overtourism digitale

Turismo, i chatbot indicano tutti le stesse mete: i rischi per i territori


Indirizzo copiato

Uno studio dell’Università di Aveiro su 420 risposte di dieci sistemi di intelligenza artificiale rivela la concentrazione dei consigli di viaggio su poche mete, persino nelle ricerche sul turismo sostenibile. L’overtourism digitale può favorire squilibri tra destinazioni, imprese e residenti, un rischio affrontato anche dalla Commissione europea

Pubblicato il 20 nov 2026

Maurizio Carmignani

Founder & CEO – Management Consultant, Trainer & Startup Advisor



Riassumi questo articolo
Approfondisci con altre fonti
turismo digitale




Chiedere a un chatbot dove andare in vacanza può produrre decine di destinazioni. Eppure, quando si ripete la domanda a sistemi diversi, le mete suggerite tendono a essere le stesse. Uno studio condotto su 420 risposte di intelligenza artificiale descrive così un possibile nuovo fattore di concentrazione del turismo: gli assistenti digitali indirizzano l’attenzione verso località già note, lasciando in secondo piano altre aree che avrebbero interesse ad attrarre visitatori.

La questione supera la scelta delle vacanze. La visibilità digitale può condizionare la distribuzione della spesa turistica fra alberghi, ristoranti, trasporti e attività locali. Per i territori già sovraffollati cresce il rischio di ulteriori pressioni su servizi e residenti; per le destinazioni meno conosciute, quello di restare escluse proprio dai nuovi canali che dovrebbero ampliare le possibilità di scoperta. I ricercatori chiamano questo fenomeno digital overtourism: la concentrazione dei suggerimenti turistici prima ancora che qualcuno parta.

Maryam Najafi e Carlos Costa, dell’Università di Aveiro in Portogallo, hanno pubblicato il 1° aprile 2026 sulla rivista Current Issues in Tourism lo studio Digital overtourism in AI travel recommendations: evidence from a comparative analysis. Hanno rivolto 14 domande di viaggio a dieci sistemi AI, ripetendo ciascuna domanda tre volte. Nel campione compaiono ChatGPT, Gemini, DeepSeek, Copilot, Grok, Perplexity, modelli Meta e Mistral e strumenti specializzati come Trip.com e Kayak. Le domande riguardavano mete estive, luoghi poco affollati, esperienze culturali e turismo sostenibile.

Overtourism digitale: cosa emerge dalle 420 risposte dei chatbot

La ricerca misura le località nominate, non le persone che poi acquistano un viaggio. Il risultato è comunque eloquente: chiedendo mete sostenibili in Europa, i chatbot citano complessivamente 70 destinazioni diverse, ma le prime dieci assorbono il 52,7% delle menzioni. Cercando alternative a Santorini, le località nominate sono 44: le prime cinque raccolgono il 47,2% delle citazioni e le prime dieci il 65,6%. I risultati cambiano con la domanda: nelle richieste esplicite di turismo di comunità le dieci mete più ricorrenti pesano il 22,3%.

0% delle menzioni100% delle menzioni
Alternative a Santorini65,6%
Turismo sostenibile in Europa52,7%
Consigli generici per l’estate36,0%
Turismo di comunità22,3%
La concentrazione delle raccomandazioni turistiche dell’AI. Quota delle menzioni attribuita alle dieci mete più ricorrenti in ogni domanda. Ogni scenario è basato su 30 risposte di dieci sistemi AI interrogati tre volte. Percentuali arrotondate a un decimale.

Fonte: Maryam Najafi e Carlos Costa, Current Issues in Tourism (2026), tabella 2

Quando si chiede di evitare Santorini, ad esempio, gli assistenti tendono a suggerire altre isole delle Cicladi, tra cui Milos e Naxos. La scelta cambia, ma resta spesso nello stesso circuito turistico. E quando la richiesta è orientata alla sostenibilità, i chatbot accompagnano le mete proposte con parole come “ecologico” o “responsabile”, senza che la raccomandazione sia necessariamente fondata su dati aggiornati sulla capacità del territorio di accogliere altri visitatori.

Per gli autori, il meccanismo dipende dall’ambiente informativo da cui i sistemi ricavano e organizzano le risposte. Le destinazioni più raccontate, recensite e citate sul web hanno una presenza digitale maggiore; questa presenza le rende più probabili nelle raccomandazioni. Se i viaggiatori seguono i suggerimenti e producono a loro volta recensioni, foto e contenuti, la gerarchia di visibilità può rafforzarsi. Lo studio descrive questo circuito di amplificazione, senza misurare ancora la sua intensità nelle prenotazioni effettive.

Chi guadagna e chi perde quando l’AI decide quali mete mostrare

Per un territorio la raccomandazione di un chatbot è potenzialmente un nuovo ingresso nel mercato turistico. Le località visibili possono ottenere più richieste di soggiorno, visite ai siti culturali e consumi; quelle che non entrano nelle risposte devono continuare a sostenere costi di promozione per farsi conoscere. La differenza pesa soprattutto per piccole strutture e imprese che non dispongono degli stessi bilanci pubblicitari delle grandi destinazioni.

Si possono immaginare due comuni vicini, entrambi dotati di patrimonio storico e ricettività. Il primo compare regolarmente nelle liste AI; il secondo, poco rappresentato online, quasi mai. La domanda può concentrarsi nel primo anche se il secondo avrebbe spazio per ricevere visitatori. È uno scenario economico plausibile, non un risultato già osservato nello studio portoghese, che non segue gli utenti fino alla prenotazione. Il vantaggio competitivo non dipenderebbe soltanto dalla qualità dell’offerta, ma anche dalla probabilità di essere nominati dalle macchine.

La concentrazione genera inoltre costi diversi dai ricavi. Dove arrivano più turisti, più domanda può sostenere occupazione e attività commerciali, ma richiede anche trasporti, pulizia, acqua, manutenzione e gestione degli spazi pubblici. Se l’offerta di abitazioni è limitata, la pressione sugli alloggi può entrare in conflitto con le esigenze dei residenti. Nelle aree meno visitate, invece, minori flussi significano anche meno occasioni per distribuire il reddito turistico, mantenere servizi e sostenere attività artigianali o culturali.

In Europa la dimensione del mercato rende il problema rilevante. Nel 2025, secondo i dati pubblicati da Eurostat nell’ottobre 2026, sono state registrate 3,1 miliardi di notti negli esercizi ricettivi dell’Unione europea. Nello stesso anno, le notti negli alloggi per soggiorni brevi prenotati attraverso Airbnb, Booking o Expedia sono state 951,6 milioni, secondo un’altra rilevazione Eurostat. Sono indicatori dei flussi turistici e delle piattaforme online, non della quota di prenotazioni prodotta dall’AI; mostrano però quanto valore economico possa essere interessato dall’evoluzione degli intermediari digitali.

Il paradosso del turismo sostenibile suggerito dall’intelligenza artificiale

La scelta di un viaggio sostenibile non si esaurisce nel nome di una destinazione. Dipende da come ci si arriva, dalla stagione, dalla disponibilità di risorse, dal tipo di alloggio e da quanto il turismo contribuisce all’economia locale. Presentare una meta come “verde” non dice quante persone possa accogliere senza compromettere servizi e qualità della vita. Lo studio rileva che i chatbot ripropongono spesso narrazioni ecologiche attorno a luoghi già conosciuti, mentre fanno meno riferimento a capacità ricettiva, partecipazione delle comunità o resilienza locale.

Il paradosso è che una località proposta come alternativa tranquilla può perdere proprio quella caratteristica se appare ripetutamente nelle raccomandazioni. I viaggiatori che vogliono evitare le folle potrebbero ritrovarsi nello stesso luogo. La sostenibilità richiede dati territoriali aggiornati, non soltanto una diversa etichetta nel testo generato: livelli di affollamento per periodo, accessibilità senza auto, tutela delle risorse naturali, disponibilità di alloggi e ricadute sui residenti.

La strategia europea sul turismo riconosce il rischio dei suggerimenti AI

Il tema è già entrato nell’agenda delle istituzioni europee. Il documento di lavoro della Commissione che accompagna la EU Sustainable Tourism Strategy del 4 novembre 2026 segnala che le raccomandazioni basate sull’intelligenza artificiale possono rafforzare i flussi verso destinazioni già popolari. La Commissione mette il fenomeno in relazione con uno squilibrio più ampio: l’eccesso di turismo in alcuni luoghi convive con la scarsità di visitatori in altri, con effetti economici, sociali e territoriali.

Nello stesso documento Bruxelles rileva che, nel 2025, le aree rurali rappresentavano il 41,6% dei posti letto ricettivi europei e circa il 31,6% dei pernottamenti. Le due quote descrivono grandezze diverse e non costituiscono da sole una misura del tasso di occupazione. Segnalano tuttavia il peso dell’offerta turistica rurale, la cui capacità di intercettare le ricerche digitali sarà sempre più importante per lo sviluppo dei territori.

La strategia europea indica la direzione di un turismo più guidato dai dati: sostegno a uno spazio comune europeo dei dati sul turismo, uso dell’AI per gestire i flussi e inserimento del settore nella strategia Apply AI. Per le piccole imprese la digitalizzazione può ridurre le distanze dai grandi operatori, purché le informazioni su mete e servizi meno noti siano accessibili, affidabili e utilizzabili dai sistemi di raccomandazione. Non si tratta di un nuovo obbligo legale imposto ai chatbot dalla strategia, ma di un indirizzo di politica pubblica.

Come cambiare le raccomandazioni: dati locali, criteri e domande migliori

Najafi e Costa indicano alcune correzioni per chi sviluppa gli assistenti: ampliare i dati disponibili sulle destinazioni poco rappresentate, usare informazioni in più lingue e introdurre criteri che tengano conto della capacità dei luoghi di accogliere visitatori. Il risultato da premiare non dovrebbe essere soltanto la popolarità della meta, ma anche la sua aderenza al viaggiatore e alle condizioni locali. Gli enti territoriali potrebbero monitorare quali destinazioni compaiono ripetutamente nelle risposte AI e confrontare tali segnali con pernottamenti, stagionalità e pressione sui servizi.

Ai viaggiatori resta un margine di controllo. In un’intervista al Wall Street Journal del 18 novembre 2026, Najafi suggerisce di fare in modo che il chatbot ponga prima alcune domande su budget, date, interessi, accessibilità e tolleranza alle folle; poi di chiedere mete davvero distanti fra loro e prove aggiornate a sostegno delle definizioni “poco affollato” o “sostenibile”. Le indicazioni andrebbero confrontate con fonti locali e recensioni recenti, anziché essere accettate come classifiche oggettive. “L’AI dovrebbe aiutare le persone a scoprire più mondo, non semplicemente rendere visibili a tutti gli stessi luoghi”, osserva la ricercatrice al quotidiano statunitense.

Il limite della ricerca resta preciso: si basa su richieste in inglese, esaminate in un solo periodo, e osserva la visibilità delle destinazioni nelle risposte, non i viaggi compiuti. Per misurare gli effetti economici saranno necessari studi che colleghino suggerimenti, scelte di acquisto e mobilità. Nel frattempo, le amministrazioni possono cominciare a occuparsi di un passaggio che precede ogni prenotazione: il momento in cui un assistente digitale seleziona quali luoghi meritano di essere presi in considerazione.

Partecipa alla community

guest

0 Commenti
Più recenti
Più votati
Inline Feedback
Vedi tutti i commenti

People&Change

Tutti
CARRIERE
AI E LAVORO
COMPETENZE
Produttività e AI
AI IN AZIENDA
SCENARI
FORMAZIONE
CULTURA AZIENDALE
AI in azienda
Carriera
AI leadership
Leggi l'articolo Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
competenze
Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
Leggi l'articolo AI e lavoro, chi beneficerà davvero del tempo risparmiato?
scenari
AI e lavoro, chi beneficerà davvero del tempo risparmiato?
Leggi l'articolo Industria 5.0, chi difende le competenze quando decide l’AI
scenario
Industria 5.0, chi difende le competenze quando decide l’AI
Leggi l'articolo AI e lavoro in Italia: perché la formazione non può aspettare
l'analisi
AI e lavoro in Italia: perché la formazione non può aspettare
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership
Leggi l'articolo Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
competenze
Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
Leggi l'articolo AI e lavoro, chi beneficerà davvero del tempo risparmiato?
scenari
AI e lavoro, chi beneficerà davvero del tempo risparmiato?
Leggi l'articolo Industria 5.0, chi difende le competenze quando decide l’AI
scenario
Industria 5.0, chi difende le competenze quando decide l’AI
Leggi l'articolo AI e lavoro in Italia: perché la formazione non può aspettare
l'analisi
AI e lavoro in Italia: perché la formazione non può aspettare
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership

Articoli correlati

0
Lascia un commento, la tua opinione conta.x