SEO Confidential – La nostra intervista esclusiva ad Amanda King sul lato meno raccontato dell’IA

Tra bias, contenuti omologati e modelli addestrati su dati fragili, Amanda King spiega perché i brand dovrebbero concentrarsi meno sugli algoritmi e più sull’unicità del proprio valore

Ciao e bentornato su SEO Confidential.

In questo periodo si sente parlare ovunque di IA generativa, di come “ottimizzare per ChatGPT” o farsi notare dai chatbot. Tra chi ti consiglia tattiche last-minute e chi inonda i feed con contenuti generati in blocco dall’IA, il rischio è diventare invisibile, omologato, uguale a tutti gli altri.

Per questo l’intervista di oggi è preziosa, soprattutto se il tuo obiettivo non sono i like o i click fini a loro stessi, ma le conversioni vere.

La nostra ospite è Amanda King, consulente SEO attiva dal 2010 di base a Sydney, principal consultant di Floq, un’agenzia di consulenza SEO indipendente focalizzata su strategie di crescita orientate al business.

Nel corso della sua carriera ha maturato competenze che spaziano dalla SEO tecnica alla content strategy, passando per conversion rate optimization, data auditing e reporting. Speaker internazionale e voce autorevole del settore, ha partecipato a conferenze di rilievo come Ahrefs Evolve, SMX Munich e Search Marketing Summit, oltre a contribuire a pubblicazioni di riferimento come Search Engine Land.

In questa chiacchierata abbiamo affrontato temi molto pratici per il tuo lavoro quotidiano, tra cui: perché l’intelligenza artificiale, lasciata a sé stessa, tende all’omologazione, producendo la risposta “media”, mentre sono le intuizioni umane, i collegamenti inaspettati, a generare vero valore e differenziazione.

La sua è un’ode all’unicità del brand, contro il workslop imperante.

C’è poi un tema ancora più scomodo, e fondamentale, che abbiamo affrontato: chi addestra davvero questi modelli?

Amanda ci porta dietro le quinte, parlandoci dei lavoratori sottopagati e spesso in condizioni precarie che validano le risposte dell’IA (il cosiddetto “digital sweatshop”, cioè una sorta di fabbrica digitale dove persone svolgono lavori ripetitivi e poco pagati per addestrare e correggere l’intelligenza artificiale).

Un lavoro fatto frettolosamente, sotto pressione, che si traduce inevitabilmente in dati distorti, pieni di bias, su cui si basano i modelli che usiamo ogni giorno.

Capire questo meccanismo è la chiave per sapere come, e quanto, fidarti di questi strumenti nel tuo lavoro.

Sei pronto? Buona lettura, e preparati a guardare l’IA con occhi diversi.

Il rischio del “Model Collapse” e la necessità di puntare su fiducia, autorevolezza e valore reale

Oggi molti clienti sembrano ossessionati dai nuovi strumenti di AI generativa e da come “posizionarsi” su ChatGPT o Perplexity. In questo nuovo scenario, come gestisci le aspettative delle aziende e quali sono, secondo te, le metriche che contano davvero oggi rispetto alle vecchie vanity metrics?

Ci sono due aspetti principali da considerare. Il primo riguarda la misurazione: le metriche disponibili su queste piattaforme sono ancora relativamente nuove e, in molti casi, non risultano del tutto accurate o realmente rappresentative del fenomeno così come viene interpretato.

Il secondo riguarda il peso effettivo del traffico generato dagli LLM: al momento rappresenta ancora una quota molto ridotta del traffico Internet complessivo e non sta incidendo in maniera significativa sulla quota di mercato di Google. Lo studio di SparkToro rappresenta un riferimento utile per approfondire questo tema.

Spesso vedo consulenti o agenzie che, non appena prendono in mano un progetto SEO, saltano immediatamente in “modalità soluzione”: tirano fuori liste di keyword, propongono audit tecnici e mettono mano ai meta tag. Secondo la tua esperienza questo approccio puramente tattico è un errore? E quali sono, nel caso, le vere domande legate al core business da cui dovrebbe partire qualsiasi strategia per avere successo?

Per me la risposta è sì, sempre: partire dalla tattica è un errore, perché anche se le best practice possono funzionare per qualsiasi azienda, non è detto che riescano a generare lo stesso impatto, slancio e fiducia nella crescita organica.

Io parto sempre dal business, perché capire dove un’azienda vuole arrivare nei prossimi cinque anni può cambiare radicalmente le priorità di oggi. È da qui che inizio quasi sempre: dove volete arrivare? Qual è il vostro obiettivo?

Chiedo anche quali siano gli attuali indicatori di successo, dove vengono investiti i budget in advertising e marketing, cosa stanno dicendo i clienti ai team commerciali e di assistenza, quanto siano impegnati i team operativi nei successivi sei mesi e persino come si parla internamente dell’azienda, cioè il linguaggio concreto che viene utilizzato ogni giorno. Prima di guardare i numeri, cerco di costruire un quadro fatto di contesto, sfumature e comprensione delle persone coinvolte.

Spesso la SEO richiede interventi tecnici complessi che possono richiedere tempo e investimenti, mentre le aziende hanno obiettivi economici immediati. Come gestisci le best practice SEO quando si scontrano con i limiti di budget, tempo e priorità del business?

Esattamente in questo modo: attribuisco un peso agli aspetti operativi e finanziari all’interno della mia matrice di Eisenhower e nel processo di definizione delle priorità del lavoro.

(La matrice di Eisenhower è un metodo per stabilire le priorità del lavoro, dividendo le attività in quattro categorie in base a due criteri: urgenza e importanza.

Funziona così:

• Urgente e importante → da fare subito
• Importante ma non urgente → da pianificare
• Urgente ma poco importante → da delegare
• Né urgente né importante → da eliminare o rimandare

L’obiettivo è evitare di concentrarsi solo sulle urgenze e dare più spazio alle attività davvero strategiche, N.d.R.).

A meno che un’attività non abbia un impatto davvero elevato sul business, la valuto sempre tenendo conto degli aspetti operativi e finanziari, perché comportano costi reali e possono avere conseguenze concrete sull’azienda se vengono affrontati senza considerare il contesto generale.

In altre parole, prima di spingere su un’iniziativa, considero sempre le implicazioni operative ed economiche, per evitare che una decisione apparentemente valida finisca per avere effetti indesiderati sul business.

Quali sono secondo te i rischi, specialmente per i marketer meno esperti, di delegare il grosso del lavoro agli LLM senza prima essersi sporcati le mani analizzando le vere SERP e le reali intenzioni degli utenti?

Il compito di un LLM è fornire la risposta più probabile e “media” possibile sulla base delle informazioni esistenti. Per questo tende a spiegare ciò che è già stato fatto o ciò che funziona in media, più che suggerire idee davvero nuove o fuori dagli schemi. In un certo senso, può rendere il pensiero più uniforme e meno creativo.

Gli esseri umani, invece, sono capaci di avere intuizioni improvvise, collegare elementi apparentemente lontani e assumersi rischi interpretativi nelle proprie analisi: quei “salti di pensiero” che spesso portano a idee originali o strategie innovative e che un LLM fatica ancora a replicare davvero.

Amanda, oggi molti marketer usano ChatGPT (o altre IA) per analizzare grandi quantità di feedback dei clienti, recensioni o dati raccolti in file Excel, sperando di trovare insight utili. Il problema è che l’IA a volte può interpretare male i dati o persino inventare conclusioni. Qual è il tuo metodo per usare l’intelligenza artificiale su grandi quantità di dati qualitativi in modo affidabile, evitando errori e allucinazioni, e ottenendo risultati davvero utili?

Uhm… sinceramente non sono sicura di avere una risposta definitiva a questa domanda. Conosco persone che usano NotebookLM, ma io stessa passerò l’inverno australiano a costruire molte automazioni personalizzate proprio per affrontare problemi come questo, quindi forse dovresti chiedermelo di nuovo tra qualche mese.

C’è però un principio fondamentale da seguire secondo me quando si usa un LLM: non bisogna mai fidarsi della prima risposta. Il metodo migliore è spingere il modello a verificare continuamente ciò che produce, chiedendogli di controllare i dati, mettere in discussione le proprie conclusioni e cercare eventuali errori o contraddizioni. In altre parole, l’IA va trattata come uno strumento da supervisionare e validare costantemente, non come una fonte automaticamente affidabile.

C’è un grande dibattito nel settore sull’opportunità di bloccare o meno i bot che addestrano i modelli linguistici (come OpenAI o Anthropic). Qual è la tua posizione a riguardo? Quali sono i rischi e i vantaggi di lasciarli entrare nel proprio sito?

Oggi, i vantaggi sembrano superare i rischi, senza grandi dubbi. Il punto è che il “vaso di Pandora” è già stato aperto: i siti web e i brand sono già finiti nei dati usati per addestrare molti modelli di IA, spesso senza che le aziende avessero voce in capitolo quando tutto è iniziato.

A questo punto, chiudersi completamente avrebbe poco senso. Se un’azienda vuole che l’intelligenza artificiale continui a conoscere il proprio brand, i propri prodotti e le informazioni più aggiornate, deve continuare a pubblicare contenuti e rendere disponibili dati utili. In altre parole, mantenere una certa apertura verso questi sistemi è ormai quasi necessario per restare visibili e aggiornati anche nell’ecosistema dell’IA.

Amanda, quando si parla di IA ci si concentra spesso sui prompt o sulla qualità delle risposte. Ma dietro questi modelli ci sono persone che aiutano ad addestrarli, spesso in condizioni di lavoro poco trasparenti e con compensi molto bassi, come giustamente hai scritto qui. Secondo te, quanto il modo in cui le Big Tech costruiscono e gestiscono questi modelli di IA influisce sulla qualità delle risposte, sugli errori, sui pregiudizi dei sistemi (bias) e sull’affidabilità degli strumenti che marketer e aziende usano ogni giorno?

Grazie per aver letto l’articolo. Per quanto riguarda l’RLHF, e il modo in cui sembra essere gestito oggi, il problema più grande è che, molto spesso, l’addestramento dei dati avviene in ambienti di lavoro psicologicamente poco sicuri, e questo finisce per compromettere la qualità delle informazioni.

(Il RLHF, Reinforcement Learning from Human Feedback, cioè “apprendimento per rinforzo basato sul feedback umano”, è un metodo usato per migliorare le risposte dell’intelligenza artificiale. In pratica, delle persone valutano le risposte generate dall’IA, indicando quali sono corrette, utili o appropriate e quali invece sono sbagliate o poco convincenti. Il modello “impara” da questi giudizi umani per dare risposte migliori in futuro. Detto in modo molto semplice: sono esseri umani che insegnano all’IA cosa è una buona risposta e cosa no, N.d.R.).

Può succedere, per esempio, che un contenuto venga approvato come corretto semplicemente perché chi lo sta valutando deve raggiungere una quota di lavoro per essere pagato a fine settimana. Oppure perché, invece di assumere uno specialista, viene incaricata una persona generalista che non riesce a cogliere le sfumature o gli errori più complessi. In molti casi, le condizioni di lavoro spingono chi etichetta i dati a passare rapidamente al compito successivo, invece di fermarsi ad analizzare davvero ciò che ha davanti e verificarlo con attenzione.

Il problema è che, se questa base di dati è compromessa, anche i livelli successivi del modello finiscono per costruirsi su informazioni distorte. Sappiamo bene che, alla fine, gli LLM funzionano riconoscendo e replicando schemi. Se lo schema iniziale è sbagliato, il rischio di errori aumenta enormemente.

Di fatto, stiamo usando modelli addestrati su grandi quantità di informazioni validate da persone che spesso hanno pochi incentivi reali a preoccuparsi dell’accuratezza dei dati, anche a causa di condizioni di lavoro che possono essere molto discutibili dal punto di vista etico.

C’è poi un altro aspetto importante: i dati che queste persone devono valutare non sono neutrali. Sono già influenzati dai punti di vista, dai valori e dai bias delle grandi aziende tecnologiche, in gran parte statunitensi e spesso guidate prevalentemente da uomini bianchi, per cui stanno lavorando.

Nel guardare al futuro dell’IA, hai avvertito sul rischio imminente del ‘Model Collapse’ – il momento in cui l’IA, esaurendo i contenuti scritti da esseri umani, inizierà ad addestrarsi sui propri stessi output sintetici, degradandosi. Si stima che questo punto di rottura possa arrivare già tra il 2026 e il 2028. Come suggerisci alle aziende di prepararsi a questo scenario? Come possiamo costruire una presenza digitale solida se le fondamenta stesse dei modelli linguistici rischiano di sgretolarsi nel giro di pochi anni?

Beh, secondo me ci sono due aspetti da considerare.

Il primo riguarda le automazioni. Se si vuole usare l’IA per alleggerire il lavoro quotidiano e dedicare più tempo alla strategia, alle idee e alle decisioni importanti, il momento giusto per farlo è adesso. Nei prossimi sei mesi, meglio ancora nei prossimi tre. Non bisogna pensare che questa fase di forte crescita dell’intelligenza artificiale durerà per sempre. Conviene approfittarne finché gli strumenti funzionano bene abbastanza da produrre risultati verificabili e realmente utili. Questa finestra di opportunità potrebbe durare meno del previsto.

Il secondo aspetto è più importante e riguarda la presenza digitale di un brand.

Come si costruisce oggi un’identità forte online?

In sostanza, nello stesso modo in cui si è sempre costruita una reputazione solida: creando un brand riconoscibile e facendo davvero qualcosa di utile per il proprio pubblico. L’obiettivo non dovrebbe essere piacere a ChatGPT, a Google o agli algoritmi, ma offrire contenuti, prodotti ed esperienze migliori per le persone.

In altre parole, bisogna costruire il proprio business pensando prima agli utenti e poi alle piattaforme. La vera sfida è riuscire a portare online ciò che rende forte un brand anche nel mondo reale: fiducia, autorevolezza e valore percepito.

Dietro ogni risposta dell’IA resta il valore delle intuizioni umane

Quello che mi porto a casa da questa chiacchierata con Amanda King è un concetto semplice ma, oggi, controcorrente: l’IA resta uno strumento, mentre la strategia nasce dal business, dalle persone, dalle intuizioni che solo un essere umano sa avere.

In un mercato in cui tutti rischiano di assomigliarsi sempre di più, essere autentici, riconoscibili e profondamente radicati nel proprio business smette di essere uno slogan motivazionale e diventa un vantaggio competitivo reale.

Se tutti usano gli stessi prompt, gli stessi tool e si affidano alle stesse risposte “medie” generate dagli LLM, il rischio è produrre contenuti sempre più uguali, strategie sempre più prevedibili e brand sempre più intercambiabili. L’omologazione, oggi, è forse il pericolo più sottovalutato del marketing guidato dall’IA.

C’è poi un aspetto ancora più scomodo, di cui si parla troppo poco: il lavoro invisibile dietro questi modelli. Ogni volta che riceviamo una risposta apparentemente perfetta in pochi secondi, raramente ci chiediamo chi abbia contribuito davvero ad addestrare quei sistemi. Eppure, come ci ha detto Amanda, dietro molti modelli esiste un ecosistema fatto di lavoratori sottopagati, sottoposti a ritmi intensi e spesso chiamati a validare enormi quantità di dati in tempi strettissimi: il cosiddetto digital sweatshop.

Il problema, oltre che etico, è tecnico e riguarda direttamente marketer, imprenditori e aziende.

Se i dati vengono validati in fretta, da persone senza competenze specialistiche o incentivate a privilegiare la velocità rispetto all’accuratezza, il rischio di bias, errori e distorsioni aumenta inevitabilmente. E se la base è fragile, anche le risposte generate dall’IA rischiano di esserlo.

Per questo, forse, la domanda giusta oggi non è “come faccio a farmi amare da ChatGPT?”, ma: quanto capisco davvero gli strumenti a cui sto affidando una parte crescente del mio lavoro e delle mie decisioni?

Un sentito grazie ad Amanda per il tempo, la disponibilità e gli spunti preziosi che ci ha regalato in questa intervista.

E a te, lettore: l’appuntamento è per la prossima settimana, sempre qui su SEO Confidential, con un altro ospite d’eccezione del mondo SEO (e oltre), pronto a darti consigli pratici per far crescere il tuo business.

Resta sintonizzato: si preannuncia un’altra puntata da segnare in agenda!