Il 45% degli italiani usa i social media come fonte di notizie, percentuale che sale al 66% tra i 18-24 anni (DNR Italia 2026). Per la maggior parte di queste persone, ciò che vedono nel proprio feed non è una selezione editoriale fatta da giornalisti: è il risultato di un algoritmo che ha calcolato, sulla base del comportamento passato di quell’utente, quali contenuti massimizzano la probabilità che resti sulla piattaforma più a lungo.
Questa è la trasformazione più profonda e meno discussa apertamente del sistema informativo contemporaneo: chi decide cosa è notizia non è più (solo) un direttore editoriale, ma un sistema di ottimizzazione costruito per massimizzare l’engagement.
Capire come funzionano questi sistemi non è un esercizio per addetti ai lavori. È una competenza civica necessaria per chiunque consumi informazione attraverso le piattaforme digitali — cioè, nel 2026, quasi tutti.
Come funzionano gli algoritmi di raccomandazione
Gli algoritmi delle piattaforme social — Facebook, Instagram, TikTok, X, YouTube — sono ottimizzati per un obiettivo principale: massimizzare il tempo che l’utente trascorre sulla piattaforma, perché più tempo significa più opportunità pubblicitarie e quindi più ricavi. Questo obiettivo non è nascosto: è dichiarato nei modelli di business delle piattaforme, che sono finanziate quasi esclusivamente dalla pubblicità.
Per raggiungere questo obiettivo, l’algoritmo analizza migliaia di segnali sul comportamento di ogni utente: cosa ha cliccato in passato, su cosa si è soffermato più a lungo, cosa ha condiviso, cosa ha commentato, chi segue, quali pattern emotivi sembrano predire un coinvolgimento maggiore.
Sulla base di questi segnali, costruisce un modello predittivo di cosa è più probabile che quell’utente specifico trovi coinvolgente, e popola il feed di conseguenza.
Perché i contenuti polarizzanti vengono amplificati
Numerose ricerche — incluse quelle interne alle piattaforme, emerse attraverso whistleblower e cause legali — hanno documentato che i contenuti che generano reazioni emotive forti, in particolare indignazione e rabbia, tendono a generare più engagement (commenti, condivisioni, tempo di permanenza) rispetto a contenuti neutri o equilibrati.
Un algoritmo che ottimizza per l’engagement, senza correttivi specifici, tende quindi ad amplificare contenuti polarizzanti, controversi, emotivamente carichi — indipendentemente dalla loro accuratezza o dal loro valore informativo.
Questo non significa che le piattaforme vogliano esplicitamente diffondere disinformazione o polarizzazione. Significa che l’ottimizzazione per l’engagement, come obiettivo tecnico neutro, produce questo effetto come conseguenza emergente, perché il contenuto polarizzante è statisticamente più efficace nel generare le metriche che l’algoritmo è progettato per massimizzare.
La bolla di filtraggio e la camera dell’eco
La ‘bolla di filtraggio’ (filter bubble) è il fenomeno per cui l’algoritmo, personalizzando i contenuti in base alle preferenze passate dell’utente, lo espone progressivamente a un set sempre più ristretto di prospettive che confermano le sue idee preesistenti, riducendo l’esposizione a punti di vista diversi.
La ‘camera dell’eco’ (echo chamber) è un fenomeno parzialmente diverso, in cui sono gli utenti stessi a scegliere attivamente di seguire e interagire solo con fonti che confermano le loro opinioni, rinforzando quelle opinioni attraverso la ripetizione.
I due fenomeni si rinforzano a vicenda: l’algoritmo amplifica le scelte degli utenti, gli utenti fanno scelte che l’algoritmo poi amplifica ulteriormente. Il risultato netto è un ecosistema informativo in cui persone con orientamenti diversi vivono esperienze informative sempre più divergenti, con sempre meno punti di contatto condivisi su cui costruire un dibattito pubblico comune.
L’impatto sul pluralismo dell’informazione
Il problema per il pluralismo dell’informazione non è solo che gli utenti vedono prospettive limitate: è che il sistema di distribuzione delle notizie ha smesso di essere governato da criteri editoriali trasparenti (anche quando un giornale ha un orientamento dichiarato, quell’orientamento è conoscibile) ed è governato da criteri opachi, proprietari, che cambiano senza preavviso e senza trasparenza pubblica.
Quando Facebook cambia il proprio algoritmo — e lo fa periodicamente — milioni di utenti vedono cambiare in modo significativo il tipo di informazione a cui sono esposti, senza che nessuno al di fuori dell’azienda sappia esattamente perché o come.
La risposta normativa: il Digital Services Act
Il Digital Services Act (DSA) europeo, pienamente applicabile dal 2024, introduce alcuni obblighi di trasparenza per le grandi piattaforme: devono spiegare almeno a grandi linee come funzionano i loro sistemi di raccomandazione, devono offrire agli utenti la possibilità di disattivare la personalizzazione basata sul profiling e vedere un feed cronologico, e devono sottoporsi a audit indipendenti sui rischi sistemici che i loro algoritmi possono generare, inclusi i rischi per il dibattito civico e i processi elettorali.
L’efficacia pratica di queste norme è ancora oggetto di valutazione. Gli obblighi di trasparenza non risolvono il problema di fondo — l’incentivo economico delle piattaforme a massimizzare l’engagement rimane intatto — ma forniscono strumenti regolatori che prima non esistevano, e creano un precedente su cui costruire interventi più incisivi.
