IA · 23 settembre 2026 · 5 min di lettura
YouTube ridisegna la piattaforma: feed guidati da prompt e agenti IA per gestire i canali
In sintesi: All'evento annuale Made on YouTube, la sussidiaria di Alphabet ha presentato un doppio aggiornamento strategico basato sull'intelligenza artificiale generativa. Da un lato, gli utenti potranno costruire i propri feed personalizzati descrivendoli in linguaggio naturale grazie a Gemini; dall'altro, i creator avranno a disposizione agenti autonomi capaci di monitorare il catalogo storico, condurre test A/B dinamici su miniature e montaggi video e suggerire correzioni di ritmo prima della pubblicazione.
di Team Mocchi's
Per anni l'algoritmo di raccomandazione di YouTube è stato trattato come una scatola nera: un meccanismo opaco da assecondare o aggirare a colpi di titoli sensazionalistici e miniature iper-ottimizzate. Con l'edizione 2026 dell'evento annuale Made on YouTube, la piattaforma di Google ha impresso una svolta bilaterale al proprio modello di distribuzione. Da un lato ha delegato agli spettatori la possibilità di pilotare le raccomandazioni attraverso istruzioni testuali esplicite; dall'altro ha integrato nella suite per i creator un vero e proprio agente autonomo che automatizza il packaging, il testing e la monetizzazione dei contenuti.
L'algoritmo diventa un prompt: la svolta dei custom feed
La novità più evidente sul fronte del consumo è l'introduzione dei custom feeds. Come documentato da TechCrunch, gli utenti possono digitare all'interno di una barra di prompt che cosa desiderano vedere, descrivendo requisiti di durata, tono, argomenti o formati. Un utente può richiedere una selezione di podcast video da fruire durante un tragitto in treno di mezz'ora, oppure escludere determinati temi e privilegiare format distensivi.
Il sistema sfrutta il modello Gemini per interpretare la richiesta e assemblare un flusso dinamico di contenuti, fissandolo come scheda dedicata in cima alla home page. Questa scelta allinea YouTube a una tendenza già emersa su piattaforme alternative e reti decentralizzate, che cercano di superare il feed unico algoritmico restituendo all'utente il controllo sui filtri di fruizione, senza costringerlo a manipolare artificialmente la cronologia o i like.
Agenti autonomi in regia: dall'archivio all'A/B testing video
Se l'esperienza utente vira verso l'intenzionalità, la gestione dei canali si sposta decisamente sull'automazione predittiva. All'interno dell'applicazione YouTube Studio, l'assistente Ask Studio si trasforma in un agente proattivo operante in background. Secondo quanto riportato da The Verge, lo strumento monitora costantemente l'intero catalogo storico dei video, individuando contenuti passati che tornano d'interesse a causa delle tendenze del momento e proponendo in autonomia nuovi titoli o copertine per massimizzarne il rendimento.
L'ottimizzazione tocca direttamente anche la fase di montaggio e pubblicazione, come approfondisce TechCrunch:
- Analisi predittiva delle bozze: l'IA analizza i file non pubblicati e formula rilievi su ritmo narrativo, struttura e tenuta dell'attenzione.
- Test A/B multi-versione: oltre a distribuire dinamicamente fino a tre miniature diverse a segmenti differenti di pubblico, la piattaforma consentirà di testare fino a tre tagli differenti dello stesso video — con incipit o ganci distinti — promuovendo automaticamente la versione con il tempo di visualizzazione più alto dopo sette giorni.
- Dossier commerciali per sponsor: l'agente incrocia le metriche demografiche e i dati di fidelizzazione del canale per comporre presentazioni strutturate indirizzate ai brand.
Tra efficienza e autenticità: il confine sottile dell'automazione
L'introduzione di strumenti così pervasivi riaccende il confronto sui confini della produzione digitale. In un contesto in cui il pubblico manifesta crescente diffidenza verso i contenuti interamente sintetici, YouTube insiste sulla separazione tra automazione dei processi e paternità creativa. I vertici del prodotto hanno precisato che l'obiettivo è alleggerire il carico operativo dei creator — storicamente soggetti a burnout dovuti al ciclo continuo di pubblicazione — senza rimpiazzarne la voce o la scrittura.
Tuttavia, la convergenza tra un algoritmo addestrato a premiare specifici modelli di ritenzione e strumenti che correggono preventivamente i video per conformarsi a quegli stessi standard rischia di amplificare l'omologazione stilistica dei contenuti.
Il punto di Mocchi's
L'apertura degli algoritmi di raccomandazione a comandi in linguaggio naturale dimostra come le interfacce conversazionali stiano ridisegnando l'architettura stessa dei motori di ricerca e di scoperta dei contenuti. Per le aziende italiane che presidiano i canali digitali o sviluppano piattaforme editoriali proprietarie, questo passaggio impone di ripensare i metadati: non basta più ottimizzare parole chiave rigide, ma occorre strutturare contesti ricchi e semantici che i modelli linguistici possano interpretare con precisione. Al contempo, l'automazione dei test A/B sui video segnala che l'ottimizzazione continua non è più un'attività periodica svolta da team dedicati, ma una funzionalità nativa del software gestita da agenti autonomi.