Quando una risposta AI compare sopra i risultati di ricerca, il click verso un sito quasi si dimezza: nell’analisi di Pew Research Center passa dal 15% all’8%. Non è un dettaglio di interfaccia. È il segnale che traffico, pubblicità e raccolta dati stanno diventando tre facce dello stesso problema: chi usa l’AI deve dimostrare cosa succede prima, durante e dopo l’output.

Google AI Search cambia il valore del contenuto

Il 25 ottobre The Verge ha ricostruito l’impatto dell’AI Search sull’editoria online. AI Overviews e AI Mode rispondono direttamente nella pagina dei risultati, riducendo la necessità di visitare la fonte. Il dato più utile arriva da Pew Research Center: su 68.879 ricerche Google analizzate, gli utenti hanno cliccato un risultato tradizionale nell’8% delle visite con un riepilogo AI, contro il 15% senza riepilogo. I link citati dall’AI hanno raccolto un click appena nell’1% dei casi.

Per un sito WordPress questo non significa abbandonare la SEO. Significa smettere di misurarla solo con posizione e sessioni organiche. Contano anche query di marca, iscrizioni, ritorni diretti e conversioni assistite. Il contenuto deve offrire qualcosa che il riepilogo non può comprimere: dati proprietari, procedure verificabili, strumenti e casi reali.

La disclosure AI entra nella pubblicità

La Pennsylvania ha approvato l’Artificial Intelligence Deceptive Advertising Act. Secondo la sintesi di The Verge, la norma richiede una disclosure chiara quando un annuncio usa contenuti generati o modificati in modo significativo dall’AI per creare una falsa percezione sulla natura, origine o autenticità di beni e servizi. La legge è stata firmata il 22 ottobre 2026 ed entra in vigore dopo 60 giorni; le sanzioni civili possono arrivare a 3.000 dollari.

Il punto operativo va oltre il singolo Stato americano. Se un team genera immagini prodotto, testimonial sintetici o voice-over, deve registrare strumento, versione, prompt, interventi umani e approvazione finale. Senza questa catena, aggiungere una label all’ultimo minuto non dimostra né l’origine né la correttezza dell’asset.

L’opt-out dei dispositivi va verificato

Uno studio sulla Automatic Content Recognition delle smart TV ha testato 12 televisori di 10 produttori, coprendo otto sistemi operativi che rappresentano circa il 95% del mercato statunitense. Dopo la disattivazione del tracciamento, i ricercatori hanno ancora osservato traffico compatibile con ACR su alcuni sistemi: nel caso di Tizen, in 41 prove su 60 via antenna e 18 su 30 via HDMI.

C’è un limite importante: gran parte del traffico era cifrato. Lo studio non può quindi stabilire quali dati siano stati trasmessi o conservati. Può però verificare che l’interruttore mostrato all’utente non sempre coincide con un arresto osservabile del traffico verso gli endpoint ACR. È la stessa distinzione che serve nelle automazioni aziendali: una preferenza salvata nell’interfaccia non basta; bisogna testare il comportamento effettivo.

Il filo comune è la prova

Queste tre notizie parlano di sistemi diversi, ma portano alla stessa conclusione. L’AI modifica la distribuzione dei contenuti, rende più ambigua l’origine degli asset e aggiunge elaborazioni difficili da osservare. La risposta non è una policy generica. È una traccia verificabile.

Per una PMI imposterei tre controlli: separare traffico di marca e traffico informativo nei report SEO; conservare un registro degli asset AI usati nelle campagne; verificare opt-out e consensi con test tecnici, non soltanto con screenshot delle impostazioni. Lo stesso principio vale per i workflow interni: input, trasformazioni, approvazioni e output devono lasciare evidenze.

Cosa fare lunedì mattina

  • Aggiungere a GA4 o Matomo un segmento per landing organiche e conversioni assistite, così il calo dei click non viene confuso con il calo del valore.
  • Inserire nel processo creativo un campo obbligatorio “AI usata: sì/no”, con asset sorgente e responsabile dell’approvazione.
  • Controllare i dispositivi connessi presenti in ufficio e isolare su una rete separata quelli che non richiedono accesso ai sistemi aziendali.
  • Trattare ogni consenso come un requisito testabile, seguendo la stessa disciplina usata per distinguere dati persistenti e dati di lavoro nei sistemi AI.

La mia take è semplice: nel 2026 il vantaggio non viene da chi aggiunge più AI, ma da chi sa dimostrare dove l’ha usata, quali dati ha toccato e quale risultato ha prodotto. È una forma di governance concreta, utile anche quando la legge non la impone ancora.

Fonti