Spotify sa già cosa ascolterai domani: il lato oscuro (e affascinante) delle playlist generate dall'IA

C'è un momento preciso in cui ti rendi conto che qualcosa è cambiato. Stai ascoltando la tua playlist preferita su Spotify, o magari su Amazon Music, e a un certo punto parte un brano che non hai mai sentito prima. Lo ascolti distratto, poi ti fermi. Aspetta, questa mi piace davvero. Cerchi l'artista, scopri che ha appena pubblicato il suo primo EP, ha tremila follower e suona nei locali piccoli del nord Italia. Come ci è finita lì, in mezzo ai tuoi brani del cuore?

Benvenuto nel mondo delle raccomandazioni algoritmiche. Un universo in cui le macchine hanno imparato — abbastanza bene, bisogna ammetterlo — a capire cosa ci fa venire i brividi.

Come funziona davvero la magia dietro le quinte

Senza entrare troppo nel tecnico, gli algoritmi delle piattaforme di streaming analizzano una quantità impressionante di dati: quanto tempo ascolti un brano prima di skipparlo, a che ora della giornata lo metti su, se lo aggiungi a una playlist, se torni ad ascoltarlo. Ma non si fermano lì. Guardano anche cosa ascoltano le persone con gusti simili ai tuoi, studiano le caratteristiche sonore dei brani — il tempo, la tonalità, l'energia — e costruiscono un profilo di ascolto che, col tempo, diventa sorprendentemente preciso.

In Italia questo fenomeno ha avuto un impatto particolarmente interessante. Il mercato musicale italiano ha sempre avuto una sua identità forte: il cantautorato, il pop melodico, il rap delle nuove generazioni, le contaminazioni con la musica elettronica. Gli algoritmi hanno dovuto imparare a navigare in un ecosistema complesso, dove spesso un ascoltatore di Lucio Battisti può tranquillamente apprezzare Mahmood o Cosmo.

Il caso degli artisti emergenti: opportunità reale o miraggio?

Per un artista che inizia, entrare in una playlist editoriale di Spotify — tipo Fresh Finds o le varie playlist tematiche curate — può significare passare da qualche centinaia di ascolti mensili a decine di migliaia nel giro di pochi giorni. Non è raro. È successo a Wrongonyou, è successo a Gazzelle nei suoi esordi, ed è una dinamica che si ripete continuamente con nomi nuovi.

Ma c'è una differenza sostanziale tra le playlist editoriali, curate da esseri umani in carne e ossa, e quelle generate automaticamente dall'algoritmo come la Discover Weekly o la Daily Mix. Le prime richiedono che qualcuno — un editor, un curatore — decida di scommettere su un artista. Le seconde funzionano in modo molto più freddo: se i dati dicono che potresti apprezzare quel brano, il brano arriva. Punto.

Il problema è che questo sistema tende a premiare chi ha già una base di ascolti. L'algoritmo ha bisogno di dati per fare previsioni, e se un artista ha pochi ascoltatori, ci sono pochi dati su cui lavorare. È un circolo che può diventare vizioso: meno ascolti hai, meno l'algoritmo ti propone, meno ascolti ottieni.

La bolla sonora: esiste davvero?

Questa è la domanda che divide esperti e appassionati. Da un lato c'è chi sostiene che la personalizzazione estrema ci stia chiudendo in una sorta di camera d'eco musicale: ascolti sempre le stesse sonorità, lo stesso genere, gli stessi BPM. L'algoritmo impara che ti piace una cosa e continua a dartela, senza mai spingerti davvero fuori dalla zona di comfort.

Dall'altro lato c'è chi fa notare che, prima degli algoritmi, la scoperta musicale era affidata a radio generaliste, MTV, e al passaparola tra amici. Sistemi che, in fondo, erano anch'essi abbastanza limitanti. Quante volte la radio italiana degli anni Novanta proponeva jazz d'avanguardia o world music?

La verità, come spesso accade, sta nel mezzo. Gli algoritmi sono bravi a trovare variazioni sul tema di ciò che già ami, ma raramente ti portano davvero altrove. Se ascolti indie italiano, potresti scoprire un sacco di indie italiano che non conoscevi. Ma è difficile che l'algoritmo ti spinga verso la musica tradizionale sarda o verso un artista di jazz sperimentale romano, anche se magari ti farebbe impazzire.

Cosa significa tutto questo per chi ascolta la radio

C'è qualcosa che le piattaforme algoritmiche non riescono ancora a replicare completamente: la voce umana che racconta. Una radio come Tutt Radio, o qualsiasi altra emittente che mette al centro la cura editoriale, offre qualcosa di diverso dalla playlist perfettamente calibrata sul tuo profilo. Offre sorpresa, contesto, storia.

Quando un conduttore ti presenta un brano, ti dice chi è l'artista, dove suona, cosa ha vissuto per scrivere quella canzone, stai ricevendo un'esperienza che nessun algoritmo, per quanto sofisticato, riesce ancora a darti in modo autentico. L'IA può dirti questo brano ha caratteristiche simili a quelli che ti piacciono, ma non può dirti questo artista ha scritto questa canzone dopo aver perso suo padre, e si sente in ogni nota.

Il futuro: collaborazione o sostituzione?

La direzione più interessante sembra essere quella della collaborazione tra intelligenza artificiale e curation umana. Alcune piattaforme stanno già sperimentando modelli ibridi, dove l'algoritmo fa una prima selezione e poi un editor umano affina e contestualizza. È una strada promettente, soprattutto per valorizzare la ricchezza della scena musicale italiana, che spesso fatica a emergere sui mercati internazionali proprio perché gli algoritmi globali tendono a privilegiare contenuti in inglese.

Per gli artisti italiani emergenti, la realtà è che oggi bisogna fare i conti con entrambi i mondi. Bisogna capire come funziona l'algoritmo, ottimizzare i metadati dei propri brani, cercare di entrare nelle playlist giuste. Ma bisogna anche costruire relazioni vere con il pubblico, suonare dal vivo, fare radio, raccontarsi.

Perché alla fine, la musica non è solo un insieme di frequenze e pattern sonori che un'intelligenza artificiale può catalogare e abbinare. È qualcosa di molto più difficile da quantificare. E forse è proprio per questo che, nonostante tutto, continueremo ad aver bisogno di qualcuno — umano — che ci dica: ascolta questa, fidati di me.