12 min di lettura
Adobe EditAgent non usa Photoshop, e il bello è altrove
Un paper di Adobe Research misura quando un editor AI fallisce e cosa lo salva. Non è un prodotto, il metodo sì.
📌 Abstract rapido. Il titolo della notizia che gira promette un agente che usa gli strumenti “come un professionista di Photoshop”. Ho letto il paper: è ricerca, Photoshop non c’è, e dentro c’è ancora un modello che genera pixel. Quello che resta, e che puoi provare oggi, è un metodo: più tentativi in parallelo e un giudice, che sei tu.
Il titolo dice che Adobe sta testando come gli agenti AI possano usare gli strumenti di editing come farebbe un professionista di Photoshop. Letto di corsa, sembra che Adobe abbia messo un’AI al volante di Photoshop.
Non è così. Ho aperto il paper originale e Photoshop, nel testo che ho letto, compare in un solo punto: come mestiere dei cinque retoucher professionisti che hanno valutato i risultati. Lightroom non compare mai. E in mezzo al sistema c’è ancora un modello generativo, cioè proprio il tipo di editor che “ridisegna i pixel”.
Quindi partiamo dalla versione giusta della notizia. Poi ti dico perché, secondo me, vale comunque la pena leggerla.
Riepilogo Articolo - Luca Cazzaniga
La notizia, detta giusta
EditAgent è un preprint (un articolo di ricerca pubblicato su arXiv prima della revisione di altri studiosi) inviato il 29 ottobre 2026 da ricercatori di Adobe Research e dell’Università della California a San Diego. Alcuni autori hanno lavorato durante uno stage in Adobe Research (arXiv, 29/10/2026).
Non è un prodotto. Non c’è una data di uscita, non c’è un pulsante da premere, e nel paper non ho trovato né codice né una pagina di progetto da scaricare. La formula corretta è “Adobe sta testando”, mai “Adobe ha lanciato”.
Perché ne scrivo allora? Perché i numeri del paper dicono qualcosa di utile su come lavorano gli editor AI di oggi. E perché, mentre li leggevo, ho trovato due o tre cose che il titolo della notizia nasconde.
Cosa c’è dentro davvero

Immagina un laboratorio di stampa con un tuttofare e una squadra di specialisti. Il tuttofare (un modello generativo, qui Qwen-Image-Edit oppure FLUX.2-klein) prende la tua richiesta e ti rifà l’immagine. Gli specialisti fanno una cosa sola, ma la fanno in modo preciso: uno ritaglia un soggetto con la maschera, uno cambia solo il colore di un oggetto, uno rimuove un elemento, uno raddrizza l’orizzonte, uno ingrandisce un dettaglio e lo rende più nitido.
EditAgent è il caporeparto. Spezza la richiesta in passi e manda ogni passo a chi è più adatto: o al tuttofare generativo, o a uno strumento specializzato. Gli strumenti non sono quelli di Photoshop: sono metodi di ricerca e programmi open source, tra cui un sistema di maschere (SAM 2.1), uno per la rimozione degli oggetti, filtri e correzioni di colore, e un ingrandimento con super-risoluzione (arXiv).
Poi c’è la parte che mi ha colpito di più. A ogni risultato candidato viene allegato un “record di verifica”, una specie di scheda di controllo: cosa era stato chiesto e cosa è cambiato davvero. I candidati vengono generati in parallelo, cioè tutti insieme, e un giudice li valuta in un’unica passata (arXiv). Il giudice è un modello AI aperto, Qwen3.8-27B.
Quindi non è “l’agente con gli strumenti contro il modello che rigenera”. È un ibrido: la generazione resta dentro il sistema, ma dentro una cornice di strumenti mirati e controlli. Se qualcuno ti dice che questa è la fine dell’editing generativo, ha letto il titolo e non il paper.
Il problema è misurato, ma attenzione a cosa
Qui il paper è prezioso. Gli autori hanno costruito un test con 600 modifiche, 30 tipi diversi di intervento (20 per tipo), valutate da cinque retoucher professionisti che indicavano tutti i risultati utilizzabili (arXiv).
Il risultato: l’editor generalista da solo non produce nessun risultato utilizzabile nel 42,7% dei casi. Sono 256 set su 600 (arXiv).
Fermati un momento su questo numero, perché è facile leggerlo male. Non misura quante volte l’AI “cambia la faccia” o rovina l’identità del soggetto. Misura per quante richieste nessuna delle versioni prodotte era buona per un retoucher. È una cosa più semplice e più concreta: in quattro casi su dieci circa, il tuttofare non ce la fa.
Il dato che segue è il più interessante. In 175 di quei 256 fallimenti, cioè circa due terzi, uno strumento specializzato riesce a risolvere (arXiv). Dove il tuttofare si inceppa, lo specialista spesso ce la fa.
Attenzione però a non fare di questo numero una sentenza sui modelli di oggi. Non ho dati verificati, modello per modello, su quanto Nano Banana, Firefly o Flux Kontext preservino l’immagine originale, e non voglio inventarli. Quello che il paper misura è un editor aperto (Qwen o FLUX.2-klein), non tutti gli editor che usi tu. Se le tue esperienze con i modelli più recenti sono migliori, il paper non le smentisce.
C’è una conferma indipendente, da un altro gruppo di ricerca, sul problema di fondo. Lo studio Complex-Edit (aprile 2025, quindi su modelli di allora) rileva che, con istruzioni più complesse, i modelli di editing peggiorano soprattutto nel mantenere gli elementi chiave dell’immagine e nella qualità estetica. Esiste anche un benchmark più recente, GEditBench v2, con 1.200 richieste reali, che misura la coerenza visiva di 16 modelli. Ti segnalo che esiste, non ne riporto i risultati perché l’abstract non li dà.
In pratica, ti è mai capitato di chiedere una modifica e vederne arrivare anche altre che non avevi chiesto? Succede spesso, e questi studi dicono che non sei tu a esprimerti male: è un limite noto.
La lezione vera: provare in parallelo e scegliere

Qui devo correggere una lettura facile, quella che avevo in mente anch’io all’inizio. “Scomponi la richiesta in tanti passi piccoli e andrà meglio.” Il paper non dice questo, e lo studio indipendente dice quasi l’opposto.
In Complex-Edit, scomporre un’istruzione in passi sequenziali, uno dopo l’altro sullo stesso modello, peggiora i risultati. Scegliere il migliore tra più tentativi, invece, aiuta (arXiv, Complex-Edit). Detto da una fonte che non ha niente a che fare con Adobe.
Ed è coerente con la scelta di EditAgent. Nel paper la scomposizione funziona perché ogni passo va allo strumento giusto e viene controllato. E il confronto più netto è un altro: tra lavorare con tentativi paralleli e raffinare a catena (correggi, ricorreggi, ricorreggi ancora), gli esperti preferiscono i tentativi paralleli nel 78,5% dei confronti decisi. Sono 102 contro 28, più 14 pareggi, e il paper usa non più della metà delle chiamate al giudice (arXiv). Il campione è piccolo, 144 confronti in tutto: un’indicazione forte, non una legge.
Il giudice, poi, funziona. Con il record di verifica allegato, Qwen3.8-27B sceglie come prima scelta un candidato utilizzabile nell’81,3% dei casi, 6,5 punti sopra EditScore-72B, un modello addestrato apposta per valutare le immagini modificate, che si ferma al 74,8% circa (arXiv).
E c’è un dettaglio su cui The Decoder inciampa. Lì si legge che i giudici con il record battono i modelli addestrati di 6,3-9,3 punti. Nel paper quel numero è un’altra cosa: è il miglioramento di ogni modello di valutazione rispetto a se stesso senza il record (arXiv). Il record aiuta tutti i giudici. Ed è vero anche che, con il record, tutti i giudici generali provati superano i quattro modelli addestrati apposta. Ma il 6,3-9,3 è un’altra misura. Te lo dico perché, se il numero lo trovi in giro, sai da dove arriva l’errore.
Riassumo la tesi in una riga: il metodo conta più del singolo modello. Strumento giusto per ogni passo, un controllo sul risultato, più tentativi in parallelo da cui scegliere.
I limiti, tutti sul tavolo
Prima che ti entusiasmi, mettiamo in fila i freni. Sono tanti, e i più importanti li ammettono gli autori stessi.
Costa tanto. Gli autori stimano circa dieci volte il tempo di calcolo di un editor singolo. Dalla loro tabella dei tempi (in ore di una scheda H100, una scheda grafica da data center) viene fuori più vicino a dodici: 12,9 contro 1,1 con Qwen, 6,3 contro 0,5 con FLUX (arXiv). Da dieci a dodici volte.
È limitato dagli strumenti che usa. Il paper dice che le prestazioni sono limitate per natura dalle capacità dei metodi di editing sotto. Traduzione: se la maschera è sbagliata, il ritocco viene sbagliato lo stesso, anche con il caporeparto più bravo.
Lavora piccolo. Risoluzione fino a 1024 pixel, mentre il benchmark EdiVal usato per i confronti è a 512 (arXiv). Lontanissimo dai file di un flusso professionale.
Niente RAW, nel testo letto. Nelle parti del paper che ho potuto leggere non compaiono RAW, 16 bit, né modifiche non distruttive. Le uscite sono immagini già renderizzate. Non posso dirti con certezza assoluta che il paper non ne parli da nessuna parte (la parte finale, in appendice, risultava troncata nella lettura), ma di sicuro non è quello il suo tema: nessuno ti sta promettendo un ritocco che lavora sul file originale.
I confronti con i modelli famosi vanno presi con le molle. Sul test EdiVal al terzo turno, Qwen con EditAgent sale da 59,80 a 62,58, sopra Seedream 4.0 (59,76) e GPT-Image-1.5 (59,55). Sembra una vittoria. Ma i margini sono minuscoli, e il paper stesso avverte che i numeri dei modelli chiusi vengono da EdiVal a risoluzioni diverse, quindi il confronto non è alla pari (arXiv). Non scrivere, e non credere, a “batte GPT-Image”.
È un preprint con un test fatto in casa. Il benchmark principale l’hanno costruito gli autori. Non è peer-reviewed. Questo non lo rende falso, ma significa che ha ancora tutto da dimostrare.
Il caso più vicino all’idea originale: RetouchIQ
Se ti piaceva l’idea di un agente che ritocca con i parametri veri e non con i pixel rigenerati, c’è un progetto Adobe più vicino. Si chiama RetouchIQ, presentato a CVPR 2026 (Adobe Research, 09/06/2026).
È un agente con un modello da 7 miliardi di parametri che traduce una descrizione a parole in regolazioni eseguibili direttamente in Adobe Lightroom: esposizione, contrasto, temperatura colore. Cioè parametri, che poi puoi toccare tu a mano. Stessa filosofia di EditAgent, “strumento mirato invece di rigenerare”, in una forma molto più vicina al tuo modo di lavorare.
Però Adobe è chiara. Cito la frase esatta:
The system described here is experimental and does not represent a current Adobe product feature.
Tradotto: è sperimentale e non è una funzione di prodotto.
I numeri sono questi. Il loro test RetouchEval usa 300 coppie di immagini; sul dataset MIT-Adobe5K l’indice di somiglianza SSIM è 0,86 e la distanza percettiva LPIPS è 0,16; il punteggio di qualità, con il loro sistema di valutazione, passa da 6,89 a 7,51. Sono dati di Adobe, misurati da Adobe, su dati di Adobe (Adobe Research). Anche l’affermazione che i modelli generici tendono a modificare troppo è una posizione di parte, non una misura indipendente.
Che cosa dimostra, allora? Che Adobe sta esplorando seriamente la strada degli strumenti, anche con parametri modificabili. Non che quella strada sia già la risposta.
Cosa puoi usare oggi
Se dopo tutto questo vuoi provare qualcosa di reale, non è EditAgent. È l’AI Assistant, in beta pubblica dal 18 giugno 2026 in Photoshop, Premiere, Illustrator, InDesign e Frame.io (After Effects è in beta privata) (Adobe Newsroom, 18/06/2026; The Decoder, 18/06/2026).
In Photoshop sostituisce lo sfondo, ridimensiona gli asset per più piattaforme e organizza i livelli. Secondo Adobe, applica regolazioni intelligenti che si possono poi continuare a modificare. Le funzioni sono pensate per il lavoro ripetitivo, e Adobe dice che l’utente decide cosa delegare (Adobe Newsroom).
Cosa non ho trovato: nessuna conferma che lavori sui RAW o in modo non distruttivo, e Lightroom non è citato. Quindi per il ritocco fine i tuoi strumenti restano quelli di sempre.
Gli strumenti Adobe, inoltre, sono già disponibili da ChatGPT, Claude e Microsoft 365 Copilot. Gemini e Slack sono annunciati come “in arrivo” (Adobe Newsroom; The Decoder).
La generazione non è il nemico. La responsabilità resta tua
Mi sono avvicinato a questa notizia con una tesi comoda: l’agente che usa gli strumenti seri contro il modello che rigenera tutto. Era una bella storia. I dati l’hanno smontata, ed è la parte che mi è piaciuta di più.
La generazione serve: dentro EditAgent c’è, e il sistema funziona proprio perché la usa dove è brava. Cambia il modo di impiegarla: con uno strumento mirato per ogni passo, con un controllo del risultato, con più tentativi tra cui scegliere. E poiché anche il sistema migliore è limitato dagli strumenti sotto, qualcuno deve guardare il risultato finale. Quel qualcuno sei tu.
Una precisazione onesta. Il consiglio che ti do qui sotto non esce dal paper: è una mia applicazione prudente. EditAgent lavora con strumenti diversi e un giudice AI. Tu, di solito, hai un editor solo e il tuo occhio. Ma la logica tiene, ed è sostenuta da due studi, indipendenti l’uno dall’altro.
Cosa fare adesso
- Davanti a un titolo “agente da Photoshop”, controlla se è ricerca o prodotto. Cerca la data, cerca se c’è qualcosa da scaricare. Qui non c’era.
- Se una modifica non ti riesce, smetti di correggere a catena. Genera più varianti della stessa richiesta, tutte insieme, mettile una accanto all’altra e scegli tu. Nel paper il parallelo batte il raffinamento sequenziale, e in Complex-Edit la catena di passi peggiora mentre più tentativi aiutano. Non ti dico “scomponi in passi”: come hai visto, in sequenza sullo stesso modello può peggiorare.
- Usa gli strumenti mirati quando serve un risultato preciso. Una maschera fatta bene o una rimozione dedicata, invece di una rigenerazione, risolvono spesso proprio i casi in cui il generalista si arrende (175 su 256 nel paper).
- Se vuoi provare qualcosa oggi, prova l’AI Assistant per il lavoro ripetitivo (sfondi, resize, livelli). Per il ritocco fine e per i RAW resta con gli strumenti che conosci.
- L’ultima parola sul file è sempre la tua. Un agente che sbaglia la maschera sbaglia lo stesso.
Se vuoi, fai la prova questa settimana: prendi una modifica che ti è venuta male e rifalla in parallelo, con quattro varianti insieme, scegliendo la migliore. Poi scrivimi come è andata: mi interessa sapere se per te il parallelo batte la catena come nel paper.
Articoli correlati
- Come Funzionano Realmente i Modelli di Inpainting AI: La Verità Dietro Gemini, GPT Image, Seedream e Qwen
- Rivoluzione nel Photo Editing: Come Integrare Nano Banana direttamente in Photoshop
- Le immagini AI stanno per cambiare mestiere, e con loro il tuo
Fonti
- Paper “EditAgent: Rethinking Agentic Image Editing”, arXiv 2610.39664 (29/10/2026)
- The Decoder, Jonathan Kemper (01/11/2026)
- Adobe Research, “Teaching an AI Agent to Retouch Photos: RetouchIQ at CVPR 2026” (09/06/2026)
- Adobe Newsroom, “Adobe Unveils Major Expansion of Creative Agent Across Firefly and Creative Cloud Apps” (18/06/2026)
- The Decoder, Maximilian Schreiner (18/06/2026)
- Paper “Complex-Edit”, arXiv 2504.13143 (17/04/2025)
- Paper “GEditBench v2”, arXiv 2603.28547 (30/03/2026)
✍️ Articolo firmato da “La Redazione”: sistema editoriale multi-agente (AI) orchestrato con Claude Code e supervisionato da Luca Cazzaniga · lucacazzaniga.it