Il paradosso della scarsità di informazione

Articolo a cura di Emanuele Brugnoli e D. Ruggiero Lo Sardo, ricercatori in Infosfera presso Sony CSL – Rome.

Essere sommersi da contenuti digitali significa davvero avere più informazione a disposizione? Forse il vero problema del nostro futuro non è sapere di più ma riuscire a capire quali sono le domande alle quali vale davvero la pena rispondere.

Nel corso del tempo, il concetto stesso di ricchezza è cambiato. In passato si concentrava soprattutto su ciò che era fisicamente raro e difficile da ottenere: l’oro, prima di tutto. Poi si è spostata verso ciò che era in grado di produrre e muovere energia: il petrolio, dal quale, nonostante i suoi enormi costi ambientali, continuiamo ancora a dipendere. Oggi, una parte crescente del valore economico si concentra invece sulla capacità di raccogliere, elaborare e possedere dati.

Le materie prime tradizionali (litio, petrolio, acqua, ma anche grano, rame o gas), sono tutte, in misura diversa, risorse limitate e quindi caratterizzate da una qualche forma di scarsità. La loro disponibilità, il loro prezzo e la capacità di controllarne l’estrazione e la distribuzione hanno da sempre un peso enorme sull’economia e sugli equilibri geopolitici.

L’informazione sembra invece essere l’esatto contrario di una risorsa scarsa: ne abbiamo troppa. È ovunque e ci raggiunge continuamente, soprattutto attraverso i nostri telefoni. Ogni secondo milioni di contenuti vengono pubblicati non solo da giornali e televisioni, ma anche da social network, istituzioni, aziende, influencer, amici e chatbot.

Questa abbondanza ci porta a una domanda fondamentale: che cosa intendiamo davvero per informazione?

Nel linguaggio comune, chiamiamo informazione quasi qualsiasi contenuto che riceviamo: una notizia, un post, un video, un messaggio, un’immagine. Nel 1948, però, Claude Shannon propose un modo molto diverso e sorprendentemente potente di definire l’informazione: non come sinonimo di conoscenza, verità o cultura, ma come riduzione dell’incertezza [1].

Da questa prospettiva, l’enorme quantità di contenuti che ci circonda acquista un significato diverso. Un contenuto può essere molto lungo, elaborato o coinvolgente senza necessariamente ridurre la nostra incertezza. Al contrario, una semplice risposta può contenere molta informazione se ci permette di escludere rapidamente molte possibilità.

È qui che emerge il paradosso dell’era digitale: abbiamo una quantità quasi inesauribile di contenuti, ma la vera informazione, quella capace di ridurre l’incertezza, non è affatto infinita. Anzi, più aumenta il volume dei contenuti, più diventa importante la capacità di riconoscere ciò che è realmente informativo [2].

Questo è esattamente quello che Shannon ci aiuta a capire: l’informazione non si misura in base a quanto un contenuto è grande, interessante o autorevole, ma in base a quanta incertezza riesce a eliminare. La misura fondamentale è il bit, ovvero la quantità di informazione necessaria per risolvere l’incertezza tra due possibilità ugualmente probabili. Sembra astratto, ma in realtà è una cosa molto concreta. Immaginiamo di giocare a un gigantesco “Indovina chi?” con un milione di personaggi. Una domanda sì/no ben scelta può, idealmente, dimezzare il numero delle possibilità. Per esempio: “Porta gli occhiali?”. Se metà dei personaggi li porta e metà no, con una sola risposta escluderemo metà dei personaggi, passando da un milione a 500.000 possibilità. Scegliendo opportunamente anche le domande successive, passeremo poi a 250.000, 125.000 e così via. Dopo venti domande avremo quindi diviso un milione per 2²⁰, ottenendo un numero vicino a 1. In altre parole, con venti domande appropriate possiamo, almeno in teoria, arrivare a individuare con certezza il personaggio misterioso.

Una questione di selezione

Il problema non è quindi che non riceviamo abbastanza risposte. Al contrario: ne riceviamo continuamente. Internet ha risolto, in larga parte, il problema della produzione e della distribuzione dei contenuti. Possiamo accedere a una quantità di informazioni impensabile fino a pochi decenni fa. Ma non possiamo leggerle tutte, e allora dobbiamo selezionare. Il punto è che non selezioniamo tutto da soli: prima di noi lo fanno gli algoritmi, i giornali, le istituzioni, gli influencer. Ogni sistema informativo decide, esplicitamente o implicitamente, che cosa merita di arrivare fino a noi [3].

Qui emerge però una differenza sostanziale. La teoria dell’informazione ci dice che una buona informazione è quella che riduce l’incertezza. Le piattaforme digitali, invece, sono progettate con un obiettivo in parte diverso: catturare la nostra attenzione. Il criterio di successo diventa così spesso l’engagement: clic, visualizzazioni, condivisioni, commenti, tempo di permanenza. 

Questo, di per sé, non rappresenta necessariamente un male: l’intrattenimento è una funzione legittima della comunicazione. Il problema nasce quando confondiamo un sistema progettato per intrattenerci con un sistema progettato per aiutarci a capire. Perché ciò che cattura la nostra attenzione non coincide necessariamente con ciò che riduce la nostra incertezza. E questo diventa ancora più evidente quando il sistema impara da noi: se continuiamo a guardare un certo tipo di contenuto, a commentarlo, a condividerlo o semplicemente a soffermarci sopra, la piattaforma registra queste reazioni e le usa per prevedere che cosa potrebbe interessarci la prossima volta.

I social media stanno diventando la principale porta di accesso alle notizie e all’informazione per una parte crescente della popolazione. Il Digital News Report del Reuters Institute documenta da anni questo spostamento verso piattaforme e social come luoghi nei quali le persone scoprono e consumano notizie [4].

Figura 1. Quota di adulti italiani che dichiara di aver usato ciascuna fonte per informarsi nell’ultima settimana, 2013–2026. La televisione resta la fonte più diffusa ma perde 23 punti dal picco del 2017; la stampa scende dal 59% all’11%; i social media (comprese le reti video come YouTube e TikTok) risalgono al 45% nel 2026, con un aumento di 6 punti in un anno. Fonte: Reuters Institute, Digital News Report 2026 [4].

Ma interessante non significa necessariamente informativo. E soprattutto, ciò che ci interessa non coincide necessariamente con ciò che ci serve per prendere una buona decisione.

Dalla selezione alla polarizzazione

Quando siamo noi a selezionare l’informazione, non partiamo mai da zero. Abbiamo convinzioni, appartenenze,  ed esperienze precedenti che ci portano a dare più credito a ciò che proviene da persone che percepiamo come parte del nostro gruppo, e a essere più diffidenti verso ciò che arriva dall’esterno [5]. L’ingroup bias non è una peculiarità dell’era dei social, ma un fenomeno studiato da decenni dalla psicologia sociale [6].

Figura 2. Quota di adulti italiani che dichiara di fidarsi “in generale” di ciascuna testata, distinguendo chi si colloca a sinistra e chi a destra su una scala da 0 a 6. Le stesse testate raccolgono livelli di fiducia molto diversi nei due gruppi: Mediaset è considerata affidabile dal 65% di chi si colloca a destra e dal 30% di chi si colloca a sinistra; per La Repubblica il rapporto si rovescia (68% contro 44%). Il credito che diamo a una fonte dipende, in parte, da quanto la percepiamo come parte del nostro gruppo. Fonte: Pew Research Center, indagine telefonica ottobre–dicembre 2017 [24].

I sistemi informativi digitali possono però amplificarne gli effetti. Se un sistema deve decidere quale contenuto mostrarci per catturare la nostra attenzione e farci restare, una delle informazioni più preziose che può avere su di noi è proprio ciò a cui abbiamo prestato attenzione in passato [7]. Da queste tracce il sistema ricava le nostre preferenze e affina progressivamente le proprie previsioni; noi, a nostra volta, ci troviamo sempre più esposti a contenuti selezionati sulla base di ciò che abbiamo guardato, letto o ascoltato prima [8]. Si innesca così un processo di apprendimento reciproco: le nostre reazioni orientano ciò che il sistema ci mostra, e ciò che il sistema ci mostra influenza le nostre reazioni successive.

Non è quindi necessario che qualcuno abbia deciso di radicalizzarci: è sufficiente che il sistema sia molto bravo a prevedere ciò a cui presteremo attenzione. Il rischio è che questo processo non ci porti semplicemente a ricevere più informazioni su ciò che già ci interessa. Finisce anche per ridurre la nostra esposizione a ciò che solitamente ignoriamo, ma che potrebbe essere importante conoscere [9].

È qui che la polarizzazione diventa anche un problema di informazione. Una società polarizzata, infatti, non è soltanto una società in cui le persone danno risposte diverse alle stesse domande. È una società in cui persone appartenenti a gruppi diversi finiscono per confrontarsi con informazioni diverse, porsi domande diverse e, in alcuni casi, arrivare persino a considerare illegittime le domande dell’altro gruppo [10].

Torniamo al nostro gigantesco “Indovina chi?”. Immaginiamo di avere a disposizione tutte le venti domande, ma di escludere alcune in anticipo, non perché siano inutili, ma perché non ci piacciono le possibili risposte. Potremmo così eliminare proprio le domande più utili a restringere lo spazio delle possibilità e, pur avendo a disposizione un numero sufficiente di domande, rinunciare a una parte dell’informazione necessaria per scoprire il personaggio misterioso.

La polarizzazione, in questo senso, può tradursi in un impoverimento dello spazio delle domande [11, 12]. E questo diventa particolarmente problematico quando dobbiamo prendere decisioni che hanno conseguenze concrete, e non semplicemente formarci un’opinione [13].

Quando la realtà non può essere polarizzata

Prendiamo Roma e l’estate appena trascorsa. Non abbiamo bisogno di un grafico o di un indicatore sintetico per renderci conto di quanto sia stata torrida. Lo abbiamo percepito direttamente: sulla pelle, nelle notti sempre più difficili da sopportare, nella sofferenza delle piante, nel calore restituito dalle superfici della città.

E allora diventa naturale chiedersi quanto conti, nella qualità della vita urbana, il modo in cui progettiamo lo spazio pubblico [14]. Quanta ombra produciamo? Quanta vegetazione conserviamo? Quanta ne aggiungiamo? Quali materiali utilizziamo?

Sono domande urbanistiche, certo, ma prima ancora sono domande informative. Perché sul cambiamento climatico non siamo davanti a una mancanza di evidenze. Al contrario, abbiamo decenni di osservazioni, modelli, satelliti, serie storiche, misure atmosferiche e pubblicazioni scientifiche che documentano il riscaldamento globale, i suoi effetti e le possibili strategie di mitigazione e adattamento [15].

Eppure, sapere non sembra essere sufficiente. Tra conoscere un problema e riuscire a trasformare quella conoscenza in una decisione collettiva si apre uno spazio enorme, nel quale entrano in gioco interessi economici e politici radicati. Per decenni, interi settori industriali hanno costruito il proprio business sui combustibili fossili, e intervenire su infrastrutture energetiche, sistemi produttivi, mobilità e consumi significherebbe modificare enormi flussi di capitale e mettere in discussione assetti economici consolidati. 

È quindi ingenuo pensare che una trasformazione di questa portata non produca conflitti di interesse e resistenze. Sarebbe però altrettanto semplicistico attribuire il problema soltanto agli altri. La polarizzazione non è soltanto istituzionale o politica: riguarda anche il modo in cui noi stessi consumiamo informazione. Siamo diventati, in qualche misura, sistemi di selezione: scegliamo ciò che leggiamo, ciò che guardiamo, ciò a cui reagiamo, ciò che ignoriamo [16].

E così può accadere qualcosa di paradossale: una questione che riguarda il funzionamento fisico del pianeta finisce dentro le stesse dinamiche con cui discutiamo di appartenenza politica, identità e opinioni.

Il termometro, però, non è di destra o di sinistra. Un albero non vota, una superficie di cemento non ha un’opinione e una notte tropicale non è un’opinione. La realtà fisica non cambia perché un gruppo la riconosce e l’altro la rifiuta. A cambiare sono le domande che ci poniamo, le informazioni a cui prestiamo attenzione e le decisioni che prendiamo di fronte a quella realtà. Il problema è  quindi più profondo del semplice distinguere un contenuto affidabile da una fake news [17]: riguarda le domande che siamo disposti a porci.

Figura 3. Corrado Guzzanti nei panni di Quelo, il santone new age nato nel 1997 durante il Pippo Chennedy Show. Di fronte a domande esistenziali dei suoi fedeli, Quelo liquida il problema con una formula tanto semplice quanto efficace: «La domanda è mal posta». E così una domanda scomoda o troppo grande viene sostituita con una più semplice, innocua, già orientata verso una risposta accettabile: “Forse tu volevi chiedermi che ore sono?” Quelo è, in fondo, l’emblema del problema di decidere a priori quali domande non possono essere fatte. Non perché siano inutili, ma perché non ci piacciono le possibili risposte.

Le scorciatoie non sono il nemico

La nostra mente si è adattata a un ambiente nel quale la scarsità di informazione era un problema. Oggi siamo dentro un ambiente nel quale il problema sembra essere l’opposto: abbiamo troppi segnali e troppo poco tempo per capire quali meritano davvero la nostra attenzione [18, 19].

Per decidere utilizziamo quindi le cosiddette euristiche: scorciatoie cognitive che ci permettono di prendere decisioni senza dover elaborare esplicitamente tutte le informazioni disponibili [20]. La ricerca sulle euristiche suggerisce che affidarsi a queste scorciatoie non conduce necessariamente ad errori. Anzi, in determinati ambienti e in presenza di informazioni affidabili, può essere una strategia efficace, talvolta persino preferibile a un’elaborazione più complessa [21, 22]. Un medico che utilizza un indicatore rapido in un contesto che conosce bene può prendere una decisione corretta e tempestiva. Ma la stessa logica può diventare molto meno affidabile in un ambiente digitale progettato per massimizzare l’engagement. Pensiamo, per esempio, alla scorciatoia “se lo condividono tutti quelli del mio gruppo, allora sarà vero”. In un ambiente nel quale ciò che vediamo è già il risultato di una selezione algoritmica, questa regola rischia di trasformare la familiarità in una prova di verità [23].

Informare non significa convincere

Dovremmo inoltre liberare il concetto di informazione da un equivoco: informare non significa convincere qualcuno che abbiamo ragione. Se produciamo un contenuto con l’obiettivo di “battere” l’altro gruppo, non stiamo cercando di ridurre l’incertezza, ma di affermare una posizione.

Un buon sistema informativo dovrebbe invece permettere a persone che partono da posizioni diverse di aumentare almeno una cosa in comune: la quantità di realtà che sono disposte a condividere.

Non significa eliminare il conflitto. Il conflitto è inevitabile e spesso utile [24].

Significa creare uno spazio nel quale alcune domande siano più importanti delle appartenenze. Quanto si è scaldata questa città? Quanto verde abbiamo perso? Quanto ne possiamo creare? Quali materiali accumulano più calore? Quali interventi funzionano davvero? Quanto costano? Chi ne beneficia? Chi ne sostiene il costo?

Queste sono domande che riducono l’incertezza, ed è da qui che l’informazione dovrebbe partire.

La materia prima che dobbiamo imparare a estrarre

Abbiamo costruito un’economia straordinariamente efficiente nell’estrazione delle materie prime tradizionali. Ora dobbiamo imparare a estrarre informazione dal rumore. Se l’informazione è ciò che riduce l’incertezza, prima ancora di cercare le risposte dobbiamo essere capaci di formulare le domande giuste. Questo richiede di ripensare anche il design degli algoritmi di raccomandazione, introducendo criteri che non siano orientati soltanto a massimizzare l’attenzione, ma anche a preservare l’accesso a informazioni diverse e rilevanti [25].

Oggi le nostre preferenze alimentano continuamente il sistema, producendo un feedback che tende a mostrarci altro di ciò a cui abbiamo già prestato attenzione. Potremmo invece immaginare sistemi capaci di introdurre nel circuito anche ciò che ancora non vediamo, compresi contenuti che ci portino a porci domande che non avevamo ancora considerato. Il feedback, in questo senso, non dovrebbe limitarsi a rafforzare ciò che già sappiamo o ciò che già ci interessa, ma aiutarci a mantenere uno spazio comune di informazioni e domande, necessario per riconoscere norme condivise e prendere decisioni che richiedono il contributo di tutti.

Una decisione, infatti, produce conseguenze che possono essere osservate, misurate e trasformate in nuove informazioni, riaprendo il ciclo. Il sistema informativo diventerebbe così parte del processo decisionale: non un semplice strumento di autosegregazione informativa, ma un sistema capace di aumentare la conoscenza, migliorare la comprensione del mondo e permettere di correggere le decisioni alla luce dei loro effetti. È particolarmente importante per problemi come il cambiamento climatico, nei quali le soluzioni richiedono il contributo di soggetti diversi e non possono essere affidate a una singola decisione imposta dall’alto.

Il problema non è quindi produrre altri contenuti o accumulare altri dati, ma capire quali domande vale la pena porsi, quali informazioni riducono davvero la nostra incertezza e come farle arrivare oltre il rumore delle appartenenze. La vera materia prima scarsa, allora, potrebbe essere questa: informazione che riesce a diventare decisione.

È questa la direzione in cui dovremmo ripensare i nostri sistemi informativi: non soltanto strumenti capaci di produrre e distribuire contenuti, ma ambienti progettati per aiutarci a porre domande migliori, ridurre l’incertezza e capire quali conseguenze hanno le nostre scelte. Il loro valore non si misurerebbe quindi soltanto dalla quantità di attenzione che riescono a catturare, ma dalla qualità delle decisioni che quell’attenzione rende possibili.

E per un cittadino, forse, una domanda ancora più semplice: quello che sto guardando mi sta davvero facendo capire qualcosa che prima non sapevo? Se la risposta è no, forse non stiamo consumando informazione. Stiamo semplicemente consumando attenzione. E quella, più di qualsiasi altra materia prima, non è infinita.

Riferimenti

1. Shannon, C. E. (1948). A Mathematical Theory of Communication. Bell System Technical Journal, 27(3), 379–423. https://doi.org/10.1002/j.1538-7305.1948.tb01338.x
2. Cinelli, M., Quattrociocchi, W., Galeazzi, A. et al. (2020). The COVID-19 social media infodemic. Scientific Reports, 10, 16598. https://doi.org/10.1038/s41598-020-73510-5
3. Galeazzi, A., Peruzzi, A., Brugnoli, E. et al. (2024). Unveiling the hidden agenda: Biases in news reporting and consumption. PNAS Nexus, 3(11), pgae474, https://doi.org/10.1093/pnasnexus/pgae474
4. Reuters Institute for the Study of Journalism (2026). Digital News Report 2026. University of Oxford. https://reutersinstitute.politics.ox.ac.uk/digital-news-report/2026
5. Brugnoli, E., Cinelli, M., Quattrociocchi, W. et al. (2019). Recursive patterns in online echo chambers. Scientific Reports, 9, 20118. https://doi.org/10.1038/s41598-019-56191-7
6. Tajfel, H., Turner, J. C. (1979). An integrative theory of intergroup conflict. In W. G. Austin & S. Worchel (a cura di), The Social Psychology of Intergroup Relations (pp. 33–47). Brooks/Cole.
7. Milli, S., Carroll, M., Wang, Y. et al. (2025). Engagement, user satisfaction, and the amplification of divisive content on social media. PNAS Nexus, 4(3), pgaf062. https://doi.org/10.1093/pnasnexus/pgaf062
8. Cinelli, M., De Francisci Morales, G., Galeazzi, A. et al. (2021). The echo chamber effect on social media. PNAS, 118(9), e2023301118. https://doi.org/10.1073/pnas.2023301118
9. Pariser, E. (2011). The Filter Bubble: What the Internet Is Hiding from You. Penguin Press. (Trad. it.: Il filtro, Il Saggiatore, 2012.)
10. Iyengar, S., Lelkes, Y., Levendusky, M. et al. (2019). The origins and consequences of affective polarization in the United States. Annual Review of Political Science, 22, 129–146. https://doi.org/10.1146/annurev-polisci-051117-073034
11. Bellina, A., Lo Sardo, D. R., Brugnoli, E. et al. (2025). Language bubbles in online social networks. arXiv:2507.13068. https://arxiv.org/abs/2507.13068
12. Lo Sardo, D. R., Brugnoli, E., Ubaldi, E. et al. (2024). From trust in news to disagreement: is misinformation more controversial? arXiv:2401.12053. https://arxiv.org/abs/2401.12053
13. Falkenberg, M., Galeazzi, A., Torricelli, M. et al.  (2022). Growing polarization around climate change on social media. Nature Climate Change 12, 1114–1121. https://doi.org/10.1038/s41558-022-01527-x 
14. Marzolla, F., Bruno, M., Monteiro Melo, H. P. et al. (2026). Compact 15-minute cities exhibit lower carbon intensity in urban transport. Cities, 176. https://doi.org/10.1016/j.cities.2026.107202 
15. IPCC (2023). Climate Change 2023: Synthesis Report. Contribution of Working Groups I, II and III to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change. IPCC, Ginevra. https://doi.org/10.59327/IPCC/AR6-9789291691647
16. Stroud, N. J. (2010). Polarization and partisan selective exposure. Journal of Communication, 60(3), 556–576. https://doi.org/10.1111/j.1460-2466.2010.01497.x
17. Lazer, D. M. J., Baum, M. A., Benkler, Y., et al. (2018). The science of fake news. Science, 359(6380), 1094–1096. https://doi.org/10.1126/science.aao2998
18. Simon, H. A. (1971). Designing organizations for an information-rich world. In M. Greenberger (a cura di), Computers, Communications, and the Public Interest (pp. 37–72). Johns Hopkins Press.
19. Lorenz-Spreen, P., Mønsted, B. M., Hövel, P. et al. (2019). Accelerating dynamics of collective attention. Nature Communications, 10, 1759. https://doi.org/10.1038/s41467-019-09311-w
20. Tversky, A., Kahneman, D. (1974). Judgment under uncertainty: heuristics and biases. Science, 185(4157), 1124–1131. https://doi.org/10.1126/science.185.4157.1124
21. Gigerenzer, G., Gaissmaier, W. (2011). Heuristic decision making. Annual Review of Psychology, 62, 451–482. https://doi.org/10.1146/annurev-psych-120709-145346
22. Green, L., Mehr, D. R. (1997). What alters physicians’ decisions to admit to the coronary care unit? Journal of Family Practice, 45(3), 219–226. https://pubmed.ncbi.nlm.nih.gov/9300001/
23. Pennycook, G., Cannon, T. D., Rand, D. G. (2018). Prior exposure increases perceived accuracy of fake news. Journal of Experimental Psychology: General, 147(12), 1865–1880. https://doi.org/10.1037/xge0000465
24. Mercier, H., Sperber, D. (2011). Why do humans reason? Arguments for an argumentative theory. Behavioral and Brain Sciences, 34(2), 57–74. https://doi.org/10.1017/S0140525X10000968
25. Brugnoli, E., Lo Sardo, D. R., Prevedello, G. (2026). Taiwa: Moral Values for Prosocial Out-Group Recommendations. In: Osman, N., Abbo, G. A., Marcos-Vidal, L. (eds) Value Engineering in Artificial Intelligence. VALE 2026, 133–143. https://vale2026.iiia.csic.es/pre-proceedings