Sarà capitato anche a voi di aprire un'app di e-commerce, o di sfogliare distrattamente qualche foto di viaggi e nel giro di pochi minuti vedere il vostro feed popolarsi di valigie, adattatori universali e cuffie da viaggio.
Mettendo da parte per un attimo la teoria del "microfono fantasma" - secondo la quale i giganti tecnologici ci spierebbero attraverso microfoni accesi di nascosto per proporre prodotti mirati - vale la pena fare una precisazione: sebbene questa ipotesi non sia stata dimostrata nei termini più estremi, alcune indagini giornalistiche e accademiche hanno documentato casi di SDK (kit di sviluppo software) integrati in app comuni capaci di accedere al microfono del dispositivo. Non è una certezza, ma nemmeno una fantasia da liquidare del tutto.
Quello che è invece accertato, documentato e sistematico è qualcosa di ben diverso: la raccolta silenziosa di micro-segnali che lasciamo dietro di noi ogni volta che tocchiamo uno schermo.
Ogni pausa di qualche secondo su un'immagine, ogni apertura di un'app a un orario ricorrente, ogni tap su uno specifico contenuto genera informazioni. Informazioni che vengono registrate, archiviate e combinate.
A ben vedere, gli algoritmi non hanno bisogno di sentire la nostra voce perché possono contare su qualcosa di molto più potente: lo storico delle nostre attività.
Cosa abbiamo ricercato, quanto tempo ci siamo soffermati su un contenuto, in quale luogo siamo stati (tramite la geolocalizzazione). Un vero e proprio ritratto comportamentale - sorprendentemente preciso e dettagliato - utilizzato ad arte dalle piattaforme.
È opportuno, tuttavia, leggere questi dati nel giusto contesto.
Secondo il report Next in Personalization 2021 di McKinsey & Company (1), il 71% dei consumatori dichiara di aspettarsi interazioni personalizzate e il 76% si irrita quando non le ottiene. Questi numeri misurano un'aspettativa soggettiva degli utenti, non costituiscono una giustificazione etica per la raccolta massiva di dati personali, ma ci dicono qualcosa di importante: le piattaforme hanno trovato un terreno fertile perché, in molti casi, le persone stesse hanno imparato a voler essere anticipate nei propri desideri. È in questo spazio che si innesta la cosiddetta "logistica predittiva": sistemi guidati dall'intelligenza artificiale che non aspettano che l'utente ordini qualcosa per cominciare a muoversi.

Un esempio emblematico è Amazon.
Nel 2013, l'azienda ha depositato un brevetto (2) per il concetto di *anticipatory shipping* (spedizione anticipata o predittiva) che si basa sull'idea di avviare la spedizione di un prodotto prima ancora che il cliente lo abbia acquistato, azzerando i tempi di consegna e battendo così sul tempo i negozi fisici.
Va precisato, però, che a distanza di oltre dieci anni questo sistema non è operativo nella forma integrale descritta nel brevetto. Amazon ha implementato alcune componenti della logistica predittiva, soprattutto nel pre-posizionamento delle scorte nei magazzini regionali, ma la spedizione verso un singolo cliente prima dell'acquisto resta un'applicazione sperimentale e circoscritta. Presentarlo come un meccanismo già pienamente in funzione sarebbe perciò fuorviante. Tuttavia, la logica descritta nel brevetto fotografa e descrive perfettamente la direzione verso cui i sistemi predittivi si stanno muovendo.
Invece di aspettare che il consumatore prema il tasto "Acquista", l'algoritmo analizza i comportamenti passati per prevedere cosa comprerà: gli ordini precedenti, le ricerche, i prodotti salvati nella lista dei desideri, il carrello abbandonato, persino i secondi in cui il cursore del mouse si è fermato su un articolo.
Sulla base di questi dati, il sistema stima una probabilità elevata di acquisto e sposta le scorte verso l'hub logistico più vicino alla zona "segnalata". Se il prodotto viene poi acquistato, il pacco è già a pochi chilometri di distanza dalla destinazione finale.
Nel brevetto, Amazon ha previsto anche l'eventualità in cui il prodotto non venga acquistato: se il pacco raggiunge la zona di destinazione senza trovare un compratore, anziché sostenere i costi del reso in magazzino, l'azienda potrebbe consegnarlo come regalo o offrirlo con uno sconto significativo, trasformando l'errore predittivo in uno strumento di fidelizzazione.

Questo esempio ci offre uno spunto per ragionare su un altro meccanismo, forse ancora più pervasivo ossia la riduzione sistematica del tempo che separa il desiderio dall’acquisto.
Sistemi di acquisto in un tocco, riconoscimento facciale, credenziali salvate in automatico: ogni attimo guadagnato è un attimo sottratto alla parte razionale del cervello, quella che di solito si chiede "ma ne ho davvero bisogno?". L'impulso all'acquisto e la transazione diventano così rapidi da bypassare qualsiasi filtro critico.

Di fronte a questo scenario, il legislatore europeo ha risposto in modo strutturato (con il GDPR, il Digital Services Act e il Digital Markets Act) e analogamente ha fatto il legislatore italiano. Tuttavia, sul piano personale, è bene ricordare che nessuna norma può sostituire la consapevolezza individuale.
Se la forza degli algoritmi predittivi sta nella capacità di anticipare i nostri comportamenti, introdurre un ritardo deliberato, ad esempio aspettare ventiquattr'ore prima di svuotare il carrello, è una pratica utile per recuperare uno spazio di riflessione. Non "manda a vuoto" l'intelligenza artificiale in senso tecnico: i modelli predittivi si aggiornano continuamente e gestiscono agevolmente variazioni di questo tipo, ma quel ritardo agisce positivamente su di noi riconsegnandoci il tempo necessario per chiederci se vogliamo davvero procedere all’acquisto.
Analogamente, disattivare le notifiche e i badge delle app commerciali significa ridurre gli stimoli con cui le piattaforme testano le nostre reazioni in tempo reale. Non è una soluzione sistemica, ma è un modo concreto per riappropriarsi, almeno in parte, di quella autonomia decisionale che i sistemi predittivi sono progettati, appositamente, per erodere.