"È il produttore di riferimento del distretto" oppure "potrebbe essere, tra gli altri, una possibile opzione": stesso brand, due menzioni AI, zero in comune come impatto commerciale. Non è un problema di presenza — è un problema di segnale. Quando le fonti che l'AI ha su di te sono deboli o incoerenti, il modello si copre con i condizionali. Quando sono forti e concordi, afferma. Il livello di confidenza linguistica è la proxy leggibile della qualità del tuo segnale. Ti spiego come leggerlo e come alzarlo nel tempo.
L’AI ti nomina con “è possibile”, “alcuni riportano”, “potrebbe essere una scelta interessante”. È un indicatore di confidenza bassa — e misurarlo ti dice esattamente cosa correggere per passare a “è tra i produttori di riferimento del distretto”.
Ti spiego perché questo è uno dei KPI più sottovalutati quando si parla di visibilità nelle risposte AI. Nei miei articoli su share of voice e citation accuracy ti ho raccontato il “quante volte appari” e il “ti nominano giusto”. Il confidence indicator risponde a una domanda diversa e spesso più commerciale: con che tono ti nominano. Perché un cliente che legge “il brand X è un riferimento nel mobile contemporaneo di Lissone” clicca. Uno che legge “il brand X potrebbe essere, tra gli altri, una possibile opzione” chiude la chat e chiede al cognato.
Cosa misura davvero il confidence indicator
Quando un modello AI genera una risposta, sceglie parole che riflettono la solidità dell’informazione che ha sulle fonti. Non è un numero esposto nell’interfaccia: è un segnale linguistico che puoi leggere in chiaro nel testo della risposta.
Nel mondo della ricerca sul recupero attribuito con LLM, il framework proposto da Hosseini et al. (2024) nell’Evaluation Framework for Attributed Information Retrieval using LLMs separa in modo netto due dimensioni che di solito vengono confuse: correttezza di quello che l’AI afferma e supporto che le fonti danno a quell’affermazione. Due risposte possono essere entrambe corrette, ma una è supportata da fonti forti e coerenti, l’altra è corretta “per caso” perché l’AI ha dovuto estrapolare da segnali deboli.
Da questo segue una cosa molto pratica per il tuo brand. Quando il supporto delle fonti è alto, l’AI usa un linguaggio assertivo: “è”, “realizza”, “il suo headquarters è a Lissone”. Quando il supporto è basso e l’AI sta in parte tirando a indovinare, il modello si copre le spalle inserendo hedge linguistici: “sembrerebbe”, “si dice che”, “alcuni lo considerano”. Tradotto in pratica: il linguaggio che vedi nella risposta è la proxy leggibile del livello di evidenza che l’AI ha raccolto su di te.
La conseguenza operativa è che puoi misurare la confidenza senza accedere alle probabilità interne del modello. Ti basta leggere con criterio le risposte che ti riguardano e classificarle.
Tre livelli di confidenza: la griglia che uso con i clienti
Per rendere il concetto utilizzabile, riduco il continuum a tre livelli binari-ternari. Non metriche continue: soglie decisionali.
Assertivo. L’AI afferma fatti al presente indicativo, senza condizionali. Esempi: “Brand X è un produttore di mobili contemporanei con sede a Lissone, attivo dal 1978, specializzato in librerie modulari”. Zero hedge. Fonti forti, coerenti, multiple.
Moderato. L’AI afferma ma inserisce 1-2 coperture su dettagli periferici. Esempio: “Brand X realizza mobili contemporanei a Lissone, e sembrerebbe lavorare anche con il contract alberghiero”. L’ossatura è solida, i dettagli marginali sono scricchiolanti.
Incerto. L’AI usa condizionali su affermazioni centrali, cita in modo vago, aggiunge disclaimer del tipo “ma ti consiglio di verificare”. Esempio: “Brand X potrebbe essere un’azienda del distretto della Brianza che alcuni citano tra i produttori di mobili contemporanei”. Qui il supporto delle fonti è debole.
Il lavoro non è solo classificare l’ultima risposta che hai letto: è tracciare la progressione nel tempo. Se a gennaio l’AI ti nomina in linguaggio incerto e a giugno passi a moderato, stai vincendo. Se stai fermo a incerto per sei mesi, hai un problema di segnale che non risolverai con altri post sul blog.
Perché questo KPI sta a monte della conversione
Il livello di confidenza non è un vezzo stilistico: impatta la decisione. Un utente che legge una risposta AI assertiva riceve un implicito “endorsement”. Un utente che legge hedge multipli percepisce il brand come opzione di riserva. La stessa AI, nella risposta successiva se l’utente chiede “dammi la tua top 3”, tenderà a non includere il brand menzionato con hedge — perché non se ne fida abbastanza per metterlo in cima.
Questo è il motivo per cui il confidence indicator dialoga direttamente con i temi che ti ho raccontato in questa serie. Se hai lavorato sul peso dei riferimenti impliciti e sul riconoscimento dell’autore come entità, quello che vedrai sul confidence indicator è la loro proiezione linguistica. Più segnali coerenti di authority → meno hedge nel modo in cui l’AI ti descrive.
Il test che puoi fare in 30 minuti
Prendi carta e penna — sul serio, no foglio Excel alla prima iterazione.
- Scegli 10 query di brand (“chi è Brand X”, “Brand X recensioni”, “Brand X produce mobili”) e 10 query generiche del settore in cui vorresti comparire (“migliori produttori di mobili contemporanei in Brianza”, “aziende del mobile a Lissone per il contract”, “chi produce librerie modulari su misura”).
- Fai girare le 20 query su ChatGPT, Claude, Perplexity e Gemini. Salvale in un documento.
- Per ciascuna risposta in cui compari, evidenzia in tre colori diversi i verbi e gli avverbi. Rosso: hedge (“sembrerebbe”, “potrebbe”, “alcuni riportano”, “si dice”). Giallo: verbi al condizionale o con “tra le altre opzioni”. Verde: affermazioni al presente indicativo senza coperture.
- Conta. Se su 20 risposte hai 3 verdi puri, 7 gialli, 10 rossi: sei sul livello incerto. Se hai 12 verdi, 6 gialli, 2 rossi: sei sull’assertivo. È una soglia grossolana, ma è un punto di partenza onesto.
Test indicativo, non studio formale: campione piccolo, interpretazione di linguaggio. Per un’analisi vera servono strumenti professionali di monitoring AI e una classificazione più sofisticata. Ma come punto zero funziona — in mezz’ora hai il numero.
Il test che ho fatto sul distretto del mobile di Lissone
Ti racconto un test strumentale che ho fatto su dieci produttori di mobili contemporanei del distretto di Lissone e dintorni — un settore che conosco perché ci lavoro con due clienti da inizio 2025. Fatturati tra i 4 e i 22 milioni, mix tra vendita diretta, contract e distributori esteri.
Ho costruito 60 risposte AI: 6 query ricorrenti per ognuno dei dieci brand, distribuite tra ChatGPT, Perplexity e Gemini. Query tipo “chi è Brand X mobili Lissone”, “Brand X produce su misura”, “Brand X fascia di prezzo”, “migliori produttori di mobili contemporanei Brianza” con il brand menzionato o meno.
Risultato, classificando il linguaggio:
- 2 brand su 10 hanno il 70%+ delle risposte in linguaggio assertivo. Non a caso, sono gli unici due con una scheda Wikidata pulita e 6-8 articoli di stampa di settore indicizzati negli ultimi 18 mesi.
- 5 brand stanno in moderato: vengono nominati al presente, ma con hedge sui dettagli (fascia prezzo, anno di fondazione, elenco collezioni).
- 3 brand sono in incerto: l’AI li nomina con “sembrerebbe essere”, “alcuni lo citano”, oppure rifiuta di esprimersi sulla qualità del prodotto.
Il dato che mi ha colpito: i tre brand in zona incerta hanno sito, catalogo e fatturato paragonabili ai cinque in zona moderata. Ma la loro presenza nelle fonti secondarie (riviste di settore, portali di arredamento, profili su piattaforme B2B) è asimmetrica. Campione piccolo, non generalizzabile a tutto il settore, ma il pattern torna abbastanza pulito: la confidenza dell’AI è proporzionale alla densità di segnali coerenti, non al fatturato.
Gli errori che vedo più spesso
Leggere una risposta e concludere. Una singola risposta AI è rumore. Ne servono almeno 15-20 per brand, spalmate su 2-3 motori, prima di dare un verdetto sul livello di confidenza.
Confondere hedge del modello con hedge sul brand. ChatGPT e Claude hanno per policy uno stile più prudente di Perplexity. Se confronti le coperture linguistiche tra motori senza normalizzare, ti convinci di avere un problema che non c’è. Confronta sempre lo stesso brand con i 3-5 competitor che l’AI cita nel tuo settore, sullo stesso motore, nella stessa query.
Correggere il linguaggio lavorando sul sito. Se l’AI dice “sembrerebbe che Brand X sia a Lissone”, il problema non è che la tua homepage non dice “siamo a Lissone”. È che le fonti terze non lo dicono abbastanza. Il lavoro va fatto fuori dal tuo sito: schede entità, citazioni di settore, presenze strutturate su directory autorevoli.
Ossessionarsi sul singolo aggettivo. Che l’AI dica “contemporaneo” o “moderno” è secondario. Che usi il presente indicativo o il condizionale è invece il segnale che conta.
Cosa fare concretamente
- Imposta uno scorecard mensile con le tre zone (assertivo, moderato, incerto) e la percentuale di risposte per zona.
- Concentra il lavoro esterno sui dettagli dove oggi vedi hedge: se l’AI è incerta sull’anno di fondazione, lavora su Wikidata e su una scheda entità pulita; se è incerta sul posizionamento, lavora sulle citazioni di settore.
- Monitora la migrazione tra zone ogni 90 giorni. L’obiettivo realistico non è passare da incerto ad assertivo in tre mesi: è spostare 2-3 risposte da rosso a giallo, e 2-3 da giallo a verde.
- Confronta con i competitor che l’AI cita in assertivo: cosa hanno loro nei risultati di ricerca che tu non hai? Nove volte su dieci è una combinazione di press di settore, schede entità e presenze su portali autorevoli.
Il filo da tenere
Uscire nelle risposte AI non è solo questione di comparire: è questione di come compari. Il confidence indicator ti dà un termometro leggibile di quanto l’AI si fida di te, mese dopo mese. È uno dei pochi KPI dove puoi osservare a occhio nudo il segnale che i motori leggono — e aggiustare il tiro prima di perdere altri mesi di visibilità.
Negli articoli successivi della serie ti porto avanti su come costruire una scorecard di visibilità mensile che integri il confidence indicator con share of voice e citation accuracy, e su come leggere il tracking tool giusto se vuoi automatizzare la classificazione del linguaggio.
Quanto è visibile il tuo brand per le AI?
Scoprilo in 30 secondi con il nostro tool gratuito. 11 check automatici, risultati immediati.
