Si chiede a ChatGPT quali aziende vale la pena guardare nel proprio settore. E la propria azienda non c’è.
Poi si scrive il nome diretto — «parlami di questa azienda» — ed ecco un paragrafo ordinatissimo: cosa fa, in cosa è brava, tutto corretto.
Quindi ci conosce. Solo che non ci tira fuori quando è lui a scegliere.
Questa distanza è fastidiosa, no? Capita anche a me, e ci ho rimuginato per settimane. È come avere un conoscente a una festa che non vi presenta a nessuno.
Però una spiegazione ragionevole c’è, e sta dentro il modello. Anthropic a luglio 2026 ha pubblicato una ricerca che va proprio lì.
«Ci conosce ma non ci nomina mai»: da dove nasce lo scarto?
Quello che il gruppo ha trovato è una piccola area condivisa dentro Claude, che ha chiamato (lo studio).
Sotto c’è un’idea presa dal cervello umano: la teoria dello spazio di lavoro globale. In pratica vuol dire che lì dentro girano in parallelo migliaia di processi, ma solo una fettina arriva alla coscienza.
Quella fettina sale su un banco di lavoro condiviso, e da lì viene distribuita a tutto il resto. Dentro Claude, a quanto pare, c’è qualcosa che funziona molto allo stesso modo.
Ed ecco il punto che ci riguarda: il J-space non è il «ragionamento» che l’IA scrive a schermo. È il pensiero silenzioso, quello che il modello si tiene dentro senza metterlo nero su bianco.
Come si legge un pensiero che nessuno scrive?
Bella domanda. Se il pensiero resta muto, come lo si osserva da fuori?
Per questo il gruppo ha costruito un metodo di analisi nuovo, la (J-lens).
La J-lens segue, strato dopo strato, quali schemi interni stanno spingendo la probabilità di quali parole. In pratica: i concetti attivi in un dato istante si possono leggere come una lista di parole.
Si può quindi fotografare il banco di lavoro mentre lavora e vedere cosa c’è sopra. È tutto lì il trucco.
Si toglie il banchetto e si ferma solo il «ragionare»
E i risultati, allora? Il banco è piccolo. Molto più di quanto verrebbe da immaginare:
- Concetti tenuti insieme in contemporanea: qualche decina
- Peso sull’attività totale del modello: meno del 10%
- In alcune zone la densità di connessione degli schemi del J-space arriva a circa 100 volte il normale
Meno di un decimo del modello, ma cablato in modo stranamente fitto. A quel punto il gruppo ha fatto la cosa interessante: ha rimosso quell’area.
- Il ragionamento a più passaggi (concatenare fatti per arrivare a una risposta) è crollato quasi a zero
- La scrittura fluida e il richiamo di fatti semplici sono rimasti praticamente intatti
Il modello cambia strada a seconda del compito. Parlare sciolto e ragionare davvero passano per percorsi diversi.
«Lo sa» e «lo mette sul banco» non sono la stessa cosa
Tradotto in marketing, la faccenda comincia a pungere. Quello che il modello ha immagazzinato da qualche parte e quello che sale sul banco mentre costruisce una risposta non sono lo stesso insieme.
Essere descritti bene su richiesta ed essere nominati nel momento della scelta: due stati diversi. E diciamocelo, io per anni li ho trattati come un numero solo.
C’è un filo vicino in Perché l’IA tira fuori un dato solo se lo ha visto raccontato in tanti modi, dove il modo in cui un fatto è scritto nei dati di addestramento cambia quanto è facile recuperarlo. Oggi si va un passo oltre: quale parte di ciò che è immagazzinato entra nella risposta che si sta costruendo adesso.
E in Quando l’AI vi spiega «perché» vi consiglia un marchio, non è detto che sia il vero motivo si era visto che le ragioni dichiarate non sono per forza quelle vere. L’esistenza di un canale di pensiero silenzioso a quella storia dà finalmente un meccanismo.
Le cautele, e cosa resta in piedi dopo
Mettiamo un paletto, perché un risultato così si sovrainterpreta in fretta.
Qui è Anthropic che studia il modello di Anthropic. Se la stessa struttura ci sia nei modelli di altre aziende, questo lavoro non lo dice: sta fuori dall’ambito della pubblicazione.
E capire come lavora il banco resta lontanissimo dal sapere come farci salire sopra le proprie informazioni. Quella leva il lavoro non la fornisce.
Eppure il risultato, secondo me, vale il suo posto. Nel momento in cui «ce l’ha» e «lo usa» si separano, la domanda su dove misurare la propria visibilità diventa molto più nitida.
smettete di chiedere se l’IA vi conosce e contate quante volte vi nomina
Che i modelli vi consiglino non si decide sul fatto che vi conoscano. Si decide sulla vostra capacità di salire su quel banco stretto mentre la risposta viene costruita.
La domanda di controllo, quindi, non è «ChatGPT sa chi siamo?». Certo che lo sa, e non vi dice quasi niente. È: «quando qualcuno chiede le opzioni migliori del nostro settore, in che percentuale di casi esce il nostro nome?».
Si misura ciò che si vede da fuori: tasso di comparsa, numero di citazioni. Non le ragioni che l’IA dà per il consiglio, che comunque non sono il verbale di nessuna decisione.
Nel frattempo l’unica cosa che pare aiutare è noiosa: tenere il fatto «siamo un’azienda di questo settore» scritto ovunque nella stessa forma. Ordinato, ripetuto, facile da afferrare. Roba così, su un banco piccolo, ci sta.
Cominciate col contare le menzioni. Appena il vostro metro diventa una percentuale, tutto quello che proverete dopo torna indietro come numero e non come sensazione.
Fonti
- Anthropic, «A global workspace in language models», 6 luglio 2026, anthropic.com (Descrive un piccolo spazio di lavoro condiviso dentro Claude, il «J-space», analogo allo spazio di lavoro globale descritto per la cognizione umana. Con un metodo nuovo, la lente jacobiana (J-lens), che segue strato dopo strato quali schemi di attività interna aumentano la probabilità di uscita di un token, i concetti attivi in un dato momento si leggono come una lista di parole. Il J-space regge nell’ordine di qualche decina di concetti alla volta e vale meno del 10% dell’attività totale del modello, con una densità di connessione che in alcune zone arriva a circa 100 volte il normale. Rimuovendo il J-space, il ragionamento a più passaggi crolla quasi a zero mentre la generazione fluida di linguaggio e il richiamo di fatti semplici restano in larga parte preservati. Il J-space corrisponde a un pensiero «silenzioso», distinto dalla catena di ragionamento scritta. Cautela: si tratta di ricerca dello sviluppatore del modello sul proprio modello, e se la stessa struttura valga per i modelli di altre aziende resta fuori dall’ambito di questa pubblicazione.)
