Tenerife dispone già dei dati. Il problema è come li interpretiamo
Turisti alloggiati, pernottamenti, occupazione, permanenza e spesa descrivono fenomeni differenti. Un dato corretto può sostenere una conclusione errata se il suo perimetro viene esteso oltre ciò che la fonte misura.
La conclusione non dovrebbe estendersi oltre il perimetro dell’evidenza che la sostiene.
La granularità della conclusione non può essere maggiore della granularità dell’evidenza.
Tre esempi
Turisti alloggiati ≠ tutti i turisti. La popolazione misurata deve restare esplicita.
Occupazione ≠ performance economica. Un’elevata occupazione non dimostra automaticamente maggiori margini, salari o beneficio territoriale.
Canarie ≠ Tenerife. Un dato regionale non può essere trasformato automaticamente in un dato insulare.
Dal dato all’evidenza
Questo approccio applica al turismo la distinzione fra Data Governance ed Evidence Governance.
Quando entra l’intelligenza artificiale
L’AI può elaborare più dati e più velocemente, ma non amplia automaticamente il perimetro dell’evidenza originale. Il rischio non è soltanto usare dati sbagliati: è usare dati corretti per sostenere conclusioni che quei dati non dimostrano.
Human Oversight non è Human Authority
La supervisione umana non basta se chi decide non può ricostruire fonti, perimetro, inferenze ed evidenze mancanti. Human Authority richiede la possibilità di accettare, modificare o rifiutare la decisione sulla base di evidenze verificabili.
Tenerife Hospitality Evidence Monitor 2026
Il Monitor svilupperà tre aree: Digital Presence → AI/Search Representation → Evidence of Claims, utilizzando campioni trasparenti e criteri replicabili, senza classifiche punitive.