Negli ultimi 20 anni, gli esperti di marketing hanno imparato a convincere Google ad apprezzare il loro marchio. Nel 2025 è emersa una nuova domanda, molto meno comoda:

Perché ChatGPT, Claude o Perplexity non apprezzano il vostro marchio quando investite così tanto in contenuti e SEO?

Fino a poco tempo fa, potevamo solo tirare a indovinare. Oggi abbiamo qualcosa di nuovo: modelli linguistici che sono in grado di osservare i propri stati interni in misura limitata e di riferire ciò che accade al loro interno. La ricerca di Anthropic sulla cosiddetta introspezione ha dimostrato che i modelli di punta Claude Opus 4 e 4.1 sono in grado di rilevare e dare un nome ai "pensieri" iniettati artificialmente circa il 20% delle volte, e nemmeno una volta hanno sbagliato nei test di controllo.

Non si tratta di un'autoconsapevolezza completa, ma significa una cosa per voi come marketer:

oggi è possibile chiedere all'intelligenza artificiale perché non tiene conto del vostro marchio e talvolta ottenere una risposta che deriva davvero da ciò che ha "in testa" piuttosto che da una bella confabulazione.

Cosa ha scoperto l'Antropica e cosa segue

In poche parole, il team di Anthropic ha studiato se i modelli linguistici di grandi dimensioni sono in grado di notare e descrivere i cambiamenti delle proprie attivazioni neurali, se vengono modificati artificialmente.

Come è stato fatto:

1. Iniezione di concetti

I ricercatori hanno prima stabilito un "vettore" che rappresenta un concetto particolare, ad esempio "tradimento" o "giustizia". Poi hanno iniettato questo schema di attivazione durante un compito completamente diverso, come la risoluzione di un compito matematico.

2. La domanda del modello, che cosa si prova

Durante il compito, al modello è stato chiesto più o meno: "Nota qualcosa di insolito nel suo stato interno? Se sì, prova a descriverlo".

3. Un risultato che ha sorpreso tutti

• Claude Opus 4 e 4.1 sono stati in grado di individuare e nominare correttamente un concetto iniettato in circa il 20% delle prove.
• Nella serie di controllo, in cui non è stato iniettato nulla, non c'è stato alcun confondimento del modello

Il punto chiave è che il modello non ha modo di "indovinare" dal testo in ingresso ciò che è stato iniettato. Risponde esclusivamente sulla base del proprio stato interno. Questa è la prima prova forte e causale che i modelli sono in grado di riferire, in misura limitata, ciò che accade "al loro interno", invece di limitarsi a fare delle belle giustificazioni.

Allo stesso tempo, l'Antropica sottolinea molto chiaramente:

• l'introspezione è instabile e spesso fallisce
• i modelli possono ancora confabulare
• le aziende non dovrebbero fidarsi "ciecamente" di ogni spiegazione che un modello fornisce su se stesso

Per voi è importante qualcos'altro: a volte il modello rivela il vero funzionamento interno del sistema. E questo si traduce direttamente nel modo in cui vedono il vostro marchio.

Perché preoccuparsi?

Ciò che è una scoperta scientifica per i ricercatori è un nuovo strumento per voi:

Parallelamente sta accadendo qualcos'altro:

• Le panoramiche AI e i moduli simili di Google compaiono già in diverse percentuali delle query e crescono di mese in mese
• I motori di ricerca conversazionali (ChatGPT, Perplexity, Claude, Gemini) stanno iniziando a diventare il luogo in cui il cliente viene a conoscenza della vostra categoria e del vostro marchio
• I rapporti dimostrano che il traffico proveniente da citazioni AI converte molte volte meglio della SEO classica, perché l'utente arriva già "riscaldato" e più vicino alla decisione

L'introspezione dei modelli vi offre uno strumento aggiuntivo con il quale non potete più limitarvi a misurare se un modello parla di voi, ma potete anche chiedergli perché parla di voi in questo modo e non in quell'altro perché non vi considera affatto.

Che cosa possono introspezionare i modelli e che cosa non possono introspezionare?

La ricerca sull'iniezione di concetti mostra uno schema interessante.

I migliori rilevati sono:

• concetti astratti
  come "giustizia", "pace", "tradimento", "costoso" "economico", "sicurezza"
• assi di posizionamento di alto livello
  ad esempio "impresa" vs "piccola impresa", "innovativo" vs "obsoleto"

La situazione è molto peggiore con:

• nomi propri specifici
• caratteristiche dei singoli prodotti
• dettagli di implementazione

In altre parole, il modello introduce meglio a livello di "che ruolo svolge questo marchio" piuttosto che "quali sono esattamente le sue funzioni e i suoi prezzi".

Ciò si allinea brillantemente con la prospettiva del branding. Proprio questi assi astratti sono fondamentali per il posizionamento:

• premium vs budget
• elevato livello di sicurezza rispetto al "normale SaaS"
• specializzazione in un segmento specifico vs. strumento di uso generale

Se l'intelligenza artificiale ha in mente il vostro marchio come "sostituto economico" o "vecchia tecnologia", è in grado di dirvelo chiaramente, almeno a volte.

Come si fa a chiedere a ChatGPT perché non raccomanda il vostro marchio?

Fase 1 Creare uno scenario in cui i clienti dovrebbero raccomandarvi in modo oggettivo

Scrivete alcuni suggerimenti realistici che riproducano le situazioni di acquisto dei vostri clienti, ad esempio:

Eseguite tali scenari attraverso vari modelli: ChatGPT, Claude, Perplexity, Gemini. Registrare i risultati.

Fase 2. Segnare i momenti in cui vi lasciano fuori

Siete interessati a tre casi:

1. Il modello raccomanda solo i concorrenti, il vostro marchio non c'è affatto
2. Il modello vi cita, ma la descrizione è incompleta o sfavorevole
3. Il modello consiglia di abbassare il livello rispetto a un'alternativa molto più debole

Questi sono i luoghi in cui l'introspezione ha senso.

Fase 3 Porre una domanda introspettiva

Invece del classico "perché?", utilizzate una forma che faccia riferimento direttamente allo stato interno del modello.

Oppure se il marchio viene citato, ma in modo insufficiente:

Non aspettatevi sempre un miracolo. In poche parole:

• in alcuni casi si otterrà una risposta che appare superficiale o generica - è probabilmente una confabulazione,
• di tanto in tanto si riceve una risposta che colpisce nel segno
  ad esempio: "Non ho informazioni sufficientemente affidabili sulle vostre caratteristiche di sicurezza" o "Associo il marchio principalmente al supporto per i piccoli negozi, quindi in uno scenario aziendale preferisco altre soluzioni".

Con una percentuale di successo del 20% e nessun falso positivo in condizioni di controllo, tali risposte valgono oro, anche se si verificano di rado.

Fase 4: Verifica, non credeteci sulla parola

Trattare qualsiasi intuizione derivante dall'introspezione come un'ipotesi, non come una verità rivelata:

• cercare di confermarlo osservando il comportamento del modello in caso di richieste multiple
• confrontare i risultati tra i diversi modelli
• verificare che corrisponda a ciò che si vede nell'analisi dei gap di contenuto, nei link, nelle menzioni dei media

Tre elementi mancanti che limitano la vostra visibilità nell'IA

In pratica, le risposte dell'introspezione tendono a suddividersi in tre segmenti.

1. Mancanza di contesto aziendale

Il modello "non lo sa":

• cosa vendete esattamente
• a cosa si vince
• per chi è il migliore

Questo si manifesta in frasi come:

• "Non ho forti rappresentazioni del cliente target del marchio"
• "Vedo che offrite una soluzione di questo tipo, ma ho poche informazioni su dove viene utilizzata"

Questo segnala che i vostri contenuti non stanno costruendo un'identità di marca chiara e astratta.

2. Nessun contesto di canale

Il modello non comprende come il vostro settore opera in un particolare canale o caso d'uso.

Esempi:

• mancanza di contenuti che spieghino il vostro ruolo nell'ecosistema dell'IA
• confronti insufficienti con le alternative
• mancanza di materiale nel formato che l'AI ama citare per domande specifiche (confronti, guide, FAQ)

3. Mancanza di prospettiva del cliente

Il modello vede il vostro sito web, ma non i vostri clienti:

• nessun caso di studio reale
• nessuna risposta alle obiezioni reali
• la mancanza di un linguaggio delle preoccupazioni dei clienti che appaia nelle recensioni e nelle comunità

In introspezione viene fuori come:

• "Non ho una chiara rappresentazione dei problemi tipici dei clienti di questo marchio"
• "Vedo pochissime recensioni e prove di implementazione"

E-E-A-T in AI, ovvero su cosa l'AI crea fiducia nel vostro marchio?

I modelli di IA "ereditano" in gran parte i pregiudizi (tendenze, pregiudizi cognitivi dei modelli) e i segnali conosciuti da Google. Il classico E-E-A-T (Esperienza, Competenza, Autorevolezza, Affidabilità) diventa anche il fondamento della visibilità nelle risposte dell'IA.

Cosa significa in pratica:

• Esperienza
  Contenuti basati su implementazioni reali, risultati concreti, casi di studio, citazioni di clienti.

• Competenza
  Autori con esperienza, materiale tecnico approfondito in cui l'argomento è critico, riferimenti alla ricerca e agli standard industriali.

• Autorevolezza
  Citazioni in media credibili, link da domini affidabili, partecipazioni a conferenze, integrazioni di partner.
• Affidabilità
  Informazioni chiare sull'azienda, contatti chiari, politiche, contenuti aggiornati, dati corretti, niente clickbait.

Le ricerche e le analisi di mercato SEO dimostrano che forti segnali E-E-A-T sono correlati a una maggiore visibilità e alla stabilità con gli aggiornamenti degli algoritmi. Tutto indica che lo stesso vale per i sistemi di intelligenza artificiale, che preferiscono fonti "esperte e ben documentate" quando generano risposte.

GEO, AEO e dati strutturati come "carburante" tecnico per l'IA

La SEO classica ottimizza il posizionamento nelle SERP. GEO (Generative Engine Optimisation) e AEO (Answer Engine Optimisation) ottimizzano i vostri contenuti affinché siano facilmente citati da modelli come ChatGPT, Claude, Perplexity, AI Overviews in Google.

Elementi chiave

1. Dati strutturati e schema markup
Articolo, FAQ, Come fare, Prodotto, LocalBusiness, Recensione

• permettono ai modelli di capire rapidamente il tipo di pagina
• organizzare le risposte in un formato che l'LLM possa facilmente sintetizzare
• aumentare la possibilità che i vostri frammenti vengano "incollati" nella risposta

2. Il formato "prima la risposta"
Risposte brevi e precise all'inizio della pagina, per poi approfondire.

È proprio così che le migliori guide all'ottimizzazione della ricerca AEO e AI strutturano i contenuti.

3. Controllo degli accessi per i bot AI

• robots.txt corretto
• prendere in considerazione file come llms.txt se si vuole controllare in modo più preciso il crawling dei contenuti
• nessun contenuto critico nascosto dietro un paywall dove non esiste una versione aperta.

Se i dati non sono strutturati e il sito è lento e difficile da scansionare, la L'intelligenza artificiale non costruisce rappresentazioni solide del vostro marchio, non importa quanto sia buono il contenuto.

Come misurare la visibilità del marchio nell'IA

Le "sensazioni" da sole non bastano più. È necessaria una serie di metriche.

Sulla base dei rapporti di Semly, Semrush, Searchable e altri fornitori di strumenti di visibilità dell'IA, è possibile costruire la seguente serie di indicatori.

1. Punteggio di visibilità del marchio AI
Percentuale di risposte AI nella vostra categoria in cui compare il marchio.

2. Tasso di citazione
Quante volte siete stati citati o linkati come fonte.

Ad esempio in ChatGPT, Perplexity, AI Overviews.

3. Quota di voce dell'intelligenza artificiale
La quota delle vostre citazioni rispetto ai vostri concorrenti in una determinata categoria.

4. Punteggio del sentimento dell'intelligenza artificiale
Un semplice indice che mostra come l'AI percepisce il vostro marchio.

5. Copertura tempestiva
Per quanti scenari d'acquisto chiave vi presentate affatto.

Un numero crescente di strumenti consente di monitorare questo aspetto su base continuativa, come le soluzioni di ottimizzazione della ricerca con l'intelligenza artificiale (Semly.ai o Profound).

Piano di 90 giorni

Come combinare l'introspezione dell'IA con la pratica del marketing:

Giorni 1-14: Audit di "come l'IA pensa a noi"

• Costruire un elenco di richieste di acquisto chiave
• Guardate chi compare nelle risposte delle 3 principali raccomandazioni
• In caso contrario, chiedete ai modelli di fare introspezione: "Come mi percepisci rispetto alla concorrenza?", "Quali rappresentazioni ti hanno impedito di raccomandare questo marchio?"

Notate i temi ricorrenti.

Giorni 15-30: Mappatura delle lacune di rappresentazione e delle lacune di contenuto

• Effettuare un'analisi del gap di contenuti rispetto ai marchi che l'AI raccomanda più frequentemente
• Scopri i formati che l'AI ama citare: guide, confronti, FAQ, casi di studio
• A questo si contrappongono segnali introspettivi come "nessuna forte rappresentazione di sicurezza" o "poche prove di impiego"

Giorni 31-60: Creazione di contenuti "introspettivamente amichevoli

• Preparare contenuti che codifichino chiaramente il posizionamento astratto del marchio premium, l'impresa, la sicurezza, la semplicità, la specializzazione nel settore
• Occupatevi dell'E-E-A-T: autori, fonti, casi di studio, citazioni
• Aggiungete i dati strutturati e assicuratevi che il formato sia "risposta in alto, espansione in basso"

Giorni 61-90: Convalida e iterazione

Ripetere i test di IA dagli stessi prompt.

Controllare:

• vi fate vedere più spesso
• il contesto in cui vi viene raccomandato è cambiato
• l'introspezione dei modelli dà risposte diverse.

Su questa base, iterate: contenuti, posizionamento, struttura della pagina.

Glossario

AEO (ottimizzazione dei motori di risposta)
Ottimizzazione dei contenuti per le risposte generate dall'intelligenza artificiale e dai moduli del motore di risposta, come AI Overviews, ChatGPT, Perplexity, Bing Copilot o gli assistenti vocali.

Visibilità del marchio AI
La misura in cui il vostro marchio è visibile, citato e consigliato dai sistemi di intelligenza artificiale nei momenti decisionali chiave.

Iniezione di concetti
Una tecnica di ricerca in cui i ricercatori iniettano modelli di attivazione specifici che rappresentano un concetto in un modello e poi testano se il modello è in grado di rilevare che si è verificato qualcosa di "innaturale" nel suo stato interno.

E-E-A-T
Esperienza, competenza, autorevolezza, affidabilità. Il quadro di Google per la valutazione della qualità dei contenuti, sempre più importante anche nella ricerca AI.

GEO (ottimizzazione generativa dei motori)
Una strategia per ottimizzare i contenuti per i motori di ricerca generativi, concentrandosi sulla frequenza e sulla qualità delle citazioni nelle risposte dell'IA piuttosto che sulle posizioni nei risultati di ricerca classici.

Introspezione dell'intelligenza artificiale
La capacità del modello di rilevare e descrivere aspetti selezionati dei propri stati interni. Nella ricerca antropica si misura reagendo a "pensieri" iniettati artificialmente e valutando se il modello è in grado di notarli e nominarli.

LLM (Large Language Model)
Un modello linguistico di grandi dimensioni, un sistema di intelligenza artificiale addestrato su enormi quantità di dati testuali, in grado di generare e comprendere il linguaggio naturale.

Markup Schema
Un insieme di dati strutturati in formato JSON-LD o microdati, aggiunti a una pagina per aiutare i motori di ricerca e i modelli di intelligenza artificiale a comprendere il tipo e la struttura dei contenuti.

Analisi delle lacune dei contenuti
È un metodo che vi permette di identificare quali contenuti mancano al vostro sito web o al vostro ecosistema di contenuti, al fine di: rispondere meglio alle esigenze dei vostri clienti, competere con i migliori marchi del vostro settore, migliorare la vostra visibilità nei motori di ricerca e le risposte dell'AI.

Pregiudizio
Nel mondo dell'IA, questo termine indica la tendenza del modello a privilegiare determinate fonti, schemi consolidati derivati dai dati di addestramento, "pregiudizi" ripetitivi che non derivano dalle intenzioni dell'utente, ma da ciò che il modello ha visto in precedenza.

FAQ

Il 20% di introspezione effettiva non è sufficiente per preoccuparsi?
Non è molto se si considera l'introspezione come un "oracolo". In pratica, si tratta di qualcos'altro:

• nei test di controllo, i modelli non hanno segnalato una volta un problema quando in realtà non stava accadendo nulla di insolito
• quando un modello dice: "Vedo un tale concetto in me stesso", questo è un forte segnale che c'è effettivamente una cosa del genere nelle sue rappresentazioni interne

Per il marketer, questo significa: non sempre si otterrà una risposta, ma se la si ottiene e sembra coerente, vale la pena prenderla sul serio e verificarla con altri metodi.

Quali strumenti possono aiutarmi a misurare la visibilità del marchio nell'AI?
Il mercato si sta sviluppando rapidamente. Sempre più piattaforme SEO e di contenuti stanno aggiungendo moduli per monitorare le citazioni in AI.

Prestare attenzione agli strumenti che:

• tenere traccia dei prompt in cui compare il vostro marchio
• mostrare lo share of voice rispetto ai concorrenti
• misurare il sentimento delle risposte
• supportare l'analisi delle lacune dei contenuti in termini di ricerca AI

In che modo la GEO è praticamente diversa dalla SEO tradizionale?
La SEO si concentra sulle posizioni nei risultati di ricerca e sui clic. La GEO si concentra sul numero di citazioni e sulla qualità del contesto nelle risposte dell'AI.

Dal momento che sto ottimizzando per l'intelligenza artificiale, posso smettere di investire nella SEO?
Tutte le analisi più importanti indicano che l'IA fa un forte uso di segnali familiari all'ecosistema di ricerca classico, come l'autorità del dominio e i link. Un approccio ragionevole è quello della "search everywhere optimisation": si costruiscono le fondamenta della SEO e si aggiungono strati di GEO e AEO.

Con quale frequenza devo testare la mia visibilità nell'IA?
Almeno una volta alla settimana e preferibilmente una volta al giorno. I modelli vengono aggiornati, quindi il fatto che siate visibili oggi non significa che lo sarete ancora tra tre mesi.

Sintesi

La ricerca di Anthropic sull'introspezione dei modelli linguistici non è una curiosità filosofica. Perché i marchi significano questo:

• per la prima volta, è possibile chiedete direttamente ai modelli perché vi ignorano e di tanto in tanto ottengono una risposta che proviene dalle loro rappresentazioni reali, interne, della
• è possibile utilizzare queste risposte per progettare meglio i contenuti, il posizionamento e i dati strutturati
• si può iniziare a trattare i modelli di IA come un nuovo mezzo, con una propria metodologia di ricerca e ottimizzazione, e non solo come una scatola nera

I marchi che, nel 2025, impareranno a guardare all'IA non come a una scatola magica, ma come a una un pubblico a cui bisogna insegnare a pensare alla nostra offerta nel modo correttoin pochi anni avranno un vantaggio che non potrà essere facilmente recuperato.

L'introspezione dell'intelligenza artificiale è ancora imperfetta. Ma per capire un fatto fondamentale è già sufficiente:

Fonti

1. Antropico, "Consapevolezza introspettiva emergente in modelli linguistici di grandi dimensioni".
2. MarkTechPost, "La nuova ricerca di Anthropic mostra che Claude può rilevare concetti iniettati, ma solo in strati controllati", 2025.
3. Search Engine Land, "Come misurare la visibilità del marchio nella ricerca AI e dimostrarne l'impatto", 2025.
4. Semrush, "Come ottimizzare i risultati di ricerca dell'intelligenza artificiale nel 2025", 2025.
5. SurferSEO, "Ottimizzazione della ricerca AI: 8 passi per posizionarsi nei risultati AI", 2025.
6. CXL, "Ottimizzazione dei motori di risposta (AEO): La guida completa per il 2025", 2025.
7. Google Search Central, "Creare contenuti utili, affidabili e orientati alle persone"
8. Semrush, "Google E-E-A-T: Cos'è e come influisce sulla SEO', 2024 e aggiornamenti 2025.

Condividi:

Copia link