Ogni giorno affidiamo i nostri ascolti musicali a Spotify, TikTok o YouTube, convinti di scoprire nuove canzoni. Ma gli algoritmi che ci guidano non sono strumenti di esplorazione, quanto di amplificazione. Analizzano i nostri comportamenti, prevedono cosa ci piacerà e ci propongono variazioni sempre più piccole rispetto a ciò che già conosciamo. Come siamo arrivati a delegare – almeno in parte – il nostro gusto a delle formule? E soprattutto: siamo ancora in grado di scegliere davvero?
Radiografia di una canzone
Dietro ogni canzone suggerita da Spotify c’è un sistema di raccomandazione tanto raffinato quanto invisibile. La piattaforma combina tre strategie: l’analisi del suono (tempo, timbro, energia), l’analisi semantica (parole e tendenze discorsive sulle canzoni online) e il collaborative filtering, che confronta milioni di ascoltatori simili tra loro per capire cosa raccomandare a chi. Se a utenti con gusti simili ai tuoi piace un brano che non hai ancora sentito, probabilmente ti verrà proposto.
Come scrive Dmitry Pastukhov su Music Tomorrow:
Spotify è in grado di descrivere un brano in dettaglio estremo, ad esempio: “Questo brano segue una struttura strofa-ritornello-strofa-ritornello-bridge-ritornello, aumenta gradualmente di energia fino al bridge, contiene un assolo di chitarra distorto e dissonante che si risolve in un outro dal tono malinconico”.
Nel 2025 Spotify ha poi ottimizzato le proprie funzioni chiamate algotorial playlists, in cui redattori umani scelgono un bacino di brani e l’intelligenza artificiale personalizza la sequenza per ogni utente, mescolando curatela e calcolo automatico – un modello ibrido descritto in dettaglio da BeatstoraPon. L’obiettivo resta lo stesso: aumentare il “tempo di permanenza”, cioè quanti minuti passiamo ad ascoltare prima di chiudere l’app.
YouTube Music lavora in modo analogo, ma con una marcia in più: la piattaforma incrocia ascolti, cronologia dei video e linguaggio testuale dei commenti, offrendo raccomandazioni a “corto raggio”, immediate e contestuali.
E poi c’è TikTok, dove l’algoritmo non consiglia musica ma video che contengono musica. Secondo Ditto Music, il sistema osserva quanto tempo restiamo su un video, se lo condividiamo, se usiamo l’audio per un nostro contenuto: più un suono viene riutilizzato, più TikTok lo diffonde. È così che bastano quindici secondi efficaci per spingere una canzone in cima alle classifiche globali.
Andare virali
Nel 2019 un diciannovenne di Atlanta caricò un brano dal titolo Old Town Road, realizzato su un beat comprato online. Il brano, inizialmente ignorato dall’industria, divenne virale quando migliaia di utenti cominciarono a usarlo su TikTok. Come racconta D4 Music Marketing, l’effetto dell’algoritmo fu detonante: la canzone salì fino al primo posto della Billboard Hot 100 e ci rimase per 19 settimane. Quel ragazzo era – ovviamente – Lil Nas X.
La stessa dinamica ha premiato Olivia Rodrigo con Drivers License, diventata colonna sonora virale dei video sentimentali, e ridato nuova vita a Murder on the Dancefloor di Sophie Ellis-Bextor, rilanciata da una scena del film Saltburn come racconta un articolo dell’Australian National University Reporter. In tutti questi casi, gli algoritmi non hanno scoperto i brani: li hanno amplificati.
Le piattaforme amplificano ciò che già funziona, premiando i segnali d’interazione rapida – click, “mi piace”, riproduzioni ripetute – molto più che la qualità intrinseca. È l’era del feedback istantaneo, e la viralità è la nuova forma del successo.
La bolla del gusto
Tutti questi sistemi, però, condividono un rischio strutturale: la filter bubble, o bolla algoritmica. Uno studio su arXiv ha dimostrato che, nel lungo periodo, gli algoritmi di raccomandazione tendono a rafforzare i gusti esistenti invece di diversificarli. Se ascolti spesso rock alternativo, i suggerimenti saranno quasi sempre rock alternativo. L’illusione della scoperta maschera una rotazione di brani diversi ma simili.
Il giornalista Kyle Chayka, autore del libro Filterworld, sostiene che la cultura digitale stia perdendo varietà perché gli algoritmi “premiano la media”, semplificando le differenze. In un articolo sul New Yorker ha raccontato di essersi disiscritto da Spotify proprio per l'invadenza dell'algoritmo di raccomandazione:
Le distorsioni introdotte dalla tecnologia dell'ascolto creano problemi con la musica stessa; bombardati da suggerimenti generici e ripetizioni di ascolti recenti, gli ascoltatori vengono condizionati ad affidarsi a ciò che Spotify propone loro piuttosto che a ciò che cercano autonomamente.
Un altro effetto di questa distorsione è quello che riguarda gli stessi artisti, che rispondono adattandosi. Sempre più brani sono scritti per funzionare entro i primi 15 secondi – il tempo medio prima che un utente scrolli. La musica pop somiglia così al suo habitat digitale: breve, prevedibile, riconoscibile.
Il cervello e la familiarità
C’è anche una spiegazione biologica. Uno studio pubblicato su Nature Neuroscience ha mostrato che ascoltare musica piacevole attiva i circuiti della dopamina, la stessa sostanza che regola la ricompensa per cibo e sesso. La risposta dopaminergica è doppia: una scarica arriva quando anticipiamo un momento musicale atteso e un’altra quando quel momento accade davvero.
Questo spiega perché ciò che è familiare ci piace di più: il cervello “sa già” quando aspettarsi il piacere. Gli algoritmi sfruttano inconsapevolmente questo meccanismo, riproponendo variazioni prevedibili. La dopamina amplifica la motivazione a riascoltare ciò che conosci già: meno sforzo, più appagamento. È un piacere immediato, ma poco curioso.
La ricerca psicologica parla anche del paradosso della scelta: quando le opzioni sono troppe, scegliere diventa difficile: di fronte a milioni di brani rinunciamo spesso a cercarne di nuovi. Gli algoritmi risolvono il problema decidendo al posto nostro, ma finiscono per chiuderci nella nostra zona di comfort.
La protezione della lingua
Una parte del pubblico, però, sta reagendo. Alcuni tornano alla radio o ai vinili; altri frequentano Bandcamp, dove, come scrive Hypebot, «la scoperta avviene per curiosità, non per calcolo». Anche le ricerche di iZotope mostrano che il passaparola e i consigli umani restano la principale fonte di scoperta: nonostante gli algoritmi, più dell’80% degli ascoltatori scopre musica nuova da persone di fiducia.
E in Italia? Da noi qualcosa “resiste” grazie alla lingua: nel momento in cui scriviamo, 7 dischi su 10 in classifica questa settimana sono italiani. Secondo un’analisi di Skoove, nel 2025 oltre l’80% delle canzoni nelle classifiche Spotify è di artisti locali. L’hip hop napoletano e il pop in dialetto sfuggono alla standardizzazione globale perché gli algoritmi, addestrati su database anglofoni, faticano a decifrarli. Una debolezza del sistema che diventa, paradossalmente, la sua falla più umana.
L’algoritmo ha buon gusto?
Generalmente la fiducia nell’algoritmo da parte degli utenti delle varie piattaforme è alta: in qualche modo si riconosce che l’algoritmo ha “buon gusto” – anche perché il gusto dell’algoritmo è stato allenato da noi. La verità è che Spotify, TikTok o YouTube non hanno gusti: hanno obiettivi. Vogliono tenerci dentro la piattaforma. Sono efficienti, ma neutri.
Se interpretiamo il “buon gusto” come capacità di sorprenderci, di proporci l’imprevisto o di insegnarci qualcosa su ciò che non conosciamo, allora l’algoritmo non lo possiede. Ma se scegliamo consapevolmente quando lasciarci guidare e quando cercare da soli, le piattaforme possono tornare a essere strumenti e non strategie. Il gusto non è tanto quel che l’algoritmo seleziona per noi, ma quello che decidiamo di scoprire nonostante lui.
