Il test su 5.200 coppie di pagine mostra un bias del 92%: vince chi viene letto per primo, non chi
Ha un occhio pigro, Gemini. L’esperimento pubblicato la scorsa settimana da Dan Petrovic, ricercatore SEO, lo ha dimostrato con un test su larga scala: quando il modello Gemini 3.6 Flash di Google deve valutare quale tra due pagine web sia la migliore, nel 92% dei casi sceglie la prima che legge. Non la più documentata, non la più recente, non la più pertinente. Semplicemente quella che gli passa davanti per prima.
Il dato è emerso da 5.200 coppie di pagine sottoposte al giudizio del modello. In ciascuna coppia, una delle due pagine era stata riscritta seguendo 31 fattori testuali misurati — chiarezza, struttura, densità informativa, citazioni. L’altra restava nella sua forma originale. Quando la pagina ottimizzata si trovava in prima posizione, vinceva quasi sempre. Quando invece partiva dalla seconda, le sue probabilità crollavano al 15,2%. Il contenuto era identico a quello vincente, ma l’ordine di lettura lo condannava.
Poi Petrovic ha alzato l’asticella: ha attivato il pensiero attivo di Gemini — la modalità in cui il modello ragiona passo dopo passo prima di rispondere. La pagina guidata in seconda posizione è passata dal 15,2% al 50,7% di vittorie. Un salto di trentacinque punti percentuali solo per aver chiesto al modello di fermarsi a pensare. Complessivamente, su tutte le coppie testate, la pagina riscritta secondo i 31 fattori è stata scelta nel 57,6% dei casi.
La maledizione del mezzo: quando l’attenzione ha un prezzo
Il comportamento di Gemini non è un bug isolato. Già nel 2023, uno studio firmato da Liu e colleghi aveva dimostrato che i modelli linguistici soffrono di un effetto chiamato «lost in the middle»: quando elaborano testi lunghi, ricordano bene l’inizio e la fine, ma perdono colpi su tutto ciò che sta nel mezzo. È un difetto strutturale, legato al modo in cui questi sistemi processano l’informazione — non una svista occasionale.
Un secondo studio, pubblicato sul server di preprint arXiv, ha confermato che il bias di posizione non è frutto del caso e varia in modo significativo a seconda del giudice e del compito. Ogni modello ha il suo punto cieco, ma nessuno ne è immune. Il ranking generativo — il meccanismo con cui l’AI ordina e seleziona le fonti — somiglia più a una gara di velocità che a una valutazione di merito.
E qui si innesta un paradosso. Chi produce contenuti di qualità spende tempo, competenze e denaro per distinguersi. Ma se Gemini legge prima la pagina del concorrente — magari meno accurata ma posizionata meglio nel flusso di input — è quella che finirà citata nella risposta. Non conta chi ha ragione: conta chi arriva prima davanti agli occhi del modello.
Ottimizzare o sparire: la nuova partita a scacchi
Per chi vive di traffico organico, questi numeri non sono un esercizio accademico. Stando ai dati raccolti dalla Digital Content Next, la maggior parte dei siti membri dell’associazione — testate giornalistiche e portali di intrattenimento — ha già subito perdite di traffico da Google Search tra l’1% e il 25%. L’introduzione delle AI Overviews, le risposte generate direttamente nella pagina dei risultati, sta prosciugando i click verso i siti editoriali. Se a questo si somma il bias di posizione di Gemini, il quadro si complica ulteriormente: anche quando il modello cita una fonte, potrebbe non essere la migliore.
Ma c’è un’altra lettura, meno cupa. Lo studio di Petrovic indica che esiste un margine di manovra. I 31 fattori testati — scelte di scrittura, strutturazione dei paragrafi, uso delle citazioni, densità delle informazioni — non sono un mistero iniziatico. Il costo totale per misurarli è stato di 81,32 dollari. Ottantuno dollari e trentadue centesimi per smontare e rimontare il meccanismo di giudizio di uno dei modelli più avanzati al mondo. Non serve un budget da multinazionale: servono metodo, misurazione e la volontà di adattarsi.
Già nel 2024, il paper GEO presentato da Princeton al KDD aveva aperto la strada: incrementi di visibilità fino al 40% per i contenuti ottimizzati per i motori generativi. All’epoca sembrava una frontiera sperimentale. Oggi, con i dati di Petrovic, quella che chiamiamo Generative Engine Optimization — l’arte di farsi trovare e preferire dai modelli linguistici — non è più una scommessa sul futuro. È una disciplina con metriche, esperimenti e risultati misurabili.
Il passaggio è netto: dalla SEO tradizionale, che ragionava su parole chiave e backlink, a un mondo in cui l’interlocutore non è un algoritmo di indicizzazione ma un modello probabilistico che legge, soppesa e decide in base a come il testo è costruito. Un mondo in cui la posizione nel prompt conta più dell’autorevolezza del dominio. Non è detto che piaccia. Ma ignorarlo, con un bias del 92% documentato, significa lasciare che siano altri a decidere cosa l’AI dirà di noi.
Resta una domanda aperta: Google correggerà questo bias o è una caratteristica strutturale dei modelli linguistici? La ricerca sul «lost in the middle» suggerisce la seconda ipotesi. I transformer — l’architettura su cui si basano Gemini e gli altri LLM — elaborano l’informazione in modo sequenziale, e la loro attenzione si concentra naturalmente sugli estremi del contesto. Correggere del tutto questa asimmetria richiederebbe un ripensamento architetturale, non una semplice messa a punto. Nel frattempo, chi pubblica online ha una scelta: può aspettare che il problema si risolva da solo, oppure può imparare a parlare la lingua dei modelli. Il futuro del traffico non è più nelle mani degli algoritmi, ma in chi impara a parlarci. E il tempo per farlo è adesso.
