ChatGPT ricorda le conversazioni e può chiamare la tua API mentre parla col cliente. Non basta più farsi citare: bisogna farsi interrogare. Ti spiego come usare Plugins e Actions.
L’utente chiede a ChatGPT del tuo brand. L’AI ricorda. Poi chiede di un competitor. L’AI collega. Memory feature cambia il gioco: ogni interazione con un cliente è un’opportunità permanente.
Questo è il sintomo che i miei clienti più avanti stanno vedendo in questi mesi. ChatGPT non si limita più a rispondere: si ricorda delle conversazioni precedenti, costruisce un profilo del singolo utente e, in certi casi, chiama direttamente il tuo servizio dentro la chat. Il salto è grosso. Per anni l’obiettivo GEO è stato “farsi citare”. Adesso c’è un livello sopra: far sì che l’AI interroghi la tua API mentre parla col cliente.
Le Actions dentro i Custom GPT di OpenAI sono oggi il meccanismo tecnico che apre questa porta — l’eredità operativa dei vecchi ChatGPT Plugins, che OpenAI ha dismesso ad aprile 2024 e sostituito proprio con l’architettura dei Custom GPT più Actions. Qui non ti parlo del “come si programma”: ti parlo di cosa cambia per la tua visibilità nelle risposte AI se decidi di esporre una Action, e cosa perdi se non lo fai mentre lo fanno i tuoi competitor.
Cosa è la memoria di un modello AI (e perché ti riguarda)
Nel mondo della ricerca sui modelli linguistici, la memoria non è un dettaglio tecnico: è il pezzo che rende le conversazioni continue e personalizzate. Una survey del 2025 la definisce in modo molto chiaro.
“In the era of large language models (LLMs), memory refers to the ability of an AI system to retain, recall, and use information from past interactions to improve future responses and interactions.” — Shan et al., 2025
Tradotto per te: la memoria di un modello AI è la capacità di conservare, richiamare e usare informazioni delle interazioni passate per migliorare le risposte future. Non è una funzione estetica, è un pezzo strutturale di come ChatGPT e gli altri assistenti stanno evolvendo.
La conseguenza operativa per il tuo business è semplice: se un utente ha già interagito col tuo brand dentro ChatGPT — magari chiedendo informazioni, confrontandoti con un competitor, leggendo un tuo contenuto citato — quella traccia resta. E quando il modello ha anche un canale attivo verso la tua API (un plugin o una Action), la memoria non è più passiva. Diventa un punto di accesso diretto al tuo catalogo.
Actions: la differenza tra essere citato e essere usato
Fino al 2023, la partita GEO si giocava sulle citazioni: comparire nelle fonti che l’AI elenca a fine risposta. È ancora il 90% del lavoro e nei miei articoli precedenti ho spiegato come costruire quel segnale: dalla tokenizzazione del tuo contenuto all’author entity recognition fino al backlink come citation proxy.
Le Actions sono un piano diverso (i Plugins legacy facevano lo stesso lavoro prima della dismissione di aprile 2024, quindi il concetto non è nuovo, è solo stato ribattezzato dentro i Custom GPT). Non servono a farti citare: servono a far sì che l’AI, mentre risponde a un utente, chiami la tua API per recuperare dati live. Se hai un e-commerce, l’AI può verificare disponibilità e prezzo. Se hai un’agenzia viaggi, può cercare pacchetti. Se gestisci un catalogo B2B, può mostrare le schede tecniche aggiornate.
La survey sulla memoria spiega perché questo è coerente col percorso evolutivo dei modelli.
“Moreover, the introduction of memory enables LLMs to retain historical interactions with users and store contextual information, thereby providing more personalized, continuous, and context-aware responses in future interactions.” — Shan et al., 2025
Tradotto: la memoria permette ai modelli di conservare le interazioni passate e il contesto, producendo risposte più personalizzate e continue nel tempo. Da questo segue che un’AI con memoria + accesso alla tua API non ti “suggerisce” più all’utente: ti integra nel flusso. La raccomandazione diventa transazione.
Il caso dell’azienda zootecnica in Polesine
Ti racconto una situazione concreta che ho seguito negli ultimi 6 mesi. Un’azienda agricola di Rovigo, in Polesine, allevamento di Frisone e Romagnole con produzione di formaggi e latticini freschi a filiera corta. Vendita diretta, GDO locale, qualche ristorante stellato in Veneto ed Emilia.
Il titolare aveva un problema preciso: gli chef cercavano informazioni su “produttori di latticini freschi a filiera certificata in Veneto” dentro ChatGPT e Perplexity, ma trovavano sempre gli stessi 4-5 nomi grossi. Lui, con 200 capi e una produzione limitata, non compariva mai.
Abbiamo impostato una strategia su 6 mesi con due binari paralleli. Il primo binario era il lavoro classico di authority: contenuti tecnici sulla razza, schede prodotto strutturate con schema Organization verificato sul Rich Results Test di Google, voce Wikidata dell’azienda, menzioni su testate di settore agroalimentare venete ed emiliane.
Il secondo binario — quello di cui ti parlo oggi — è stata l’esposizione di una Action custom: un endpoint che risponde a tre domande fondamentali per un cliente professionale. Disponibilità del prodotto oggi, lotto di produzione, tracciabilità del capo di origine. Tre informazioni che un chef vuole verificare prima di ordinare.
Dopo 6 mesi il risultato che ho misurato su un campione di 40 query di test su ChatGPT e Perplexity (test indicativo, non studio rigoroso): il brand compare in 22 risposte su 40 sulle query generali “latticini Veneto filiera corta”, e in 3 casi — con utenti che avevano attivato plugin di terze parti — l’AI ha interrogato direttamente l’endpoint per rispondere “sì, disponibile oggi”. Tre su quaranta è poco in assoluto, ma è un tipo di risultato che gli altri 4-5 competitor citati non hanno.
La lezione operativa che porto a casa è che plugin e Action non sostituiscono il lavoro di citazione: lo amplificano su un livello che i concorrenti non presidiano ancora.
Il test che puoi fare in 20 minuti
Prima di ragionare su plugin e Actions, devi sapere se l’AI sa chi sei abbastanza da valere la pena di esporre un endpoint. Ecco tre check binari.
- Apri ChatGPT e fai 10 query tipiche del tuo settore (“miglior [prodotto] in [tua provincia]”, “produttori [categoria] con [caratteristica]”, “confronto tra [competitor 1] e [tua categoria]”). Se il tuo brand non compare in almeno 2-3 risposte su 10, non sei pronto per un’Action: prima serve lavoro di authority.
- Verifica su Wikidata se esiste una voce per la tua azienda. Se no, il modello ha poche ancore per agganciarti. La voce Wikidata è gratuita ma va fatta secondo le regole della community.
- Confronta con i 3-5 competitor che l’AI cita nel tuo settore: fai le stesse 10 query, segna chi compare e quante volte. Quel gap è la misura reale del lavoro da fare prima di investire in un’Action.
Sono check entry level. L’analisi vera, quella che guida una strategia su 6 mesi, richiede strumenti professionali e un monitoraggio strutturato delle query.
Gli errori che vedo più spesso
Negli ultimi mesi ho visto quattro pattern ricorrenti su aziende che mi chiedono di “fare un plugin ChatGPT” (nomenclatura obsoleta: oggi si parla di Actions dentro Custom GPT, i Plugins veri e propri sono stati spenti ad aprile 2024).
Il primo errore è costruire l’Action prima di avere la citazione. Se l’AI non ti conosce, l’endpoint resta spento. Nessun utente chiede esplicitamente “usa la Action di [brand sconosciuto]”: la attiva solo se il brand emerge già nelle risposte organiche.
Il secondo errore è esporre troppe funzioni. Un’Action che fa 15 cose confonde il modello. Meglio un endpoint con 2-3 funzioni molto chiare: “verifica disponibilità”, “calcola preventivo”, “mostra tracciabilità”. Il modello chiama meglio ciò che capisce bene.
Il terzo errore è dimenticarsi della manutenzione della descrizione OpenAPI. Il modello decide di chiamare la tua API leggendo la descrizione. Se è scritta in tecnichese, non la invoca. La descrizione va scritta pensando che il primo “utente” è il modello, non lo sviluppatore.
Il quarto errore è trascurare il segnale di autorevolezza intorno all’Action. Un endpoint collegato a un brand con poca authority viene usato poco: il modello preferisce chiamare endpoint di brand che riconosce. È lo stesso principio dell’implicit reference weight: più il brand è riconoscibile, più il suo canale viene usato.
Cosa fare concretamente nei prossimi 90 giorni
Non ti sto dicendo di costruire un plugin domani. Ti sto dicendo di prepararti al momento in cui avrà senso farlo.
- Mappa le 20 query del tuo settore dove vuoi comparire. Verifica oggi dove sei posizionato su ChatGPT, Perplexity, Gemini.
- Se non compari, lavora 4-6 mesi sul livello precedente: contenuti strutturati, entity recognition, menzioni su fonti autorevoli del tuo settore.
- Se compari ma solo in modo occasionale, chiediti quale funzione del tuo servizio l’AI potrebbe voler chiamare. Disponibilità? Preventivo? Verifica? Tre massimo.
- Quando decidi di esporre un’Action, scrivi la descrizione OpenAPI come se fosse un testo editoriale per un modello: chiara, con esempi, senza gergo.
Non è un fattore magico. Non basta da solo. Ma è il tipo di investimento che, dentro una strategia di visibilità nelle risposte AI coerente, ti sposta da “citato tra gli altri” a “integrato nel flusso di risposta”.
Dove si inserisce nel percorso GEO
Le Actions sono l’ultimo miglio di un percorso che parte molto prima. Hai bisogno prima di una piramide rovesciata nei contenuti che il modello sappia leggere. Hai bisogno di segnali E-E-A-T specifici per l’AI. Hai bisogno che il tuo brand sia riconosciuto come entità nel Knowledge Graph.
Le Actions arrivano quando quel terreno è preparato. Nei prossimi articoli di questa serie ti mostrerò come si differenziano le piattaforme AI tra loro: cosa cambia tra ChatGPT, Claude e Perplexity in termini di meccanismi di citazione, e come calibrare la strategia quando il tuo cliente ideale cerca su un motore piuttosto che su un altro.
Il filo resta sempre lo stesso: essere visibili nelle risposte AI. Ma il livello cambia. Da citato, a usato.
Quanto è visibile il tuo brand per le AI?
Scoprilo in 30 secondi con il nostro tool gratuito. 11 check automatici, risultati immediati.
