Perché Internet sembra sempre più tutto uguale

Risposta breve

Internet sembra sempre più tutto uguale perché una parte crescente dei contenuti viene progettata per funzionare dentro gli stessi sistemi.

Titoli, video, immagini e articoli devono essere riconosciuti velocemente dagli utenti, premiati dagli algoritmi, trovati dai motori di ricerca e prodotti con costi sostenibili. Quando milioni di persone inseguono gli stessi segnali, le formule che funzionano vengono imitate.

L’intelligenza artificiale non ha creato questo meccanismo. Lo ha accelerato: oggi è possibile generare in pochi minuti testi, immagini e idee formalmente corretti, ma spesso costruiti sulle stesse strutture e sullo stesso tono medio.

Il risultato non è necessariamente un Internet falso o inutile. È un Internet più efficiente, più abbondante e, in molti casi, meno sorprendente.

Non è soltanto nostalgia

Ogni generazione tende a ricordare il proprio Internet come più libero, creativo e autentico. I vecchi forum avevano problemi, i blog personali erano pieni di pagine abbandonate e i primi social non erano immuni da imitazioni, spam o contenuti mediocri.

Dire che oggi tutto sembra uguale non significa quindi sostenere che il Web del passato fosse migliore in ogni aspetto.

La differenza è soprattutto nella scala. Pubblicare è diventato facilissimo, mentre trovare attenzione è diventato più difficile. Di conseguenza, chi crea contenuti ha un forte incentivo a usare formati già comprensibili:

• la miniatura con un volto e poche parole grandi;
• il video verticale con una frase d’impatto nei primi secondi;
• l’articolo organizzato in risposta breve, elenco e conclusione;
• il post che apre con una provocazione e termina con una domanda;
• il titolo che promette una trasformazione immediata.

Queste formule non sono sbagliate. Spesso rendono un contenuto più chiaro. Il problema nasce quando la struttura smette di servire l’idea e diventa l’idea stessa.

Le piattaforme non ordinano i contenuti per originalità

La maggior parte delle persone non esplora più Internet partendo da una lista neutrale di pagine. Accede attraverso feed, motori di ricerca, notifiche e raccomandazioni personalizzate.

YouTube, per esempio, spiega che il proprio sistema di raccomandazione usa segnali come cronologia di visualizzazione e ricerca, iscrizioni, like, dislike e indicazioni di soddisfazione. Il sistema confronta inoltre le abitudini di una persona con quelle di utenti simili per prevedere cosa potrebbe interessarle.

È una soluzione comprensibile: senza selezione, l’enorme quantità di contenuti disponibili sarebbe ingestibile. Ma produce un effetto collaterale. Se un certo formato ottiene attenzione, altri autori hanno interesse a riprodurne ritmo, titolo, durata e linguaggio.

L’algoritmo non deve ordinare esplicitamente a tutti di copiarsi. È sufficiente che il successo sia visibile e misurabile. Visualizzazioni, percentuali di completamento, clic e condivisioni trasformano ogni contenuto in un piccolo esperimento pubblico. Le formule vincenti diventano modelli da replicare.

La personalizzazione, inoltre, tende a mostrarci altro materiale compatibile con ciò che abbiamo già guardato. Questo è utile quando cerchiamo continuità, ma può far apparire il panorama più uniforme di quanto sia realmente. Una parte della diversità esiste ancora: semplicemente non raggiunge sempre il nostro feed.

Prima dell’AI c’erano già SEO e produzione industriale

L’omologazione non è iniziata con i modelli generativi. Anche quando si prova a costruire un sito ordinato senza perdere identità, il metodo conta quanto gli strumenti.

Per anni editori e aziende hanno costruito contenuti intorno alle parole cercate dagli utenti. È nato così un linguaggio riconoscibile fatto di domande nei titoli, introduzioni ottimizzate, sezioni prevedibili e risposte pensate per occupare una posizione nei risultati di ricerca.

La SEO, cioè l’ottimizzazione per i motori di ricerca, non è il nemico. Aiuta a rendere una pagina comprensibile, accessibile e trovabile. Il problema è la produzione che parte dalla query e non ha altro da aggiungere.

Quando decine di siti rispondono alla stessa domanda riordinando le medesime informazioni, il lettore incontra pagine diverse soltanto nell’indirizzo. La forma cambia poco, le fonti sono spesso le stesse e nessuno si assume il rischio di offrire un punto di vista netto.

Google definisce “abuso di contenuti su larga scala” la creazione di molte pagine pensate principalmente per manipolare il posizionamento e non per aiutare gli utenti. Tra gli esempi include l’uso dell’AI generativa per produrre grandi quantità di pagine senza valore aggiunto, ma precisa che il problema è l’assenza di utilità e originalità, indipendentemente dal metodo di produzione.

Questa distinzione è importante: non esiste un conflitto automatico tra AI e qualità. Esiste un conflitto tra contenuto utile e contenuto creato soltanto per occupare spazio.

L’AI rende economico il contenuto medio

Un modello generativo può proporre titoli, strutture, riassunti, immagini e interi articoli in pochi minuti. È un vantaggio enorme per chi deve superare la pagina bianca, organizzare informazioni o migliorare una prima bozza.

La stessa capacità rende però molto economico produrre contenuto “abbastanza buono”. Un testo può essere grammaticalmente corretto, ordinato e plausibile senza contenere una vera scoperta, una fonte originale o una posizione riconoscibile.

Il modello tende a fornire la risposta statisticamente più compatibile con la richiesta. Se la richiesta è generica, anche il risultato rischia di esserlo. Se migliaia di persone pongono domande simili agli stessi sistemi, è ragionevole aspettarsi strutture, metafore e conclusioni ricorrenti.

Non significa che ogni testo generato dall’AI sia identico. Prompt, fonti, modelli e revisioni possono produrre risultati molto diversi. Significa che accettare la prima risposta aumenta la probabilità di pubblicare il centro della distribuzione: una versione ordinata di ciò che è già più comune.

Più creatività individuale, meno diversità collettiva

Una ricerca pubblicata su Science Advances nel 2024 ha osservato un paradosso interessante.

Gli autori hanno coinvolto persone nella scrittura di brevi storie. Alcune potevano ricevere idee da un modello generativo, altre lavoravano senza assistenza. Le storie prodotte con il supporto dell’AI sono state valutate mediamente come più creative, meglio scritte e più piacevoli, con un beneficio maggiore per chi partiva da una capacità creativa più bassa.

Quando però i ricercatori hanno confrontato le storie tra loro, quelle assistite dall’AI risultavano più simili. Il singolo autore poteva migliorare il proprio risultato, mentre l’insieme dei risultati perdeva varietà.

Lo studio riguarda un esperimento specifico sulla scrittura creativa, non dimostra che tutto Internet stia diventando uniforme. Offre però un meccanismo utile per interpretare ciò che vediamo: uno strumento può elevare la qualità media e, contemporaneamente, restringere lo spazio delle possibilità esplorate da un gruppo.

Nel 2026 una ricerca successiva ha mostrato anche che questa convergenza non è inevitabile. Usare prospettive e configurazioni deliberatamente diverse può aumentare la varietà delle idee. Il problema, quindi, non è soltanto lo strumento; è il modo passivo o intenzionale con cui viene utilizzato.

Il tono medio è rassicurante, ma poco memorabile

Molti contenuti generati o fortemente assistiti dall’AI condividono alcune caratteristiche:

• introducono il tema con una domanda ampia;
• presentano due estremi per poi scegliere una posizione equilibrata;
• dividono il problema in elenchi ordinati;
• usano formule come “non si tratta di X, ma di Y”;
• chiudono con un invito generico alla consapevolezza;
• evitano affermazioni difficili da difendere.

Queste scelte non sono necessariamente negative. Rendono il testo leggibile e riducono il rischio di errori grossolani. Se diventano automatiche, però, producono una voce senza attrito: corretta, educata e intercambiabile.

Il contenuto memorabile contiene spesso qualcosa di meno efficiente: un’osservazione strana, una fonte inattesa, un dubbio non risolto, un dettaglio concreto o una posizione che potrebbe essere contestata.

L’originalità non consiste nello scrivere in modo complicato. Consiste nel portare nella pagina qualcosa che non sarebbe comparso lasciando il lavoro alla risposta più probabile.

Anche il pensiero rischia di uniformarsi

Il problema non riguarda soltanto lo stile finale. Riguarda il momento in cui decidiamo cosa vale la pena pensare.

Uno studio presentato alla conferenza CHI 2025 ha raccolto 936 esempi d’uso dell’AI generativa da 319 lavoratori della conoscenza. I ricercatori hanno osservato che una maggiore fiducia nell’AI era associata a un minore esercizio del pensiero critico, mentre una maggiore fiducia nelle proprie capacità era associata a un impegno critico superiore.

Lo studio si basa sulle esperienze riferite dai partecipanti e non misura direttamente un declino generale delle capacità cognitive. Suggerisce però una distinzione importante: delegare la produzione non deve significare delegare anche la scelta del problema, la verifica e il giudizio.

Come discusso anche nell’articolo L’AI non sostituirà il tuo lavoro. Ma cambierà il modo in cui lo fai, il valore umano si sposta sempre più verso direzione, controllo e responsabilità. Vale nel lavoro e vale nella produzione culturale.

Se chiediamo all’AI sia quale tema affrontare, sia cosa pensare, sia come scriverlo, il rischio non è soltanto ottenere una frase riconoscibile. È iniziare tutti dallo stesso punto.

Autentico non significa necessariamente umano al 100%

È facile trasformare questo discorso in una contrapposizione romantica: da una parte l’essere umano autentico, dall’altra la macchina che copia.

La realtà è meno comoda.

Gli esseri umani imitano, seguono mode, riciclano formule e scrivono contenuti vuoti da molto prima dell’AI. Allo stesso tempo, un autore può usare un modello generativo per esplorare obiezioni, ordinare fonti o migliorare la chiarezza senza rinunciare alla propria direzione: è il criterio che applico quando racconto come uso Codex senza perdere la voce personale.

L’autenticità non dipende soltanto dallo strumento. Dipende dalle decisioni riconoscibili nel risultato.

Un contenuto mantiene una voce quando qualcuno:

1. sceglie una domanda che considera davvero importante;
2. cerca fonti e dettagli che non arrivano automaticamente;
3. elimina le parti formalmente corrette ma inutili;
4. distingue ciò che sa da ciò che sta interpretando;
5. accetta di lasciare nel testo una posizione verificabile e discutibile;
6. si assume la responsabilità della pubblicazione.

L’AI può partecipare a tutti questi passaggi. Non può stabilire da sola perché quel contenuto meriti di esistere.

Come trovare contenuti meno uniformi

Il lettore non è completamente passivo davanti agli algoritmi. Può cambiare il proprio ambiente informativo con alcune scelte semplici.

Seguire le fonti, non soltanto i temi

Cercare sempre “un altro contenuto sull’AI” porta facilmente verso ciò che la piattaforma considera più compatibile con i consumi precedenti. Seguire persone, riviste, ricercatori e siti specifici crea invece una relazione più stabile con le fonti.

Uscire periodicamente dal feed

Newsletter, feed RSS, segnalibri e visite dirette ai siti riducono la dipendenza dalla selezione automatica. Non eliminano i bias, ma permettono di scegliere consapevolmente una parte del proprio percorso.

Cercare il disaccordo competente

Una posizione diversa non è utile soltanto perché è contraria. Deve portare argomenti, dati o esperienza. Confrontare fonti serie che arrivano a conclusioni differenti amplia lo spazio delle possibilità senza trasformare tutto in polemica.

Premiare il contenuto che aggiunge qualcosa

Tempo, iscrizioni e condivisioni sono segnali. Se premiamo soltanto il contenuto più rapido e familiare, contribuiamo agli incentivi che criticavamo. Salvare o condividere una fonte originale è un piccolo modo per rendere visibile un altro tipo di valore.

Come evitare di produrre l’ennesima copia

Per chi scrive, registra o pubblica, il controllo può partire da cinque domande:

• Quale informazione o interpretazione offre questo contenuto che non trovo già nei primi risultati?
• Quali affermazioni dipendono da fonti verificabili?
• Quale parte potrebbe essere eliminata senza perdere nulla?
• Sto usando un formato perché serve al lettore o perché è quello che imitano tutti?
• Se togliessi nome e logo, resterebbe qualcosa che rende riconoscibile l’autore?

Quando si utilizza l’AI, è utile separare le fasi. Prima si definiscono domanda, fonti e posizione. Poi si usa lo strumento per esplorare, organizzare o revisionare. Infine si controlla ogni passaggio e si riscrive ciò che suona come una risposta predefinita.

Un altro metodo consiste nel chiedere alternative realmente incompatibili tra loro, invece di una sola soluzione. L’obiettivo non è far scegliere all’AI la voce più originale, ma impedire alla prima proposta di diventare automaticamente la cornice del lavoro.

Sapere come è nato un contenuto non basta

Con immagini, audio e video sintetici diventa importante conoscere la provenienza dei file. Lo standard C2PA permette di associare ai contenuti delle Content Credentials: informazioni firmate crittograficamente che possono descrivere creazione, strumenti utilizzati e modifiche successive.

È un passo utile per la trasparenza. Non risolve però il problema della qualità o della verità. Sapere che un’immagine è stata modificata, oppure che un testo è stato prodotto con un certo strumento, non ci dice automaticamente se il messaggio è accurato, importante o originale.

La provenienza risponde alla domanda “da dove arriva?”. Il giudizio deve ancora rispondere a “vale la pena crederci?” e “aggiunge qualcosa?”.

Conclusione

Internet non è diventato improvvisamente un’unica copia. È diventato un ambiente in cui le stesse forze agiscono su una quantità molto più grande di contenuti.

Le piattaforme devono selezionare. Gli autori cercano attenzione. I motori di ricerca premiano pagine comprensibili. Le aziende riducono i costi. L’AI rende veloce produrre una risposta formalmente valida. Ognuno di questi elementi ha una logica; insieme possono spingere verso l’uniformità.

La soluzione non è rifiutare algoritmi, SEO o intelligenza artificiale. È usarli senza confondere ciò che funziona con ciò che merita di essere detto.

Un Internet più vario richiede autori disposti a portare dettagli, fonti e posizioni non intercambiabili. Richiede anche lettori disposti a uscire dal flusso più comodo e a cercare contenuti che non assomiglino perfettamente a ciò che hanno appena consumato.

L’abbondanza non garantisce la diversità. La rende possibile. Per trasformare questa possibilità in una realtà servono ancora curiosità, scelta e responsabilità: gli stessi principi alla base del metodo editoriale di SAVMAS.

Fonti

• Anil R. Doshi e Oliver P. Hauser, Generative AI enhances individual creativity but reduces the collective diversity of novel content, Science Advances, 12 luglio 2024.
• Hao-Ping Lee et al., The Impact of Generative AI on Critical Thinking, CHI 2025.
• Google Search Central, Spam policies for Google web search, sezione “Scaled content abuse”, aggiornamento consultato il 5 agosto 2026.
• YouTube Help, How YouTube recommendations work, consultato il 5 agosto 2026.
• Coalition for Content Provenance and Authenticity, C2PA FAQ, consultata il 5 agosto 2026.
• Yun Wan e Yoram M. Kalman, Diverse AI personas can mitigate the homogenization effect in human-AI collaborative ideation, Computers in Human Behavior: Artificial Humans, 2026.