Studio

Perché la visibilità nelle IA non si può più dedurre dai ranking di ricerca

Di Simon Vasconcelos Lee 20 lug 2026

Per circa due anni è esistita una scorciatoia affidabile: gli assistenti IA si appoggiavano agli indici dei motori di ricerca classici per ancorare le loro risposte, quindi posizionarsi bene nella ricerca significava essere trovabili dalle IA. Quella scorciatoia si sta rompendo, pipeline dopo pipeline. Nel corso del 2026 ogni grande assistente IA ha assemblato la propria macchina di retrieval: crawler proprietari, flussi di contenuti su licenza, indici di passaggi, chiamate dirette alle fonti vive. Questa analisi mappa da dove vengono davvero le risposte delle IA a luglio 2026, e che cosa cambia per chi vuole comparirvi.

L'era del proxy, e le tre forze che la stanno chiudendo

Quando ChatGPT ha iniziato a navigare il web, lo faceva attraverso Bing. La maggior parte dei primi prodotti di ricerca IA funzionava allo stesso modo: comprare risultati da un'API di ricerca consolidata, leggere le prime pagine, scrivere una risposta. Finché quell'architettura ha retto, la visibilità nelle IA era in gran parte una derivata della visibilità nella ricerca. Chi era posizionato era nell'insieme delle fonti; chi era nell'insieme delle fonti poteva essere citato.

Tre forze stanno smontando questo assetto.

Le API di ricerca stesse stanno chiudendo. Microsoft ha ritirato le Bing Search API l'11 agosto 2025. Il sostituto ufficiale, Grounding with Bing Search dentro Azure AI Agents, non è più un indice grezzo: è un prodotto per agenti, e i confronti pubblicati lo collocano dal 40 al 483 per cento più caro dell'API che sostituisce. Per qualunque azienda che costruisce un assistente IA il messaggio è arrivato chiaro: affittare l'indice di un rivale è una dipendenza che può essere riprezzata o ritirata in qualsiasi momento.

Gli assistenti vogliono qualcosa che una pagina di motore di ricerca non è mai stata concepita per dare. Una pagina dei risultati è un prodotto per un umano che scorre e clicca: dieci link, titoli, snippet. Un modello linguistico che compone una risposta vuole tutt'altro: passaggi puliti, densi di fatti, con date e provenienza, pronti per essere citati e ricomposti. I due oggetti divergono da anni; il 2026 è l'anno in cui la divergenza è diventata infrastruttura. Il motore di ricerca come prodotto per gli umani e il retrieval come funzione per i modelli si stanno separando in due industrie diverse.

L'accesso ai contenuti sta diventando una risorsa negoziata. Il 15 settembre 2026 cambiano le impostazioni predefinite di Cloudflare: i crawler che mescolano ricerca, addestramento e uso agentico vengono bloccati di default sulle pagine che ospitano pubblicità, per i nuovi domini e i clienti del piano gratuito, e il programma Pay Per Crawl diventa Pay Per Use, che paga gli editori quando il contenuto è effettivamente usato in una risposta e non semplicemente scaricato. Comunque si giudichi la politica di un singolo fornitore, la direzione è inequivocabile: l'era in cui un crawler poteva leggere tutto gratis perché rimandava traffico si sta chiudendo, perché il traffico non torna più nelle stesse proporzioni.

Ciò di cui una pipeline di retrieval ha bisogno e che un motore di ricerca non vende

Ridotta la risposta di un assistente IA alla sua idraulica, i requisiti sono precisi:

Passaggi, non pagine. L'unità di retrieval è un blocco di testo che sta in piedi da solo: un paragrafo con la sua data, la sua fonte, la sua affermazione. Gli indici si costruiscono attorno a blocchi ed embedding almeno quanto attorno alle parole chiave.
Freschezza con provenienza. Un modello deve sapere non solo che cosa dice una pagina, ma quando lo ha detto, per poter preferire il fatto attuale a quello superato.
Il diritto di riutilizzo. Un motore di ricerca mostra uno snippet e manda il clic. Un assistente riformula il contenuto dentro la propria risposta. Questa differenza è giuridica e commerciale, non solo tecnica, ed è esattamente ciò che il nuovo mercato delle licenze mette a prezzo.
Un ranking per utilità alla risposta, non per clic. I motori classici ordinano con grafi di link e comportamenti di clic. Un assistente può fare qualcosa che nessun motore di ricerca ha mai potuto: osservare, su miliardi di conversazioni, quale fonte citata ha davvero chiuso la domanda dell'utente e quale ha provocato una correzione al messaggio successivo. Quel segnale di feedback appartiene a chi gestisce l'assistente, non al motore di ricerca sottostante.

Capire questi requisiti spiega quasi tutte le mosse delle grandi aziende dell'IA dal 2024 a oggi.

I sei mattoni delle nuove pipeline

1. Flotte di crawler specializzati. Le grandi aziende dell'IA operano ormai crawler separati per scopi separati, dichiarati sotto user agent distinti: OpenAI separa GPTBot, che raccoglie dati di addestramento, da OAI-SearchBot, che alimenta i risultati di ricerca; Anthropic distingue allo stesso modo ClaudeBot dai suoi crawler dedicati alla ricerca e alle richieste degli utenti. È questa separazione che permette a un editore di rifiutare l'addestramento accettando al contempo il crawler di ricerca che può citarlo. E queste flotte non tentano di copiare l'intero web: la priorità di crawl segue ciò che gli utenti chiedono davvero. Un indice costruito per rispondere a domande ha bisogno di decine di miliardi di pagine ben scelte, non delle centinaia di miliardi esaustive che un motore classico mantiene.

2. Contenuti su licenza, comprati anziché crawlati. Il mercato delle licenze sui contenuti ha cambiato forma. I primi accordi erano cessioni una tantum per l'addestramento; la crescita è ora negli accordi di accesso continuo con attribuzione, in cui l'assistente può leggere e citare i contenuti vivi di un editore. Il monitoraggio di settore conta 2 accordi di questo tipo nel 2023, 11 nel 2024, 18 nel 2025 e circa 34 previsti per il 2026. Gli accordi di riferimento danno la scala: quello di OpenAI con News Corp è riportato fino a 250 milioni di dollari su cinque anni; Reddit ha dichiarato 203 milioni di dollari di valore contrattuale aggregato di licenze sui dati, tra acquirenti che includono Google e OpenAI. Alcuni accordi ormai escludono del tutto l'addestramento e coprono soltanto retrieval e visualizzazione con attribuzione, il che dice chiaramente che cosa si sta comprando: non conoscenza per il modello, ma presenza nelle risposte. Per una grande azienda dell'IA, anche il più grande di questi accordi è una voce di spesa minore rispetto al dipendere dall'indice di un concorrente.

3. Un indice di passaggi, non un motore di ricerca copiato. Tra affittare una SERP e ricostruire Google c'è una via di mezzo che la maggior parte dei costruttori sta prendendo: comprare l'accesso a un indice grezzo da un fornitore indipendente e costruirci sopra uno strato di retrieval proprietario. Il segnale pubblico più chiaro viene dalla lista dei subprocessor della stessa Anthropic, che a metà 2026 nomina due fornitori di ricerca web: Brave, il cui indice indipendente supera i 40 miliardi di pagine, in lista da marzo 2025, e TurboPuffer, un database di ricerca vettoriale e full-text, aggiunto a maggio 2026. Un indice per parole chiave più un archivio vettoriale più un ranking interno è, funzionalmente, una pipeline di retrieval: semplicemente non è un motore di ricerca che qualcuno naviga.

4. Il ranking lo fa il modello stesso. In queste pipeline il modello non è un consumatore di una lista ordinata: è lui che ordina. Una domanda dell'utente viene scomposta in più sotto-query, ciascuna lanciata sull'indice, e i passaggi restituiti vengono riordinati e filtrati dal modello prima della scrittura. Sopra si stratifica il feedback conversazionale descritto più su: quali fonti chiudono le conversazioni, quali provocano correzioni. È un segnale di ranking che la ricerca classica non ha mai avuto, e matura interamente a favore dell'assistente.

5. La freschezza su tre livelli. Tenere fresco un indice esaustivo è l'abitudine più costosa della ricerca classica, e le nuove pipeline si rifiutano semplicemente di pagarla. Impilano invece tre meccanismi: flussi in tempo reale su licenza per i domini rapidi come notizie e finanza; ri-crawl ad alta frequenza riservato a un piccolo insieme di siti che cambiano spesso; e per tutto il resto, il recupero della pagina al momento della domanda. Lo spreco della vecchia abitudine è misurabile: Cloudflare riporta che più della metà del traffico dei crawler IA va a riscaricare pagine che non sono cambiate. Il recupero on demand spende quello sforzo solo quando una domanda lo richiede davvero.

6. Nessun crawl: chiamare la fonte. La corsia più recente salta del tutto i documenti. Per i dati strutturati e vivi, prezzi, disponibilità, orari, documentazione, un assistente chiama sempre più spesso la fonte autorevole direttamente, tramite connettori e protocolli aperti come MCP. Per quella classe di domande, la copia presente in qualsiasi indice è sempre seconda alla fonte stessa. Una quota crescente di ciò che dentro un assistente sembra ricerca è in realtà chiamata di strumenti: la domanda smette di essere "chi è posizionato su questo" e diventa "quale fonte l'assistente sceglie di chiamare".

Un'istantanea di chi fa cosa, datata luglio 2026

I pezzi qui sopra sono assemblati in modo diverso da ciascun attore, e gli assetti continueranno a muoversi. Al momento in cui scriviamo: Google fonda Gemini sul proprio stack di ricerca e non ha bisogno di nulla dall'esterno. OpenAI documenta ancora Bing come fonte di dati per la ricerca di ChatGPT, mentre costruisce il proprio crawl e detiene il portafoglio più ampio di accordi con gli editori, circa due dozzine di intese annunciate; test indipendenti hanno inoltre osservato più volte ChatGPT attingere all'indice di Google per alcune risposte, un assetto che OpenAI non documenta. Anthropic compone accesso a indici su licenza con uno strato di retrieval interno e licenze selettive. Perplexity ha costruito il proprio indice senza essere un hyperscaler, chiudendo così la questione della fattibilità. Meta compra accesso tramite accordi; xAI si appoggia ai dati della propria piattaforma più il crawl. I costruttori più piccoli non costruiscono nulla di tutto questo: affittano API di retrieval progettate per i modelli linguistici, una categoria diventata senza clamore il vero successore delle API di ricerca ritirate.

Questo paragrafo va letto come una fotografia, non come una mappa: i singoli assetti cambiano ogni trimestre. La direzione, invece, non è cambiata dal 2024 e punta da una parte sola: ogni assistente serio si sta dotando di una macchina di retrieval che controlla.

Che cosa cambia per chi vuole comparire nelle risposte delle IA

La conseguenza pratica si enuncia in fretta: un ranking di ricerca non le dice più se gli assistenti IA la menzionano. Non le ha mai detto tutto, ma per tutta l'era del proxy era un'approssimazione utilizzabile. Non lo è più, per tre ragioni strutturali.

La visibilità si è frammentata in pipeline. Ogni assistente legge ormai il web attraverso la propria combinazione di crawl, licenze e indice. La stessa domanda, posta a quattro assistenti, è ancorata a quattro insiemi di fonti diversi. Non c'è un unico ranking da ispezionare, e nessun modo di calcolare dall'esterno la sua presenza in quelle risposte. Ciò che si può fare è misurare direttamente: porre agli assistenti, ripetutamente, le domande che il suo mercato pone, e registrare chi viene nominato, in quali termini e a partire da quali fonti. Quella serie, motore per motore, è la sola verità empirica che questo panorama offre ancora.

Le sue superfici servono ormai tre corsie insieme. Un contenuto può arrivare in una risposta perché è stato crawlato, perché è stato concesso in licenza o perché la fonte è stata chiamata. Le tre corsie premiano le stesse proprietà: pagine che enunciano i fatti in modo pulito, con le date, in un testo che una macchina può riprendere intero; dati strutturati e file leggibili dalle macchine che dicono senza ambiguità chi è e che cosa fa; e, sempre più, interfacce che un modello può chiamare direttamente. Essere citabili ed essere chiamabili stanno diventando due forme distinte di visibilità, e la seconda è nuova: non esisteva nell'era della ricerca, e si conquista con API e connettori, non con i contenuti.

La transizione premia chi misura entrambi i mondi. La ricerca classica non è uscita di scena: diversi assistenti ancorano ancora oggi le risposte in indici classici, direttamente o tramite intermediari, e i ranking classici alimentano ancora parte degli insiemi di fonti. La postura ragionevole durante la transizione non è abbandonare l'ottimizzazione per la ricerca, ma smettere di leggerla come un proxy: mantenga il lavoro sulla ricerca e misuri le risposte delle IA in sé, così che quando una pipeline si sposta sotto i suoi piedi siano i suoi dati ad accorgersene, prima della sua pipeline di clienti.

La scissione del retrieval continuerà ad allargarsi. I contenuti sotto contratto sono invisibili da qualunque pagina dei risultati; le fonti chiamate tramite connettori non compaiono mai in un crawl; l'indice di ciascun assistente diverge un po' di più ogni trimestre. Tutto, in quella direzione, indebolisce l'inferenza e rafforza l'osservazione. Il nostro approccio ne discende, ed è il metodo dietro il nostro lavoro di misura: porre le domande del mercato ai motori a cadenza fissa, registrare le risposte e lasciare che sia la serie, non i ranking, a dire dove si trova. Lo strumento per farlo è Epovest Tracking.