L'ascesa degli algoritmi controllati dagli utenti: una nuova era per i social media
L'era dei motori di raccomandazione a "scatola nera" sta volgendo al termine, mentre i giganti dei social media iniziano a restituire il volante agli utenti. Integrando l'IA avanzata e i Large Language Models (LLM), le piattaforme stanno trasformando i feed passivi in esperienze altamente personalizzabili e guidate dall'utente.
Dal consumo passivo all'addestramento attivo
Per anni, i sistemi di raccomandazione hanno funzionato secondo un modello di trasmissione "universale", in cui gli utenti avevano scarse possibilità di intervento oltre a un semplice pulsante "Non mi interessa". Tuttavia, sta avvenendo un cambiamento fondamentale: i social media si stanno spostando verso un modello simile ai servizi di streaming, in cui gli utenti agiscono come curatori dei propri ambienti digitali. Questa evoluzione è guidata dalla necessità di aumentare il coinvolgimento garantendo contenuti iper-rilevanti, rispondendo al contempo alla crescente domanda di trasparenza e autonomia da parte degli utenti.
Threads e Instagram: sfruttare gli LLM per la personalizzazione
Meta sta guidando questa carica utilizzando gli LLM per rendere i complessi modelli di classificazione più interpretabili e controllabili. Threads è passato dal suo strumento sperimentale "Dear Algo" — che richiedeva agli utenti di pubblicare post pubblici per segnalare i propri interessi — alla funzione più discreta "Your Algo", lanciata nel luglio 2026. Gli utenti possono ora richiedere privatamente contenuti specifici, come "più baseball" o "meno notizie stressanti", con la possibilità di impostare la durata di tali preferenze per uno, tre o sette giorni.
Instagram ha seguito una traiettoria di trasparenza simile. Dopo il rilascio per i Reels nel dicembre 2025, lo strumento "Your Algorithm" è ora disponibile nel feed principale, in Esplora e nei Reels. Secondo il responsabile di Instagram, Adam Mosseri, gli LLM sono il fattore differenziante chiave; permettono al sistema di spiegare perché viene visualizzato un certo contenuto e consentono agli utenti di comunicare le preferenze attraverso il linguaggio naturale, rendendo la tecnologia sottostante molto più accessibile all'utente medio.
TikTok: controllo granulare e filtraggio delle parole chiave tramite IA
TikTok continua a perfezionare il suo strumento "Manage Topics", consentendo agli utenti di affinare il proprio feed "Per te" tramite un meccanismo a scorrimento. Gli utenti possono regolare il peso di categorie come viaggi, umorismo o attualità per determinare quanto di quel contenuto debba apparire.
To add a deeper layer of technical sophistication, TikTok introduced AI-powered "Smart Keyword Filters" in 2025. This feature moves beyond simple word-matching; it uses semantic understanding to identify synonyms and related concepts. For example, if a user filters out "remodeling," the AI intelligently suppresses content related to "renovation" or "renovations," ensuring a more seamless and effective user experience.
Why This Matters for the AI Landscape
This shift marks a significant milestone in the deployment of consumer-facing AI. We are seeing a move away from purely predictive AI—which guesses what a user wants—toward collaborative AI, where the human and the machine work in tandem to shape an output. For developers and founders, this underscores a growing trend: the most successful AI implementations will be those that prioritize user agency and provide clear, actionable interfaces for human-in-the-loop customization.
Key Takeaways
- Semantic Control: Platforms like TikTok are using AI to move beyond keyword blocking to semantic filtering, understanding the intent and synonyms behind user preferences.
- LLM Integration: Instagram is utilizing Large Language Models to bridge the gap between complex ranking algorithms and user understanding, allowing for more intuitive feed customization.
- Temporal Preferences: Threads is introducing time-bound algorithmic adjustments, allowing users to temporarily shift their content consumption patterns without permanent profile changes.