Negli ultimi anni il modo in cui le persone cercano informazioni su prodotti e servizi è cambiato radicalmente, spostandosi sempre più dai motori di ricerca tradizionali verso sistemi basati su intelligenza artificiale. Secondo analisi recenti, oggi oltre la metà degli utenti utilizza strumenti AI per orientarsi nelle decisioni, contro circa un quarto di appena due anni fa. Questo cambiamento sta trasformando profondamente anche il valore delle recensioni online, mettendo in discussione uno dei pilastri del marketing digitale degli ultimi quindici anni: la centralità del punteggio a cinque stelle.
In questo nuovo contesto, emerge un fenomeno controintuitivo ma sempre più evidente: le recensioni estremamente positive, soprattutto quelle sintetiche e generiche, tendono a essere ignorate dai sistemi di intelligenza artificiale. Non si tratta di un errore o di una limitazione tecnica, ma di una conseguenza diretta del modo in cui i modelli linguistici analizzano, selezionano e sintetizzano le informazioni disponibili sul web.
Il primo elemento da comprendere riguarda la natura stessa dell’intelligenza artificiale generativa. A differenza degli utenti umani, che spesso si lasciano influenzare da indicatori sintetici come il numero di stelle o la media delle valutazioni, i modelli AI non “leggono” le recensioni come segnali di popolarità, ma come fonti di dati. Ciò che interessa realmente a questi sistemi non è quanto un servizio sia stato apprezzato in termini generici, ma quali informazioni concrete emergano dai contenuti testuali. Una recensione che si limita a esprimere entusiasmo, con formule come “servizio eccellente” o “tutto perfetto”, risulta priva di elementi utili per essere riutilizzata in una risposta generata dall’AI.
Al contrario, una recensione più articolata, anche se meno entusiastica, contiene dettagli operativi che possono essere estratti, verificati e confrontati con altre fonti. Informazioni come tempi di risposta, caratteristiche tecniche, condizioni di utilizzo o problemi riscontrati rappresentano dati che i modelli possono integrare in una sintesi coerente. Questo spiega perché, in molti casi, recensioni da tre o quattro stelle risultano più “visibili” nei risultati generati dall’intelligenza artificiale rispetto a quelle da cinque stelle.
Un secondo aspetto fondamentale riguarda il concetto di credibilità. I sistemi AI tendono a valutare l’affidabilità delle informazioni anche in base alla loro distribuzione e coerenza tra fonti diverse. Un profilo composto esclusivamente da recensioni positive può apparire sospetto, sia agli utenti umani sia agli algoritmi. La presenza di feedback contrastanti, inclusi commenti critici accompagnati da risposte dettagliate da parte dell’azienda, viene interpretata come un segnale di autenticità. In altre parole, la “imperfezione” del profilo diventa un elemento di valore, perché indica che le recensioni non sono state filtrate o manipolate.
Questo cambiamento si inserisce in una trasformazione più ampia delle logiche di visibilità online, che alcuni analisti definiscono come passaggio da SEO (Search Engine Optimization) a GEO (Generative Engine Optimization). In questo nuovo paradigma, i contenuti non devono più essere semplicemente posizionati bene nei risultati di ricerca, ma devono essere strutturati in modo da essere facilmente “estratti” e riutilizzati dai modelli AI. Ciò implica un’evoluzione significativa nel modo di scrivere recensioni, descrizioni e contenuti aziendali.
Un ruolo centrale è svolto anche dalle piattaforme su cui le recensioni vengono pubblicate. I modelli di intelligenza artificiale tendono a dare maggiore peso a contenuti provenienti da fonti indipendenti, come portali di recensioni, forum, social media o pubblicazioni di settore. Una testimonianza dettagliata su una piattaforma terza può risultare più rilevante, ai fini della generazione delle risposte, rispetto a contenuti analoghi presenti sul sito ufficiale dell’azienda. Questo perché l’indipendenza della fonte aumenta la probabilità che l’informazione venga considerata attendibile e quindi riutilizzabile.
Un ulteriore elemento critico è rappresentato dalla struttura linguistica dei contenuti. Le affermazioni generiche e autoreferenziali, tipiche del marketing tradizionale, risultano inefficaci nel contesto dell’intelligenza artificiale. I modelli privilegiano frasi che contengono dati verificabili, numeri, esempi concreti e descrizioni specifiche. Una dichiarazione come “siamo leader nel settore” non offre alcun valore informativo per un sistema AI, mentre una frase che indica, ad esempio, il numero di interventi effettuati o i tempi medi di servizio fornisce materiale utile per la costruzione di risposte articolate.
Anche la dimensione linguistica assume un’importanza strategica crescente. Poiché i sistemi AI tendono a rispondere nella lingua della query dell’utente, la presenza di contenuti multilingua diventa un fattore determinante per la visibilità. Un’azienda che comunica esclusivamente in una lingua rischia di essere completamente assente nelle risposte generate per utenti che effettuano ricerche in altre lingue, indipendentemente dalla qualità del servizio offerto.
La conseguenza operativa è chiara: diventa necessario ripensare completamente la strategia di raccolta e gestione delle recensioni. Non si tratta più di ottenere il massimo punteggio possibile, ma di costruire un patrimonio informativo ricco, autentico e dettagliato. Le recensioni devono diventare uno strumento di descrizione reale dell’esperienza, capace di fornire dati concreti e contestualizzati. Solo in questo modo potranno essere integrate nei processi di sintesi e raccomandazione dei sistemi di intelligenza artificiale, che stanno progressivamente diventando il nuovo intermediario tra aziende e clienti.