1.120 agenti AI hanno misurato le distorsioni del feed dopo le elezioni 2024
Se sei un uomo su X, il feed algoritmico tende a servirti più politica di destra. Se sei donna, no. Non è una sensazione: 1.120 agenti di intelligenza artificiale, lasciati liberi di esplorare la piattaforma dopo le elezioni statunitensi del 2024, lo hanno misurato in modo sistematico. E non è l’unica distorsione emersa. Un nuovo studio su arXiv, pubblicato il 1° luglio, ha provato a rispondere con un metodo che non era mai stato usato prima su questa scala: mille-centoventi identità sintetiche che simulano il comportamento umano, incaricate di raccogliere dati su come l’algoritmo di X decide cosa farci vedere.
Il risultato è una mappa dell’amplificazione selettiva: il feed algoritmico spinge contenuti più tossici, più polarizzanti e più orientati a destra rispetto a quanto accadrebbe in un semplice feed cronologico. Ma la vera sorpresa è che questa distorsione non è uguale per tutti. Cambia in base a chi sei, o meglio, a chi l’algoritmo pensa che tu sia.
L’algoritmo che divide: non amplifica tutti allo stesso modo
Lo studio ha analizzato oltre 200.000 esposizioni a contenuti, un campione abbastanza ampio da far emergere regolarità statistiche robuste. Il confronto tra il feed algoritmico e quello cronologico mostra una forbice netta: post con linguaggio aggressivo, messaggi che scavano divisioni politiche e narrazioni allineate a posizioni conservatrici ricevono, nel flusso governato dall’algoritmo, una visibilità maggiore di quella che avrebbero avuto se gli utenti vedessero solo i contenuti in ordine di pubblicazione.
Fin qui, si potrebbe pensare a un effetto uniforme: l’algoritmo, nel suo complesso, favorisce un certo tipo di contenuto. Ma i ricercatori hanno fatto un passo in più. Hanno costruito agenti con profili ideologici differenziati e con segnali demografici diversi, come il genere. Quello che hanno scoperto è che l’amplificazione varia in modo marcato a seconda dell’ideologia dell’utente e che i segnali demografici influenzano la distribuzione dei contenuti in maniera dipendente dalla persona. In pratica, un utente percepito come uomo e conservatore vede un mix di post in cui la polarizzazione e la tossicità sono dosate in modo diverso rispetto a un utente percepito come donna e progressista. Non esiste un unico feed algoritmico: ogni individuo ne riceve uno su misura, con dosi variabili di radicalizzazione.
È il dato che rovescia l’idea di un algoritmo monolitico. La personalizzazione, già nota per tenerci incollati allo schermo, qui si rivela uno strumento che calibra anche il grado di conflitto a cui siamo esposti. E lo fa seguendo linee tutt’altro che trasparenti.
Agenti AI: il nuovo detective dell’opacità algoritmica
Per arrivare a queste conclusioni, il team non ha usato utenti in carne e ossa. Ha fatto qualcosa di nuovo. Gli audit tradizionali con persone reali catturano comportamenti autentici, ma sono costosi e difficili da controllare su larga scala. Quelli condotti con profili finti manovrati da script, i cosiddetti sock-puppet, riescono a scalare meglio ma spesso si basano su azioni predefinite, lontane dalla complessità di una navigazione umana. Come spiega il team nel documento integrale, entrambi gli approcci hanno limiti importanti.
Qui entrano in gioco gli agenti basati su intelligenza artificiale generativa: 1.120 identità sintetiche a cui è stato permesso di esplorare la piattaforma in modo realistico, seguendo account, interagendo con i post, scorrendo il feed in modo non predeterminato. Non semplici burattini digitali, ma modelli capaci di adattarsi ai contenuti incontrati, generando un comportamento più simile a quello umano e, di conseguenza, dati più credibili sull’effetto dell’algoritmo. Il risultato sono oltre 200.000 esposizioni raccolte in modo sistematico poche settimane dopo le elezioni del 2024, un campione che supera per ampiezza e profondità quanto sarebbe stato possibile con volontari reali o script tradizionali.
Il metodo è replicabile, e questo cambia le carte in tavola. Non serve accedere al codice interno della piattaforma per condurre un audit: bastano agenti ben progettati e un’infrastruttura di raccolta dati. È un salto metodologico che trasforma un’attività artigianale in un processo potenzialmente industriale, a disposizione di ricercatori indipendenti e autorità di regolamentazione.
Cosa cambia per chi pubblica online
Lo studio non si limita a documentare un problema. Stabilisce un precedente: gli agenti basati su GenAI si candidano a diventare uno strumento di controllo standard, utilizzabile anche da chi produce informazione o contenuti di marca per capire come le piattaforme distribuiscono il proprio lavoro. Il lavoro, scrivono gli autori, stabilisce gli agenti basati su GenAI come un nuovo strumento metodologico per l’audit algoritmico.
Per chi fa editoria digitale, marketing o comunicazione su X, il messaggio è netto: non basta più creare un buon articolo, un video ben fatto o una campagna studiata. La distribuzione algoritmica non è un canale neutro: decide a chi mostrare i contenuti e con quale enfasi, seguendo logiche personalizzate che ora possono essere misurate. Sapere che un post viene amplificato in modo diverso davanti a un pubblico maschile rispetto a uno femminile, o in base all’orientamento politico presunto, significa che la strategia editoriale deve includere l’analisi della distribuzione effettiva, non solo la qualità intrinseca del contenuto. Significa accettare che la performance di un pezzo non dipende solo da quanto sia scritto bene o da quanto sia rilevante, ma anche da come l’algoritmo decide di posizionarlo nelle diverse bolle che crea.
Per chi fa informazione o marketing online, il punto è chiaro: il contenuto non è tutto. L’algoritmo decide a chi mostrarlo e quanto amplificarlo, e ora abbiamo gli strumenti per misurarne gli effetti. Ignorare questa variabile significa parlare al vento, o peggio, illudersi di raggiungere un pubblico che in realtà vede tutt’altro.
