All’inizio degli anni Cinquanta Kodak distribuì ai laboratori fotografici degli Stati Uniti una piccola scheda plastificata. Raffigurava una donna bianca, una dipendente di nome Shirley, ritratta su uno sfondo neutro. Il suo volto divenne il riferimento fisso per la calibrazione del colore e dell’esposizione fotografica.

Per decenni, la tecnologia fotografica ha avuto difficoltà a rappresentare accuratamente le tonalità di pelle più scure.

Tecno Mobile, fondata nel 2006 e oggi uno dei marchi di smartphone dominanti in gran parte dell’Africa subsahariana e in diversi mercati emergenti, ha costruito buona parte della propria filosofia progettuale proprio attorno alla risoluzione di questo problema. Al centro del suo lavoro si colloca un bias che l’industria tecnologica ha a lungo considerato invisibile: fotocamere incapaci di “vedere” correttamente la pelle scura.

Quella scheda non aveva nulla di sinistro; era uno strumento pratico, come spesso accade per gli standard tecnologici. Solo in seguito è diventato evidente ciò che quella “praticità” aveva escluso.

La chimica della pellicola costruita attorno a quel riferimento faticava a restituire le tonalità più scure. Il legno, il cioccolato e altri materiali scuri apparivano spesso piatti o mal rappresentati. I primi a protestare furono i settori dell’arredamento e della confetteria, i cui prodotti risultavano difficili da fotografare con accuratezza. La chimica venne poi aggiornata. I volti neri e marroni sollevavano la stessa questione da decenni.

Il bias non scomparve con il passaggio alla fotografia digitale. Si trasferì nei sensori, negli algoritmi di elaborazione delle immagini e, infine, nelle reti neurali utilizzate per migliorare le fotografie degli smartphone. I dataset impiegati per addestrare questi sistemi riflettevano lo stesso squilibrio: un “utente predefinito” tecnologico che somigliava molto a quello rappresentato nella Shirley Card originale.

È questo problema ereditato che Tecno ha scelto di assumere come vero e proprio brief progettuale.

La risposta dell’azienda non è iniziata dalle fotocamere. È iniziata dall’interfaccia.

La tastiera Qwerty standard incorpora una specifica storia linguistica. Per chi parla yoruba, amarico o zulu — lingue che si basano su distinzioni tonali o segni diacritici — questa disposizione impone soluzioni spesso macchinose. Tecno ha collaborato con linguisti locali per sviluppare tastiere specifiche per ciascuna lingua, trattando l’interfaccia come una negoziazione culturale più che come uno standard universale.

Il design hardware segue la stessa logica. In molti dei mercati in cui Tecno opera, elettricità e connettività non possono essere date per scontate. I dispositivi privilegiano quindi funzionalità dual-SIM e batterie di grande capacità, in grado di durare a lungo senza ricarica. La serie Pova 8, presentata al Mobile World Congress 2026, integra una batteria da 8000 mAh in uno spessore di soli 7,42 mm. Una specifica che non viene presentata come eccesso prestazionale, ma come necessità concreta.

Il lavoro sull’imaging nasce da questa più ampia impostazione progettuale.

Il sistema Universal Tone di Tecno affronta il problema storico della rappresentazione delle tonalità della pelle nella fotografia. Mentre il ColorChecker Macbeth standard utilizza 24 campioni di calibrazione, Tecno ha sviluppato una griglia di 372 campioni, permettendo alla fotocamera di distinguere una gamma cromatica della pelle molto più ampia.

Il sistema combina ricostruzione in condizioni di scarsa illuminazione, ottimizzazione regionale basata sulle preferenze estetiche locali e elaborazione computazionale dei ritratti. Il processo di calibrazione è volutamente lento: i team testano centinaia di scenari luminosi in ogni mercato, per comprendere come le tonalità della pelle reagiscano a diversi climi, temperature di colore e ambienti.

A supporto di questa ricerca, nel 2025 Tecno e DxOMark hanno aperto a Chongqing un laboratorio completamente automatizzato per l’imaging. Sistemi robotizzati e simulazioni ambientali riproducono le condizioni luminose di diverse regioni, consentendo agli ingegneri di valutare le prestazioni delle fotocamere su un’ampia gamma di tonalità di pelle e situazioni fotografiche. I risultati vengono reintegrati direttamente nello sviluppo degli algoritmi.

In questo contesto, la risposta del resto dell'industria appare più come un affinamento progressivo di sistemi già dati. Google ha introdotto Real Tone, sviluppato con il sociologo di Harvard Ellis Monk, per migliorare la resa delle tonalità della pelle. Apple ha seguito con Photographic Styles, che consente di regolare colore e contrasto. Entrambi hanno migliorato sistemi esistenti; l’approccio di Tecno, al contario, è partito dal problema stesso.

Al Mobile World Congress di Barcellona, Tecno ha anche annunciato una collaborazione con Tonino Lamborghini: edizioni co-branded dello smartphone Pova Metal e una gamma di dispositivi gaming e AIoT.

Il marchio è presente in Europa da diversi anni, seppure in modo discreto. La collaborazione con Lamborghini segna un passaggio più visibile nel panorama internazionale dell’elettronica di consumo.

Lo stesso bias strutturale si manifesta anche nell’intelligenza artificiale. I modelli linguistici di grandi dimensioni sono addestrati su informazioni digitalizzate, e molte lingue ampiamente diffuse restano sottorappresentate in questi dati.

Lingue come swahili, hausa e igbo — parlate da centinaia di milioni di persone — compaiono solo marginalmente nella maggior parte dei dataset di addestramento. Di conseguenza, i sistemi di IA spesso funzionano male quando devono interagirci. 

L’assistente vocale di Tecno, Ella, è stato sviluppato utilizzando dati linguistici raccolti localmente e addestrato da team familiari con i dialetti delle comunità di riferimento. Al Mwc l’azienda ha inoltre presentato una tecnologia di edge AI sviluppata con Arm, che consente di eseguire molte funzioni direttamente sul dispositivo senza dipendere dalla connettività cloud — un vantaggio cruciale in regioni dove il costo dei dati resta elevato.

Le implicazioni vanno oltre la fotografia. Con la diffusione dell’identificazione biometrica come metodo di accesso ai servizi finanziari, l’accuratezza delle fotocamere degli smartphone assume un nuovo significato.

Studi del MIT Media Lab e del National Institute of Standards and Technology degli Stati Uniti hanno dimostrato che i sistemi di riconoscimento facciale identificano erroneamente i volti con pelle più scura molto più frequentemente rispetto a quelli con pelle chiara. La causa alla base è lo stesso squilibrio nei dati di addestramento che ha segnato le tecnologie fotografiche precedenti.

Allo stesso tempo, circa 900 milioni di adulti senza accesso ai servizi bancari possiedono già un telefono cellulare, e oltre la metà utilizza uno smartphone. Per molte di queste persone, la verifica dell’identità digitale tramite fotocamera rappresenterà il principale punto di accesso al sistema finanziario formale.

In questo contesto, la capacità di una fotocamera di restituire correttamente le tonalità della pelle non è più una questione estetica. Diventa una condizione tecnica per la partecipazione.

Una fotocamera che non riesce a vederti non può verificare chi sei.

E, nell’infrastruttura dell’identità digitale, la visibilità è già diventata accesso.