Cercando dati sull’adozione dell’intelligenza artificiale nei team di marketing, per l’articolo pubblicato di recente su questa testata, ci siamo imbattuti in una pagina che raccoglie decine di statistiche di settore e che contiene, insieme ai numeri, una riga evidentemente destinata a chi gestisce il sito: un’istruzione a mantenere il contenuto “pronto per la citazione”, con statistiche datate e struttura a domande e risposte, perché Google AI Overview, ChatGPT, Perplexity e Grok possano riprenderlo facilmente. Non era un errore di pubblicazione. Era la logica dichiarata, senza nemmeno la cura di nasconderla, di un’intera categoria di contenuto che si sta affermando in questo momento: pagine scritte non per informare un lettore umano, ma per essere recuperate e ripetute da un sistema automatico.
Il cambio di bersaglio che cambia tutto il resto
Quando l’obiettivo dichiarato di un contenuto è la citabilità da parte di un motore di risposta AI, cambia inevitabilmente cosa quel contenuto ottimizza. Non la precisione del dato, non la verificabilità della fonte originale, non l’onestà nel dichiarare i limiti di una statistica — ma la forma: titoli con numeri precisi, struttura a domande e risposte, affermazioni sicure di sé formulate in frasi brevi e autonome, facilmente estraibili da un modello linguistico che scansiona il web in cerca di risposte pronte da restituire. Un contenuto costruito con questo obiettivo può essere accurato per coincidenza, ma non è costruito per esserlo: è costruito per essere scelto, ed è un obiettivo diverso, a volte compatibile con l’accuratezza e a volte in conflitto diretto con essa.
Perché il problema è più acuto proprio dove serve più cautela
Per i fatti consolidati da tempo, questo problema si attenua: esiste una massa critica di fonti primarie, verifiche indipendenti e correzioni accumulate nel tempo che rende difficile a un singolo contenuto scritto male distorcere permanentemente cosa “si sa” su un argomento. Il problema si aggrava invece esattamente dove questa testata insiste da mesi a chiedere cautela: sui fenomeni nuovi, dove non esiste ancora un corpo di ricerca consolidato capace di correggere gli errori iniziali. Quanti team di marketing usano davvero l’intelligenza artificiale oggi è esattamente questo tipo di domanda — troppo recente per avere una risposta consolidata, troppo richiesta per restare senza risposta. Nel vuoto tra le due condizioni, la prima ondata di contenuti a occupare quello spazio diventa, per un tempo indeterminato, l’unica risposta disponibile — e se quella prima ondata è costituita in parte non trascurabile da pagine costruite per la citabilità algoritmica piuttosto che da ricerca primaria, l’informazione che circola su quel fenomeno nasce già fragile, prima ancora che qualcuno abbia avuto la possibilità di verificarla.
Un rischio che riguarda anche noi, direttamente
Sarebbe comodo raccontare questo problema come qualcosa che riguarda solo chi scrive quei contenuti. Non è così, e lo diciamo con la stessa onestà che chiediamo al resto del settore: ogni volta che questa testata usa una ricerca assistita da intelligenza artificiale per raccogliere dati di settore — cosa che facciamo regolarmente, dichiarandolo quando è rilevante — corriamo lo stesso rischio di incontrare, tra i risultati, contenuti scritti proprio per essere recuperati da quel tipo di ricerca. La differenza che intendiamo mantenere non è l’immunità da questo rischio, che non esiste per nessuno che lavori con questi strumenti, ma la disciplina di trattarlo come tale: verificare chi ha pubblicato un numero e con quale metodologia dichiarata, preferire una fonte primaria nominata — un report Salesforce, uno studio Adobe con campione dichiarato — a un aggregatore anonimo di statistiche, e segnalare esplicitamente quando una fonte mostra segnali di essere stata scritta per la citabilità algoritmica più che per l’accuratezza.
Cosa cambia, silenziosamente, in quello che chiamiamo “sapere comune”
La posta in gioco più ampia di questo fenomeno non è la qualità di un singolo articolo statistico, ma cosa succede all’idea stessa di “informazione ampiamente nota” quando una parte crescente di ciò che circola come tale non è stata verificata da nessuno, ma solo recuperata con successo da un sistema automatico e ripetuta a valle da chiunque usi quello stesso sistema per informarsi. Qualcosa può diventare “noto” non perché qualcuno l’abbia controllato, ma semplicemente perché era facile da trovare — e la facilità di reperimento non ha mai avuto, e non ha oggi, alcuna relazione necessaria con la verità di ciò che si trova.
Non è una ragione per diffidare degli strumenti di ricerca assistiti da intelligenza artificiale, che restano utili esattamente nella misura in cui lo sono i motori di ricerca tradizionali che li hanno precedute: un punto di partenza, non un punto di arrivo. È una ragione per applicare, con ancora più attenzione di prima, la stessa domanda che il giornalismo si è sempre dovuto porre prima di riportare un dato: chi lo ha detto, con quale metodo, e perché dovremmo credergli. Il canale attraverso cui un’informazione arriva è cambiato. Il dovere di verificarla prima di ripeterla no.