabili” non significa automaticamente “nessuna licenza” o “uso commerciale senza condizioni”.
Ideogram mette a disposizione pesi pubblici ma distingue l’uso dei modelli dalle condizioni previste per determinati scenari di self-hosting. Stability AI applica a sua volta una Community License con condizioni definite.
Per questo, quando un progetto richiede deployment proprio, il confronto deve includere licenza del modello, infrastruttura e governance, non soltanto la qualità dell’immagine.
Come confrontare i generatori di immagini AI senza fermarsi alla gallery
Una gallery può essere utile per capire il carattere estetico di un modello. È molto meno affidabile per decidere quale sistema usare in produzione.
Non sai quante generazioni sono state scartate, quali reference sono state utilizzate, se il prompt è stato ottimizzato specificamente per un modello o se l’autore ha scelto il risultato migliore fra decine di tentativi.
Un confronto utile deve quindi guardare al processo.
Aderenza al brief e controllo del risultato
La prima domanda non è “mi piace?”. È: il sistema ha rispettato ciò che avevo chiesto?
Un’immagine esteticamente forte può fallire il lavoro se cambia il prodotto, ignora una parte del brief, sbaglia il numero di oggetti o costruisce una composizione inutilizzabile nel formato finale.
Più il progetto è vincolato, più prompt adherence e controllo diventano importanti. In un moodboard puoi accettare deviazioni creative. In un’immagine di prodotto o in una grafica informativa, molto meno.
Editing, immagini di riferimento e coerenza tra iterazioni
La seconda discriminante è ciò che accade dopo la prima generazione.
Se devi mantenere una persona, un prodotto, uno stile o una composizione mentre modifichi soltanto un elemento, una buona capacità di editing può valere più della qualità della prima immagine.
Google descrive Nano Banana come una famiglia nativa di generazione ed editing di Gemini. La documentazione ufficiale di Nano Banana distingue i diversi modelli della famiglia assegnando loro profili differenti di velocità, costo, complessità e gestione delle reference.
In pratica, la domanda corretta diventa: quante volte devo ricominciare da zero prima di ottenere ciò che mi serve?
Testo leggibile, layout e formati
Il testo dentro le immagini è migliorato molto, ma non va confuso con la precisione di un layout editoriale deterministico.
Ideogram dedica particolare attenzione al text rendering, al controllo della composizione e al posizionamento degli elementi. La documentazione tecnica di Ideogram descrive capacità specifiche legate alla struttura dell’immagine e alla tipografia.
Anche con un buon modello, però, un prezzo, una statistica, una clausola o un dato che deve essere esatto non dovrebbe dipendere da testo rasterizzato generativamente. In quei casi è più sicuro generare la parte visuale e completare l’informazione in uno strumento controllabile.
Velocità, crediti, privacy e costo del workflow
Il prezzo nominale di un abbonamento dice poco se non sai quante iterazioni servono.
Un sistema economico che richiede sei tentativi, un passaggio in un secondo tool e una correzione manuale può costare più di uno apparentemente caro che arriva prima al file utilizzabile.
Anche la privacy può cambiare il valore reale di un piano. Se le generazioni devono restare private, devi verificare se questa possibilità è inclusa nel piano scelto o se gli output diventano pubblici nella community.
Per questo confrontare “10 euro contro 20 euro” senza guardare crediti, modalità lente, privacy, reference e revisioni è spesso fuorviante.
Licenze, uso commerciale e provenienza dei contenuti
“Posso usare commercialmente l’immagine?” in realtà contiene almeno tre domande.
La prima riguarda i termini del servizio e i diritti concessi sull’output. La seconda riguarda la licenza del modello, soprattutto se vuoi scaricarlo o eseguirlo in locale. La terza riguarda eventuali diritti di terzi presenti nel contenuto che hai generato o fornito come reference.
Non sono la stessa cosa.
Un provider può concederti ampi diritti sull’output senza poter garantire che qualsiasi immagine generata sia automaticamente priva di rischi rispetto a marchi, personaggi, fotografie o altre opere di terzi.
Prima di usare un asset in una campagna importante controllerei quindi sempre: condizioni del piano, modello effettivamente utilizzato, reference caricate e contenuto finale.
I generatori di immagini AI da valutare oggi
La selezione seguente non nasce dall’idea che esistano soltanto sette strumenti validi. Sono sistemi che rappresentano sette modi diversi di affrontare la generazione visuale.
Midjourney
Midjourney ha senso soprattutto quando vuoi costruire una direzione estetica, esplorare concept, lavorare con reference e ottenere rapidamente molte interpretazioni visuali di un’idea.
La versione predefinita corrente è V8.2 e la documentazione include controlli dedicati a stile, immagini di riferimento, personalizzazione ed editing.
Lo sceglierei per concept art, cover, moodboard, illustrazione e campagne in cui l’art direction pesa molto. Lo valuterei meno automaticamente quando il lavoro richiede una lunga sequenza di micro-correzioni conversazionali o output strutturalmente più vicini alla grafica vettoriale.
Nella nostra guida completa a Midjourney trovi l’approfondimento dedicato al prodotto e al suo workflow.
ChatGPT Images
ChatGPT Images è particolarmente interessante quando generazione ed editing devono convivere con una conversazione più ampia.
Puoi arrivare all’immagine dopo aver discusso il brief, fornito documenti, analizzato un problema o definito la struttura del contenuto. Dopo la generazione puoi continuare a descrivere le modifiche senza trasformare ogni iterazione in un nuovo workflow.
Questo approccio è utile per mockup, visual editoriali, modifiche progressive, varianti e lavori nei quali l’immagine deve restare collegata al contesto testuale.
Per gli sviluppatori, invece, il confronto deve spostarsi sul modello API, sui costi e sull’integrazione: il prodotto ChatGPT Images e GPT Image non sono lo stesso livello dello stack.
Gemini e Nano Banana
Nano Banana non identifica più necessariamente un unico punto del workflow. Google utilizza questo naming all’interno della propria famiglia di capacità di generazione immagini basate su Gemini.
La documentazione distingue modelli destinati a differenti compromessi fra velocità, qualità, costo e complessità del lavoro.
Questo rende Gemini interessante quando vuoi alternare generazione, editing, più reference e contesto multimodale oppure quando devi portare il workflow dentro un’applicazione attraverso le API Google.
Per modelli, differenze e costi trovi la nostra guida a Nano Banana.
Adobe Firefly
Firefly è la scelta più particolare del gruppo perché non lo considererei più soltanto un generatore.
Il prodotto unisce modelli Adobe, modelli partner, generazione, modifica e continuità con Creative Cloud. Se lavori già con Photoshop, Express o altri strumenti Adobe, ridurre i passaggi fra generazione e produzione può essere più importante di una piccola differenza nella prima immagine.
Il punto da controllare è il modello effettivamente selezionato. Un output generato con un modello partner dentro Firefly non diventa automaticamente un output di un modello Adobe e condizioni, crediti e capacità possono differire.
Abbiamo approfondito questa distinzione nella guida ad Adobe Firefly.
Ideogram
Ideogram merita attenzione quando testo e layout sono parte del problema.
Le versioni più recenti del modello puntano molto sul controllo della composizione, sul text rendering e sulla gestione strutturata degli elementi. Questo lo rende interessante per poster, tipografia, concept grafici e applicazioni dove la composizione conta quanto il soggetto.
La disponibilità di modelli e pesi introduce inoltre uno scenario diverso dal semplice servizio web, ma self-hosting e utilizzo commerciale devono essere verificati rispetto alle condizioni specifiche applicabili.
Per distinguere prodotto hosted, API, modelli e licenze puoi leggere la nostra guida a Ideogram AI.
Recraft
Recraft è interessante soprattutto perché tratta l’immagine come parte di un lavoro di design.
La famiglia V4.1 comprende un modello principale e varianti pensate per esigenze differenti. La presentazione ufficiale di Recraft V4.1 descrive esplicitamente un ramo Vector per loghi, tipografia e illustrazioni e una modalità Utility orientata a scene più semplici e prevedibili.
Questo lo rende un candidato forte quando l’obiettivo non è semplicemente “creare un’immagine”, ma ottenere un asset che deve entrare in un sistema grafico.
Stable Diffusion
Stable Diffusion rimane la scelta da valutare quando controllo dell’ambiente, self-hosting e personalizzazione hanno un peso superiore alla comodità di un servizio chiuso.
La famiglia Stable Diffusion rientra nella Community License di Stability AI, che definisce le condizioni di utilizzo dei core model e distingue gli scenari coperti dalla licenza.
Qui il vantaggio è anche il limite: puoi avere molto più controllo, ma devi gestire deployment, modelli, interfaccia, hardware e manutenzione. Non lo proporrei quindi come alternativa “gratis e semplice” a Midjourney; è un paradigma operativo differente.
Generatore di immagini AI gratis: cosa ottieni davvero senza pagare
Cercare un generatore di immagini AI gratis ha perfettamente senso per capire se il workflow funziona prima di aggiungere un altro abbonamento. Tra i generatori di immagini AI, però, “gratis” può indicare condizioni molto diverse: il problema nasce quando lo interpretiamo come se tutti i sistemi offrissero lo stesso livello di accesso.
ChatGPT Images può essere utilizzato anche con livelli di accesso non premium, entro i limiti previsti. Adobe Firefly offre un livello gratuito con generazioni limitate. Ideogram mantiene un piano free e Recraft prevede accessi gratuiti con specifici limiti. Midjourney, invece, struttura l’accesso ordinario attraverso abbonamenti.
Il punto non è costruire una classifica “gratis”. È capire cosa viene limitato.
Crediti, limiti, velocità e watermark
Un piano gratuito può limitare numero di generazioni, priorità, modello disponibile, risoluzione, velocità, caricamento di reference o esportazione.
In altri casi il limite non è una quota rigida ma una coda più lenta.
Per una prova personale cambia poco. Per un’attività ripetibile può cambiare tutto: se devi realizzare decine di asset, la velocità di una singola generazione è meno importante della prevedibilità del flusso.
Privacy e visibilità delle generazioni
Un altro elemento spesso ignorato è la privacy.
Alcuni servizi mantengono pubbliche le generazioni nei livelli gratuiti o riservano le modalità private ai piani superiori. Ideogram, per esempio, distingue le funzionalità disponibili nei diversi piani nella propria documentazione su piani e prezzi, mentre Midjourney lega le opzioni di privacy a specifiche modalità di utilizzo.
Se stai lavorando a un prodotto non ancora pubblicato, a una campagna riservata o con materiale proprietario, questa differenza può contare più di qualche generazione gratuita in più.
Quando il piano gratuito basta e quando conviene pagare
Il gratuito basta quando stai imparando, stai confrontando due o tre sistemi o produci pochi asset non sensibili.
Pagare inizia ad avere senso quando il limite gratuito modifica il modo in cui lavori: aspetti troppo, non puoi usare la reference necessaria, non hai privacy, il modello utile è escluso o perdi troppo tempo a spostare il progetto fra servizi diversi.
Il criterio non è quindi “quanto costa generare un’immagine?”. È quanto costa arrivare all’immagine che puoi davvero utilizzare.
Come creare immagini con intelligenza artificiale: il workflow comune ai diversi tool
Nonostante le differenze tra i prodotti, un buon processo per creare immagini con intelligenza artificiale può essere ricondotto a una sequenza abbastanza stabile: brief, generazione, valutazione, modifica e rifinitura.
La qualità del prompt conta, ma non è il punto di partenza. Prima viene il risultato atteso.
Parti dal brief prima di scrivere il prompt
“Fammi una bella immagine per il sito” lascia troppe decisioni al modello.
Un brief più utile definisce almeno cosa deve rappresentare l’immagine, dove verrà utilizzata, quale formato serve, quali elementi devono rimanere corretti e cosa renderebbe il risultato inutilizzabile.
Per esempio:
Crea una hero orizzontale per un articolo sui generatori di immagini AI. Deve comunicare il confronto tra differenti workflow creativi senza mostrare loghi inventati o una falsa interfaccia. Lascia spazio visivo sufficiente per i crop social e non inserire testo nell’immagine.
Non serve trasformare ogni richiesta in una formula di venti righe. Nella nostra guida ai prompt spieghiamo proprio perché obiettivo, contesto, vincoli e criteri di successo contano più della ricerca del “prompt magico”.
Genera, valuta e modifica invece di rigenerare alla cieca
Il primo output dovrebbe servire soprattutto a capire che cosa il modello ha interpretato bene e che cosa no.
Se il soggetto è corretto ma la composizione è sbagliata, non riscrivere necessariamente il prompt da zero. Mantieni ciò che funziona e chiedi di correggere il vincolo specifico.
Con strumenti conversazionali questo approccio è particolarmente naturale. Con sistemi più orientati alla generazione visuale puoi ottenere lo stesso risultato attraverso editor, reference e controlli dedicati.
Questa distinzione riduce anche uno dei costi nascosti dell’AI generativa: spendere generazioni per risolvere ogni volta problemi diversi senza capire quale istruzione stia realmente cambiando l’output.
Quando cambiare tool invece di continuare a cambiare prompt
Un errore comune è attribuire tutto al prompt.
Se dopo molte iterazioni continui a combattere con lo stesso tipo di problema, potresti stare utilizzando il sistema sbagliato.
Se il testo continua a essere il collo di bottiglia, prova un modello più orientato a text rendering e layout. Se non riesci a mantenere la reference, valuta un workflow più adatto all’editing. Se il progetto deve diventare un vettoriale, considera uno strumento che tratti quel formato come parte del flusso.
Un prompt migliore non risolve una capability che il modello non possiede o un workflow che il prodotto rende innaturalmente complicato.
Come testare un generatore di immagini AI prima di sceglierlo
Il modo più utile per scegliere tra i generatori di immagini AI non è confrontare gallery preparate da persone diverse. È costruire un piccolo test che assomigli al tuo lavoro.
Non serve un benchmark scientifico per ogni acquisto. Serve però abbastanza disciplina da non scegliere sulla base dell’immagine fortunata.
Prova lo stesso brief su due o tre candidati
Scegli prima il tuo caso reale.
Se produci immagini per ecommerce, usa un brief con un prodotto e vincoli realistici. Se realizzi cover editoriali, valuta composizione, spazio negativo e capacità di seguire la direzione artistica. Se devi creare poster, inserisci testo vero.
Limitare il confronto a due o tre candidati è spesso più utile che provare venti servizi superficialmente.
Definisci i criteri prima di guardare i risultati
I criteri vanno decisi prima perché l’immagine più spettacolare tende a spostare il giudizio.
Per un progetto visuale potresti valutare aderenza al brief, qualità compositiva, capacità di modifica, gestione delle reference, testo, tempo richiesto e possibilità di utilizzo nel workflow finale.
Non tutti i criteri devono avere lo stesso peso.
Se stai producendo un’immagine per un packaging concettuale, il testo conta molto. Per una texture di sfondo potrebbe non contare affatto.
Conta le iterazioni necessarie per ottenere un’immagine utilizzabile
Questo è il dato che molte comparative ignorano.
Un modello può generare una prima immagine bellissima ma richiedere molte rigenerazioni per seguire una modifica precisa. Un altro può sembrare meno sorprendente alla prima prova ma arrivare al risultato con due correzioni.
Per un workflow professionale, il numero di passaggi fino all’output approvabile è spesso più significativo del primo output.
Valuta il costo del risultato finale, non solo quello della generazione
Alla fine somma ciò che il workflow ti ha realmente chiesto: generazioni, crediti, tempo, eventuale secondo software, correzioni manuali e vincoli del piano.
È questo confronto che rende la scelta trasferibile al lavoro quotidiano.
Se un sistema più costoso riduce drasticamente i passaggi successivi può diventare l’opzione economicamente migliore. Se invece utilizzi il generatore solo per bozze occasionali, un piano gratuito può essere più che sufficiente.
Conclusione
Non esiste un generatore di immagini AI da scegliere in astratto.
Se cerchi soprattutto art direction ed esplorazione estetica, partirei da Midjourney. Per generazione ed editing conversazionale valuterei ChatGPT Images. Se lavori nell’ecosistema Google o devi integrare la generazione via API, Nano Banana merita attenzione. Firefly acquista valore quando il progetto continua dentro Creative Cloud; Ideogram quando testo e layout sono centrali; Recraft quando l’immagine deve diventare un asset di design; Stable Diffusion quando controllo e self-hosting valgono la maggiore complessità.
Prima di abbonarti, scegli un lavoro reale e prova due o tre candidati con lo stesso brief. Misura non soltanto quale immagine preferisci, ma quale sistema ti porta al risultato utilizzabile con meno compromessi.
È questa la differenza tra provare un generatore AI e scegliere uno strumento da inserire davvero nel proprio workflow.