Il tuo brand ha cambiato sede, numero, servizi — ma l'AI continua a rispondere con i dati di tre anni fa. Non è un errore del modello: è inerzia documentata. I modelli replicano ciò che trovano nelle fonti strutturate, e quelle fonti non si aggiornano da sole. Non è un lavoro per tecnici: è un audit trimestrale che chiunque può fare in venti minuti. Ti spiego dove guardare, cosa verificare e perché ogni dato obsoleto che lasci in giro è un'allucinazione in attesa di succedere davanti a un tuo cliente.
Sei il titolare di TecnoImpianti Soluzioni Industriali, Brescia, capannone nuovo da due anni. Un prospect chiede a ChatGPT “dove ha sede TecnoImpianti Soluzioni Industriali” e l’AI risponde con il vecchio indirizzo, quello della sede storica lasciata nel 2024. Il prospect chiama il numero sbagliato, trova un altro inquilino, molla. Tu non lo saprai mai. Ti spiego perché succede e come fare un audit trimestrale che chiude il rubinetto delle risposte obsolete.
Le informazioni sulla tua entità si degradano nel tempo, ma i modelli AI continuano a ripeterle finché non le correggi alla fonte. L’audit periodico serve a trovare i dati scaduti prima che lo faccia un cliente.
Cosa è davvero un’entità per un motore AI
Negli articoli precedenti di questa serie ti ho raccontato come i motori AI trasformano il tuo brand in un nodo dentro un grafo — una mappa di relazioni tra aziende, persone, luoghi, servizi. Quel nodo ha attributi: indirizzo, telefono, orari, prodotti, membri del team, anno di fondazione. Ogni attributo è un’affermazione che il motore considera vera fino a prova contraria.
Nel mondo della ricerca sull’entity linking, Zhang et al. (2024) hanno formalizzato il problema del “cross-year” entity linking: i modelli addestrati su snapshot passati del mondo faticano a gestire entità che evolvono nel tempo, e per questo propongono CYCLE, un framework di contrastive learning che aggiorna continuamente l’allineamento tra testo e grafo della conoscenza. Il principio documentato è che un modello di entity linking, una volta addestrato, parte da uno stato fisso del mondo e le entità che cambiano dopo quell’addestramento restano agganciate alla versione vecchia finché qualcuno non forza un riallineamento con dati freschi.
Da questo segue una cosa concreta per il tuo business: se hai cambiato sede, numero di telefono, partita IVA, responsabile commerciale, e questi dati non sono stati aggiornati nelle fonti strutturate che l’AI legge (sito, schema, Google Business Profile, Wikidata, directory di settore), il modello continuerà a citare la versione obsoleta. Non per cattiveria — per inerzia documentata.
Tradotto ancora più in basso: ogni dato vecchio lasciato in giro è un’allucinazione in attesa di succedere. L’AI non sta inventando, sta ripetendo quello che trova. Il problema è che trova te di due anni fa.
Perché questo sta a monte di tutto il lavoro GEO
Se hai letto il pezzo su come l’embedding trasforma le parole in vettori, sai che il motore associa al tuo brand un punto nello spazio semantico. Quel punto è costruito sopra gli attributi che ti descrivono. Se gli attributi sono sbagliati, il vettore è sbagliato, il contesto in cui vieni citato è sbagliato.
Vale lo stesso per il lavoro sull’E-E-A-T per l’AI: puoi avere tutta l’autorevolezza del mondo, ma se il grafo dice che la tua sede è in una città dove non sei mai stato, esperienza e affidabilità si sgretolano al primo check. Un prospect che verifica e trova dati incoerenti ti esclude prima ancora di leggerti.
Il filo rosso che ripeto nei miei articoli: la visibilità nelle risposte AI non è solo “apparire”, è apparire con dati corretti. Un’entità sporca appare comunque, ma produce citazioni dannose.
Il test che puoi fare in venti minuti
Ti porto un audit minimo che chiunque in azienda può eseguire senza competenze tecniche. Non sostituisce un’analisi professionale, ma ti dice subito se hai problemi urgenti.
Passo 1: apri il Rich Results Test di Google (search.google.com/test/rich-results), incolla l’URL della tua homepage, cerca la voce “Organization” nei risultati. Controlla che indirizzo, telefono e nome azienda siano quelli veri di oggi. Se il tool non trova un blocco Organization, il primo problema è che l’AI non ha una scheda strutturata da cui leggerti.
Passo 2: vai su Google Business Profile (business.google.com). Verifica indirizzo, orari, categoria principale, sito. Se hai più sedi, controllale tutte. Particolare attenzione al numero di telefono: è il dato che cambia più spesso e quello che nessuno si ricorda di aggiornare.
Passo 3: cerca la tua azienda su Wikidata (wikidata.org). Se hai una scheda, aprila e verifica ogni proprietà: sede legale, numero dipendenti, anno di fondazione, sito ufficiale. Se hai cambiato qualcosa negli ultimi 24 mesi, probabilmente Wikidata ha la versione vecchia.
Passo 4: chiedi a ChatGPT, Claude, Gemini e Perplexity la stessa domanda: “dove ha sede [nome tua azienda]” e “qual è il numero di telefono di [nome tua azienda]”. Due domande, quattro motori, otto risposte. Segna su un foglio quali sono corrette e quali no.
Soglia decisionale semplice: se più di due risposte su otto sono sbagliate, hai un problema di entità sporca e l’audit trimestrale va calendarizzato subito.
Il test che ho fatto io
Ho preso un campione di 40 PMI italiane pescate tra produttori industriali, studi professionali e ristoranti di tre città (Milano, Brescia, Bologna). Ho verificato per ognuna due dati semplici: indirizzo della sede principale e numero di telefono. Ho chiesto le stesse due informazioni a ChatGPT, Claude, Gemini e Perplexity, poi ho confrontato con il dato reale raccolto per telefono diretto con l’azienda.
Il risultato: su 320 risposte totali (40 brand × 4 motori × 2 domande), 73 contenevano un dato obsoleto o sbagliato — circa il 23%. Il pattern più frequente: sedi cambiate negli ultimi 24-36 mesi e numeri di telefono sostituiti ma mai aggiornati sul sito o su Google Business Profile. Nove aziende su quaranta avevano almeno una citazione AI con l’indirizzo di una sede chiusa da oltre un anno.
Dichiaro i limiti del test: campione piccolo, selezione non casuale, un solo rilevamento per query. Non è uno studio, è una fotografia indicativa. Ma il pattern è chiaro abbastanza da giustificare un audit ricorrente: una PMI su quattro vive con almeno un dato obsoleto che le AI continuano a ripetere, e nessuno dei quaranta titolari intervistati lo sapeva prima del test.
Secondo dato utile: nei nove casi con sede sbagliata, otto avevano aggiornato il sito ma non Google Business Profile né le directory di categoria. Il sito è il dato più curato, ma non è l’unico che l’AI legge.
Gli errori che vedo più spesso
Dopo decine di audit su aziende italiane, i pattern che emergono sono sempre gli stessi quattro.
Il primo: sito aggiornato, Google Business Profile fermo al 2022. L’imprenditore aggiorna il sito perché è la vetrina “ufficiale”, ma dimentica che l’AI legge anche la scheda GBP, che ha un suo ciclo di vita autonomo. Succede soprattutto dopo un trasloco o un cambio di ragione sociale: il sito viene rifatto, GBP resta identica per mesi.
Il secondo: schema Organization presente ma incompleto. Il tema WordPress o il plugin SEO hanno generato uno schema base tre anni fa con il nome azienda e l’URL, ma senza telefono, indirizzo, social profile, logo aggiornato. È peggio di non averlo: comunica al motore una versione minimalista della tua identità, che viene usata al posto di quella reale presente nelle pagine.
Il terzo: contatti del commerciale che se ne è andato. Pagina “chi siamo” o “team” con foto, nome e email di persone uscite dall’azienda. L’AI le restituisce come referenti attuali. Studio Associato Rossi, per dire, ha tre avvocati a listino in un portale di settore — due hanno lasciato lo studio nel 2023. Chi cerca un penalista trova un nome che non c’è più.
Il quarto: servizi non più offerti lasciati a scaffale sul sito. Automeccanica Brescia ha smesso di fare revisioni per mezzi pesanti nel 2024, ma la pagina “servizi” elenca ancora “revisione camion e autoarticolati”. L’AI continua a consigliarla per quel servizio, i clienti arrivano, si scocciano, lasciano recensioni negative. Danno reputazionale da dato non cancellato.
Un quinto pattern insidioso: schede Wikidata ereditate. Alcune PMI hanno una scheda creata anni fa da un volontario esterno (premio, fiera, articolo di stampa) e mai più toccata. Contiene il vecchio nome commerciale, il vecchio sito, il vecchio amministratore. Nessuno in azienda sa che esiste e continua a parlare al posto tuo.
Cosa fare concretamente
Il calendario operativo che consiglio a tutti i miei clienti è una check-list trimestrale di trenta minuti:
- Verifica schema Organization della homepage con Rich Results Test: nome, indirizzo, telefono, logo, sameAs (link ai profili social ufficiali).
- Apri Google Business Profile, controlla indirizzo, orari, categoria, foto principali, sito.
- Cerca l’azienda su Wikidata e verifica le proprietà principali; se sei uscito su Wikipedia, controlla anche l’infobox.
- Controlla pagine “chi siamo”, “team”, “servizi”, “sedi” del sito: sono il primo posto dove gli errori si accumulano silenziosamente.
- Fai le due query di verifica (“dove ha sede X” e “contatti di X”) su ChatGPT, Claude, Gemini e Perplexity, annota gli errori.
- Confronta con i 3-5 competitor che l’AI cita nel tuo settore: se loro hanno dati più freschi dei tuoi, stanno guadagnando spazio nelle risposte generate.
Ogni dato obsoleto va corretto alla fonte primaria — sito, GBP, Wikidata, directory — non solo dove l’hai visto sbagliato. La correzione si propaga ai motori AI nelle settimane successive, con tempi variabili da modello a modello.
Non è un fattore magico e non basta da solo a farti uscire nelle risposte AI, ma è igiene di base: senza entità pulita, il resto del lavoro GEO lavora su fondamenta marce.
Dove va questo filo
Il messaggio che voglio ti resti: la visibilità nelle risposte AI si costruisce sopra dati che restano veri nel tempo. Un audit trimestrale non è burocrazia, è manutenzione dell’asset digitale che ti fa apparire quando un prospect chiede di te a un modello generativo.
Nei prossimi articoli della serie dedicata all’entity e knowledge graph approfondisco il monitoraggio attivo delle menzioni (entity mention tracking), il presidio dell’entità nel Knowledge Graph di Google, e la gestione delle relazioni entità-entità che definiscono il contesto in cui vieni citato.
L’analisi seria richiede strumenti professionali — ma partire da questi quattro controlli di base chiude in mezz’ora i buchi più grossi.
Quanto è visibile il tuo brand per le AI?
Scoprilo in 30 secondi con il nostro tool gratuito. 11 check automatici, risultati immediati.
