Il suo brand ha una reputazione nell'IA. Il problema: cambia a seconda dell'IA che usa il suo cliente, quando fanno domande e come formulano la domanda. Abbiamo condotto il più grande studio multi-industriale sull'origine della reputazione nell'IA mai realizzato. Ecco cosa ogni professionista del marketing deve sapere.
Perché Questo Studio È Importante
Ogni volta che un acquirente chiede a ChatGPT, Gemini o Perplexity informazioni sul suo settore, queste piattaforme di IA costruiscono una narrazione sul suo brand in tempo reale. Quella narrazione è la sua reputazione nell'IA. A differenza della copertura mediatica tradizionale, non può vederla, tracciarne le fonti o prevedere cosa dirà dopo.
Ci siamo proposti di rispondere a quattro domande: Da dove l'IA ottiene la sua conoscenza dei brand? Quanto è coerente? Il suo settore cambia la risposta? Le aziende quotate in borsa hanno un vantaggio?
I risultati sono scomodi per chiunque pensi che la visibilità nell'IA sia un problema semplice.
Cosa Abbiamo Testato
Abbiamo studiato 24 aziende reali in 8 settori: E-commerce, Tecnologia Sanitaria, Logistica, Consulenza, HR Tech, Web Hosting, Tecnologia di Marketing e FinTech. Metà erano quotate in borsa, metà private. Le aziende spaziavano da aziende Fortune 500 a startup.
Abbiamo somministrato 1,296 prompt tramite GPT-5.2 e Gemini 3 Flash, più 72 sondaggi in modalità fondata tramite Perplexity. Ogni prompt di stabilità è stato ripetuto cinque volte per brand per misurare la coerenza. In totale, abbiamo analizzato 1,311 risposte e codificato manualmente 3,041 attribuzioni di fonti.
Questo non è un post di blog con aneddoti. Questo è uno studio peer-reviewed pubblicato sulla rivista Discover Artificial Intelligence di Springer.
Risultato 1: Il 70% di Ciò che l'IA "Sa" sul Suo Brand Non Può Essere Tracciato
Abbiamo classificato ogni attribuzione di fonte che l'IA ha fatto discutendo di brand. La categoria più grande: "Altro / Non attribuibile" con il 70.2%. L'IA sa cose sul suo brand, ma non possiamo individuare da dove provenisse quell'informazione.
Le fonti che siamo riusciti a tracciare:
| Tipo di Fonte | Quota di Tutte le Citazioni |
|---|---|
| Contenuto di proprietà dell'azienda | 14.7% |
| Media di notizie Tier-1 | 5.7% |
| Piattaforme di recensioni | 4.6% |
| Notizie di settore/commerciali | 1.8% |
| Wikipedia | 1.5% |
| Finanziario/normativo | 0.6% |
| Social media | 0.5% |
| 0.4% | |
| Fonti governative | 0.1% |
Cosa significa per lei: Il contenuto del suo sito web è la più grande fonte identificabile di conoscenza del brand nell'IA. Le relazioni pubbliche tradizionali (media tier-1) sono al secondo posto. Tutto il resto è marginale. Ma il 70% che non può influenzare attraverso alcun canale diretto è la sfida strutturale di cui nessuno parla.
Risultato 2: I Modelli di IA Raccontano Storie Completamente Diverse sul Suo Brand
Abbiamo confrontato come GPT-5.2 e Gemini 3 Flash percepiscono gli stessi brand. Il divario è drammatico.
GPT-5.2 ha prodotto un punteggio medio di sentiment di 0.83 (su una scala da -1 a +1). Questo è estremamente positivo. Infatti, 96.4% delle risposte di GPT sui brand erano positive.
Gemini 3 Flash ha prodotto un sentiment medio di 0.32. Solo 51.5% delle sue risposte erano positive.
La correlazione tra i punteggi di sentiment dei due modelli? r = 0.37 -- debole e non statisticamente significativa. I modelli non usano solo scale diverse. Pesano aspetti completamente diversi della reputazione.
Cosa significa per lei: Se controlla solo la sua presenza nell'IA su ChatGPT, sta vedendo un quadro artificialmente roseo. I suoi clienti usano più piattaforme di IA. Ognuna racconta una storia diversa su di lei.
Risultato 3: Chieda alla Stessa IA Due Volte e Otterrà Risposte Diverse
Abbiamo ripetuto lo stesso prompt cinque volte per ogni brand su ogni modello. Il punteggio medio di coerenza tra tutte le aziende: 0.54 di similarità coseno.
Per mettere questo in prospettiva: solo 2.8% di tutte le combinazioni azienda-modello-prompt ha superato la soglia di 0.85 che abbiamo definito come "stabile". Nel frattempo, 93.8% è sceso sotto 0.70, che abbiamo classificato come "variabile".
GPT-5.2 è stato leggermente più coerente (0.57) di Gemini 3 Flash (0.51), ma nessun modello fornisce la stessa risposta in modo affidabile.
Cosa significa per lei: Non esiste una "reputazione nell'IA" fissa. Ogni volta che qualcuno chiede del suo brand, l'IA costruisce una narrazione leggermente diversa. Un controllo con un singolo prompt cattura un'approssimazione, non la verità. Ha bisogno di misurazioni ripetute per capire la sua presenza reale nell'IA.
Risultato 4: Il Suo Settore Determina Quali Fonti Usa l'IA
Abbiamo trovato una relazione statisticamente significativa tra il settore industriale e la distribuzione delle fonti (chi-quadrato = 143.28, p < 0.001). La dimensione dell'effetto è piccola (V di Cramer = 0.08), ma i modelli sono reali e utilizzabili.
Le società di consulenza ottengono il mix di fonti identificabili più ricco: il 30.8% della loro reputazione nell'IA proviene da contenuto aziendale più notizie tier-1 combinate. McKinsey ottiene l'8% delle sue citazioni tracciabili da media come Bloomberg e Financial Times.
Le aziende di tecnologia di marketing affrontano la massima opacità delle fonti: l'81.3% della loro reputazione nell'IA non è attribuibile. Se opera nella tecnologia B2B, assuma che la maggior parte di ciò che l'IA sa su di lei sia incorporato nei suoi dati di addestramento senza un'origine chiara.
I brand HR Tech si appoggiano pesantemente sulle piattaforme di recensioni: il 9.6% delle fonti identificabili proviene da G2, Capterra e siti simili -- il più alto di qualsiasi settore.
Cosa significa per lei: La sua strategia di contenuto nell'IA deve corrispondere ai modelli di fonti che l'IA effettivamente usa nel suo settore. Una società di consulenza dovrebbe investire nella leadership di pensiero e nelle relazioni con i media. Un'azienda HR Tech dovrebbe investire nella presenza su piattaforme di recensioni. Un manuale generico non funzionerà.
Risultato 5: Essere Quotati in Borsa Non Dà Alcun Vantaggio
Abbiamo confrontato 12 aziende quotate con 12 aziende private su ogni metrica che abbiamo misurato. I risultati: statisticamente identici.
- Coerenza: Quotate 0.54 vs. Private 0.54 (d = 0.03, trascurabile)
- Sentiment: Quotate 73.9% positivo vs. Private 74.5% positivo
- Diversità delle fonti: Nessuna differenza significativa (entropia di Shannon: 1.43 vs. 1.37)
- Ricchezza delle citazioni: Le aziende private hanno ricevuto leggermente più attribuzioni per azienda (130.0 vs. 123.4)
- Fonti finanziarie/normative: Meno dell'1% per entrambi i gruppi
Documenti SEC, copertura Bloomberg, profili Crunchbase -- nulla di tutto questo dà alle aziende quotate un vantaggio misurabile in come l'IA le percepisce.
Cosa significa per lei: Se è un'azienda privata o una startup, non è in svantaggio strutturale. L'IA tratta una startup allo stesso modo di un'azienda Fortune 500. Il campo di gioco è livellato. La domanda non è la dimensione della sua azienda -- è se il suo contenuto è strutturato per la comprensione dell'IA.
L'Eccezione della Modalità Fondata
C'è un punto luminoso in tutto questo. Quando i modelli di IA usano la generazione aumentata dal recupero (la modalità in cui cercano attivamente sul web prima di rispondere), l'attribuzione delle fonti diventa trasparente. Abbiamo testato questo con Perplexity, che fornisce citazioni a livello di URL.
In modalità fondata, la categoria "non attribuibile" si riduce drasticamente. Può vedere esattamente da quali pagine l'IA ha attinto, verificare l'accuratezza e ottimizzare di conseguenza.
Cosa significa per lei: Man mano che più piattaforme di IA adotteranno modalità aumentate dal recupero (come le AI Overviews di Google o le citazioni di Perplexity), il problema dell'opacità delle fonti diminuirà. Ma per ora, la maggior parte delle conversazioni dell'IA sui brand avviene in modalità parametrica -- dove il 70% della conoscenza non ha un'origine tracciabile.
Cosa Fare da Lunedì
La ricerca indica tre priorità attuabili:
1. Controlli la Sua Presenza nell'IA su Più Modelli
Non chieda solo a ChatGPT del suo brand. Chieda a Gemini. Chieda a Perplexity. Con un divario di sentiment di 0.51 punti tra i modelli e solo il 2.8% degli output che sono stabili, ha bisogno di un approccio multi-modello con misurazioni ripetute per capire la sua reputazione reale nell'IA.
2. Investa nelle Fonti che Contano Davvero
Il 70% della conoscenza dell'IA è incorporato nei dati di addestramento e non è tracciabile. Del 30% che può influenzare: il contenuto del suo sito web (14.7%) e la copertura dei media tier-1 (5.7%) sono i primi due. Le piattaforme di recensioni contano per settori specifici (specialmente HR Tech con il 9.6%). Social media e LinkedIn insieme rappresentano meno dell'1%.
Prioritizzi: contenuto di proprietà prima, media guadagnati secondo, fonti specifiche del settore terzo.
3. Costruisca un'Abitudine di Monitoraggio
La reputazione nell'IA non è stabile. Cambia con ogni query, ogni aggiornamento del modello, ogni nuovo pezzo di dati di addestramento. Non controllerebbe i suoi ranking su Google una volta e li dimenticherebbe. Il monitoraggio mensile della visibilità nell'IA è il minimo. I controlli completi trimestrali su tutti i modelli sono lo standard.
Dettagli dello Studio
- Campione: 24 aziende, 8 settori, 12 quotate in borsa + 12 private
- Prompt: 1,296 somministrati, 1,311 risposte analizzabili
- Modelli: GPT-5.2 (OpenAI), Gemini 3 Flash (Google), Perplexity (modalità fondata)
- Attribuzioni di fonti: 3,041 codificate da due codificatori addestrati indipendenti
- Iterazioni di stabilità: 5 ripetizioni per prompt per brand per modello
- Pubblicazione: Springer Discover Artificial Intelligence (peer-reviewed)
- Raccolta dati: 20 febbraio 2026
La Conclusione
L'IA sta costruendo una reputazione per il suo brand, che lei la gestisca o meno. La domanda è se capisce da dove proviene quella reputazione (per lo più non tracciabile), quanto è stabile (non molto) e quanto diversamente appare su tutte le piattaforme (drammaticamente diverso).
I brand che vinceranno la quota di raccomandazione nell'era dell'IA non saranno quelli con i budget più grandi o i track record più lunghi. Saranno quelli che capiscono come l'IA ragiona su di loro -- e strutturano i loro contenuti di conseguenza.