La produzione scientifica mediata dall'IA viene oggi letta soprattutto in due modi: come accelerazione produttiva o come rischio epistemico. Questo articolo sostiene che nessuna delle due cornici basti da sola, perché entrambe sotto-specificano l'ecologia istituzionale entro cui le claim scientifiche vengono prodotte, verificate, contestate e archiviate. Basandosi su due lavori precedenti — uno che ricostruisce i diritti cognitivi come diritti di habitat e uno che introduce l'economia del giudizio come meccanismo a tre layer operante attraverso sei assi diagnostici — il saggio applica quel framework a un singolo caso documentato: il ramo pubblico GDE di gravità emergente e i suoi due companion manuscripts. La tesi è intenzionalmente stretta. Il paper non decide sulla correttezza della fisica sottostante e non offre misurazione causale né metriche validate. Chiede piuttosto se il framework aiuti a spiegare una redistribuzione strutturale in cui i costi di produzione diminuiscono mentre i costi di verifica vengono spostati a valle sulle comunità disciplinari, sulle infrastrutture archivistiche e sulle altre istituzioni del giudizio scientifico. L'analisi mostra che i sei assi — tempo di interpretazione, visibilità, provenienza, capability, contestabilità e pluralismo istituzionale — si applicano alla catena di produzione scientifica senza modifiche ad hoc. Il saggio introduce inoltre il concetto di distributed capability deficit, cioè una condizione in cui nessun partecipante della catena di produzione può certificare autonomamente l'output, e lo collega al rischio di sophisticated wrongness. Quattro proposizioni di medio raggio, tre hard nulls a livello di framework e una agenda di portabilità rendono l'argomento falsificabile. Il contributo è diagnostico, non prescrittivo: offre un modo analiticamente portabile per studiare la produzione scientifica assistita da IA in domini diversi, mantenendo espliciti i limiti di auto-riferimento, opacità di provenienza e validazione esterna.

AI-mediated scientific production is increasingly discussed either as a productivity breakthrough or as an epistemic risk. This paper argues that neither frame is sufficient on its own because both under-specify the institutional ecology through which scientific claims are produced, verified, contested, and archived. Building on prior work that reconstructs cognitive rights as habitat rights and introduces the economy of judgment as a three-layer mechanism operating through six diagnostic axes, the article applies that framework to a single documented case: the public GDE emergent-gravity branch and its two companion manuscripts. The claim is intentionally narrow. The paper does not adjudicate the underlying physics and does not offer causal measurement or validated metrics. It asks whether the framework helps explain a structural redistribution in which production costs decrease while verification costs are shifted downstream onto disciplinary communities, archival infrastructures, and other institutions of scientific judgment. The analysis shows that the six axes—time of interpretation, visibility, provenance, capability, contestability, and institutional pluralism—map onto the scientific production chain without ad hoc modification. It also introduces the concept of distributed capability deficit, a condition in which no participant in the production chain can independently certify the output, and links it to the risk of sophisticated wrongness. Four middle-range propositions, three framework-level hard nulls, and a portability agenda are formulated to make the argument falsifiable. The contribution is diagnostic rather than prescriptive: it offers an analytically portable way to study AI-assisted scientific production across domains while keeping self-reference, provenance opacity, and external-validation limits explicit.