Facebook ha introdotto un nuovo sistema di raccomandazione per i Reels basato su intelligenza artificiale, che promette di rendere i suggerimenti video più pertinenti e personali.
Si chiama UTIS – User True Interest Survey, ed è un modello sviluppato dai team di Facebook Engineering per migliorare la qualità dei contenuti mostrati nel feed.
Il principio è semplice: non basta sapere quanto tempo guardiamo un video o se mettiamo un like; serve capire quanto davvero ci interessa.
UTIS si basa su brevi survey integrate nella piattaforma: ogni giorno, alcuni utenti vedono apparire la domanda “Quanto questo video rispecchia i tuoi interessi?”. Le risposte alimentano un modello che impara dai feedback reali, correggendo i limiti dei segnali di engagement tradizionali (come tempo di visione o condivisioni).
Il sistema entra in gioco in due momenti chiave:
- Selezione dei video: ricostruisce i profili di interesse reali degli utenti per proporre contenuti più coerenti;
- Classifica finale: aggiunge un punteggio basato sul “vero interesse” nel calcolo che decide l’ordine dei Reels mostrati.
Secondo gli ingegneri di Facebook, questo porta a una maggiore diversità dei contenuti e a una riduzione della visibilità dei video generici o virali.
Nei test condotti su oltre 10 milioni di utenti, il nuovo sistema ha migliorato la precisione e l’affidabilità delle raccomandazioni:
- Accuratezza +12 punti (dal 59,5% al 71,5%)
- Precisione +15 punti (dal 48,3% al 63,2%)
- Recall +21 punti (dal 45,4% al 66,1%)
In parallelo, Facebook ha registrato un +5,2% di engagement complessivo e un calo del 6,8% nelle valutazioni negative, con una lieve riduzione delle violazioni di integrità dei contenuti (-0,34%).
Facebook presenta questa evoluzione come un passo verso una personalizzazione più “umana”, in cui le persone non sono solo dati ma interlocutori diretti dell’algoritmo.
Eppure, il dubbio resta: un sistema costruito per aumentare la soddisfazione può davvero essere neutrale, o serve anche a trattenere meglio l’utente e migliorare le performance pubblicitarie?
L’obiettivo ufficiale è offrire contenuti “più rilevanti”, ma ogni miglioramento di pertinenza coincide, inevitabilmente, con un aumento del tempo passato sulla piattaforma.
Un equilibrio complesso, dove “umanizzare” il feed e “ottimizzare” il business restano due facce della stessa strategia.
Gli ingegneri spiegano che il prossimo passo sarà integrare modelli linguistici avanzati e una rappresentazione più granulare degli utenti, per migliorare ulteriormente la comprensione di gusti, contesto e diversità.
Resta da vedere se questo porterà a un’esperienza davvero più personalizzata — o semplicemente a un algoritmo più bravo a capire cosa ci tiene davanti allo schermo.
