L’espressione “Dead Internet Theory”, spesso resa in italiano come “teoria di Internet morto”, indica l’idea secondo cui una parte sempre più ampia di ciò che vediamo online non sarebbe prodotta o guidata da persone reali, ma da sistemi automatici: bot che simulano utenti, account gestiti in modo automatizzato, reti che generano o riciclano contenuti su larga scala. Nella lettura proposta dai sostenitori, questo spostamento ridurrebbe il peso dell’attività umana e renderebbe più facile influenzare comportamenti e percezioni, in ambito commerciale, culturale o politico. La tesi circola da alcuni anni, ma ha trovato nuova attenzione nel momento in cui la generative AI ha reso molto più semplice e veloce produrre testi, immagini e altri materiali in quantità.
Per orientarsi, è utile distinguere tra ciò che la teoria afferma in senso ampio e ciò che invece è misurabile con dati e ricerche. Da un lato c’è il racconto complessivo, che tende a presentare la trasformazione della rete come un processo intenzionale e coordinato; dall’altro ci sono fenomeni concreti che molte analisi documentano, come l’aumento del traffico generato da bot, la diffusione di spam e contenuti duplicati, l’uso massivo di traduzioni automatiche e la crescita di produzioni “industrializzate” pensate per intercettare algoritmi e pubblicità. A questi elementi si aggiunge un terzo livello, che riguarda la percezione di molti utenti: la sensazione di un web più ripetitivo, meno affidabile, più saturo di materiale riciclato o di interazioni poco autentiche. Le fonti disponibili consentono di descrivere con maggior solidità i fenomeni osservabili e le dinamiche di piattaforma; la parte più ambiziosa, cioè l’idea di una regia unica e di una “morte” dell’attività umana in senso letterale, resta più difficile da dimostrare con evidenze dirette.
La popolarità recente della teoria viene spesso ricondotta a un post apparso nel 2021 su Agora Road’s Macintosh Cafe, un forum in cui un utente con lo pseudonimo IlluminatiPirate pubblicò un testo lungo e argomentato, presentato da chi lo rilancia come una sorta di manifesto. L’articolo di The Atlantic del 31 agosto 2021, citato frequentemente come uno dei passaggi che hanno portato il tema fuori dagli ambienti di nicchia, ricostruisce quel thread come un punto di riferimento per la diffusione dell’etichetta “Dead Internet Theory” e riferisce che, nel racconto dell’autore, la “morte” della rete verrebbe collocata attorno al 2016 o all’inizio del 2017. Nella stessa ricostruzione giornalistica, la teoria è descritta come composta da un elemento che si limita a osservare una rete sempre più piena di automazione e ripetizione e da un elemento che attribuisce questa trasformazione a scelte deliberate, con l’idea di orientare la popolazione attraverso campagne e algoritmi. Un dettaglio pratico, per chi prova a risalire alle fonti primarie, è che il thread originale non sempre risulta accessibile tramite strumenti di consultazione automatica; di conseguenza, molti riassunti e citazioni circolano soprattutto attraverso articoli che lo hanno letto e sintetizzato, come The Atlantic e TIME.
Negli anni successivi, e in particolare tra 2024 e 2025, il tema torna spesso nelle discussioni pubbliche come immagine utile per descrivere il peggioramento percepito di alcune piattaforme: feed che sembrano costruiti su contenuti tutti simili, engagement che appare in parte artificiale, risultati di ricerca invasi da pagine ottimizzate ma poco informative. In questa fase, alcune ricostruzioni mediatiche collegano il “ritorno” della teoria al salto di scala reso possibile dagli strumenti generativi, perché oggi è tecnicamente più facile produrre testi e immagini in volumi elevati e distribuirli rapidamente su più canali.
Al di là del racconto, esistono dati che fotografano l’aumento dell’automazione nel traffico web. Società specializzate in sicurezza e analisi del traffico pubblicano report periodici su quanta parte delle richieste ai siti provenga da sistemi non umani. In un articolo del 2017, The Atlantic riportava, citando un report Imperva, che i bot “buoni” e “cattivi” arrivavano a circa il 52% del traffico misurato in quel contesto. Nel 2024, Imperva (Threat Research) scrive che quasi il 50% del traffico internet osservato risulta generato da fonti non umane e che i “bad bots” arrivano a quasi un terzo del traffico complessivo. Questi numeri sono spesso richiamati nel dibattito perché danno una misura concreta della presenza di automazione, ma richiedono una precisazione: “traffico” non coincide automaticamente con “contenuti” o “conversazioni”. Nel traffico bot rientrano anche attività legittime e infrastrutturali, come i crawler dei motori di ricerca, monitoraggi tecnici o servizi automatici necessari al funzionamento di molte applicazioni. Per questo, la metrica è utile per capire l’ampiezza del fenomeno, ma non basta da sola a dimostrare che l’attività umana sia diventata marginale in termini di produzione culturale o di interazione sociale.
Un secondo filone, più legato ai contenuti che circolano sul web, riguarda l’aumento di testi replicati e tradotti su scala industriale. In questo caso esiste letteratura tecnica recente. Nel 2024 un gruppo collegato ad AWS AI Labs, con autori affiliati anche ad Amazon e a università, ha pubblicato un lavoro intitolato “A Shocking Amount of the Web is Machine Translated: Insights from Multi-Way Parallelism”. Analizzando grandi quantità di dati web e corpora paralleli, gli autori mostrano che molte frasi esistono in molte lingue e osservano che la qualità delle traduzioni tende a peggiorare man mano che cresce il numero di lingue in cui lo stesso contenuto appare, un andamento compatibile con traduzioni automatiche “a catena” e con processi di duplicazione su larga scala. Nel paper viene riportato che il 57,1% delle frasi nel loro insieme di “translation tuples” proviene da tuple “multi-way parallel”, cioè traduzioni presenti in tre o più lingue. Questo passaggio è importante anche perché, nella divulgazione, quel numero viene talvolta riassunto in modo più generico come “57% del web”; nel lavoro scientifico, invece, la percentuale è legata a quel particolare tipo di corpus e a quel metodo di estrazione, quindi non equivale a una misura diretta dell’intero Internet. Il risultato segnala un fenomeno ampio e strutturale, ma non consente da solo di dire quale quota dell’intera rete sia composta da contenuti generati o trasformati automaticamente. Gli autori aggiungono inoltre un aspetto pratico: la presenza massiccia di traduzioni automatiche e contenuti duplicati può complicare l’addestramento di modelli linguistici multilingue, perché introduce rumore e possibili distorsioni nei dati.
Nel discorso pubblico compare poi una previsione spesso citata per dare un’idea della traiettoria futura, secondo cui entro il 2026 una quota enorme di contenuti online potrebbe essere generata sinteticamente. In ambito istituzionale europeo circola un briefing dell’EPRS (Parlamento europeo) che, parlando di deepfake, attribuisce a Europol una stima: “90% di contenuti online” potenzialmente generati sinteticamente entro il 2026. Anche qui, però, è utile chiarire la natura dell’informazione: si tratta di una stima prospettica, non di un dato misurato, e si inserisce in un’area in cui non esiste ancora un criterio unico e condiviso per definire e conteggiare “contenuti AI”, perché nella categoria possono rientrare cose diverse, dalle traduzioni automatiche ai testi integralmente generati, fino a materiali rielaborati con assistenza. Per avere un quadro meno “tutto o niente”, vengono citate anche analisi che descrivono una crescita rapida ma non lineare. Un esempio è Graphite, società attiva in ambito SEO, secondo cui nel proprio campione di articoli in inglese la quantità di articoli AI avrebbe superato quella umana intorno a novembre 2024; la stessa analisi aggiunge però che la crescita poi si sarebbe stabilizzata e che una parte rilevante di quella produzione non avrebbe grande visibilità su Google o nei risultati dei chatbot, almeno in base alle loro misurazioni.
Il fatto che la teoria di Internet morto venga percepita da alcuni come plausibile, anche quando la versione più ampia non è dimostrata, dipende dal modo in cui questi fenomeni interagiscono con la struttura delle piattaforme. Molti servizi non mostrano contenuti in ordine cronologico e non si basano solo su relazioni dirette tra utenti, ma su sistemi di raccomandazione. Quando un formato “funziona”, tende a essere replicato: titoli simili, meme con variazioni minime, video brevi costruiti con schemi ricorrenti, commenti che ripetono formule riconoscibili. Questa dinamica può generare un’esperienza di navigazione in cui sembra di incontrare sempre lo stesso contenuto, anche se una parte è prodotta da persone reali. A ciò si sommano incentivi economici forti: automatizzare testi, traduzioni, immagini e commenti riduce i costi, e in modelli basati su traffico e impression pubblicitarie può essere conveniente produrre grandi volumi di materiale “sufficiente” anche se la qualità media scende. Il lavoro di AWS sulle traduzioni “multi-way” discute esplicitamente l’ipotesi che una parte di questi contenuti derivi da testi in inglese di basso valore tradotti in massa per intercettare visibilità e pubblicità. Infine, i report sulla bot economy descrivono un’evoluzione continua: bot che imitano meglio comportamenti umani, che fanno scraping, che tentano frodi e che generano clic e interazioni. Se a questo si aggiungono testi e immagini generabili automaticamente, diventa più difficile, in alcune situazioni, distinguere a colpo d’occhio tra rumore e conversazione.
Accanto alla teoria intesa come spiegazione totale, esistono letture alternative che mantengono l’attenzione sui problemi reali senza adottare necessariamente la conclusione di una regia unica. Molte ricostruzioni giornalistiche, per esempio, tendono a separare un nucleo descrittivo, che riguarda l’automazione crescente e la ripetizione dei contenuti, da un’interpretazione intenzionale e coordinata, che richiederebbe prove dirette molto robuste per essere sostenuta. Allo stesso modo, l’osservazione di un’alta quota di traffico bot non risolve la domanda su quanta parte dell’esperienza online “significativa” resti umana, perché parte di quell’automazione è infrastrutturale e parte dell’attività umana può essere “assistita” da strumenti senza diventare per questo interamente non umana. Anche la misurazione dei contenuti AI resta complessa: cambiano le definizioni, i metodi di rilevazione hanno margini di errore e la quantità prodotta non coincide automaticamente con l’impatto reale, perché la visibilità dipende da filtri anti-spam, ranking, scelte dei motori di ricerca e politiche delle piattaforme.
Se l’obiettivo è capire quanto Internet stia diventando automatico, oggi la principale lacuna è l’assenza di metriche pienamente condivise e di audit indipendenti su larga scala che permettano confronti nel tempo e tra settori diversi. Nel frattempo, la fotografia più solida passa dall’incrocio di più segnali: l’andamento del traffico bot documentato da report di settore, le ricerche che misurano duplicazione e traduzioni automatiche nel web, l’evoluzione delle stime prospettiche sul contenuto sintetico, e le scelte operative di motori di ricerca e piattaforme che determinano quanto di quel materiale venga effettivamente visto. In parallelo, si sviluppano strumenti per rendere più trasparente l’origine dei contenuti, come watermarking, etichette e standard di provenienza, ma la loro efficacia dipende dall’adozione e dalla capacità di resistere a elusioni e imitazioni.
In questo quadro, la “Dead Internet Theory” può essere descritta come una cornice narrativa che mette insieme trasformazioni reali dell’ecosistema digitale e una lettura più ampia sulle intenzioni e sulle cause. I dati disponibili permettono di dire con maggiore certezza che l’automazione è molto presente nel traffico e che esistono filiere di contenuti replicati e tradotti automaticamente su larga scala; permettono meno di concludere, con lo stesso grado di evidenza, che l’attività umana sia diventata residuale o che esista un’unica regia coordinata dietro l’intero processo. Il punto, per comprendere il tema senza forzare una conclusione, è tenere separati i fenomeni misurabili dalle interpretazioni complessive e osservare come i primi, nel tempo, influenzino qualità, affidabilità e percezione dell’esperienza online.
