// TOM'S HARDWARE ITALIA — INTELLIGENZA ARTIFICIALE
Posizionarsi nei chatbot (GEO) è una lotteria peggio che con Google
Il centro ricerche parse.gl ha analizzato 693.509 risposte ripetute a 16.143 prompt di ChatGPT e 15.805 di Google AI Overviews, e ha trovato che due risposte ChatGPT allo stesso prompt condividono in media solo il 21,2% dei domini citati come fonte. Uno studio indipendente di SparkToro, con 600 volontari e circa 3.000 sessioni identiche, ha ottenuto la stessa identica lista di brand raccomandati in meno dell'1% dei casi.
Le linee guida pubblicate ad agosto 2026 dall'Interactive Advertising Bureau contano già più di venti aziende che vendono strumenti di misurazione della "visibilità AI" dei marchi, ognuna con una metodologia diversa: i risultati, dice lo stesso documento, restano incomparabili tra loro. In un terreno così instabile si muovono oggi le agenzie che promettono di ottimizzare la presenza di un'azienda dentro le risposte dei chatbot, vendendo certezze che i dati non offrono.
La SEO ha già attraversato uno scenario simile. Ogni aggiornamento rilevante dell'algoritmo di Google, da Panda alle più recenti Helpful Content Update, ha spostato posizionamenti consolidati nel giro di una notte, e bastava riformulare di poco una query per ottenere risultati diversi. Le aziende hanno imparato a conviverci: budget dedicati, monitoraggio continuo, nessun posizionamento mai acquisito.
Con la generative engine optimization il problema smette di essere periodico e diventa strutturale. Google cambia le regole con un aggiornamento ogni qualche mese; un chatbot può cambiarle a ogni singola risposta, anche sullo stesso prompt, senza che nessuno tocchi il modello nel frattempo. Il funnel intero, non solo la pagina dei risultati, va ripensato per un pubblico che passa dalla ricerca alla conversazione.
È dentro questo mercato incerto che si inserisce la proposta di Meghna Deshraj, fondatrice dell'agenzia Bullzeye Global Growth Partners, in un pezzo pubblicato su Entrepreneur. Deshraj cita gli stessi dati di parse.gl e SparkToro per proporre l'alternativa: costruire il proprio pannello di domande con dati di prima mano, chiamate di vendita, ticket di supporto, interviste su vittorie e sconfitte commerciali, invece di comprarne uno già pronto da un fornitore esterno.
Il consiglio è ragionevole, ma la fondatrice vende proprio questo tipo di servizio: la sua agenzia fattura sull'auditing della visibilità AI che l'articolo propone di rendere meno necessario. Il dato sull'instabilità resta confermato da due fonti indipendenti, ma la soluzione proposta va letta come un argomento di vendita, non come un consiglio neutro.
Chi vende il rimedio ha sempre un interesse a raccontare la malattia come grave.
Smettere di dipendere da un singolo canale conta più che rincorrere il prossimo aggiornamento del modello. Il content marketing e un sito proprio restano la base, ma vanno affiancati da social media, newsletter e contenuti sponsorizzati: canali che restano attivi anche quando un aggiornamento di modello cambia tutto il resto.
Alla lista si aggiungono canali meno ovvi ma solidi: comunità proprietarie, forum, gruppi Discord o Slack di settore, liste email di prima parte che nessun algoritmo esterno può ridistribuire o nascondere, partnership con creator e newsletter di nicchia, podcast e webinar. Sul fronte tecnico conta la cura dei feed strutturati che i motori AI leggono direttamente, markup schema.org, cataloghi prodotto aggiornati, in alcuni casi un file llms.txt: riduce gli ostacoli meccanici, anche se la citazione finale resta incerta.
I media si preparano già allo scenario "zero Google", in cui il traffico organico smette di essere la fonte principale di lettori. Le aziende, soprattutto quelle senza un reparto marketing strutturato, affrontano la stessa transizione con qualche mese di ritardo, e senza le redazioni che sperimentano alternative da anni. Rincorrere il prossimo algoritmo, quando l'algoritmo cambia risposta ogni volta che viene interrogato, è una lotteria a cui conviene giocare il meno possibile.