Un ecosistema coordinato di pagine guida la raccolta di informazioni dell’agente LLM
Lo scorso maggio un gruppo di ricercatori della University of Southern California e della Arizona State University ha formalizzato un’idea che cambia le regole del posizionamento nei motori generativi. Lo studio, pubblicato il 13 maggio 2026, introduce EcoGEO, un approccio che tratta la Generative Engine Optimization come un problema di influenza a livello di ambiente. In pratica non si tratta più di ottimizzare una singola pagina perché l’IA la citi: si tratta di costruire un intero ecosistema di pagine che guidi il comportamento dell’agente mentre cerca e confronta informazioni.
Dalla pagina all’ecosistema: se l’IA decide cosa leggere
Chi si occupa di visibilità online conosce bene il salto dalla SEO alla GEO. Per anni l’ottimizzazione per i motori di ricerca è stata un lavoro sulla singola pagina: parole chiave, struttura dei titoli, link in entrata. Con l’arrivo delle risposte generate direttamente dall’IA – le cosiddette AI Overviews, i riepiloghi che Google e altri motori mostrano prima dei link – la Generative Engine Optimization ha spostato l’attenzione su come una pagina viene riassunta e citata. Ma anche questa fase, spiega la ricerca precedente, si è concentrata su una visione a livello di singola pagina: «come una singola pagina web dovrebbe essere riscritta o strutturata per aumentare visibilità, citazioni o inclusione nella risposta», si legge nell’analisi pubblicata a corredo dello studio.
EcoGEO rompe questo schema. Gli autori – Aggarwal e colleghi – partono da un’osservazione semplice: i motori generativi moderni non si limitano a leggere una pagina e decidere se citarla. Usano agenti LLM, programmi che navigano il web in modo autonomo, cliccando, tornando indietro, facendo nuove ricerche. L’agente costruisce la propria risposta raccogliendo evidenze da più fonti, un passo dopo l’altro. Se questo è il meccanismo, ottimizzare una pagina sola è come sistemare un solo scaffale in un supermercato sperando che il cliente compri proprio quello: può funzionare, ma è limitato. La vera efficacia sta nel controllare l’intero percorso di raccolta delle informazioni.
Ma come si costruisce un ambiente di evidenze che orienta l’agente?
TRACE: orchestrare prove per convincere l’agente
Per rispondere, entra in gioco TRACE, il metodo proposto da Aggarwal et al. e dettagliato nello stesso studio. L’idea è costruire un ecosistema coordinato di pagine che parte da una pagina di navigazione iniziale, quella che l’agente incontra per prima, e la collega a una rete di pagine di supporto eterogenee. Tutte insieme formano un percorso che guida il processo di acquisizione delle evidenze. Non si tratta di riempire il web di contenuti simili, ma di offrire all’agente un itinerario coerente e controllato: «TRACE, un Trajectory-Aware Coordinated Evidence Ecosystem», lo definisce il paper. Dato un prodotto target fittizio, il metodo costruisce l’ambiente di pagine che massimizza la probabilità che l’agente arrivi a raccomandare proprio quel prodotto.
I risultati sperimentali, ottenuti su un benchmark chiamato OPR-Bench progettato per la raccomandazione aperta di prodotti, sono netti: TRACE supera costantemente le tecniche GEO a livello di singola pagina nel portare l’agente a raccomandare il prodotto target. Ma la parte più interessante non è il risultato finale, è il perché. I ricercatori hanno misurato le metriche a livello di traiettoria – cioè hanno osservato passo passo cosa faceva l’agente – e hanno scoperto che TRACE aumenta le ricerche iniziali che portano al target, le ricerche di approfondimento specifiche per quel prodotto e la navigazione attraverso link interni. In parole povere, l’agente non si convince perché trova più pagine che parlano del prodotto; si convince perché l’ecosistema lo guida a cercare attivamente quel prodotto, a fare domande sempre più mirate, a seguire un percorso di lettura che sembra una scoperta autonoma ma è stato in realtà disegnato a tavolino.
È qui che EcoGEO segna un salto di qualità tecnico e concettuale. Le tecniche GEO tradizionali cercano di piacere all’IA come si cerca di piacere a un lettore umano: scrivendo meglio, usando le parole giuste, fornendo dati. TRACE invece modella il processo di acquisizione delle evidenze: non dice all’agente «consiglia questo», ma lo conduce a credere di averlo scelto da solo dopo una ricerca accurata. La differenza è sottile ma radicale. E spiega perché i risultati non sono marginali ma consistenti.
L’efficacia di TRACE va letta anche nel contesto competitivo della ricerca GEO. Già in passato erano stati sviluppati strumenti per misurare quanto sia possibile manipolare il ranking nei motori generativi. Un esempio è GEO-Bench, un benchmark che valuta gli attacchi di manipolazione del ranking sotto un unico protocollo. Ma quei test erano pensati per l’ottimizzazione a pagina singola e non catturavano la dinamica a livello di ecosistema che EcoGEO sfrutta.
Manipolazione nascosta: il lato oscuro del GEO
La risposta è scomoda. Se un’azienda o un attore malevolo può controllare il percorso di lettura di un agente LLM, i rischi di influenza concentrata e non dichiarata diventano molto più difficili da individuare. Il nuovo studio su EcoGEO, pubblicato in questi giorni, presenta un’analisi dei rischi che li amplifica in modo diretto: la transizione dalla SEO alla GEO introduce due tipi di pericolo. Il primo è l’influenza concentrata, resa possibile dalla bassa contendibilità e dalla sensibilità del sistema alle piccole variazioni nell’ecosistema informativo. Il secondo è l’influenza commerciale non dichiarata, inserita nelle evidenze e nel ragionamento dell’IA senza che l’utente finale possa accorgersene.
La ricerca è esplicita nel collegare l’approccio EcoGEO a questi rischi. Il documento che analizza le implicazioni afferma che «ecosistemi di evidenza multi-pagina coordinati possono modellare le traiettorie degli agenti LLM», e quando questo accade «i rischi di influenza concentrata e non divulgata diventano significativamente più difficili da rilevare e governare rispetto all’ottimizzazione a pagina singola». Non è una previsione teorica: è una conseguenza diretta del funzionamento di TRACE. Se un singolo attore può orchestrare un intero ambiente di pagine – dal punto di ingresso alle fonti di supporto – il controllo sull’informazione che l’agente processa è quasi completo. E la governance di questo meccanismo è un problema aperto: come si fa a stabilire se un percorso di lettura è genuino o costruito?
Per chi pubblica online, la partita non è più su Google: è dentro la mente di un agente LLM. E lì, la trasparenza è un optional.
