La visibilità nell’IA non funziona come la SEO

Da una logica di ranking a una logica di rappresentazione.

Dalla posizione alla rappresentazione

Per anni, una parte importante della visibilità digitale si è costruita attorno a una domanda piuttosto chiara: in quale posizione compare una pagina quando qualcuno cerca qualcosa su Google? La risposta non è mai stata semplice, ma il terreno di gioco era riconoscibile. Esisteva una pagina dei risultati, una lista di link e un insieme di tecniche pensate per aumentare la probabilità di comparire nelle prime posizioni.

Con i sistemi di intelligenza artificiale, questo schema non basta più. Quando una persona chiede a ChatGPT, Claude, Gemini o Perplexity quale azienda possa risolvere un determinato problema, quale prodotto dovrebbe prendere in considerazione o quali professionisti operino in uno specifico ambito, normalmente non riceve una lista di dieci link. Riceve una risposta costruita dal sistema, nella quale alcune aziende possono essere citate, confrontate, utilizzate come esempio oppure completamente ignorate.

​La differenza può sembrare piccola, ma cambia la natura del problema. Non basta più chiedersi dove compare una pagina. Diventa importante capire anche se un’azienda entra nell’insieme delle opzioni considerate dal sistema, quali informazioni vengono trovate su di essa, quali fonti vengono utilizzate per interpretarla e quale rappresentazione viene infine costruita nella risposta.

Prima di cercare, un sistema può avere già alcune associazioni

Uno degli aspetti più interessanti di questa nuova forma di visibilità è che una risposta dell’IA non comincia sempre con una ricerca su Internet. I sistemi possono rispondere utilizzando associazioni già presenti nel modello oppure ricorrere a informazioni esterne quando hanno bisogno di dati attuali, specifici o verificabili.

Nella documentazione relativa allo strumento di ricerca web per le API, Anthropic descrive un funzionamento nel quale Claude può decidere se una richiesta possa beneficiare di una ricerca, generare query specifiche, recuperare risultati ed effettuare ricerche successive. Questa documentazione riguarda l’integrazione disponibile per gli sviluppatori e non deve essere interpretata come una descrizione esaustiva di tutti i comportamenti dell’interfaccia generale di Claude.

Anche ChatGPT può attivare automaticamente la ricerca quando una domanda richiede informazioni aggiornate e riformulare la richiesta originale in query indirizzate a fornitori esterni.

Per un’azienda, la differenza tra questi due scenari è importante. Pubblicare oggi una pagina può influire potenzialmente su una ricerca che recuperi quella pagina, ma non modifica immediatamente le associazioni che un modello ha già costruito attorno a una categoria, un prodotto o un nome.

Uno studio pubblicato da Searchable nel 2026 consente di osservare questo fenomeno in Claude. L’azienda ha analizzato circa 95.000 record di risultati relativi a 3.000 prompt durante il mese di luglio di quell’anno. Nel campione, le domande legate all’attualità, ai prezzi o ai confronti tra categorie attivavano la ricerca molto più frequentemente rispetto ad alcune richieste generali o valutative.

Questi dati sono utili come indizi empirici per comprendere determinati comportamenti, ma non devono trasformarsi in leggi generali sul funzionamento di tutti i sistemi di IA. Riguardano Claude, un periodo preciso e una metodologia sviluppata da un’azienda che commercializza strumenti per il monitoraggio della visibilità nell’intelligenza artificiale.

Lo stesso studio ha rilevato che, quando Claude introduceva spontaneamente dei marchi in una domanda nella quale l’utente non ne aveva menzionato nessuno, l’86% di quei nomi ricompariva successivamente nella risposta finale. Il dato suggerisce che le associazioni iniziali del sistema possano avere un peso considerevole.

Non dimostra però che esista una lista fissa di marchi per ogni categoria, né che utenti diversi ricevano sempre le stesse raccomandazioni.

Una successiva ricerca di Searchable aiuta a comprendere meglio il problema della visibilità spontanea. In un’analisi condotta su 3.736 marchi, il marchio mediano compariva soltanto nel 7% delle risposte quando l’utente formulava una richiesta senza citare preventivamente alcun nome. Quando invece il prompt conteneva già il marchio, la presenza saliva al 93%. Considerando separatamente ChatGPT, la differenza era dell’8% contro il 98%.

Il dato più significativo non è che un marchio compaia quando l’utente lo ha già nominato. Ciò che conta è quanto sia difficile entrare spontaneamente in una risposta quando una persona descrive un problema o cerca una categoria senza conoscere in anticipo le aziende che potrebbero risolverlo.

Conoscere un marchio e scoprirlo non sono lo stesso problema.

Quando l’IA cerca, non siamo semplicemente davanti a Google con un’altra interfaccia

Quando un sistema decide di ricorrere a informazioni esterne, può essere spontaneo immaginare un processo simile a quello di una ricerca tradizionale: individuare i primi risultati e riassumerli. La realtà è più complessa e i meccanismi possono variare tra una piattaforma e l’altra.

OpenAI spiega che ChatGPT utilizza diversi fattori per individuare informazioni rilevanti e affidabili e che non garantisce una determinata posizione all’interno dei risultati. Può inoltre lavorare con fornitori esterni e riformulare una richiesta iniziale in più query prima di costruire la risposta.

I dati di Searchable su Claude mostrano perché sia utile separare le diverse fasi del processo. Nel campione di luglio, il 63% delle pagine lette da Claude coincideva con i primi dieci risultati di Brave, mentre il 34% coincideva con i primi dieci risultati di Google. Searchable interpreta questa differenza come una maggiore vicinanza all’indice di Brave, pur riconoscendo che Anthropic non ha rivelato quale fornitore utilizzi.

Questo dato può essere rilevante per comprendere come una pagina entri nell’insieme dei documenti che il sistema arriva a consultare. Non consente però di concludere che, per apparire in Claude, sia necessario posizionarsi specificamente su Brave.

Una volta che una pagina era già stata letta da Claude, emergeva un altro fenomeno. La probabilità di essere citata nella risposta finale variava relativamente poco in base alla sua posizione all’interno di quell’insieme: 39,4% per le posizioni 1–3, 37,2% per le posizioni 4–6 e 36,8% per le posizioni 7–10.

Le due osservazioni descrivono momenti diversi. La posizione può influire sulla possibilità di entrare nell’insieme delle pagine recuperate e lette. Dopo questo primo filtro, la sua importanza sembra ridursi nella fase di selezione e citazione.

Il concetto tradizionale di ranking, quindi, non scompare: cambia significato a seconda della fase del processo che stiamo osservando.

Una revisione critica di 45 studi sulla Generative Engine Optimization pubblicata nel luglio 2026 aiuta a mettere ordine in questo scenario. La revisione descrive la visibilità nei sistemi generativi come un processo composto da diverse fasi: attivazione della ricerca, crawling e indicizzazione, recupero dei documenti, selezione del contesto, generazione, citazione, fedeltà dell’informazione e comportamento successivo dell’utente.

Le evidenze disponibili sono più solide quando si studia come determinate modifiche ai contenuti influenzino il loro utilizzo o la loro citazione una volta che quei contenuti siano già stati recuperati e inseriti nel contesto del modello. È molto meno dimostrato che gli stessi interventi producano da soli un miglioramento stabile del recupero organico iniziale.

Una pagina può funzionare bene in una fase e scomparire in quella successiva. Misurarne soltanto la posizione non permette più di descrivere l’intero percorso.

Il tuo sito resta importante, ma non racconta più tutta la storia

Questa trasformazione ha un’altra conseguenza per aziende e professionisti: controllare bene il proprio sito web continua a essere fondamentale, ma il sito rappresenta soltanto una parte dell’ambiente informativo che un sistema può utilizzare.

Quando un’organizzazione costruisce il proprio sito, decide come descriversi, quali servizi presentare, quale esperienza mettere in evidenza e quali argomenti utilizzare. Questa è la sua rappresentazione dichiarata. Intorno ad essa, però, esiste una rappresentazione digitale molto più ampia, composta da mezzi di informazione, directory, siti specializzati, istituzioni, recensioni, comparatori, pubblicazioni di terzi e altre fonti che l’azienda non controlla direttamente.

I sistemi di IA possono mettere in relazione questi diversi livelli.

Nello studio di Searchable su Claude, il sito proprietario di un marchio finiva per essere utilizzato nel 31,6% dei casi nei quali era stato letto; per ChatGPT, all’interno dello stesso campione, la percentuale era del 60,9%.
Emergono differenze importanti anche tra i diversi tipi di fonti. La stampa nazionale raggiungeva in Claude un tasso di utilizzo del 52% dopo essere stata letta, mentre Reddit e altri forum si fermavano all’8,3%.

Questi numeri appartengono a una ricerca specifica e non devono essere trasformati in percentuali universali. La loro utilità consiste nel mostrare che sistemi differenti possono rapportarsi in modo diverso allo stesso ecosistema documentale.

I dati aggregati pubblicati successivamente da Searchable indicano una direzione simile. Su 19,2 milioni di citazioni raccolte in 4,6 milioni di risposte relative a 7.768 marchi, circa il 5% delle citazioni nelle richieste senza menzione del marchio rimandava al sito della stessa organizzazione. Quando l’utente citava espressamente il marchio, quella percentuale saliva a circa il 44%.

La stessa azienda avverte che la classificazione automatizzata delle fonti non è perfetta e che questi valori devono essere considerati approssimativi.

Tutto questo modifica il modo di pensare l’autorità digitale. Le informazioni pubblicate sul sito continuano a essere fondamentali, ma conta anche ciò che dicono le altre fonti, dove compare un’organizzazione, a quali concetti viene associata e fino a che punto le diverse informazioni disponibili restituiscano un’immagine coerente.

La visibilità nell’IA dipende quindi da un ecosistema informativo più ampio della pagina che un’azienda controlla direttamente.

Misurare questa visibilità è ancora molto più difficile di quanto sembri

La crescita di questo nuovo ecosistema ha prodotto anche un mercato di strumenti destinati a misurare la visibilità di aziende e marchi all’interno delle risposte generate dall’IA.

Queste piattaforme possono eseguire centinaia o migliaia di prompt, registrare quando compare un marchio, identificare quali domini vengono citati e osservare come cambiano i risultati nel tempo. Sono informazioni potenzialmente utili, soprattutto quando si mantiene costante l’insieme delle domande e si confronta l’evoluzione con organizzazioni rilevanti dello stesso settore.

Il problema nasce quando un indicatore parziale viene interpretato come una misura complessiva della visibilità.

Searchable riconosce che non esiste un benchmark universale e che i risultati dipendono, tra le altre cose, dall’insieme preciso dei prompt utilizzati e dal numero di marchi che un sistema tende a menzionare nelle proprie risposte.

La revisione accademica del 2026 è ancora più prudente. La visibilità può variare in base al motore utilizzato, alla data, alla localizzazione, alla formulazione della domanda, all’attivazione o meno della ricerca e alla variabilità intrinseca dei sistemi generativi. Tra gli studi esaminati non emerge inoltre alcuna tecnica che abbia dimostrato, in modo stabile, longitudinale e trasversale rispetto a piattaforme differenti, un effetto causale sulla capacità di un contenuto o di un’organizzazione di essere scoperti organicamente e di produrre risultati successivi.

I dati di monitoraggio dovrebbero quindi essere utilizzati come segnali che aiutano a osservare un fenomeno, non come una misurazione definitiva del fenomeno stesso.

Questa limitazione apre anche una questione metodologica importante. Se il numero aggregato è instabile, acquista maggiore valore osservare qualitativamente ciò che avviene dietro quel numero: quali domande fanno comparire un’organizzazione, quali fonti recupera il sistema, quali informazioni seleziona, quali omette e quale descrizione finisce per produrre.

Un’analisi seria della visibilità nell’IA non dovrebbe limitarsi a chiedere quale percentuale di presenza ottenga un marchio. Deve anche comprendere quale rappresentazione il sistema stia generando e a partire da quali informazioni la costruisca.

Dall’ottimizzazione delle pagine alla rappresentazione digitale

La SEO continua ad avere una funzione importante. Un sito accessibile, ben strutturato, indicizzabile, con informazioni chiare e contenuti solidi rimane una componente fondamentale della presenza digitale. I sistemi che utilizzano la ricerca devono essere in grado di trovare i documenti, interpretarli e metterli in relazione con le richieste che ricevono.

Ciò che è cambiato è il numero di livelli che intervengono tra un’organizzazione e la persona che cerca informazioni su di essa.

Possiamo distinguerne almeno tre.

Il primo è la rappresentazione dichiarata: ciò che l’organizzazione decide di dire di sé attraverso il sito, i profili e i propri contenuti. È qui che può definire la propria identità, i servizi, l’esperienza, le capacità e il posizionamento che intende occupare.

Il secondo è la rappresentazione digitale: l’insieme delle informazioni esistenti intorno all’organizzazione, comprendendo sia i contenuti propri sia le fonti esterne che ne parlano, la classificano, la citano, la confrontano oppure semplicemente la ignorano. Questa rappresentazione non è più completamente sotto il suo controllo.

Il terzo è la rappresentazione costruita dall’IA. Un sistema recupera soltanto una parte di quell’ecosistema, la combina con le associazioni disponibili nel proprio modello, seleziona determinati elementi e produce una risposta. Quella risposta può essere fedele alla realtà dell’organizzazione, incompleta, generica, non aggiornata o persino contraddittoria rispetto all’immagine che l’azienda cerca di comunicare. 

È proprio sullo scarto tra realtà dell’organizzazione, rappresentazione digitale e rappresentazione costruita dall’IA che interviene anche l’Audit IA.

​La fedeltà dell’informazione diventa quindi una questione strategica. Non conta soltanto apparire. Conta anche quale versione dell’organizzazione appare.

Tra queste tre rappresentazioni possono esistere divari rilevanti. Un’azienda può possedere capacità che non diventano mai visibili nel suo ecosistema digitale. Può descriversi in un modo mentre le fonti esterne ne consolidano un altro. Può essere facilmente riconosciuta quando qualcuno cerca il suo nome e restare praticamente assente quando una persona descrive il problema che quell’azienda è in grado di risolvere.

Può anche accadere che diversi sistemi di IA producano rappresentazioni differenti perché recuperano fonti diverse o perché interpretano in modo diverso le stesse informazioni disponibili.

L’organizzazione può intervenire direttamente su una parte di questo processo: migliorare ciò che pubblica, rendere più chiara la propria identità, strutturare meglio le informazioni, sviluppare contenuti pertinenti e costruire una presenza pubblica più coerente. Non controlla invece tutte le fonti esterne né i meccanismi attraverso i quali ogni sistema seleziona, combina e interpreta quelle informazioni.

A questo punto emerge una domanda probabilmente più utile di qualsiasi punteggio isolato di visibilità: quale rappresentazione della nostra attività possono costruire oggi differenti sistemi di IA a partire dalle informazioni che riescono realmente a trovare?

Rispondere significa osservare ciò che l’organizzazione sa di sé, ciò che dichiara pubblicamente, ciò che il suo ecosistema digitale racconta e ciò che i sistemi di intelligenza artificiale finiscono per ricostruire.

Per anni, il problema centrale della visibilità digitale è consistito nel conquistare una buona posizione all’interno di una lista di risultati. Quella logica continua a esistere, ma oggi convive con un’altra: entrare in processi nei quali una macchina seleziona informazioni, mette in relazione fonti e costruisce una risposta.

La questione non termina più quando una pagina viene trovata.
Continua nella rappresentazione che ne emerge.​

Nicola Giuliato
Strategia, IA e sistemi evolutivi