C’è una differenza sottile tra quando qualcuno si ricorda di noi e quando qualcuno si ricorda quello che abbiamo fatto. Un amico che ordina il nostro caffè preferito senza chiederci nulla compie un gesto di attenzione. Un’applicazione che ci suggerisce lo stesso caffè perché lo abbiamo ordinato diciassette volte compie un’operazione di previsione. Il risultato potrebbe essere identico. Il significato, probabilmente, no.
Eppure, una parte importante dell’evoluzione digitale contemporanea sembra lavorare proprio per assottigliare questa distanza. Le piattaforme imparano a riconoscere le nostre abitudini, i sistemi di raccomandazione anticipano desideri, le interfacce modificano le esperienze in base alle informazioni raccolte. Non dobbiamo più spiegare continuamente chi siamo. Qualcuno, o qualcosa, sembra già saperlo. L’impressione è quella di vivere in un ambiente progressivamente più attento alle nostre caratteristiche individuali. La pubblicità ci raggiunge quando potrebbe interessarci. Le applicazioni suggeriscono percorsi, oggetti e contenuti. I servizi sanitari cercano di adattare i trattamenti alle caratteristiche biologiche dei pazienti. La scuola sperimenta strumenti capaci di riconoscere ritmi e difficoltà differenti.
La personalizzazione è diventata una promessa trasversale: vivere in un mondo che sappia adattarsi a noi, anziché costringerci continuamente ad adattarci a lui. Ma conoscere le nostre preferenze significa davvero comprendere chi siamo? È una delle domande che emergono leggendo Nos vies sur mesure. Enquête sur un monde qui sait tout de nous, il saggio di Étienne Minvielle pubblicato da Dunod nell’ottobre 2026, e non ancora tradotto in italiano.
Minvielle è medico di sanità pubblica a Gustave Roussy, membro dell’Académie nationale de médecine e ricercatore al CNRS. Il suo lavoro sulla personalizzazione nasce nell’ambito sanitario e si estende progressivamente ad altri settori della vita collettiva. Il libro ha un merito importante: sottrae la personalizzazione al linguaggio rassicurante dell’innovazione, senza trasformarla automaticamente in una minaccia. Cerca di comprenderne le origini, le promesse, le contraddizioni e le condizioni necessarie perché possa produrre un autentico miglioramento delle nostre vite.

Quando essere unici diventa un modello industriale
Per molto tempo, produrre ha significato soprattutto standardizzare. La modernità industriale si è sviluppata attraverso la capacità di realizzare grandi quantità di oggetti identici. Il vantaggio era evidente: ridurre i costi, rendere accessibili beni e servizi, permettere a milioni di persone di utilizzare prodotti che prima sarebbero stati economicamente irraggiungibili. L’eccezione era il su misura. Un abito realizzato da un sarto, un mobile progettato per una stanza, uno strumento musicale costruito sulle esigenze di un musicista. La singolarità aveva un costo. Richiedeva tempo, competenze e un rapporto diretto tra chi produceva e chi riceveva.
Nel secondo capitolo, Minvielle ricostruisce il lungo percorso attraverso cui questo rapporto comincia a cambiare. Dalla produzione standardizzata si passa alla personalizzazione di massa, che consente di combinare caratteristiche e configurazioni, fino a sistemi capaci di modificare continuamente prodotti, servizi e interazioni. L’intelligenza artificiale accelera questa trasformazione. Un sistema non deve più limitarsi a proporre alcune alternative prestabilite. Può utilizzare informazioni sul comportamento individuale, interpretare richieste, riconoscere ricorrenze e generare risposte differenti. Nella personalizzazione tradizionale scegliamo, almeno in parte, come configurare ciò che desideriamo. Nei sistemi predittivi, invece, qualcun altro può contribuire a stabilire quali opzioni meritino di essere presentate.
Siamo ancora noi a formulare il desiderio, oppure il desiderio viene progressivamente anticipato e organizzato? Minvielle mostra come la personalizzazione sia diventata una delle grandi figure della modernità. Un modello capace di attraversare settori commerciali e servizi pubblici, di adattarsi a finalità diverse e persino contraddittorie. Per un’impresa significa spesso aumentare la pertinenza delle offerte, fidelizzare e migliorare l’efficienza. Per un ospedale può significare scegliere un trattamento più efficace. Per una scuola, riconoscere difficoltà di apprendimento che un modello uniforme rischierebbe di ignorare. Sarebbe quindi sbagliato considerare tutte queste pratiche equivalenti, oppure giudicarle utilizzando un unico criterio. La personalizzazione può essere un progresso autentico, soprattutto quando permette di riconoscere situazioni che la standardizzazione aveva lasciato invisibili. Ma porta con sé una domanda più profonda: che cosa significa, esattamente, riconoscere una persona?

Il sistema conosce le nostre scelte,
non necessariamente le nostre ragioni
Immaginiamo una persona che, per alcune settimane, ascolti prevalentemente musica malinconica. Una piattaforma può registrare questa preferenza, confrontarla con migliaia di comportamenti analoghi e suggerire brani coerenti con lo storico degli ascolti. Dal punto di vista della raccomandazione, il sistema potrebbe funzionare perfettamente. Eppure, non conosce necessariamente il motivo di quella preferenza.
La persona potrebbe attraversare un periodo difficile. Potrebbe preparare un progetto creativo, riscoprire un artista dell’adolescenza oppure ascoltare brani scelti da qualcun altro. Le stesse tracce comportamentali possono appartenere a storie completamente differenti. Qui incontriamo una distinzione fondamentale per chi si occupa di dati: quella tra osservazione, interpretazione e comprensione. Un acquisto interrotto può segnalare disinteresse, ma anche mancanza di denaro, esitazione o un problema tecnico. Un contenuto guardato ripetutamente può indicare entusiasmo oppure incomprensione. Un’assenza di interazioni può raccontare una perdita di interesse o semplicemente una giornata trascorsa altrove.
I dati non sono necessariamente sbagliati. Su BUNS abbiamo affrontato una questione simile in La vita dietro i dati: perché per capire Internet dobbiamo imparare ad abitarlo, raccontando il rapporto tra netnografia e macromarketing a partire da un incontro con Robert V. Kozinets, Ulrike Gretzel e Rossella Gambetti. Nell’etnografia digitale, un comportamento non può essere compreso separandolo dalle pratiche culturali e dalle relazioni che gli attribuiscono significato. Una fotografia pubblicata sui social potrebbe sembrare il racconto spontaneo di una giornata. Un’indagine più approfondita potrebbe rivelare che fa parte di una campagna pubblicitaria organizzata, con influencer reclutati, istruzioni ricevute e precise strategie commerciali.
Un algoritmo può individuare regolarità estremamente sofisticate senza ricostruire il contesto culturale in cui quelle regolarità acquistano significato. E questa è una delle contraddizioni più interessanti della personalizzazione: più un sistema diventa capace di prevedere ciò che faremo, più potremmo essere tentati di attribuirgli una comprensione che non possiede. Conoscere moltissime cose di qualcuno non equivale a conoscerlo.
La paziente che doveva tenere insieme la propria storia
Uno degli episodi più significativi del libro riguarda una donna seguita da diversi professionisti sanitari. La paziente riceve cure specialistiche, terapie adattate alle sue condizioni e assistenza da figure differenti. Ogni intervento, considerato singolarmente, può essere personalizzato. Eppure, l’esperienza complessiva è quella di un percorso frammentato. I professionisti non comunicano sufficientemente tra loro. È la donna a dover trasferire informazioni da un appuntamento all’altro, ricostruire il proprio percorso e mantenere una continuità che il sistema non sembra riuscire a garantirle.
Minvielle racconta questo incontro nell’introduzione del libro, mostrando una contraddizione decisiva: possiamo personalizzare ogni singola prestazione senza riuscire a prenderci cura della persona nella sua interezza. La medicina contemporanea offre un esempio particolarmente interessante di ciò che la personalizzazione può rendere possibile. Due pazienti con la stessa diagnosi possono ricevere trattamenti differenti sulla base delle caratteristiche molecolari della malattia. È un progresso scientifico importante, perché permette di superare la logica secondo cui persone apparentemente simili debbano necessariamente ricevere le stesse cure.
Conoscere sempre meglio una malattia non significa automaticamente conoscere meglio l’esperienza di chi la vive. La persona non coincide con la propria cartella clinica, così come un consumatore non coincide con lo storico degli acquisti. La stessa tensione attraversa molti servizi digitali. Un sistema può conoscere perfettamente alcune nostre preferenze e continuare a ignorare il contesto in cui quelle preferenze nascono. Può ricordarsi che compriamo sempre la stessa cosa, senza sapere che oggi non possiamo permettercela. Può riconoscere le nostre abitudini, senza accorgersi che sono cambiate le condizioni della nostra vita. La personalizzazione rischia così di produrre molte versioni funzionali dello stesso individuo: un paziente, un consumatore, un lavoratore, un elettore, un utente.

Quando un numero comincia a dirci come stiamo
C’è un’altra dimensione del libro che merita attenzione: il rapporto tra personalizzazione e misurazione di sé. Pensiamo al sonno. Ci svegliamo, prendiamo in mano il telefono e controlliamo il punteggio prodotto dal dispositivo che abbiamo indossato durante la notte. Abbiamo dormito bene? La risposta sembra già disponibile. Il sistema ha registrato movimenti, frequenza cardiaca e altri segnali fisiologici, traducendoli in un indicatore sintetico. Quel numero può aiutarci a individuare abitudini, osservare tendenze e comprendere alcuni aspetti del nostro riposo.
Può anche modificare il modo in cui interpretiamo le nostre sensazioni. Se il punteggio è basso, potremmo convincerci di essere stanchi anche quando ci sentiamo riposati. La ricerca scientifica ha cominciato a interrogarsi su un fenomeno definito orthosomnia, introdotto nella letteratura clinica per descrivere una ricerca eccessiva del sonno perfetto, alimentata anche dall’attenzione ai dati dei dispositivi di monitoraggio.
Prima percepiamo uno stato e utilizziamo eventualmente un dato per comprenderlo meglio. Poi rischiamo di consultare il dato per sapere come dovremmo percepirci. Una questione simile emergeva nel nostro approfondimento Dal frigorifero al food noise, da TikTok all’Ozempic: tutte le cose che chiamiamo fame. Abbiamo imparato a misurare calorie, nutrienti, quantità e intervalli, sviluppando strumenti sempre più sofisticati per interpretare il rapporto con il cibo. Eppure, una maggiore disponibilità di informazioni non coincide necessariamente con una maggiore capacità di riconoscere ciò che proviamo. La fame, come il sonno, non è un’esperienza riducibile interamente a un indicatore.
Naturalmente non significa che i dati non servano. Possono rivelare informazioni che la percezione individuale non riesce a cogliere, e in alcuni contesti sono indispensabili. Ma dovrebbero contribuire alla nostra conoscenza, non sostituirsi completamente a essa. Il rischio nasce quando la misurazione smette di essere uno strumento e comincia a diventare un’autorità. Quando il numero non ci aiuta più a interpretare la vita, ma sembra autorizzato a stabilire che cosa sia la nostra vita.
L’ipocrisia delle organizzazioni che promettono di conoscerci
Nel quinto capitolo, Minvielle introduce un concetto particolarmente interessante: l’ipocrisia organizzativa. Non si tratta semplicemente di aziende che mentono ai clienti. È qualcosa di più strutturale: il divario tra la promessa di personalizzazione e la capacità concreta di realizzarla. Un’organizzazione può dichiarare di mettere le persone al centro senza modificare le procedure, le competenze e le condizioni di lavoro necessarie per farlo. Può moltiplicare i punti di contatto, raccogliere quantità crescenti di informazioni e continuare a costringere gli utenti a ripetere le stesse richieste.
Pensiamo a quando un servizio ci chiede di identificarci, di confermare informazioni già disponibili e di spiegare nuovamente un problema a interlocutori differenti. Il sistema dichiara di conoscerci, ma sembra dimenticare tutto nel momento in cui abbiamo davvero bisogno di essere riconosciuti. La personalizzazione non è soltanto una funzionalità tecnologica. È una capacità organizzativa. Richiede coordinamento, investimenti, persone competenti, infrastrutture e processi in grado di gestire le eccezioni.
C’è inoltre un’altra forma di lavoro che tende a diventare invisibile: quello che sostiene le esperienze apparentemente più semplici. Un servizio personalizzato può richiedere attività di manutenzione, revisione dei risultati, gestione degli errori, coordinamento logistico e consumo di risorse materiali. La promessa di un’esperienza senza attriti può nascondere una filiera tutt’altro che immateriale. Minvielle richiama anche il tema della sostenibilità ambientale, ricordando che la personalizzazione deve essere valutata considerando non soltanto i benefici che produce, ma anche i costi necessari a renderla possibile.
La gentilezza può diventare una tecnica di influenza
La personalizzazione viene spesso presentata attraverso il linguaggio dell’attenzione. Un servizio ci ricorda qualcosa che avevamo dimenticato. Una piattaforma ci propone ciò che potrebbe interessarci. Un’interfaccia rende più semplice completare un’operazione. Sono funzioni che possono migliorare concretamente le nostre giornate.
Gli stessi strumenti possono essere progettati per orientarci verso comportamenti che rispondono agli interessi di chi gestisce il sistema. Minvielle dedica un intero capitolo ai rischi della personalizzazione, soffermandosi sulle disuguaglianze, sull’utilizzo dei dati personali e sulla possibilità di influenzare le decisioni. Un caso particolarmente significativo è quello del progetto Nightingale, sviluppato negli Stati Uniti attraverso la collaborazione tra Google e Ascension, un grande operatore sanitario. L’obiettivo dichiarato era utilizzare informazioni cliniche per migliorare l’assistenza. Nel 2019, tuttavia, un’inchiesta del Wall Street Journal rivelò l’ampiezza del trasferimento di dati sanitari identificabili, avvenuto senza una comunicazione diretta ai pazienti interessati.
Dunque, una pratica può essere presentata come strumento per migliorare la qualità di un servizio e, contemporaneamente, sollevare questioni profonde sulla riservatezza e sul controllo delle informazioni personali. Il problema riguarda ciò che quei dati rendono possibile. Una piattaforma può utilizzare le informazioni disponibili per riconoscere quando siamo più propensi a comprare, a fermarci su un contenuto o ad accettare una proposta.

Se tutto ci somiglia, cosa possiamo ancora scoprire?
La personalizzazione funziona, almeno in parte, utilizzando informazioni sul passato per aumentare la pertinenza delle esperienze future. Se abbiamo acquistato determinati libri, ascoltato alcuni artisti o guardato specifici film, è ragionevole che un sistema utilizzi queste informazioni per suggerirci qualcosa.
Che cosa accade a ciò che non ci somiglia ancora?
Le preferenze non sono caratteristiche immobili. Cambiano nel tempo, con le relazioni, con i luoghi che attraversiamo, con le esperienze che non avevamo previsto. A volte scopriamo di amare qualcosa proprio perché non avremmo mai pensato di cercarlo. Una libreria è interessante anche perché contiene volumi di cui ignoravamo l’esistenza. Un viaggio può trasformarsi in un ricordo importante grazie a un incontro che non avevamo organizzato. Una conversazione può diventare significativa proprio quando qualcuno introduce un argomento che non ci apparteneva.
La letteratura scientifica sui sistemi di raccomandazione studia da anni questa questione attraverso il concetto di serendipity, cioè la capacità di produrre suggerimenti utili e sorprendenti. In uno studio pubblicato su Computing, Denis Kotkov, Jari Veijalainen e Shuaiqiang Wang hanno esaminato il rapporto tra serendipità e diversità nelle raccomandazioni, mostrando perché sia necessario andare oltre la semplice somiglianza con ciò che conosciamo già. È un punto importante: la riduzione della sorpresa non è una conseguenza inevitabile degli algoritmi. Dipende anche dagli obiettivi secondo cui vengono progettati.
Su BUNS abbiamo incontrato qualcosa di simile parlando di relazioni, nel pezzo Vibe e la fatica di trovare un momento libero offline per un caffè o una cena insieme, a partire dal libro di Adam Grant. La compatibilità tra due persone non è un’informazione completamente disponibile prima del loro incontro. Prende forma anche attraverso ciò che accade mentre stanno insieme. Possiamo avere moltissimo in comune e non riuscire a costruire una conversazione interessante. Oppure scoprire un’intesa inattesa con qualcuno che non corrisponde alle nostre preferenze dichiarate.
La personalizzazione può renderci più soli?
C’è una tensione collettiva che attraversa tutto il libro di Minvielle. La personalizzazione nasce dalla volontà di riconoscere le differenze. In molti ambiti questa ambizione può contribuire a ridurre le disuguaglianze. Trattare tutti nello stesso modo non significa necessariamente offrire a tutti le stesse possibilità. Uno studente con particolari difficoltà può avere bisogno di strumenti differenti. Un paziente può beneficiare di un trattamento specifico. Una persona che incontra ostacoli nell’accesso ai servizi pubblici può necessitare di un accompagnamento adeguato.
In questi casi, la personalizzazione è uno strumento di equità. La stessa logica, applicata senza considerare le conseguenze collettive, può produrre nuovi problemi. Se ogni individuo riceve informazioni, opportunità, percorsi e persino prezzi differenti, diventa importante domandarsi che cosa continuiamo a condividere. Una società ha bisogno anche di riferimenti comuni, esperienze collettive e possibilità di confrontarsi con prospettive diverse. Il rischio è che i sistemi possano costruire intorno a noi ambienti così coerenti con i nostri profili da rendere meno probabile l’incontro con ciò che ci contraddice.
Dal nudge al booster
Nella parte finale del saggio, Minvielle propone un percorso per rendere la personalizzazione più rispettosa dell’autonomia e compatibile con gli interessi collettivi. Una delle distinzioni più interessanti riguarda due approcci provenienti dalle scienze comportamentali: nudging e boosting. Il nudge interviene sull’architettura della scelta, cercando di rendere più probabile un determinato comportamento senza eliminare formalmente le alternative. Il booster, invece, mira a rafforzare le competenze delle persone, affinché possano prendere decisioni migliori anche in futuro.
Questa distinzione è stata approfondita da Ralph Hertwig e Till Grüne-Yanoff nell’articolo scientifico Nudging and Boosting: Steering or Empowering Good Decisions, pubblicato nel 2017 su Perspectives on Psychological Science. La differenza è culturale prima ancora che tecnica. Possiamo progettare un sistema che ci indirizzi verso una scelta considerata desiderabile. Oppure possiamo progettare strumenti che ci rendano più capaci di valutare informazioni, riconoscere alternative e decidere autonomamente.
Vogliamo sistemi sempre più bravi a selezionare le risposte per noi oppure sistemi capaci di aiutarci a formulare domande migliori? L’autonomia richiede anche la possibilità di comprenderle, confrontarle e, quando necessario, rifiutarle.
Il diritto di cambiare idea, senza aggiornare il profilo
L’ultima parte di Nos vies sur mesure affronta il problema di come governare questa trasformazione. Minvielle richiama la necessità di maggiore trasparenza, di strumenti che restituiscano potere agli individui, di una regolazione adeguata e di una riflessione sulle conseguenze sociali e ambientali della personalizzazione. Sono questioni che stanno entrando concretamente anche nelle politiche europee.
Il Digital Services Act introduce obblighi di trasparenza per i sistemi di raccomandazione delle piattaforme online e, per quelle di dimensioni molto grandi, prevede almeno un’opzione di raccomandazione non basata sulla profilazione. L’AI Act europeo interviene invece, attraverso un approccio basato sul rischio, su alcune pratiche manipolative, su determinati utilizzi delle informazioni personali e sugli obblighi di trasparenza applicabili ai sistemi di intelligenza artificiale. Sono interventi importanti, anche se nessuna regolazione può eliminare da sola tutte le ambiguità culturali della personalizzazione.
A questa discussione noi di BUNS aggiungeremmo una domanda. Oltre al diritto di sapere quali informazioni vengono raccolte su di noi, possiamo riconoscere anche il valore delle parti della nostra vita che non desideriamo trasformare in informazioni? Il diritto di cambiare idea senza dover aggiornare un profilo. Di acquistare qualcosa che non corrisponde alle nostre abitudini; di attraversare un periodo della vita senza che ogni comportamento diventi una previsione; di compiere una scelta incoerente con quelle precedenti. Di non essere sempre leggibili.
I dati possono rendere accessibili servizi, migliorare decisioni, riconoscere situazioni trascurate, ridurre disuguaglianze e contribuire a una conoscenza più accurata del mondo. Il loro valore dipende anche dalla consapevolezza dei loro limiti. Ogni misura è una scelta. E ogni scelta di misurazione rende visibili alcuni aspetti dell’esperienza, lasciandone inevitabilmente fuori altri.
La nostra identità contiene contraddizioni, ripensamenti, desideri che non abbiamo ancora formulato e possibilità che non si sono ancora manifestate. Il limite sta nella tentazione di considerare una persona completamente conoscibile nel momento in cui riusciamo a descriverla attraverso un numero sufficientemente grande di informazioni. Minvielle ci invita a prendere sul serio le promesse e i rischi di un mondo costruito su misura. Da una prospettiva di data humanism, possiamo aggiungere un’ultima domanda: vogliamo costruire sistemi sempre più capaci di prevedere chi siamo, oppure sistemi che ci lascino anche la libertà di sorprenderli?



1 Comment
Comments are closed.