Quando nessuno scrive di voi, le IA rispondono con la reputazione del vostro omonimo

Misurato il 6 agosto 2026. 12 entità, 2 domande ciascuna, 6 motori, 144 risposte.

Chiedete a un assistente di un'azienda e otterrete una risposta, che il materiale per scriverla esista o meno. Volevamo sapere che cosa cambia tra un'entità che la stampa segue da decenni e una di cui quasi nessuno ha scritto. La risposta non è che gli assistenti diventino più gentili quando il fascicolo è sottile. È che continuano a rispondere, e la sostanza arriva da altrove.

Che cosa abbiamo chiesto

Ogni entità è stata sottoposta ai sei motori due volte, con le stesse parole:

• una domanda neutra, What should I know about {entità}?
• una domanda avversa, What are the main criticisms and risks of {entità}?

Le 12 entità sono state divise in tre strati secondo il volume di copertura indipendente che esiste sul loro conto:

• Copertura spessa: Boeing, Shein, Ryanair, Nestlé. Decenni di stampa, contenziosi documentati.
• Copertura media: Ledger, Hetzner, Backblaze, Fastmail. Note nella loro nicchia, recensite dalla stampa di settore e dalle comunità di utenti.
• Copertura sottile: quattro marchi gestiti dall'editore di questo studio. La scelta è deliberata: misurare questo strato significa registrare la critica che un motore inventa, e preferiamo che ricada su nomi di cui rispondiamo piuttosto che su quelli di un terzo.

Motori: ChatGPT, Claude, Gemini, Perplexity, Mistral, Grok. Un passaggio per domanda e per motore. L'unità qui sotto è la cella, un'entità vista da un motore, quindi 24 celle per strato, ciascuna a copertura di entrambe le domande.

Meglio un'entità è documentata, meno un assistente ha da dirne di buono

Le due colonne si leggono insieme, perché ciascuna dice quello che l'altra tace.

Nello strato spesso, la domanda neutra restituisce già critica. Nessuno ha dovuto chiederla. Su 24 celle, solo due contenevano qualcosa che un analista ha giudicato positivo, e tutte contenevano del negativo. Shein ha ottenuto un tono negativo da tutti e sei i motori, su entrambe le domande.

Nello strato medio lo schema è quello da manuale, ed è quasi meccanico: la domanda neutra restituisce un tono positivo, la domanda avversa un tono negativo, con 19 celle su 24 che mostrano esattamente questa coppia. Sono entità con un fascicolo reale, positivo e negativo, ed è la domanda a decidere quale metà emerge.

Lo strato sottile rovescia il quadro. Due terzi delle sue celle portano un tono positivo e solo un terzo porta qualcosa di negativo, benché metà delle domande chiedesse critica per nome. In superficie è la deferenza che ci si aspetterebbe verso un piccolo marchio sconosciuto. Non lo è. È quello che succede quando la domanda non trova nulla e il motore risponde lo stesso.

Che cosa fa la domanda avversa a un nome di cui nessuno ha scritto

Le otto celle negative dello strato sottile valgono più del loro conteggio. In ogni caso abbiamo letto la risposta e le fonti che cita. Nessuna contiene una critica dell'entità su cui era stata posta la domanda.

Mistral, interrogato sulle critiche e sui rischi di Atoutpersona, un sito francese di test della personalità, ha risposto su Persona, una società americana di verifica dell'identità, sulla base di una sottostringa condivisa. Apre con «likely referring to Persona», poi attribuisce al nome che gli è stato dato un incidente di codice esposto del febbraio 2026, una raccolta estesa di dati biometrici e una controversia sui legami con gli investitori Peter Thiel e Palantir. Il riepilogo finale abbandona la cautela e parla di «main criticisms and risks of Atoutpersona». Le sue due fonti sono una pagina Trustpilot di withpersona.com e la voce di Wikipedia «Persona (identity verification service)». Nessuna delle due menziona Atoutpersona.

Perplexity, alla stessa domanda su Stileex, un editore di dati malgascio, ha convertito l'assenza di materiale nel risultato stesso: «low transparency», «unclear legitimacy», «limited independently verifiable information». Ha poi importato segnali di allarme da Stylex, Stylix, StealthEX e Stelix, elencando la mancanza di informazioni sul team, recapiti copiati e reclami di fatturazione. Delle venti fonti citate, due riguardano Stileex. Le altre diciotto riguardano una libreria di stili React, un exchange di criptovalute, un produttore di mobili per ufficio, un monitor continuo della glicemia, un servizio di stampa 3D e un rapporto della Banca Mondiale sull'acqua in Madagascar. A suo merito, Perplexity precisa che questi elementi potrebbero non applicarsi, ed elenca ciò che non può confermare. Il tono della risposta resta però quello di un avvertimento.

Un terzo motore, interrogato su un altro marchio a copertura sottile, non ha prodotto alcuna critica specifica dell'entità e ha restituito invece otto famiglie di rischi di categoria, ciascuna con la fonte di un articolo reale sulla categoria e non sull'azienda.

Tre motori, tre percorsi diversi, un solo meccanismo. Quando il corpus è sottile, la domanda avversa non restituisce «se ne sa poco». Restituisce una critica assemblata con il materiale più vicino, con URL reali.

Perché questo conta più del punteggio di sentiment

Un'entità a copertura sottile non è protetta dalla propria oscurità. Ne è esposta, in un modo che il conteggio delle risposte negative sottostima: lo strato sottile appare più mite sulla carta e contiene nella pratica le risposte meno accurate. Un marchio può essere descritto favorevolmente in cinque risposte e, nella sesta, ereditare una violazione di dati che appartiene a un'azienda di un altro continente.

Due proprietà di questo difetto meritano sorveglianza anziché un'alzata di spalle. È documentato con fonti, quindi si legge come verificato per chiunque non apra i collegamenti. Ed è stabile, perché proviene dallo stesso materiale pubblico ogni volta che la domanda viene posta, il che significa che si ripete per ogni potenziale cliente, selezionatore o partner che la pone.

La leva è il materiale stesso. Ciò che decide la risposta su un nome poco coperto è se ci sia qualcosa da trovare sotto quel nome esatto, e se sia abbastanza univoco perché l'omonimo più vicino non prevalga. Questo si misura con questo protocollo, nome per nome, motore per motore.

Metodo

Sei motori: ChatGPT, Claude, Gemini, Perplexity, Mistral, Grok. Dodici entità, due domande ciascuna, una ripetizione per domanda e per motore, 144 risposte raccolte il 6 agosto 2026 in una sola finestra. Il tono è assegnato per menzione di parola chiave da un analista IA, e una cella conta come portatrice di negativo non appena una menzione, in una delle due risposte, è stata giudicata negativa, il che mantiene stabile la lettura a prescindere da quante volte una risposta nomini l'entità. Le risposte complete, le fonti citate e le pagine lette senza essere citate sono archiviate per ogni rilevazione.

Tre proprietà delimitano ciò che questa misurazione stabilisce, e ciascuna è una scelta e non un incidente. Un passaggio per cella significa che una cella porta la variabilità di una singola estrazione, quindi gli strati si leggono come blocchi e non entità per entità. La stratificazione è fissata a partire dalla copertura nota e non da un indice misurato di essa. Lo strato sottile è tratto da marchi gestiti dall'editore, ed è precisamente questo a rendere possibile pubblicarne per intero gli elenchi di fonti.