Le città non cambiano solo per effetto delle politiche urbane o delle scelte architettoniche. Sempre più spesso a ridisegnarne i flussi, le gerarchie e persino le disuguaglianze sono gli algoritmi. In particolare quelli che, ogni giorno, ci suggeriscono dove andare: ristoranti, luoghi turistici, negozi, percorsi. Una ricerca italiana mostra ora come l’intelligenza artificiale stia diventando a tutti gli effetti un nuovo attore urbano.

Lo studio, condotto dall’Istituto di scienza e tecnologie dell’informazione “A. Faedo” del Consiglio nazionale delle ricerche di Pisa (Cnr-Isti), in collaborazione con il Cnr-Icar di Palermo e la Scuola Normale Superiore di Pisa, è stato pubblicato sulla rivista Machine Learning. Al centro dell’analisi c’è il cosiddetto feedback loop, il ciclo di influenza reciproca tra algoritmi di raccomandazione, comportamenti umani e trasformazioni dello spazio urbano.

«Questo è il primo studio che modella in modo esplicito il feedback loop nel contesto urbano», spiega Luca Pappalardo del Cnr-Isti. «Volevamo capire non quanto un sistema di raccomandazione sia accurato, ma che tipo di città produce nel medio e lungo periodo. Le app non si limitano a suggerire luoghi, contribuiscono a ridefinire flussi, interazioni sociali e opportunità spaziali».

Ogni volta che seguiamo un consiglio di Google Maps, TripAdvisor, Yelp o TheFork, alimentiamo infatti un meccanismo circolare. L’algoritmo suggerisce una destinazione, l’utente decide se seguirla, il dato viene registrato e il sistema si adatta, rafforzando o modificando le raccomandazioni future. Questo processo, apparentemente neutro, ha conseguenze profonde quando viene osservato su scala urbana.

I risultati mostrano un effetto ambivalente. A livello individuale, i sistemi di raccomandazione possono ampliare l’orizzonte delle persone, spingendole a scoprire luoghi nuovi e diversi da quelli abituali. Sul piano collettivo, però, la tendenza è opposta. Il traffico urbano finisce per concentrarsi su un numero limitato di luoghi già popolari, accentuando la polarizzazione e le disuguaglianze tra aree centrali e periferiche.

Per studiare questi effetti, i ricercatori hanno sviluppato un simulatore capace di riprodurre il ciclo umano–IA in città: suggerimento, decisione, dato, adattamento. «Analizziamo l’impatto dei location-based recommender, osservando non solo le scelte individuali, ma le dinamiche collettive che ne derivano, come la concentrazione delle visite o la marginalizzazione di alcune zone», spiega Giovanni Mauro della Scuola Normale Superiore. «È una prospettiva nuova nel campo dei sistemi di raccomandazione».

Il punto chiave dello studio è il cambio di sguardo sull’intelligenza artificiale. Non più uno strumento da valutare solo in termini di efficienza tecnica, ma un elemento che interagisce con il tessuto sociale e spaziale delle città. «È un cambio di paradigma», sottolinea Marco Minici del Cnr-Icar. «Non valutiamo più l’algoritmo in astratto, ma come attore urbano. Il futuro dell’IA nelle città richiede consapevolezza civica. Bisogna progettare sistemi che non ottimizzino solo l’esperienza del singolo, ma anche l’equità spaziale, l’accessibilità e la salute sociale».

Secondo il gruppo di ricerca, strumenti di simulazione come quello sviluppato nello studio potrebbero diventare un supporto prezioso per le amministrazioni pubbliche. Comprendere in anticipo come le tecnologie digitali influenzano i flussi urbani significa poter governare meglio le trasformazioni in atto, evitando che scelte guidate da algoritmi invisibili finiscano per amplificare squilibri già esistenti.