Sempre più spesso chi cerca un’informazione non riceve un elenco di siti, ma una risposta già scritta da un’intelligenza artificiale. Il Pew Research Center, istituto statunitense di ricerca, ha seguito la navigazione di 900 adulti americani nel marzo 2025. Una sintesi generata dall’IA compariva in circa il 18% delle ricerche su Google (12.593 su 68.879). Nelle visite a una pagina di risultati con la sintesi, gli utenti cliccavano su un risultato tradizionale nell’8% dei casi, contro il 15% delle visite senza sintesi; cliccavano su un collegamento dentro la sintesi nell’1% dei casi; chiudevano la sessione di navigazione subito dopo nel 26% dei casi, contro il 16%. Sono dati statunitensi e il comportamento degli italiani potrebbe essere diverso, ma indicano la direzione: una parte crescente del pubblico legge la risposta e non apre le fonti. Per un periodico come Metrica.Press ne discende una scelta. Si può sperare che le persone continuino ad arrivare dai risultati di ricerca come prima, oppure si può lavorare perché le risposte delle IA attingano a noi e lo facciano in modo corretto. Metrica.Press sceglie la seconda strada; questo pezzo spiega che cosa significa, che cosa faremo, che cosa non faremo e come i lettori potranno controllarci.
Servono prima due sigle. La prima è RAG, che sta per retrieval-augmented generation, cioè «generazione aumentata dal recupero» (traduzione della redazione). La tecnica fu descritta nel 2020 da Patrick Lewis e colleghi: invece di rispondere soltanto con quanto ha imparato durante l’addestramento, il modello cerca prima in un archivio di documenti i passaggi pertinenti alla domanda, poi scrive la risposta usandoli e può indicarli come fonti. Nei motori di risposta di oggi l’archivio è in larga parte il web aperto. Ne segue una conseguenza pratica: il sistema recupera frammenti e non pagine intere, quindi un’affermazione si salva o si perde da sola, a seconda che il paragrafo che la contiene sia comprensibile e verificabile anche senza il resto dell’articolo. La seconda sigla è GEO, generative engine optimization, cioè «ottimizzazione per i motori generativi». Il termine è stato introdotto nel 2023 da un gruppo di ricercatori guidato da Pranjal Aggarwal, in uno studio poi presentato alla conferenza KDD 2024: indica l’insieme delle pratiche che aumentano la probabilità che un contenuto venga usato e citato in una risposta generata.
Lo studio è la cosa più solida che esista finora sul tema, quindi vale la pena raccontarlo con precisione. I ricercatori hanno costruito un banco di prova di 10.000 domande e hanno misurato quanto cambiava la visibilità di una pagina nella risposta modificandone il testo in modi diversi. Tre interventi aumentavano la visibilità fino a circa il 40%: aggiungere citazioni, aggiungere statistiche, citare le fonti. Riempire il testo di parole chiave, tecnica classica della SEO (l’ottimizzazione per i motori di ricerca tradizionali), non dava vantaggi. C’è poi un risultato che riguarda chi parte da dietro: citare le fonti faceva guadagnare in media il 115% di visibilità al sito classificato quinto nei risultati e ne faceva perdere circa il 30% al primo. La lettura della redazione è che la ricerca premia ciò che un buon giornalista già fa, cioè dire chi ha detto una cosa, quanto e quando. Con una cautela necessaria: i test sono di laboratorio, risalgono al 2023 e i motori cambiano in continuazione, quindi nessuna di queste percentuali è una promessa per il 2027.
Un’ulteriore cautela viene da Google. Secondo la guida di Search Central dedicata alle funzioni di IA nella Ricerca (AI Overviews e AI Mode), per comparire non servono file né marcature speciali: valgono le regole di sempre, cioè contenuti utili e accessibili. Lo stesso vale per il file llms.txt, proposto nel settembre 2024 da Jeremy Howard: un file di testo, posto nella radice del sito, che riassume per i modelli le pagine importanti. Le analisi che abbiamo consultato, tra cui quella di Optimizely, non trovano prove che i principali sistemi lo leggano. Possiamo pubblicarlo, ma non ci conteremo più di tanto.
Il web che si profila non sarà soltanto un web di risposte. Un agente IA è un programma che, dato un obiettivo, compie da solo più passaggi: cerca, legge, confronta e in certi casi prenota o compra per conto di una persona. In un web «gestito dagli agenti» una parte dei lettori delle nostre pagine sarà un programma; le pagine dovranno funzionare per lui oltre che per un essere umano. I primi segnali sono già visibili. Il 6 gennaio 2026 l’IAB Tech Lab, il braccio tecnico dell’associazione della pubblicità digitale IAB, ha pubblicato una tabella di marcia per la pubblicità gestita da agenti, basata su protocolli come il Model Context Protocol (MCP), Agent2Agent (A2A) e gRPC, cioè regole comuni con cui programmi diversi si scambiano richieste. Il 1° luglio 2026 Cloudflare, società di infrastrutture per il web, ha annunciato di voler passare dal far pagare alle società di IA ogni lettura delle pagine al pagare gli editori quando un loro contenuto serve a rispondere a una domanda. È dichiaratamente un esperimento, con due partner (Ceramic.ai e You.com) e senza prezzi resi noti. Resta il problema dello squilibrio: secondo Cloudflare Radar, a luglio 2026 il rapporto tra pagine lette e visite rinviate era di 251 a 1 per OpenAI e di 4,7 a 1 per Google. Cloudflare stessa avverte che questi rapporti sono sovrastimati, perché le app non indicano da dove arriva la visita, senza saper dire di quanto. Il senso però è chiaro: i sistemi leggono molto e rinviano poco. Essere letti e citati non coincide con l’essere visitati.
Un’altra ragione per non accontentarsi della citazione viene dal Tow Center for Digital Journalism della Columbia University. Nel marzo 2025 i suoi ricercatori hanno chiesto ad otto motori di ricerca basati sull’IA di riconoscere la fonte di brani di articoli giornalistici: in oltre il 60% dei casi la fonte indicata era sbagliata. Per un periodico il rischio, dunque, non è solo di non comparire, ma di comparire con una frase che non abbiamo scritto o attribuita a un articolo sbagliato.
Per «essere pronti» intendiamo quindi tre cose. La prima è essere leggibili da un programma: pagine in HTML pulito, testo non nascosto in immagini o in script, autori e date che una macchina possa leggere. La seconda è essere verificabili: un sistema che deve citare sceglie passaggi che si reggono da soli, con fonte, data e metodo. La terza è essere correggibili: se un errore viene trovato, la correzione deve essere visibile e rintracciabile. Da qui discendono otto impegni, che la redazione assume da oggi.
Il primo: ogni pezzo indicherà le fonti con collegamento e data; ogni numero sarà accompagnato da chi l’ha misurato, quando e su quale campione; quando uno di questi elementi manca, lo diremo. Il secondo: terremo sempre separato ciò che dice la fonte da ciò che ne ricava la redazione, con diciture come «lettura della redazione» o «calcolo della redazione», così che né un lettore né un sistema attribuiscano alla fonte un nostro ragionamento. Il terzo: scriveremo paragrafi che si reggono da soli, con il nome ufficiale delle cose («la legge 120/2026 sulla beneficenza nelle campagne», non «la nuova norma») e la data accanto ai fatti. Il quarto: su ogni pezzo saranno visibili la data di prima pubblicazione e quella dell’ultimo aggiornamento; una pagina delle correzioni elencherà che cosa abbiamo cambiato e perché. Il quinto: indicheremo autore, date e tipo di articolo anche in forma leggibile dalle macchine (il formato si chiama schema.org), non per piacere ai motori ma perché è la descrizione corretta di ciò che pubblichiamo. Il sesto: gli indirizzi dei pezzi non cambieranno, perché una citazione che porta a una pagina inesistente non serve a nessuno. Il settimo: pubblicheremo una pagina che dice quali programmi di lettura automatica possono visitare il sito e per quali usi (ricerca e risposta, addestramento dei modelli) e la terremo aggiornata. L’ottavo: ogni trimestre rivolgeremo le stesse domande, da un elenco fisso e pubblico, ai principali assistenti che cercano sul web e pubblicheremo se ci hanno citati, con quale frase e se l’hanno fatto correttamente. Pubblicheremo anche i risultati sfavorevoli.
Ci sono poi cose che non faremo: sono le più facili da tradire. Non scriveremo testi pensati per le macchine a scapito di chi legge. Non inventeremo né gonfieremo statistiche per attirare citazioni, anche se la ricerca dice che le statistiche aiutano: è proprio l’incentivo a barare a rendere affidabile chi non bara. Non cambieremo le date di aggiornamento senza modificare davvero il pezzo. Non nasconderemo nelle pagine testi o istruzioni rivolti ai modelli.
Nessuno di questi impegni garantisce una citazione: i sistemi scelgono con criteri che non conosciamo e che cambiano. Garantiscono soltanto che, se una fonte verrà cercata, Metrica.Press avrà fatto il possibile per essere quella più facile da controllare. In prospettiva, se gli agenti leggeranno al posto delle persone e i siti potranno farsi pagare l’accesso, come lascia pensare l’esperimento di Cloudflare (lettura della redazione, non è detto che accada), chi avrà un archivio leggibile, datato e corretto sarà in vantaggio su chi non lo avrà. Oggi questo pezzo è un programma, non un risultato. La prima relazione trimestrale dirà quanto ci siamo avvicinati all’obiettivo.
Fonti: Pew Research Center, studio sui clic degli utenti di Google con e senza sintesi dell’IA, 22 luglio 2025; Patrick Lewis e altri, «Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks», 2020; Pranjal Aggarwal e altri, «GEO: Generative Engine Optimization», novembre 2023, poi KDD 2024; Google Search Central, guida alle funzioni di IA nella Ricerca; Optimizely, analisi sull’efficacia del file llms.txt; PPC Land, articolo sull’annuncio di Cloudflare del 1° luglio 2026, luglio 2026; Ecorpit, analisi del rapporto tra pagine lette e visite rinviate dei crawler IA, 2026, su dati di Cloudflare Radar; Martech.org, articolo sulla tabella di marcia dell’IAB Tech Lab per l’IA agentica, gennaio 2026; Klaudia Jaźwińska e Aisvarya Chandrasekar, «AI Search Has a Citation Problem», Tow Center for Digital Journalism, Columbia Journalism Review, marzo 2025.