Stessa domanda, due risposte diverse. Chi mi prende in giro?
Sarà capitato anche a voi. Si apre ChatGPT, si scrive «quali sono le aziende migliori nel mio settore?» e si va a caccia del proprio nome nella lista. È diventato una specie di specchio dei tempi: ci si guarda dentro per capire se l’AI ci vede.
Poi però si rifà la stessa domanda, magari cinque minuti dopo. E la lista è cambiata. Il marchio che prima stava terzo, adesso non c’è più. Sparito. Quale delle due risposte è quella «vera»?
Il riflesso più comune è alzare le spalle: «l’AI è fatta così, è capricciosa». Comodo, ma sbagliato. Perché se quella ballerina avesse un copione — se si potesse prevedere quando balla di più e quando sta ferma — la storia cambierebbe parecchio, no?
Ed è esattamente quello che hanno misurato in 14.000 interrogazioni. La risposta breve: l’AI cambia idea soprattutto in base al tipo di domanda che le poniamo.
Come si misura una cosa che cambia di continuo
A mettere il fenomeno sotto i numeri è stata la squadra di ricerca di Conductor, che di mestiere si occupa di visibilità nell’AI (R). La scala è notevole: 14.000 domande complessive, girate a quattro AI diverse — ChatGPT, Perplexity, Claude e Gemini — registrando ogni volta cosa rispondevano.
L’idea brillante sta nel come hanno classificato quelle domande. Non per argomento, ma per intento: cosa sta cercando di fare, davvero, chi scrive quella domanda. «Quale dovrei comprare?» è un intento d’acquisto. «Meglio A o B?» è un confronto. «Ma cos’è esattamente X?» è educativo. In tutto, sette tipi di intento.
E poi due metri per pesare quanto la risposta balli.
- Tasso di corrispondenza dei marchi: si pone due volte la stessa identica domanda e si guarda quale quota di marchi compare in entrambe le risposte.
- Tasso di stabilità del nº1: la prima raccomandazione, l’«ecco cosa ti consiglio», è la stessa nelle due esecuzioni?
Più alti sono questi due valori, più l’AI è coerente con se stessa. Bassi? Vuol dire che cambia idea ogni volta che apre bocca. Vediamo dove cade l’ago.
Le domande d’acquisto ballano, i confronti no
I numeri disegnano una scala pulita, gradino dopo gradino, a seconda dell’intento.
Il gradino più instabile è quello delle domande d’acquisto. Il tasso di corrispondenza dei marchi si ferma al 40%. Detto con le parole della ricerca: chiedete due volte «cosa dovrei comprare», l’AI tira fuori in tutto dieci marchi, e solo quattro compaiono in tutte e due le risposte. Gli altri sei si avvicendano a ogni giro, come fossero di passaggio.
All’estremo opposto, il gradino più solido: le domande di confronto. Qui il tasso di stabilità del nº1 arriva al 91%. «Meglio A o B?» e quasi sempre la stessa marca svetta in cima. Stessa AI, stessa giornata, eppure tra acquisto e confronto cambia il mondo.
Poi c’è il caso curioso delle domande educative, quelle del tipo «cos’è X». La rosa dei marchi resta abbastanza coerente, ma la stabilità del nº1 crolla al 30%. E c’è di più: tra il 45% e il 72% di queste domande non ha restituito nessun marchio. Interrogata su un concetto generale, l’AI preferisce spiegare la cosa in astratto piuttosto che fare nomi. Ha le sue ragioni, e ci arriviamo.
Ma perché proprio le domande d’acquisto?
Ecco il punto che fa scattare il «ah, ecco perché». La regola sembra una sola: più è affollato il campo, più la risposta balla.
Pensateci. «Quale prodotto dovrei comprare?» apre la porta a una folla di candidati possibili, tutti più o meno equivalenti, difficili da mettere in fila per merito. In un campo così intasato, l’AI ogni volta pesca una manciata leggermente diversa. È come la pesca al secchiello alla sagra: il pesce rosso buono a volte capita, a volte no, e il secchiello si riempie ogni volta in modo un po’ diverso.
Il confronto invece parte già con il campo ristretto. «A o B?»: i contendenti sono due, decisi da chi ha scritto la domanda. Con così pochi nomi sul ring, la risposta ha poco spazio per cambiare. Ecco perché tiene.
C’è poi un secondo fattore da non perdere di vista: ogni AI ha il suo carattere. A parità di domanda, ChatGPT stringe la risposta su una media di circa cinque marchi, mentre Gemini ne sciorina in media 9,2. Più nomi si mettono in fila, più è probabile che la fila si rimescoli al giro dopo. Perplexity e Claude stanno a metà strada.
In altre parole, perfino la «stabilità di base» dipende da quale AI usate per misurare.
Quindi: prima di tutto, fissate l’intento
Tiriamo le fila. La risposta dell’AI non balla a caso: balla secondo un copione scritto dall’intento della domanda. L’acquisto è ballerino per natura, il confronto sta quasi immobile. Inseguendo lo stesso identico nome, ma cambiando il modo di chiedere, ci si ritrova davanti a due paesaggi completamente diversi.
Per chi vuole tenere d’occhio nel tempo la propria presenza dentro l’AI, la prima mossa è una sola.
Fissare l’intento della domanda con cui si misura.
Monitorare vuol dire misurare sempre nelle stesse condizioni. Se oggi chiedo con un intento d’acquisto e la settimana prossima con un confronto, non saprò mai se la variazione nei numeri viene da quello che ho fatto o è solo la solita oscillazione. Volete seguire un effetto in modo pulito? Puntate sulle domande di confronto. Vi interessa il sussulto reale del mercato? Tenetevi quelle d’acquisto. L’importante è decidere una volta e poi misurare sempre allo stesso modo.
E qui arriva la seconda regola, altrettanto preziosa: non fasciatevi la testa per un singolo risultato. Il giorno in cui il vostro marchio sparisce da una domanda d’acquisto non è la prova che qualcosa è andato storto — magari è solo un campo che balla per costituzione. Per questo conviene partire già con l’idea giusta in testa: si leggono le medie e le tendenze, non lo scatto isolato.
Il primo passo concreto? Scegliere poche domande che descrivano bene la vostra realtà, una manciata per ciascun intento, e misurarle con regolarità — stessa AI, stesso numero di volte. Così si smette di rincorrere il «a me l’AI ha detto questo» raccontato da altri, e si comincia a leggere i propri numeri con il proprio metro. È da lì che parte un rapporto sano con la visibilità nell’AI.
Fonti
- Jia-Rong Li (Conductor), “AI Brand Recommendation Study: Why Intent Type Predicts AI Output Consistency”, 2026. conductor.com
