Come i sistemi di raccomandazione influenzano la cultura
Sistemi di raccomandazione sono diventati i principali custodi dell'esperienza culturale per miliardi di persone in tutto il mondo: un cambiamento con conseguenze così profonde da aver iniziato a rimodellare non solo la cultura che le persone consumano, ma anche quella che viene prodotta.
Annunci
Quando, secondo l'IFPI Global Music Report 2024, 671.000 ascoltatori di musica scoprono nuovi artisti attraverso i servizi di streaming, e le playlist generate da algoritmi sono indicate come il principale meccanismo di scoperta per tutte le fasce d'età, l'algoritmo ha di fatto soppiantato il programmatore radiofonico, il commesso del negozio di dischi, il critico cinematografico e il redattore culturale come forza dominante nel plasmare il gusto culturale su larga scala.
La sostituzione non è meramente amministrativa: rappresenta un cambiamento fondamentale nella logica che regola quali opere culturali raggiungono il pubblico, poiché la selezione algoritmica ottimizza metriche di coinvolgimento che non sono identiche, e spesso sono in conflitto con, i valori che la curatela culturale umana ha storicamente cercato di promuovere.
Una ricerca condotta da Hesmondhalgh e colleghi e pubblicata nel 2023 ha rilevato che gli algoritmi di raccomandazione tendono a ridurre la diversità culturale rafforzando le preferenze esistenti, un modello confermato dai dati sulla diversità di genere tratti dalla classifica Viral 50 Global di Spotify tra il 2018 e il 2024, che hanno mostrato un progressivo declino nella varietà di generi e una crescente predominanza di suoni orientati al pop, a scapito dei generi sperimentali e regionali.
Uno studio quantitativo condotto dai ricercatori di Spotify ha confermato che i consigli generati algoritmicamente riducono significativamente la diversità di consumo, una scoperta che si allinea con ciò che Eli Pariser ha definito "bolle di filtraggio": camere di risonanza rafforzate dagli algoritmi che isolano gli utenti non solo a livello informativo, ma anche culturale.
Annunci
In questa dinamica, ciò che è in gioco non è solo la preferenza dei consumatori, ma l'ecologia stessa della produzione culturale, perché la cultura che gli algoritmi premiano è la cultura che viene prodotta in misura sempre maggiore.
L'architettura della raccomandazione: come i sistemi scelgono cosa vedere
I sistemi di raccomandazione non sono strumenti neutrali che abbinano le persone a contenuti che preferirebbero spontaneamente: sono motori di ottimizzazione progettati per massimizzare metriche specifiche a vantaggio di specifici interessi commerciali, e comprenderne l'architettura è essenziale per comprenderne gli effetti culturali.
Il filtraggio collaborativo, l'approccio dominante nella maggior parte dei principali sistemi di raccomandazione, suggerisce contenuti basandosi sul comportamento di utenti ritenuti simili all'utente corrente, creando cicli di feedback in cui la popolarità si autoalimenta e l'oscurità si autoalimenta, indipendentemente dalla reale qualità o originalità del contenuto.
Il sistema di raccomandazione di Spotify, basato su reti neurali convoluzionali ed elaborazione del linguaggio naturale, crea playlist che privilegiano brani con quella che gli addetti ai lavori definiscono "streamabilità algoritmica": brevi introduzioni, strutture ripetitive, ritornelli orecchiabili e posizionamento nel genere mainstream. Queste caratteristiche massimizzano le metriche di coinvolgimento per cui l'algoritmo è ottimizzato, piuttosto che quelle associate all'innovazione artistica o al significato culturale.
La logica di raccomandazione di Netflix opera attraverso una struttura commerciale simile: una ricerca sulla logica algoritmica del suo sistema ha scoperto che esso costruisce il gusto culturale attraverso l'opacità piuttosto che la trasparenza, progettando processi culturali autogenerativi che minano ciò che i teorici della democrazia culturale descrivono come "un coinvolgimento diretto e spontaneo con i beni culturali".
La dimensione dell'opacità è fondamentale per comprendere il potere culturale dell'algoritmo: gli utenti percepiscono i consigli come suggerimenti personalizzati che riflettono le loro preferenze, quando in realtà sono il risultato di decisioni commerciali su quali partner di contenuti ricevono un posizionamento favorevole, su quali generi la piattaforma investe e su quali comportamenti di coinvolgimento il sistema ottimizza.
Le major discografiche negoziano posizioni favorevoli nelle playlist, mentre gli artisti indipendenti competono su un terreno impari a prescindere dalla qualità musicale, e il rapporto MIDiA Research del 2024 ha confermato l'esito di queste asimmetrie: gli artisti indipendenti costituiscono 80% del catalogo di Spotify, ma ricevono solo 20% di stream basati sui suggerimenti.
++ Il ruolo degli hobby nella costruzione dell'identità
L'effetto di omogeneizzazione: cosa si perde quando gli algoritmi scelgono
La conseguenza culturale più documentata del predominio dei sistemi di raccomandazione è l'omogeneizzazione: la progressiva riduzione della diversità culturale che raggiunge il pubblico, man mano che gli algoritmi convergono sui formati, le strutture e le caratteristiche stilistiche che generano il maggior coinvolgimento su larga scala.
La "regola dei 15 secondi", che ha ristrutturato la composizione musicale per renderla compatibile con TikTok, illustra questo effetto con una chiarezza insolita: l'analisi dei dati relativi alle canzoni virali su TikTok dal 2021 al 2024 mostra che le introduzioni si sono accorciate drasticamente, i ritornelli compaiono quasi immediatamente e la ripetizione domina per garantire la memorabilità entro la finestra di attenzione che la logica di raccomandazione della piattaforma premia.
Una canzone come "Someone Like You" di Adele, il cui ritornello arriva dopo quasi un minuto di sviluppo emotivo, farebbe fatica a imporsi sugli algoritmi nell'attuale panorama delle raccomandazioni di contenuti brevi, a prescindere dalla sua qualità artistica: un'incompatibilità strutturale tra l'ottimizzazione algoritmica e certe forme di ambizione artistica che influenza ogni decisione creativa presa dagli artisti consapevoli del funzionamento del sistema.
In mercati come quello brasiliano, generi come il samba e il forró vengono oscurati dal pop globale e dal reggaeton a causa di un inerzia algoritmica che premia ciò che ha già il maggior numero di dati di coinvolgimento a livello globale: una dinamica che erode il patrimonio musicale locale non attraverso una censura esplicita, ma attraverso lo svantaggio strutturale di competere con contenuti la cui portata globale conferisce loro un vantaggio algoritmico che la specificità locale non può eguagliare.
| ambito culturale | Effetto di omogeneizzazione | Cosa si perde |
|---|---|---|
| Musica | Dominio pop, struttura a gancio breve | generi regionali, forme sperimentali |
| Cinema/TV | Preferenza per sequel e franchise | Cinema d'autore, narrazione locale |
| Notizia | Contenuti di indignazione generati dal coinvolgimento | Giornalismo investigativo e contestuale |
| Libri | Auto-rinforzo del bestseller | Letteratura di medio livello, letteratura tradotta |
| Arte visiva | Convergenza estetica verso stili ad alto coinvolgimento | Lavoro difficile e impegnativo |
L'andamento riscontrato in diversi ambiti culturali rivela una logica strutturale coerente: i sistemi di raccomandazione premiano i contenuti che generano un coinvolgimento immediato da parte del pubblico più ampio possibile, penalizzando sistematicamente i contenuti il cui valore dipende da conoscenze pregresse, attenzione prolungata, tolleranza alla difficoltà o specificità culturali che ne limitano il pubblico immediatamente raggiungibile.
La risposta del creatore: quando l'arte si adatta all'algoritmo
L'influenza culturale dei sistemi di raccomandazione si estende oltre i modelli di consumo, arrivando a influenzare le decisioni di produzione, poiché i creatori di tutti i settori culturali compiono sempre più spesso scelte artistiche basate sulla compatibilità algoritmica piuttosto che sul puro giudizio creativo.
I musicisti che producono brani "compatibili con Spotify" – stereotipati, immediatamente accessibili, strutturalmente ottimizzati per le metriche di coinvolgimento in streaming che determinano la promozione algoritmica – rappresentano la versione più visibile di questo adattamento, ma la stessa logica opera nel cinema, nella televisione, nell'editoria e nelle arti visive ovunque la distribuzione algoritmica determini la redditività economica.
I registi consapevoli che il sistema di raccomandazione di Netflix privilegia i contenuti con alti tassi di completamento – un parametro che premia i generi familiari e le strutture narrative convenzionali – subiscono pressioni commerciali per produrre opere che l'algoritmo possa facilmente raccomandare, piuttosto che opere che sfidino o sorprendano il pubblico in modi che potrebbero ridurre i tassi di completamento pur aumentando l'impatto culturale.
UNESCO ha documentato la minaccia che la distribuzione culturale algoritmica rappresenta per la diversità culturale come bene pubblico, rilevando nei suoi modelli di espressione culturale che la logica di ottimizzazione commerciale dei sistemi di raccomandazione svantaggia sistematicamente le forme culturali più dipendenti dagli investimenti e dalla tutela pubblica, ovvero quelle il cui valore è compreso attraverso le generazioni piuttosto che ottimizzato per metriche di coinvolgimento trimestrali.
Il fenomeno che i ricercatori descrivono come "precarietà algoritmica" – l'instabilità del lavoro culturale prodotto dalla dipendenza da un favore algoritmico che può cambiare senza preavviso – rappresenta una trasformazione strutturale delle condizioni della produzione culturale, le cui conseguenze a lungo termine per la portata e l'ambizione dell'espressione culturale umana stanno solo ora iniziando a essere comprese.
++ Come gli algoritmi influenzano ciò che vediamo e ciò in cui crediamo
Il paradosso della personalizzazione: più scelta, meno scoperta
La narrativa di marketing dei sistemi di raccomandazione si concentra sulla personalizzazione: l'idea che gli algoritmi offrano a ciascun utente ciò che desidera in modo più preciso, liberandolo dalla cultura di massa generica che i selezionatori editoriali umani imponevano a pubblici eterogenei.
La ricerca complica costantemente questa narrazione, rivelando un paradosso al centro della personalizzazione algoritmica: gli utenti ricevono più contenuti in linea con le loro preferenze dichiarate, ma incontrano meno contenuti che potrebbero ampliare, mettere in discussione o riorientare tali preferenze – una combinazione che dà l'impressione di una maggiore scelta, ma che in realtà produce un'esperienza culturale più limitata.
I cataloghi illimitati creano paralisi decisionale, e gli algoritmi risolvono questo problema riducendo la scelta effettiva: presentano opzioni gestibili da un'abbondanza impossibile, rendendo al contempo gli utenti inconsapevoli di ciò che non vedono mai, ovvero delle scelte che non vengono loro offerte.
La "scoperta casuale" che caratterizzava il consumo culturale pre-algoritmico – curiosare in un negozio di dischi, imbattersi in un autore sconosciuto in biblioteca, guardare un film consigliato da un amico con gusti diversi – permetteva di entrare in contatto con opere culturali che i sistemi di raccomandazione ottimizzati per la similarità delle preferenze non avrebbero mai suggerito, perché questi sistemi sono progettati per minimizzare il rischio di disinteresse piuttosto che per massimizzare la gamma di esperienze che l'esposizione a una cultura diversificata può offrire.
Una ricerca sulla logica algoritmica di Netflix ha evidenziato come essa riduca le opportunità di quello che gli studiosi definiscono "attrito epistemico", ovvero la difficoltà produttiva che deriva dall'interazione con prospettive diverse e contenuti che resistono a una comprensione immediata; si tratta proprio della qualità che l'educazione culturale ha tradizionalmente identificato come essenziale per lo sviluppo culturale, piuttosto che per il mero consumo culturale.
Verso una responsabilità culturale algoritmica
Le conseguenze culturali del predominio dei sistemi di raccomandazione hanno iniziato a generare risposte normative e istituzionali che riflettono una crescente consapevolezza del fatto che la logica di ottimizzazione commerciale delle piattaforme private non può essere l'unico fattore determinante della diffusione culturale su scala sociale.
L'inchiesta del governo britannico sui servizi di streaming ha rilevato che gli algoritmi "potrebbero riflettere pregiudizi che potrebbero successivamente ridurre la scoperta di nuova musica, omogeneizzare i gusti e penalizzare gli artisti che pubblicano autonomamente i propri lavori" e ha richiesto una maggiore supervisione dell'opacità della selezione algoritmica dei contenuti: un riconoscimento normativo del fatto che gli effetti culturali dei sistemi di raccomandazione sono una questione di interesse pubblico, non semplicemente una decisione di design commerciale.
Il concetto di "cittadinanza culturale" – ovvero il diritto delle persone ad accedere a diverse espressioni culturali come dimensione della vita civica, piuttosto che come semplici consumatori di contenuti di intrattenimento selezionati algoritmicamente – ha guadagnato terreno nei dibattiti politici, con alcuni ricercatori che sostengono che i sistemi di raccomandazione dovrebbero essere obbligati a includere metriche di diversità, oltre a quelle di coinvolgimento, nei loro obiettivi di ottimizzazione.
L'Unione europea ha incluso considerazioni sulla diversità culturale nella sua legge sui mercati digitali e nei relativi quadri normativi, riflettendo un giudizio istituzionale secondo cui il potere culturale delle principali piattaforme non può essere trattato come una questione puramente commerciale, bensì come un aspetto con implicazioni per la cultura democratica e la coesione sociale.
++ L'etica della progettazione dell'economia dell'attenzione
Le soluzioni tecniche proposte – algoritmi di raccomandazione sensibili alla diversità, requisiti di trasparenza sulla logica di raccomandazione, controlli da parte dell'utente sul grado di personalizzazione – sono promettenti, ma si scontrano con la sfida strutturale di richiedere alle piattaforme di accettare una ridotta ottimizzazione del coinvolgimento in cambio di beni culturali che i loro modelli di business non hanno alcun incentivo diretto a valorizzare.
Conclusione
I sistemi di raccomandazione influenzano la cultura non come infrastrutture neutre al servizio di preferenze preesistenti, ma come forze attive che plasmano ciò che viene prodotto, distribuito, scoperto e quali tipi di ambizione culturale sono economicamente sostenibili in un mondo in cui la promozione algoritmica determina il successo commerciale.
L'omogeneizzazione documentata in musica, cinema, informazione e arte visiva riflette la prevedibile conseguenza dell'ottimizzazione della distribuzione culturale in base alle metriche di coinvolgimento piuttosto che ai valori – diversità, sfida, specificità locale, ambizione artistica – che la curatela culturale umana ha storicamente cercato di promuovere insieme alla redditività commerciale.
L'adattamento dei creatori alle norme algoritmiche – le introduzioni accorciate, le strutture schematiche, le scelte estetiche favorevoli agli algoritmi – rappresenta un costo culturale diffuso e difficile da quantificare, ma riflette un reale restringimento delle condizioni in cui certe forme di ambizione culturale diventano economicamente sostenibili.
In definitiva, le prove suggeriscono che affidare la distribuzione culturale di miliardi di persone a sistemi ottimizzati esclusivamente per scopi commerciali, senza trasparenza, responsabilità o requisiti di diversità, produce conseguenze culturali che nessuna società democratica approverebbe se fossero rese esplicite anziché incorporate invisibilmente in infrastrutture che la maggior parte delle persone percepisce solo come una comodità personalizzata.
Domande frequenti
1. Cosa sono i sistemi di raccomandazione e come influenzano la cultura aziendale? I sistemi di raccomandazione sono algoritmi che selezionano i contenuti che gli utenti visualizzano sulle piattaforme di streaming e sui social media. Influenzano la cultura determinando quali opere creative raggiungono il pubblico, quali formati artistici vengono premiati commercialmente e quali forme culturali ricevono la promozione algoritmica che ne determina la redditività economica nell'era della distribuzione digitale.
2. Gli algoritmi di raccomandazione omogeneizzano i gusti culturali? Sì, le ricerche lo dimostrano costantemente. Studi, tra cui quelli condotti dai ricercatori di Spotify, hanno confermato che i consigli generati algoritmicamente riducono significativamente la diversità di ascolto, con i dati sulla diversità di genere tratti dalla classifica Viral 50 Global di Spotify che mostrano una progressiva riduzione tra il 2018 e il 2024.
3. In che modo i sistemi di raccomandazione influenzano le creazioni degli artisti? I creatori prendono sempre più spesso decisioni artistiche basate sulla compatibilità algoritmica – introduzioni più brevi, strutture più ripetitive, posizionamento nel genere mainstream – per massimizzare la promozione algoritmica che determina la portata commerciale. Questo genera quella che i ricercatori definiscono "precarietà algoritmica" e una restrizione delle forme artistiche economicamente sostenibili.
4. La personalizzazione sta effettivamente offrendo agli utenti maggiore o minore diversità culturale? Meno, nonostante sembrino offrire di più. I sistemi di raccomandazione riducono la scelta effettiva ottimizzando la similarità delle preferenze anziché la scoperta, rendendo gli utenti inconsapevoli di ciò che non vedono mai ed eliminando l'esposizione accidentale a culture sconosciute che caratterizzava la navigazione pre-algoritmica.
5. Quali risposte normative stanno emergendo per affrontare gli effetti culturali dei sistemi di raccomandazione? Il governo del Regno Unito ha richiesto una maggiore supervisione sull'opacità della curatela algoritmica dei contenuti. L'UE ha integrato considerazioni sulla diversità culturale nel suo Digital Markets Act. I ricercatori hanno proposto algoritmi sensibili alla diversità, requisiti di trasparenza e controlli per gli utenti come risposte tecniche alla logica di ottimizzazione commerciale che attualmente governa la progettazione dei sistemi di raccomandazione.
