Un cambio di paradigma nella ricerca di informazioni
Per quasi trent’anni la visibilità online di un’impresa si è misurata attraverso il posizionamento nei risultati di un motore di ricerca tradizionale, costruito attorno a parole chiave e link. Questo paradigma sta mutando rapidamente, un numero crescente di utenti pone domande in linguaggio naturale a un assistente conversazionale o utilizza le funzionalità di sintesi basate su IA integrate nei motori di ricerca, ottenendo una risposta già elaborata anziché un elenco di collegamenti da esplorare autonomamente. Tecnicamente, molti di questi sistemi si basano su architetture di retrieval-augmented generation. Il modello linguistico recupera informazioni da fonti esterne – pagine web indicizzate, database strutturati, recensioni – e le sintetizza in una risposta, citando talvolta le fonti utilizzate.
Questo mutamento ha dato origine a discipline emergenti indicate con acronimi come GEO (Generative Engine Optimization) o AEO (Answer Engine Optimization), che affiancano – senza sostituirla del tutto – la tradizionale SEO. L’obiettivo non è più (solo) scalare una classifica, ma essere selezionati come fonte affidabile all’interno di una risposta sintetizzata, in un contesto nel quale il controllo dell’impresa sulla propria narrazione digitale si riduce sensibilmente.
Sul piano tecnico, la differenza rispetto alla SEO tradizionale non è solo terminologica. Un motore di ricerca classico restituisce un elenco di risultati che l’utente stesso seleziona e visita, mantenendo un margine di verifica autonoma. Un motore di risposta, al contrario, filtra, sintetizza e presenta una conclusione già elaborata, spesso senza che l’utente prosegua la lettura oltre la risposta stessa. Questo significa che l’impresa perde, in larga misura, il controllo sul “momento della verità” in cui il potenziale cliente forma la propria opinione. Se in passato bastava comparire tra i primi risultati per avere una possibilità di essere considerati, oggi occorre essere scelti come fonte primaria di una sintesi che l’utente leggerà una sola volta, senza necessariamente consultare l’origine.
Che cosa significa costruire un ecosistema informativo coerente
Le imprese che ottengono maggiore visibilità in questo nuovo paradigma sono quelle capaci di presentare informazioni coerenti su più canali, dati strutturati sul proprio sito (secondo standard come schema.org), contenuti verificabili e aggiornati, presenza autorevole su fonti terze indipendenti. I segnali di affidabilità utilizzati, direttamente o indirettamente, dai sistemi di IA generativa ricalcano in larga misura i criteri di qualità già elaborati per la ricerca tradizionale – esperienza, competenza, autorevolezza, affidabilità – ma con un peso relativo crescente attribuito a fonti esterne rispetto al sito di proprietà dell’impresa. Le recensioni dei clienti, in particolare, assumono un ruolo determinante, non più solo strumento di reputazione verso il pubblico, ma fonte primaria per la sintesi automatica delle risposte.
I rischi giuridici della disintermediazione
Questo scenario porta con sé questioni giuridiche non ancora del tutto assestate. Il primo profilo riguarda la responsabilità per informazioni inesatte. Se un sistema di IA generativa attribuisce a un’impresa affermazioni non veritiere, obsolete o denigratorie – una allucinazione che coinvolge un marchio, un prodotto o una persona – si pone un problema di responsabilità del gestore del motore di risposta, che le categorie tradizionali di diffamazione, concorrenza sleale per denigrazione (art. 2598 c.c.) e, nei rapporti con i consumatori, pratiche commerciali scorrette, non sono ancora pienamente attrezzate ad affrontare. Non è chiaro, ad oggi, quale regime di responsabilità si applichi al gestore del sistema di IA quando la sintesi generata produce un danno reputazionale a un terzo che non ha alcun rapporto contrattuale con il gestore stesso, né strumenti agevoli per ottenere una rettifica.
Il secondo profilo riguarda le recensioni. Poiché queste ultime assumono un peso crescente nella costruzione delle risposte sintetizzate, cresce parallelamente l’incentivo a manipolarle. Il Codice del consumo, agli articoli 20 e seguenti, e le relative Linee guida elaborate a livello europeo, già qualificano come pratica commerciale scorretta la pubblicazione di recensioni false o l’omissione di informazioni sulla verifica dell’autenticità delle recensioni raccolte: un quadro normativo che diventa ancora più rilevante quando le recensioni non sono più lette da un singolo consumatore ma aggregate e sintetizzate da un sistema automatizzato su scala.
Il terzo profilo attiene al riuso dei contenuti. La costruzione delle risposte sintetizzate presuppone l’estrazione e l’elaborazione massiva di contenuti pubblicati da terzi, un’attività che si confronta con la disciplina del text and data mining introdotta dalla Direttiva (UE) 2019/790, la quale prevede un meccanismo di opt-out per i titolari dei diritti che intendano riservarsi l’utilizzo dei propri contenuti a fini di addestramento di sistemi di IA. Le imprese titolari di contenuti editoriali o informativi dovrebbero valutare consapevolmente se e come esercitare questa riserva.
Infine, un profilo meno esplorato ma non meno rilevante riguarda la concorrenza. Quando un motore di risposta integrato in un servizio dominante privilegia sistematicamente contenuti propri o di soggetti collegati rispetto a fonti terze, si aprono interrogativi in tema di self-preferencing rilevanti alla luce del Digital Markets Act, applicabile ai gatekeeper designati. A questo si affianca un tema di trasparenza degli algoritmi di raccomandazione, le piattaforme online di dimensioni molto grandi, qualificate come tali ai sensi del Digital Services Act, sono già soggette a obblighi specifici di trasparenza sui parametri principali utilizzati dai propri sistemi di raccomandazione, obblighi che assumono un rilievo crescente man mano che tali sistemi si evolvono verso funzioni di sintesi e risposta diretta, anziché di mera selezione di risultati.
Va inoltre segnalato un tema di trasparenza commerciale, distinto ma collegato se un motore di risposta include, tra le fonti citate o tra i suggerimenti forniti, contenuti sponsorizzati o frutto di accordi commerciali non dichiarati. Allora si pone un problema di pubblicità occulta, disciplinato dal Codice del consumo e, per i professionisti della comunicazione, dai codici deontologici di settore. La disintermediazione della ricerca rende più difficile per l’utente distinguere un contenuto promozionale da uno editorialmente neutro, aumentando l’importanza di una disclosure chiara ovunque tale distinzione rilevi.
Indicazioni operative
Per le imprese, la reazione più efficace non è inseguire tecniche di ottimizzazione fine a se stesse, ma investire nella qualità sostanziale, nella verificabilità delle informazioni diffuse, con dati strutturati corretti e aggiornati, gestione attiva e trasparente delle recensioni, monitoraggio periodico di come i principali sistemi di IA generativa descrivono l’impresa, e predisposizione di procedure rapide per richiedere una correzione in caso di informazioni palesemente inesatte. In questo scenario, la reputazione digitale diventa un asset da presidiare con strumenti insieme tecnici e giuridici.
