Sai dove si posiziona il tuo dominio nella gerarchia di peso che l'AI usa per valutare le fonti? Paper accademici e siti istituzionali al vertice, blog personali alla base — e la distanza tra i livelli è enorme. Ogni euro investito in visibilità su una fonte di livello superiore produce più impatto di dieci euro spesi su fonti generiche. Non è necessario scalare tutto in una volta. Ti spiego come capire dove ti trovi oggi e qual è il passo più accessibile per salire di livello.
Se hai letto i miei articoli su come funziona il pre-training data, sai già che i modelli AI non vengono addestrati su “internet” in modo indiscriminato. I dataset hanno una composizione specifica: Wikipedia, Common Crawl, Reddit, paper accademici, libri. Ogni componente ha un peso diverso nel mix finale.
Quello che molti non realizzano e che questa composizione crea una conseguenza diretta: non tutte le fonti pesano uguale per l’AI. Esiste una gerarchia implicita — mai dichiarata nei paper tecnici come tale, ma ricostruibile dalla meccanica del training e dai dati empirici. E capire dove si colloca il tuo contenuto in questa gerarchia e il primo passo per capire perché l’AI ti ignora o ti raccomanda.
Da dove nasce la gerarchia
Il punto di partenza e semplice: i dataset di pre-training non trattano tutte le fonti allo stesso modo. Wikipedia viene inclusa quasi per intero, ripulita e pesata come fonte ad alta densità informativa. Common Crawl viene filtrato pesantemente — la maggior parte delle pagine web viene scartata perché troppo rumorosa, duplicata o di bassa qualità. Reddit entra come proxy del linguaggio conversazionale e dei giudizi collettivi. I paper accademici entrano come fonti ad alta affidabilità su domini tecnici.
Questa selezione non e casuale. Riflette un giudizio implicito su quali fonti meritano di contribuire alla conoscenza del modello. E quel giudizio si cristallizza nei pesi del modello durante l’addestramento: il testo che arriva da una fonte ad alta reputazione lascia un’impronta più profonda di quello che arriva da una pagina qualsiasi.
Il dato empirico: l’AI preferisce le fonti terze
Se il bias fosse solo nel training, si potrebbe argomentare che e un artefatto storico. Ma i dati mostrano che si propaga anche nelle risposte. Aggarwal et al. nel 2025 hanno analizzato quali tipi di fonte i motori AI tendono a privilegiare, e il risultato non lascia spazio a interpretazioni:
“AI Search exhibit a systematic and overwhelming bias towards Earned media — third-party, authoritative sources — over Brand-owned and Social content.” — Aggarwal et al., 2025
“Systematic and overwhelming.” Non una leggera preferenza — un bias strutturale e massiccio. L’AI privilegia le fonti terze autorevoli rispetto ai contenuti che il brand produce su se stesso e ai contenuti social. Il tuo sito aziendale, per quanto curato, gioca in una lega diversa rispetto a un articolo che parla di te su una testata di settore.
Da questo dato, combinato con la composizione del training, si può ricostruire una gerarchia operativa delle fonti. Non e scritta in nessun paper come “classifica ufficiale” — e una deduzione che costruisco incrociando la meccanica del training con i risultati empirici. Ma la logica e solida.
La gerarchia ricostruita: cinque livelli
Livello 1 — Paper accademici e documentazione ufficiale. ArXiv, ACL Anthology, NeurIPS proceedings, documentazione tecnica di OpenAI, Google, Anthropic. Sono le fonti che entrano nel training con il peso più alto per dominio tecnico. Un’affermazione supportata da un paper peer-reviewed ha un peso che nessun blog post può eguagliare.
Livello 2 — Wikipedia e basi di conoscenza strutturate. Wikipedia e il substrato informativo di quasi ogni modello linguistico. Se un concetto, un brand, un professionista e presente su Wikipedia con una voce ben documentata, il modello lo conosce a un livello strutturale profondo. Wikidata aggiunge il layer relazionale — le connessioni tra entita che alimentano i knowledge panel. Ne parlo in modo più approfondito nell’articolo su Wikipedia e visibilità AI.
Livello 3 — Media autorevoli e testate di settore. Earned media nel senso pieno del termine: articoli giornalistici, recensioni indipendenti, analisi di settore pubblicate su testate riconosciute. Queste fonti beneficiano di cio che Srba et al. documentano nel loro survey sulla credibilità:
“Context-based signals considering user/source cues like domain reputation and publication metadata contribute most towards human judgement.” — Srba et al., 2024
Il modello ha imparato a pesare la credibilità osservando come gli esseri umani la valutano. E gli esseri umani danno più peso alla reputazione del dominio e ai metadati della pubblicazione che al contenuto in se. Una menzione del tuo brand sul Sole 24 Ore porta un segnale di contesto che una menzione su un blog qualsiasi non può replicare.
Livello 4 — Directory professionali, forum tecnici, contenuti di community. Stack Overflow, Reddit (nei subreddit di settore), directory professionali verificate. Sono fonti che entrano nel training e che hanno un segnale di credibilità medio. Il loro valore sta nella community endorsement — il consenso collettivo che emerge dai voti, dalle risposte, dalle discussioni. Non e lo stesso peso di una testata, ma e un segnale genuino che il modello registra.
Livello 5 — Contenuti brand-owned e social media. Il tuo sito, i tuoi profili social, i tuoi comunicati stampa. Sono le fonti con il peso più basso nella gerarchia. Non perché siano inutili — il tuo sito resta la base di partenza, e i dati strutturati che contiene alimentano la comprensione del modello. Ma l’AI ha imparato la stessa lezione che gli esseri umani applicano da sempre: chi parla di se non e la fonte più affidabile su se stesso.
Perché questa gerarchia conta per la tua visibilità
La conseguenza operativa e diretta. Se tutto il tuo investimento in contenuti e concentrato sul livello 5 — sito web, social, blog aziendale — stai giocando nella fascia più bassa della gerarchia. Il tuo contenuto esiste, il modello potrebbe averlo ingerito durante il training, ma il peso che gli assegna e strutturalmente inferiore a quello di una menzione su una fonte di livello 3 o superiore.
Non e una questione di qualità del testo. Un articolo perfetto sul tuo blog aziendale pesa meno di una menzione di tre righe su una testata di settore. La meccanica non premia lo sforzo — premia la posizione nella gerarchia delle fonti.
E questo effetto si amplifica nei sistemi RAG. Quando un motore AI come Perplexity recupera fonti esterne prima di generare la risposta, applica un filtro di qualità sui documenti recuperati. Una fonte di livello 3 passa quel filtro con più facilita di una di livello 5 — la reputazione del dominio e un segnale che il sistema usa per decidere cosa includere nella sintesi e cosa scartare. Il risultato e che la gerarchia del training si replica in tempo reale nel retrieval.
E qui si collega un aspetto che ho trattato parlando di expertise validation: il modello non valuta solo cosa dici, ma da dove lo dici e chi conferma che e vero. Una competenza dichiarata sul tuo sito e un’affermazione. La stessa competenza confermata da una fonte di livello 2 o 3 e un dato. L’AI tratta i due casi in modo radicalmente diverso.
Come risalire nella gerarchia
Il primo check e mappare dove ti trovi adesso. Fai una ricerca del tuo brand escludendo il tuo dominio e conta quante menzioni arrivano da fonti di livello 3 o superiore. Se la risposta e “poche o nessuna”, hai identificato il collo di bottiglia.
Da li, la strategia e costruire presenze ai livelli che contano. Non tutti — non ha senso puntare ai paper accademici se non operi in ambito accademico. Ma i livelli 2 e 3 sono accessibili a qualsiasi brand che abbia qualcosa di reale da offrire. Una voce Wikipedia richiede notorietà verificabile. Una menzione su una testata di settore richiede che tu faccia qualcosa di cui valga la pena scrivere. Entrambe richiedono lavoro reale, non ottimizzazione tecnica.
Un errore che vedo spesso e concentrare tutto il budget su contenuti di livello 5 sperando che la quantità compensi la posizione. Cento articoli sul blog aziendale non equivalgono a una citazione su una fonte di livello 3. Non perché quei cento articoli non abbiano valore — lo hanno per il tuo pubblico diretto, per il posizionamento organico, per la costruzione del brand. Ma nel calcolo che l’AI fa per decidere di chi fidarsi, il segnale di una fonte terza autorevole pesa in modo sproporzionato rispetto all’auto-dichiarazione. E una sproporzione che non si compensa con il volume.
Il bello di questa gerarchia e che una volta che sali di livello, il beneficio e permanente. Una menzione su una fonte autorevole entra nel training e resta. Un post social ha una vita utile di ore. La differenza si accumula nel tempo, e si traduce in un vantaggio strutturale che i competitor che investono solo sul livello 5 non possono colmare.
Se vuoi capire come le citazioni da fonti governative si collocano in questa gerarchia — e perché rappresentano un caso particolare ad altissimo peso — ne parlo nel prossimo articolo.
La gerarchia esiste, che tu la conosca o meno. La differenza e decidere su quale livello costruire la tua presenza.
