Cosa capisce un'intelligenza artificiale del tuo sito web

Sul vecchio sito di Modularte, azienda che produce fioriere modulari da esterno, accanto al nome dell'azienda compariva una scritta color ruggine: Art. 49fk. Era un dettaglio decorativo, pensato per dare un tono tecnico alla composizione grafica della pagina "Chi siamo". Cambiava a ogni lingua del sito senza seguire nessuna reale convenzione di catalogo: "49fm" in inglese, "49cm" in tedesco. Il 25 agosto 2026, interrogata su quel codice, la modalità di ricerca generativa di Google lo ha restituito come un codice prodotto reale di Modularte, riferito alle sue fioriere in metallo.

Lo racconta Francesco Castronuovo su Codrops, in un articolo del 20 settembre 2026 che usa questo episodio come punto di partenza per una domanda utile a chiunque progetti un sito oggi: cosa legge davvero un sistema automatico in una pagina, e cosa si può fare perché non travisi quello che è stato progettato.

Due modi di leggere la stessa pagina

Una persona distingue un elemento decorativo da un contenuto informativo attraverso segnali che diamo per scontati: dimensione, colore, posizione, spaziatura, familiarità con certi pattern grafici. Nessuno di questi segnali arriva a un sistema che elabora il codice della pagina invece di guardarla. Quello che resta è testo, titoli, link, metadati, dichiarazioni di lingua, URL canonici, descrizioni delle immagini, dati strutturati, e le relazioni tra questi elementi. Se l'intenzione del designer non passa attraverso uno di questi canali, per il sistema non esiste.

C'è una seconda complicazione, più difficile da controllare rispetto alla lettura umana: una risposta generata può attingere a più pagine insieme e ricomporle in un testo nuovo. Il sito ufficiale di un'azienda non ha il controllo su come i propri contenuti verranno ricombinati altrove. Può succedere che un'azienda venga citata senza che il suo sito venga indicato come fonte, mentre un concorrente con una visibilità di marca minore diventi la fonte preferita.

Cosa fa l'HTML semantico, e dove si ferma

La risposta più immediata a questo tipo di problema è "usare HTML semantico", ed è un consiglio corretto ma incompleto. Un titolo assegna un ruolo al testo che contiene. Un elenco dichiara che più elementi appartengono allo stesso insieme. Un link stabilisce una relazione tra due risorse. Marcare correttamente questi ruoli riduce l'ambiguità su cosa sia cosa, ma non garantisce che il contenuto sia corretto: un documento perfettamente strutturato può comunque essere vago, contraddittorio o semplicemente sbagliato. La marcatura dice a un sistema come leggere un testo, non se quel testo dice la verità.

Vale lo stesso, forse ancora di più, per i dati strutturati in JSON-LD, lo standard con cui si dichiara che una pagina descrive un'organizzazione, un prodotto, un articolo. Sono utili per rendere esplicito cosa rappresenta una pagina, ma non trasformano una pagina vaga in una pagina informativa, e non rendono vera un'affermazione solo perché è stata inserita in uno schema. Vanno usati per descrivere quello che la pagina già dice, non per costruire una versione parallela del contenuto pensata solo per le macchine.

Il dato strutturato non è la scorciatoia che sembra

Qui vale la pena introdurre una distinzione che spesso viene saltata. Il problema descritto da Codrops riguarda il modo in cui un sistema di AI generativa, in generale, interpreta e ricombina il contenuto di un sito: non riguarda in modo specifico il posizionamento nelle funzioni di ricerca di Google. Su quel fronte, quello delle AI Overviews e della AI Mode nella ricerca, Google è esplicita nella propria documentazione per sviluppatori. Nella pagina aggiornata al 10 dicembre 2025 dichiara che "non ci sono requisiti aggiuntivi per apparire nelle AI Overviews o in AI Mode, né altre ottimizzazioni speciali necessarie" e che "non esiste un dato strutturato schema.org speciale da aggiungere". La guida più recente, aggiornata al 10 luglio 2026, ripete lo stesso punto e avverte esplicitamente contro pratiche come segmentare il contenuto in "chunk" pensati per l'AI o riscrivere i testi apposta per i sistemi generativi: secondo Google non sono necessarie e non funzionano.

Le due cose non si contraddicono, riguardano piani diversi. Il dato strutturato resta utile per la sua funzione originaria: dichiarare in modo esplicito informazioni che gli algoritmi di ricerca hanno sempre usato per i risultati arricchiti. Resta corretto continuare a usarlo, a condizione che coincida con il testo visibile della pagina, come specifica la stessa Google. Ma va trattato per quello che è: un modo per rendere leggibile ciò che una pagina contiene già, non un intervento speciale per farsi notare dall'AI, e ancora meno una scorciatoia per risolvere ambiguità di contenuto che nascono altrove.

Come verificarlo, invece di darlo per scontato

Il metodo più concreto emerso dal caso Modularte non è un audit tecnico, ma un test empirico: raccogliere più risposte generate a partire dalle stesse domande che un utente reale potrebbe porre su un'azienda o un prodotto, e osservare se l'azienda compare, se compaiono concorrenti, se le descrizioni sono corrette, quali fonti vengono citate. Serve più di un campione perché i modelli linguistici restano per natura non deterministici: la stessa domanda può produrre risposte diverse in momenti diversi, e una singola risposta non basta come base di osservazione. Il ciclo diventa quindi pubblicare, osservare, misurare, interpretare, intervenire e ripetere: un processo di test continuo, non una lista di correzioni da applicare una volta.

Per chi progetta un sito, questo si traduce in domande verificabili da porsi su ogni elemento che comunica un'informazione, decorativo o no: cosa sta dichiarando questo elemento, se sta dichiarando qualcosa; cosa rende chiaro il suo ruolo, il markup del documento o solo lo stile visivo; lo stesso fatto resta coerente tra template diversi, lingue diverse, metadati e dati strutturati; e chi legge quella pagina, persona o sistema automatico, potrebbe verificare l'affermazione, o deve semplicemente crederci.

Un problema di contenuti, non una disciplina nuova

Non serve un mestiere nuovo per affrontare questo tipo di ambiguità. Serve applicare alla lettura automatica gli stessi criteri che già usiamo, o dovremmo usare, per la lettura umana: dire chiaramente cosa è cosa, restare coerenti tra le versioni linguistiche di un sito, evitare che un dettaglio grafico venga letto come un dato. La differenza è nelle conseguenze. Un errore di comunicazione visto da una persona resta un errore locale, spesso corretto dal contesto in cui viene letto. Lo stesso errore, ripreso e ricombinato da un sistema automatico, si trasforma in un'affermazione che compare altrove, fuori dal controllo di chi ha progettato la pagina originale. Quando si progetta o si aggiorna un sito, vale la pena chiedersi cosa servirebbe sapere a chi deve verificare un'affermazione su quell'azienda o quel prodotto, e se la pagina lo dice davvero o si limita a suggerirlo.

Fonti

1. Francesco Castronuovo, "What AI Actually Reads When It Reads Your Website", Codrops, 20 settembre 2026
2. Google Search Central, "AI Features and Your Website", aggiornata al 10 dicembre 2025
3. Google Search Central, "Google's Guide to Optimizing for Generative AI Features on Google Search", aggiornata al 10 luglio 2026