Il 15 maggio 2026 Google ha pubblicato la sua guida ufficiale all’ottimizzazione per le funzionalità AI nella ricerca, con un messaggio netto: GEO e AEO non sono discipline separate, è ancora SEO. La posizione è difendibile nel perimetro di Google Search: le AI Overviews si appoggiano agli stessi sistemi di ranking già in uso, integrati con RAG (Retrieval-Augmented Generation) e query fan-out. Chi ottimizza bene per la ricerca tradizionale — contenuti autorevoli, struttura tecnica pulita, esperienza utente — ha le basi per comparire anche nelle risposte AI.

Microsoft, con una serie di post ufficiali pubblicati tra febbraio e maggio 2026 sul blog di Bing, costruisce invece una narrativa più articolata. Il punto di partenza è lo stesso: l’AI ha cambiato il modo in cui le informazioni vengono recuperate e presentate. Ma la conclusione è diversa. Per Microsoft, il grounding non è un’estensione della ricerca tradizionale — è una funzione con obiettivi, metriche e criteri di qualità propri. E quella distinzione ha conseguenze pratiche dirette per chiunque gestisce contenuti web.

Il concetto centrale della strategia Microsoft è il grounding: il sistema che collega i modelli AI generativi a informazioni esterne, attuali e verificabili — impedendogli di rispondere basandosi solo su ciò che ha “imparato” durante il training. Come scrive Jordi Ribas, Corporate Vice President di Microsoft Search & AI, Microsoft grounding alimenta oggi quasi tutti i principali assistenti AI del mercato — non solo Bing e Copilot, ma una quota rilevante dell’ecosistema AI globale.

Questo approccio è fondamentale. Se Google parla di ottimizzazione per Google Search, Microsoft implica che le sue linee guida sul grounding siano rilevanti per un perimetro molto più ampio: ChatGPT (che usa principalmente Bing per la navigazione web), Copilot, e qualunque AI che sfrutti Microsoft grounding come infrastruttura. Chi segue le indicazioni di Bing non ottimizza solo per Bing.

Il cuore della differenza concettuale è nel cambio dell’unità di valore. La ricerca tradizionale ottimizza per il documento: quale pagina visitare. Il grounding ottimizza per l’informazione groundabile: un fatto discreto, verificabile, con provenienza chiara, che un sistema AI può usare responsabilmente per costruire una risposta. Non è la stessa cosa. Un documento eccellente per la ricerca tradizionale può essere inadatto al grounding se contiene affermazioni non verificabili, dati obsoleti, o fonti contraddittorie non disambiguate.

Il post “Evolving role of the index” (Bing, maggio 2026) è forse il documento più denso di implicazioni pratiche. Microsoft descrive esplicitamente come le metriche dell’indice cambino quando l’obiettivo è il grounding invece del ranking tradizionale:

Google non fornisce un framework analogo. La guida di maggio 2026 indica gli stessi princìpi di qualità da sempre promossi (E-E-A-T, contenuto non generico, utilità reale), ma non entra nel merito di come il sistema AI valuta la “groundabilità” di una fonte, né descrive le metriche interne che determinano la selezione. Dal punto di vista dei produttori di contenuto, la guida Google è più prescrittiva su cosa non fare (tattiche inutili come llms.txt, chunking forzato, schema.org “AI-specific”) che su cosa fare per essere preferiti nelle risposte AI.

Un altro elemento che distingue l’approccio Microsoft è la descrizione del retrieval come sistema iterativo, non come singolo scambio query-risultato. Nella ricerca tradizionale, il modello è lineare: query → risultati classificati → clic utente. Nel grounding per risposte AI, il processo opera in loop: il sistema recupera informazioni, valuta la fiducia, genera domande di follow-up, raffina il retrieval, combina evidenze da fonti multiple, e può rivalutare quando la confidenza è bassa.

Questa architettura a loop ha implicazioni non banali. Un errore sottile nei passi iniziali di retrieval si amplifica nei passaggi successivi, senza che nessun utente possa intervenire in tempo reale a correggere. La guida Microsoft sottolinea che i sistemi di retrieval per il grounding devono ottimizzare non per il recupero one-shot, ma per un comportamento coerente e ripetibile su utilizzi iterativi. Per un produttore di contenuti, questo significa che la struttura e la chiarezza del contenuto non servono solo all’indicizzazione iniziale, ma influenzano ogni ciclo di retrieval successivo.

Google descrive meccanismi simili tramite il concetto di query fan-out — dove una query originale viene espansa in query correlate simultanee — ma non entra nel dettaglio del processo iterativo con astensione come esito valido. L’impressione è che Google voglia rassicurare i produttori di contenuto (“ottimizzate come sempre”), mentre Microsoft descriva l’infrastruttura con maggiore trasparenza.

La differenza più concreta e operativa tra i due ecosistemi riguarda la misurazione. A febbraio 2026, Microsoft ha introdotto in public preview la sezione AI Performance in Bing Webmaster Tools: un dashboard che mostra come i contenuti del sito vengono citati nelle risposte AI di Microsoft Copilot, nei sommari generativi di Bing e nelle integrazioni con partner selezionati.

Le metriche disponibili includono:

Google Search Console mostra dati di impression per le AI Overviews, ma in modo parziale e senza il livello di dettaglio sulle query di grounding che Bing Webmaster Tools offre già. La guida Google di maggio 2026 non menziona strumenti specifici per misurare la visibilità nelle risposte AI — un’assenza significativa per chi deve giustificare investimenti in ottimizzazione al management.

Per chi gestisce siti con traffico rilevante su Bing e Copilot, l’AI Performance dashboard è oggi lo strumento più avanzato disponibile per capire cosa succede realmente al proprio contenuto nell’era AI. Il fatto che Bing grounding alimenti anche ChatGPT e altri assistenti rende questi dati più rappresentativi di quanto il solo market share di Bing suggerirebbe.

Tolte le differenze di framework e misurazione, le indicazioni pratiche sui contenuti convergono su alcuni princìpi fondamentali — il che conferma che queste basi sono valide in tutti gli ecosistemi AI:

Dove le guide divergono con maggiore evidenza è sul tema della fiducia come infrastruttura. Il post “Keeping Trusted Content Visible” affronta esplicitamente la dimensione della safety: Public Safety Announcements contestuali, rilevamento del rischio a livello di query, SafeSearch differenziato per età e contesto legale. È una prospettiva sistemica — la fiducia non è solo un segnale di qualità dei contenuti, ma un requisito strutturale dell’esperienza di ricerca AI. Google non ha un corrispettivo diretto in questa guida.

Tenendo insieme i due framework, queste sono le priorità operative per chi vuole ottimizzare per entrambi gli ecosistemi AI:

Riassumendo:

Per mesi il mercato della consulenza SEO è stato invaso da sigle come AEO (Answer Engine Optimization) e GEO (Generative Engine Optimization), spesso associate a servizi a pagamento che promettevano visibilità nelle risposte AI. Il 15 maggio 2026, Google ha pubblicato una pagina ufficiale nella sua Search Central Documentation: Ottimizza il tuo sito web per le funzionalità di AI generativa nella Ricerca Google. Si tratta della prima guida esplicita e organica su questo tema, e il suo valore principale è proprio quello di mettere nero su bianco posizioni fino ad allora sparse tra conferenze, podcast e dichiarazioni informali.

La guida, anche se si rivolge ai webmaster e ai professionisti SEO, è utile per tutti coloro che devono capire a chi affidarsi e a quali false promesse non credere.

Gli aspetti coperti riguardano il posizionamento nei risultati delle ricerche basate sull’AI, in particolare AI Overviews (le risposte sintetiche che appaiono in cima ai risultati) e AI Mode, il motore conversazionale che Google sta espandendo progressivamente.

La posizione di Google è netta:

«Dal punto di vista della Ricerca Google, ottimizzare per la ricerca basata sull’AI generativa significa ottimizzare per l’esperienza di ricerca, perciò si tratta sempre di SEO.»

Questa affermazione demolisce due anni di narrativa costruita attorno a nuovi acronimi. Google spiega che le sue funzionalità di AI generativa si basano sui medesimi sistemi di ranking e qualità già in uso nella ricerca tradizionale, con due tecniche specifiche che operano in background:

Questo significa che la SEO tradizionale — contenuti di qualità, architettura tecnica pulita, autorevolezza del dominio — rimane il fondamento anche per la visibilità nelle risposte AI. Come ha analizzato Search Engine Journal, la guida consolida in un unico documento posizioni che Gary Illyes e Cherry Prommawin avevano già espresso al Search Central Live: GEO e AEO non richiedono framework separati per Google Search.

La parte più interessante dal punto di vista pratico della guida è quella dedicata al mythbusting. Google elenca in modo esplicito una serie di pratiche che i proprietari di siti web possono ignorare per la ricerca Google, almeno per quanto riguarda la visibilità nelle funzionalità AI:

Questa lista è importante non solo per ciò che dice, ma per ciò che implica: una parte consistente dei servizi “AEO/GEO” venduti negli ultimi due anni si basava su premesse che Google ora smentisce ufficialmente nella sua documentazione.

La guida identifica un principio che sovrasta gli altri: il contenuto non generico. Google contrappone esplicitamente due tipologie:

Questa distinzione non è nuova — coincide con la logica degli E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness) che Google promuove da anni — ma averlo sottolineato nella guida ufficiale della guida AI le conferisce un peso esplicito. I sistemi RAG esaminano più fonti contemporaneamente: per essere selezionati, i contenuti devono offrire qualcosa che gli altri non offrono. Il contenuto prodotto assemblando ciò che già esiste in rete — o che potrebbe essere generato da qualsiasi LLM — non ha alcun vantaggio competitivo nelle risposte AI.

Questo vale anche e soprattutto per i contenuti generati con strumenti AI: la guida non li vieta, ma precisa che devono soddisfare gli stessi standard qualitativi e rispettare le norme anti-spam. Un avviso che spesso si trascura.

Sul piano tecnico, la guida conferma le best practice note:

La novità più interessante in questa sezione è l’introduzione degli agenti AI. Google descrive agenti autonomi che possono operare per conto degli utenti — prenotare, comparare prodotti, raccogliere dati — accedendo ai siti tramite analisi di screenshot, ispezione del DOM e interpretazione dell’albero di accessibilità. La guida rimanda alle best practice per siti ottimizzati per agenti su web.dev e menziona il nascente Universal Commerce Protocol (UCP), sviluppato con Shopify, come standard emergente per consentire agli agenti di ricerca di operare in modo più strutturato sui siti e-commerce.

Questa sezione non sottovalutarla: rappresenta il prossimo vettore di disintermediazione del traffico web.

La guida di Google è interessante ma alcune omissioni sono significative e meritano qualche riflessione.

Il problema del traffico non viene affrontato. La guida non riporta dati reali sull’impatto delle AI Overviews sul traffico organico. Eppure i numeri esistono: ricerche indipendenti del 2026 documentano un calo del CTR organico fino al 58% sulle query in cui si attiva un AI Overview. La prima posizione organica su queste query vede il CTR scendere dal 27% a circa l’11%. Il messaggio “ottimizzate bene e arriverete nelle risposte AI” nasconde una verità scomoda: anche chi viene citato nelle risposte AI non recupera necessariamente il traffico perso, perché l’utente ottiene la risposta direttamente nella SERP senza cliccare. La visibilità è aumentata; il traffico è un’altra storia.

La guida è Google-centrica per definizione. Ridurre AEO e GEO a “ancora SEO” è corretto per Google Search, ma il panorama attuale include ChatGPT, Perplexity, Gemini, Copilot e altri motori AI che operano con logiche diverse, e che non si basano sul medesimo indice di ricerca. Ottimizzare per la visibilità in questi ambienti richiede attenzioni specifiche che la guida non contempla — ed è comprensibile che Google non guidi i propri utenti verso i competitor, ma va tenuto presente.

Nessun dato misurabile, nessuna metrica di riferimento. La guida consiglia di creare contenuti di qualità, non generici, utili, con punto di vista unico. Tutto condivisibile, ma non misurabile. Non viene fornito alcun indicatore per valutare la propria visibilità nelle risposte AI — nemmeno un rimando sistematico a Search Console, dove peraltro i dati sulle impression in AI Overviews restano parziali e opachi. Un’occasione mancata.

Il conflitto di interessi viene ovviamente taciuto. Google trarrà vantaggio dall’AI Mode trattenendo gli utenti più a lungo nella SERP — con meno click verso i siti terzi. La guida incoraggia a produrre contenuti di qualità affinché vengano inclusi nelle risposte AI, ma questo serve principalmente a migliorare la qualità delle risposte di Google, non necessariamente a generare traffico verso i publisher. Il modello mutualistico implicito nella guida (“create buoni contenuti, noi vi citiamo”) va preso un po’ “con le pinze”.

Ciò detto. impotizziamo alcune indicazioni pratiche per chi gestisce siti editoriali, informativi o di servizio:

Il secondo trimestre 2026 sarà il più denso di aggiornamenti su Google Ads degli ultimi anni. In meno di quattro mesi Google ha portato AI Max in general availability (GA, disponibilità pubblica per tutti gli advertiser), ridefinito il destino di Dynamic Search Ads e Automatically Created Assets, ampliato le capacità creative di Demand Gen con la generative video di Veo 3.1 e introdotto un sistema di policy review quasi istantaneo. Per chi gestisce account Google Ads a livello professionale — sia in house sia in agenzia — questi cambiamenti impongono una revisione della struttura campagne, dei processi creativi e del calendario di deprecation entro settembre 2026.

AI Max per Search è la feature più importante dell’anno. Il 15 aprile 2026 Google ha annunciato l’uscita ufficiale dalla beta e la roadmap di migrazione che riguarderà tutti gli advertiser entro settembre. AI Max è un layer di automazione applicato alle campagne Search tradizionali: combina search term matching più ampio, text customization per la generazione dinamica di titoli e descrizioni, e final URL expansion per indirizzare l’utente alla landing più pertinente del sito. L’annuncio è in un post ufficiale del blog Google Ads.

Google ha dichiarato è un +7% medio di conversioni o valore di conversione, a parità di CPA (Cost Per Acquisition) e ROAS (Return On Ad Spend), per chi usa la suite completa rispetto al solo search term matching. Va letto con cautela: è una media su campagne partecipanti alla beta, quindi verosimilmente già ottimizzate.

Il passaggio avviene in due fasi:

Il punto da non sottovalutare è il control layer: AI Max introduce controlli granulari su brand, location e URL, e le text guidelines universalmente disponibili da aprile permettono di vincolare il modo in cui l’AI genera e personalizza il copy. Chi pensa che AI Max sia “un DSA potenziato” deve prestare attenzione: è uno strato di automazione con briglie, e le briglie vanno settate.

Performance Max continua la sua evoluzione con due aggiornamenti operativamente rilevanti. Il primo è l’estensione dei search themes da 25 a 50 per asset group. Più margine quindi per descrivere in linguaggio naturale il posizionamento della campagna e guidare la selezione delle query da parte dell’algoritmo. Per account con portafogli di prodotti ampi o stagionalità rilevante, è un cambiamento che dovrebbe portare a una copertura più ampia.

Il secondo è il nuovo asset experiments framework, annunciato ad aprile 2026, che permette di testare in modo strutturato PMax contro Shopping, Search o Display con split di traffico 50/50. È la risposta più concreta a una delle critiche storiche di PMax: la scarsa trasparenza nel misurare l’incrementalità rispetto ai canali tradizionali. Chi sta valutando una migrazione totale a PMax — o il rientro parziale su Shopping standard — ora ha uno strumento per farlo con dati comparabili.

Da tenere presente anche l’aumento del limite di 10.000 negative keywords per campagna PMax, applicabili a inventario Search e Shopping. Per account maturi, la gestione attiva delle negative liste — specialmente a livello account e tramite liste condivise — resta una delle leve principali per difendere il CPA dalle query marginali che l’AI tende a catturare in automatico.

Ultimo aggiornamento di contesto: Google sta aggiungendo l’inventario pubblicitario di Waze alle PMax con obiettivo store goals, con posizionamento come “Promoted Places in Navigation”. Al momento disponibile solo per advertiser US, è un segnale interessante per chi fa drive-to-store.

Demand Gen è la campagna dove l’integrazione AI è più visibile lato creativo. Con il Demand Gen Drop di marzo 2026, Google ha rilasciato la generazione video da immagini basata su Veo 3.1 (il modello generativo video di Google DeepMind). In pratica: si caricano asset statici e il sistema produce varianti video in formati e risoluzioni multiple, con anchor creativi per bloccare asset su formati specifici. Per brand con inventario fotografico ampio ma produzione video limitata, riduce in modo tangibile il tempo-per-asset.

Più strategica la novità delle Creator Partnerships: la novità risiede nell’integrazione del flusso di lavoro: non è più solo un accordo “privato” tra brand e influencer, ma un asset gestibile via software.

Come funziona operativamente:

Questo è un cambio di paradigma fondamentale nel targeting, che passa da un modello “deterministico” a uno “predittivo”.

Cosa cambia:

Infine, Video Action Campaigns sono in via di upgrade a Demand Gen con obiettivo YouTube Engagements, che permette di ottimizzare su eventi quali channel subscription e follow-on view. Chi ha ancora VAC (Video Action Campaigns, campagne video orientate alla conversione) in pianificazione 2026 deve pianificare la migrazione.

Una delle difficoltà storiche del workflow Google Ads è l’attesa di approvazione policy sulle Responsive Search Ads, spesso superiore all’ora anche per copy standard. Con le Real-Time Policy Reviews Google sposta il review direttamente dentro l’editor creativo: feedback istantaneo mentre si costruisce l’ad, e ads compliant che partono in delivery in pochi secondi anziché ore. L’annuncio è pubblicato sul portale Google Business.

Stato attuale e roadmap:

L’impatto concreto è sui team che lavorano su campagne tattiche (lanci di promo, flash sale, eventi) dove il go-live rapido fa differenza tra ad visto e  fuori tempo massimo. Per chi gestisce alti volumi di ads, va anche rivisto il processo di controllo qualità: il review istantaneo riduce la barriera di ingresso ma non sostituisce il controllo interno sulla qualità copy e sulla coerenza brand.

Sintetizzando, il calendario 2026 che coinvolge tutti gli account Google Ads potrebbe essere il seguente:

Infine una possibile checklist da completare prima di settembre, in ordine di priorità:

Il filo conduttore è chiaro: Google sta terminando la fase “strumenti separati con controlli granulari” e aprendo quella “layer AI unico con controlli semantici”. Per advertiser senior significa meno tempo sulle manopole classiche (match type, asset rotation, DSA target) e più tempo sui guardrail: text guidelines, brand controls, negative list, experiment framework. Chi resiste al cambio rischia di subire l’upgrade automatico di settembre su campagne non preparate. Chi lo governa in fase 1 ottiene due mesi di dati comparabili per capire se AI Max migliora effettivamente le sue metriche, o se invece va compensato con controlli più stretti. Come sempre, il margine è nella qualità del feed dati a monte — conversioni offline, valore transazione, audience segmentate — più che nella nuova feature in sé.

Il paper esplora come l’attenzione non sia un dato statico, ma un processo dinamico e multidimensionale che coinvolge percezione, emozione, comprensione e comportamento. Non basta che un annuncio sia “visibile” a schermo; ciò che conta è il grado di coinvolgimento reale, misurato oggi attraverso tecnologie avanzate non solo di eye-tracking ma anche grazie a strumenti che integrando AI e neuroscienze catturano le micro espressioni sul volto dei navigatori.

Un esempio di interesse, spesso sottovalutato dai media planner, riguarda il potere dell’audio digitale. Secondo gli studi citati (Dentsu/Lumen), l’attenzione generata dall’audio è superiore del 66% rispetto al video digitale e del 155% rispetto ai social media. Questo si traduce in un aumento della Brand Choice del 67%, dimostrando che l’assenza di stimoli visivi può paradossalmente focalizzare meglio il coinvolgimento cognitivo.

Fonte: IAB Italia – Attention Metrics

La ricerca ha il pregio di voler standardizzare un mercato frammentato, introducendo concetti operativi come l’aCPM (Attentive CPM) per remunerare la qualità e non solo il numero delle esposizioni dell’annuncio. È un passo fondamentale per la sostenibilità economica dei publisher di qualità.

Swot analysis delle Attention Metrics. Fonte: Iab Italia

Tuttavia, emergono delle criticità:

In conclusione, il paper ci dice che dobbiamo smettere di contare le impression e iniziare a far contare i secondi di reale connessione con l’utente.

Se si carica un testo inedito o riservato per ottenere una traduzione, un report o un’analisi su ChatGPT, Gemini, o NotebookLM è fondamentale sapere se il file e la relativa chat potranno essere: (a) condivisi con altri utenti, (b) usati per addestrare il modello, (c) conservati oltre il necessario.

Qui sotto ho provato a fare un confronto aggiornato al 21/10/2025 su cosa ci si può aspettare.

Fig.1: ChatGpt Controllo dati > Migliora il modello per tutti. Disattivandolo le chat non vengono utilizzate per addestrare il modello.

Fig.2: In ChatGpt con l’opzione “Attiva Chat temporanea”, in alto a destra, la conversazione non viene salvata.

Fig.3: in Gemini con l’opzione salva l’attività disattivata si può evitare di salvare le conversazioni. Sempre dallo stesso pannello si può decidere quali conversazioni eliminare.

I file caricati non vengono condivisi automaticamente con altri utenti in nessuna delle tre piattaforme.

L’uso ai fini di apprendimento dipende da piano e impostazioni:

Questo è quello che sono riuscito a capire dalla documentazione, qualcuno ha informazioni differenti?