Nel mondo dei social network la selezione dei contenuti che compaiono nei feed degli utenti non è mai stata una questione banale: per anni è stata affidata ad algoritmi che cercavano di tradurre in regole semplici ciò che potesse mantenere le persone coinvolte e connesse alla piattaforma. Oggi, però, questa dinamica sta cambiando radicalmente su X, il social network precedentemente noto come Twitter, grazie all’integrazione di Grok, un sistema avanzato di intelligenza artificiale sviluppato da xAI sotto la guida di Elon Musk. L’obiettivo di questo cambiamento è ambizioso e, almeno nelle dichiarazioni ufficiali, orientato alla trasparenza e a un maggiore controllo da parte degli utenti su come vengono proposti i contenuti.
Fino a pochi anni fa, la tecnologia alla base dei suggerimenti su X si basava su algoritmi relativamente semplici, che prendevano in considerazione variabili esplicite come il numero di “mi piace”, commenti e condivisioni per valutare la popolarità di un contenuto e quindi determinarne la visibilità. Assieme a queste metriche, le piattaforme utilizzavano sistemi di regole manuali che, seppur complessi, erano comunque interpretabili e relativamente prevedibili. Con l’introduzione di Grok, tuttavia, la piattaforma ha compiuto un salto verso un modello completamente diverso, affidando la selezione dei post a una rete neurale di apprendimento automatico capace di calcolare in tempo reale la probabilità che un determinato contenuto possa risultare interessante per un singolo utente.
Il cuore di questo nuovo sistema non è più costituito da regole statiche, ma da un algoritmo che “impara” continuamente dai comportamenti degli utenti e da una grande quantità di dati, cercando di cogliere pattern e segnali che per un algoritmo tradizionale sarebbero invisibili. In sostanza, ogni post che potrebbe apparire nella home di un utente oggi viene analizzato non soltanto in base alle interazioni dirette come “mi piace” e condivisioni, ma anche in base a elementi più sottili e complessi: quanto tempo si resta su un contenuto, la frequenza di ritorni su pagine simili, i comportamenti impliciti di scorrimento e altri segnali contestuali che una rete neurale è in grado di interpretare. Questo processo probabilistico permette a Grok di stimare con grande precisione quali contenuti abbiano maggiori possibilità di risultare rilevanti per un determinato profilo, personalizzando così l’esperienza di ciascun utente in modo molto più fine rispetto al passato.
Una delle conseguenze immediate di questa transizione è la trasformazione della relazione tra utente e piattaforma. Se prima la visibilità di un contenuto era spesso legata alla sua popolarità aggregata, alla sua diffusione tra grandi gruppi di utenti, oggi i criteri sono più personali e dinamici, orientati alla previsione di ciò che interesserà a quella specifica persona. Questo significa che contenuti che non hanno ottenuto milioni di “mi piace” possono comunque emergere nei feed se l’intelligenza artificiale ritiene che possano suscitare l’interesse di qualcuno in base ai suoi comportamenti individuali. Un aspetto positivo di questa evoluzione è la maggiore pertinenza dei contenuti per ciascun utente, ma allo stesso tempo sorgono interrogativi importanti sulla trasparenza e sulla comprensibilità di questi suggerimenti: spesso gli utenti non sanno perché un determinato post sia stato mostrato loro, e il processo decisionale dell’IA resta per molti versi una “scatola nera”.
Proprio per rispondere a queste preoccupazioni, Elon Musk ha annunciato l’intenzione di rendere pubblico l’algoritmo di X, in un passo che, se realizzato, sarebbe senza precedenti tra i social network principali. L’idea di pubblicare il codice sorgente e rendere quindi possibile un’analisi esterna della logica di Grok mira ad aumentare la fiducia degli utenti e a favorire un controllo più ampio da parte della comunità tecnica e degli sviluppatori indipendenti. Tuttavia, molti esperti sottolineano che la sola pubblicazione del codice non risolve tutte le criticità: le reti neurali sono sistemi complessi dove anche gli stessi progettisti incontrano difficoltà nel prevedere perché si manifestino determinate scelte di contenuto, e questo solleva domande sulla regolamentazione e sulla spiegabilità di tali sistemi.
Le implicazioni di questa evoluzione algoritmica non si fermano alla personalizzazione dei contenuti, ma si estendono al modo in cui le persone percepiscono la proprie esperienze online. Da un lato, un feed più calibrato sui gusti individuali può risultare più coinvolgente e soddisfacente; dall’altro, c’è il rischio di accentuare le cosiddette “filter bubble”, ovvero camere d’eco personali in cui gli utenti vedono sempre contenuti coerenti con le loro preferenze, limitando l’esposizione a prospettive differenti. Questo può incidere non soltanto sulla qualità dell’esperienza d’uso, ma anche sulla circolazione delle idee e sulla formazione dell’opinione pubblica, rendendo più complesso il bilancio tra personalizzazione e pluralità informativa.