Internet continua a porsi una domanda sollevata dal successo country da record di Ella Langley: com'è possibile che una canzone che molte persone dicono di non aver mai sentito, di una cantante che non conoscevano, sia rimasta più a lungo al numero 1 di qualsiasi altra nella storia di 68 anni della Billboard Hot 100?

"Choosin' Texas" di Langley è rimasta in cima alla classifica per 24 settimane, superando il record di 22 settimane di "All I Want for Christmas Is You" di Mariah Carey. Il brano natalizio di Carey è un appuntamento stagionale che torna nel dibattito pubblico ogni inverno. La corsa di Langley è terminata nella classifica datata 10 ottobre, quando "Patient Zero" di Taylor Swift ha debuttato al numero 1. Secondo Billboard e il servizio di Billboard sul debutto di Swift, la canzone di Carey, che in genere torna al numero 1 ogni dicembre, avrebbe bisogno di altre tre settimane in cima per riconquistare il record.

Eppure, solo il 24% degli ascoltatori musicali statunitensi sapeva chi fosse Ella Langley nel secondo trimestre del 2026, secondo Luminate, società di dati e ricerche sul settore dell'intrattenimento che ha condiviso i dati con Fortune. La sua notorietà era salita dal 13% del quarto trimestre del 2025 e dal 17% del primo trimestre del 2026, ma raggiungeva comunque meno di un ascoltatore su quattro.

Un successo al numero 1, in altre parole, può ancora lasciare gran parte del pubblico a chiedersi: "Ma chi è?". Il diviso solleva una domanda più ampia: che fine ha fatto la monocultura?

La monocultura si riferisce a un insieme condiviso di riferimenti culturali—le canzoni, le serie televisive e i film che si potevano dare per noti agli altri, indipendentemente dai gusti personali. Più di recente, i critici hanno usato il termine anche in un senso quasi opposto, per descrivere come gli algoritmi e l'intelligenza artificiale possano appiattire la cultura in un'uniformità.

Condividere i riferimenti era più facile quando gran parte di ciò che le persone guardavano e ascoltavano arrivava attraverso un numero ridotto di reti televisive, radio e MTV. I guardiani dell'industria decidevano cosa raggiungeva il grande pubblico. Non serviva essere fan per sapere di cosa parlava tutti.

Quell'audience condivisa non ha mai incluso tutti, e ha iniziato a frammentarsi prima ancora di TikTok. Ma i feed personalizzati hanno portato la divisione oltre: ciò che arriva a un utente dipende sempre più da ciò che il sistema di una piattaforma ritiene che quella specifica persona voglia vedere. Fortune ha esaminato in precedenza il tra algoritmi, IA e monocultura in un servizio separato.

Il circolo di feedback in azione

TikTok sottolinea la personalizzazione del suo feed "Per te". Come spiega l'azienda nella sua descrizione del funzionamento dei consigli, "non esiste un unico feed Per te".

Per esempio, un utente potrebbe guardare un video di un concerto di Olivia Rodrigo e poi avere la sensazione che uno video su cinque mostri un altro clip della cantante. TikTok afferma che il suo sistema tiene conto di ciò che gli utenti mettono like e condividono, di chi seguono e se guardano un video fino alla fine. Valuta anche i video stessi, inclusi sottotitoli, suoni ed hashtag. Vengono considerati anche le preferenze linguistiche, l'impostazione del paese e il tipo di dispositivo, anche se TikTok dice che questi fattori hanno un peso minore.

Insieme, questi segnali aiutano il sistema a decidere quali contenuti meritano maggiore attenzione da parte dell'utente. TikTok dice inoltre di cercare di mantenere la varietà, ad esempio evitando in generale due video consecutivi che usino lo stesso suono o provengano dallo stesso creatore.

Negli Stati Uniti, il sistema di consigli è ora supervisionato dalla joint venture sostenuta da Oracle che ha rilevato le operazioni americane di TikTok a gennaio. La joint venture ha dichiarato che riaddestrerà l'algoritmo di consigli usando i dati degli utenti statunitensi. Fortune ha riportato l'accordo di proprietà in dicembre 2025.

Se si continua a guardare un certo tipo di contenuto, l'algoritmo potrebbe continuare a mostrarne altro. I ricercatori hanno osservato questo circolo di feedback in uno studio pubblicato su EPJ Data Science a febbraio. I ricercatori hanno testato il feed Per te di TikTok con account automatizzati programmati su interessi diversi.

Lo studio ha rilevato che TikTok consigliava sempre più video corrispondenti a quegli interessi, con il rinforzo che in genere iniziava entro i primi 200 video visti. I feed mantenevano una certa varietà, ma quanto più gli interessi di un account venivano amplificati, tanto minori hashtag distinti incontrava. Gli esperimenti sono stati condotti nel 2024, prima del cambio di proprietà statunitense di TikTok. Lo studio è disponibile tramite Springer.

I risultati aiutano a spiegare perché una persona possa credere che un argomento stia dominando internet, mentre il vicino riceve un feed completamente diverso e non capisce di cosa si stia parlando.

Anche gli utenti possono restringere le proprie selezioni. TikTok e altre piattaforme offrono controlli come l'impostazione "Gestisci argomenti" di TikTok, che consente di indicare quali temi si vogliono vedere più o meno. I dettagli sulla funzione sono stati riportati da TechCrunch.

Osservati da ogni lato

Le informazioni usate per personalizzare un feed possono arrivare anche dall'esterno dell'app. Meta ha annunciato a giugno che avrebbe utilizzato le informazioni condivise con lei da altre aziende, compresi gli acquisti effettuati su altri siti web, per personalizzare i feed degli utenti e le risposte dell'IA—non solo la pubblicità.

L'esempio di Meta era semplice: chi acquista una tenda online potrebbe iniziare a vedere più Reel legati al campeggio. Gli utenti possono gestire questa tramite un'impostazione chiamata "Attività di altre aziende", secondo l'annuncio dell'azienda.

Ciò che gli utenti guardano e ciò che acquistano possono entrambi alimentare il calcolo, modellando un angolo di internet su misura per ciascuno.

Non tutti accolgono con favore questa comodità. Lo scrittore del New Yorker Kyle Chayka ha dedicato un libro alle sue preoccupazioni, Filterworld: How Algorithms Flattened Culture.

"Queste piattaforme e questi feed digitali promettono una sorta di grande esperienza comunitaria… ma penso che in realtà stiano atomizzando le nostre esperienze, perché non possiamo mai sapere cosa stanno vedendo gli altri nei loro feed", ha dichiarato Chayka a Fresh Air di NPR nel 2024. L'intervista è disponibile su NPR.

Chayka ha sostenuto che questa frammentazione toglie parte della gioia dall'arte e rende più difficile per le persone entusiasmarsi per le stesse cose. Sistemi di consigli più sofisticati potrebbero lasciarci in bolle separate. Ma la tensione resta: se qualcosa non interessa a una persona, dovrebbe apparire nel suo feed solo per creare un'esperienza culturale condivisa? E se un contenuto non raggiunge mai qualcuno, come potrebbe sapere se gli sarebbe piaciuto?

Questa storia è stata originariamente pubblicata su Fortune.com.