Gli algoritmi stanno uccidendo le trattorie di quartiere?

Una ricerca del CNR rivela: l’algoritmo ci manda tutti negli stessi locali. E la pizzeria all’angolo chiude.

Cerchi “ristorante” su Google Maps e scegli uno dei primi risultati. Lo facciamo tutti. Ma cosa succede quando milioni di persone ripetono lo stesso gesto ogni giorno? Succede che le trattorie di quartiere chiudono mentre i locali “consigliati” dall’algoritmo non riescono a gestire le prenotazioni.                                                                                                                                                      Tre ricercatori italiani hanno analizzato oltre 367mila spostamenti a New York e Tokyo per capire come gli algoritmi stanno ridisegnando le nostre città. E hanno scoperto un paradosso. Giovanni Mauro e Luca Pappalardo del CNR di Pisa, insieme a Marco Minici del CNR di Rende, hanno pubblicato i risultati su *Machine Learning*. La scoperta è controintuitiva: chi segue le raccomandazioni di Google Maps visita più posti diversi rispetto a chi sceglie da solo. Sembra una bella notizia, vero? Il problema è che quei “posti diversi” sono identici per tutti. L’algoritmo allarga il nostro orizzonte personale ma restringe quello collettivo. Tutti “esplorano” gli stessi dieci ristoranti consigliati. I numeri sono chiari. Senza algoritmi, il 10% dei locali più popolari riceve il 33% delle visite. Con gli algoritmi al massimo dell’utilizzo, quella percentuale sale al 57%. Ventiquattro punti in più che fanno la differenza tra tenere aperto e chiudere definitivamente.

L’effetto sulla geografia urbana è netto. A New York, senza raccomandazioni algoritmiche le persone si distribuiscono tra Manhattan, Brooklyn, Queens e le periferie. Con gli algoritmi, quasi tutto si concentra tra Midtown e Lower Manhattan. Il centro esplode, i margini si svuotano. Tokyo mostra lo stesso identico schema. Due metropoli lontanissime per cultura e urbanistica, stesso risultato. Il che significa che il problema non sta nella città ma nella logica dell’algoritmo. E infatti il modello funziona ovunque, come hanno dimostrato i ricercatori. Il meccanismo si chiama “feedback loop”. Funziona così: l’algoritmo suggerisce un locale in base alle visite precedenti. Tu ci vai. La tua visita viene registrata. L’algoritmo “impara” che quel posto funziona e lo consiglia ad altri. Il ciclo si ripete, amplificando sempre di più il segnale iniziale.I ricchi diventano più ricchi, gli invisibili restano invisibili. È lo stesso meccanismo che sui social crea le bolle informative, solo che qui l’effetto si materializza nello spazio fisico: ristoranti che non accettano più prenotazioni accanto a locali vuoti a duecento metri di distanza.

C’è un aspetto ancora più inquietante. I ricercatori hanno analizzato chi incontra chi: persone che si trovano negli stessi posti nelle stesse ore. Con l’aumento dell’influenza algoritmica si forma un nucleo ristretto di persone sempre più connesse tra loro, un “club esclusivo” che frequenta gli stessi locali consigliati e finisce per incontrarsi continuamente. Tutti gli altri restano fuori. È segregazione sociale prodotta da raccomandazioni che sembrano neutrali. Ma c’è una buona notizia: i ricercatori hanno testato sette diversi sistemi di raccomandazione, dai più semplici ai più sofisticati con intelligenza artificiali e il risultato è stato sorprendente: gli algoritmi più complessi producono gli effetti peggiori, quelli più semplici, riducono leggermente la concentrazione. La scelta di quale algoritmo usare, quindi, non è neutrale: è una leva concreta per ridurre il danno. Le piattaforme potrebbero scegliere sistemi meno concentrativi senza perdere utilità per gli utenti. Dal 2024 il Digital Services Act europeo obbliga piattaforme come Google Maps a valutare l’impatto sociale dei loro algoritmi. Il problema è che il regolamento attuativo è uscito solo nel luglio 2025 e nessuno studio indipendente ha ancora potuto accedere ai dati reali delle piattaforme. Il modello sviluppato dal CNR ora riempie questo vuoto. È open source, è pubblicato su GitHub, è utilizzabile da chiunque: amministratori pubblici, urbanisti, regolatori, e permette di simulare cosa succederebbe alla propria città con diversi livelli di adozione algoritmica. È il valore della ricerca pubblica: mette a disposizione strumenti che permettono di decidere con i dati invece che a intuito. Senza ricerca indipendente, le città vengono ridisegnate da algoritmi privati di cui non sappiamo nulla.

Chi decide cosa è visibile? La domanda finale è semplice: chi decide quali luoghi devono essere visibili e quali no? Gli algoritmi non sono forze naturali ma strumenti progettati da esseri umani secondo logiche specifiche. La prossima volta che Google Maps ti suggerisce “il miglior ristorante nelle vicinanze”, chiediti: il migliore per chi? Per me che cercate una risposta rapida? Per Google che vuole engagement? Per la città che cerca di mantenere vivo il tessuto di quartiere? La ricerca italiana dimostra che alternative sono possibili. Si possono progettare algoritmi diversi che distribuiscono meglio le visite senza sacrificare l’utilità per chi li usa. Ma serve volontà politica per imporli e ricerca indipendente per guidare le scelte.