Un'IA non sceglie le sue fonti a caso, e non ne sceglie molte: due meccanismi decidono cosa entra in una risposta generata. Il primo è il recupero dei documenti pertinenti alla domanda posta — ciò che la tecnica chiama retrieval. Il secondo, documentato da Google dal 15 maggio 2026, è il query fan-out: una domanda complessa si scompone in più sotto-domande, trattate ciascuna separatamente, prima di essere sintetizzate nella risposta finale. Diventare una fonte citata non è questione di un trucco tecnico; significa essere un buon candidato in ciascuna di queste fasi.
Cosa accade tra la domanda posta e la risposta data?
Un modello generativo non risponde soltanto sulla base di ciò che ha memorizzato durante l'addestramento. Per una domanda che richiede informazioni recenti, locali o specifiche, interroga innanzitutto un indice di documenti, trattiene i passaggi più pertinenti alla domanda posta, quindi redige una risposta che si basa su questi passaggi — spesso con una citazione della fonte. È il principio della retrieval-augmented generation, il RAG, che io stesso installo nei progetti su misura che devono restare fattuali e verificabili. Lo stesso principio, su scala di un motore di ricerca generalista, spiega perché ChatGPT, Perplexity o le funzionalità generative di Google possano citare una pagina pubblicata la settimana precedente: il modello non l'ha appresa durante l'addestramento, è andato a cercarla nel momento di rispondere.
Che cos'è il query fan-out, e perché cambia le regole del gioco?
Il 15 maggio 2026, Google Search Central ha documentato pubblicamente il meccanismo che struttura le sue funzionalità generative: i sistemi centrali di classificazione e qualità della ricerca classica, ai quali si aggiungono tecniche di generazione — la retrieval-augmented generation e il query fan-out, che scompone una richiesta in sotto-richieste sintetizzate nella risposta finale[1].
Concretamente: un dirigente che chiede chi raccomandare per gestire la fiscalità della sua azienda nel Vallese non pone una domanda, ma diverse, senza saperlo. Il sistema può scomporla in una sotto-domanda sugli studi attivi nella regione, un'altra sulla loro reputazione, un'altra ancora sul loro ambito di competenza — e trovare fonti diverse per ciascuna, prima di ricombinarle. Essere citati una volta non basta dunque: bisogna sopravvivere a più passaggi di recupero, su angolazioni che la domanda iniziale non rivela.
Google I/O, quattro giorni dopo, ha confermato la portata di questo cambiamento con l'estensione dell'AI Mode e i primi agenti di ricerca capaci di seguire un argomento e confrontare opzioni su più criteri[2] — una meccanica che si basa sullo stesso principio di scomposizione. Una precisazione onesta si impone: Google è, ad oggi, l'unico ad aver documentato questo meccanismo nel dettaglio. Gli altri ambienti generativi — ChatGPT, Claude, Perplexity, Mistral — si basano su logiche di recupero che vi si avvicinano verosimilmente nelle linee generali, senza che i loro editori ne pubblichino l'architettura esatta.
Perché una risposta generata cita solo tre o quattro fonti?
Un elenco di risultati classico tollera la mediocrità in settima posizione: il link esiste ancora, un po' di traffico residuo lo raggiunge. Una risposta generata non tollera questa diluizione. Seleziona un numero ristretto di fonti, le ricombina, e tutto ciò che non raggiunge un livello sufficiente di chiarezza e affidabilità semplicemente non compare più. Non si tratta di un inasprimento arbitrario delle regole; è la conseguenza meccanica di un sistema che deve scegliere, anziché classificare. È la severità ad essere aumentata, non la natura del gioco.
Cosa fa sì che una fonte venga scelta rispetto a un'altra?
Tre qualità ricorrono in ciò che la griglia dello Score GEO™ osserva, tema dopo tema — e sono le stesse che strutturano il modo in cui concepisco un sito pensato per essere citato.
Risposte nette. Un modello trattiene più facilmente un passaggio che risponde direttamente a una domanda precisa rispetto a un testo che gira attorno all'argomento senza mai risolverlo. Una pagina che inizia con la risposta, per poi svilupparla, si presta meglio all'estrazione di una pagina che costruisce il suo ragionamento su mille parole prima di concludere.
Un'autorevolezza costruita nel tempo. Un contenuto datato, firmato da un autore identificabile, coerente con ciò che la stessa azienda affermava un anno prima, pesa più di un contenuto anonimo o contraddittorio da una pagina all'altra. È ciò che la griglia dello Score GEO™ osserva sotto il tema della stabilità temporale: una citazione che varia continuamente da una misurazione all'altra segnala un'autorevolezza ancora poco consolidata.
Una coerenza d'entità. Prima di decidere di citarvi, un sistema deve innanzitutto risolvere chi siete — un'azienda precisa, a un indirizzo preciso, con un perimetro di attività preciso — piuttosto che una variante tra più versioni contraddittorie della vostra identità trovate sul web. È esattamente il tema di Cosa sanno già le IA della vostra azienda?: questa coerenza si costruisce ancora prima di parlare di contenuti.
Il legame con i sette temi dello Score GEO™
Ho costruito lo Score GEO™ per osservare, non per indovinare. La griglia copre sette temi — presenza citazionale, prominenza editoriale, contesto di citazione, accuratezza fattuale, ancoraggio delle fonti, coerenza inter-modello e stabilità temporale — e ciascuno corrisponde a una fase della meccanica descritta sopra. La presenza citazionale verifica semplicemente se il retrieval vi ha trovato. L'ancoraggio delle fonti guarda su cosa si è basato il modello per citarvi — il risultato del fan-out, in sostanza. La coerenza inter-modello verifica se la vostra identità resiste al passaggio da un sistema di recupero all'altro, ciascuno con il proprio indice e la propria freschezza di dati. Questa griglia è dettagliata integralmente nel Cahier MCVA n°1, ed è essa a strutturare il pre-audit Score GEO™.
Ciò che non si controlla
Una parte di questa meccanica sfugge interamente all'azienda misurata, e va detto senza giri di parole. Non decidete voi come un sistema scompone la vostra domanda in sotto-richieste. Non avete alcuna visibilità sull'algoritmo di classificazione che seleziona i passaggi trattenuti — ogni editore lo mantiene proprietario, e a ragione. Nessuna ottimizzazione, per quanto curata, garantisce una citazione: lo scrivo sistematicamente, perché chiunque prometta il contrario sta vendendo troppo. E la freschezza dell'indice varia da un modello all'altro — un sistema può citare un'informazione aggiornata mentre un altro si basa ancora su una versione più datata della vostra azienda, il che spiega parte degli scarti osservati tra ChatGPT, Claude, Perplexity, Gemini e Mistral. Ciò che controllate è la qualità del candidato che presentate a ogni fase. Non il risultato che ne deriva a ogni singola richiesta.
Rendersi citabili non consiste dunque nel violare un algoritmo, ma nell'eliminare le ragioni per cui un sistema esiterebbe a scegliervi: un sito che le macchine leggono senza ambiguità è proprio l'obiettivo dei siti concepiti per essere citati, sostenuto da dati strutturati onesti. Questa meccanica è solo un tassello del tema più ampio che affronto in Cosa deve fare una PMI svizzera di fronte all'IA nel 2026?
Da ricordare
— Una risposta generata si basa su due meccanismi: il recupero di fonti pertinenti (RAG) e, per Google dal maggio 2026, il query fan-out che scompone una domanda in più sotto-richieste. — Una sintesi cita poche fonti perché seleziona anziché classificare: risposte nette, autorevolezza costruita nel tempo e coerenza d'entità fanno la differenza. — Nessuna citazione è garantita: controllate la qualità del candidato presentato, non il risultato che ne deriva a ogni richiesta.
FAQ
Il query fan-out è utilizzato da tutti i modelli generativi? Solo Google lo ha documentato pubblicamente, nell'ambito delle sue funzionalità di ricerca generative. Gli altri ambienti si basano su logiche di recupero che vi si avvicinano verosimilmente, senza un'architettura pubblicata nel dettaglio — su questo punto è d'obbligo la prudenza.
Pagare pubblicità aumenta le mie possibilità di essere citato? No, non secondo la meccanica documentata: la selezione delle fonti citate in una risposta generata si basa sui sistemi di classificazione e qualità della ricerca organica, non su uno spazio pubblicitario separato.
Un contenuto può essere citato senza essere in prima pagina su Google? Sì. Il criterio di selezione per la citazione non è identico al criterio di classificazione organica; i due correlano, imperfettamente. Un contenuto con un sourcing rigoroso e una voce d'autore netta può essere scelto senza dominare la classifica.
Come faccio a sapere se la mia azienda sopravvive a questi filtri? Misurandolo direttamente sui modelli, anziché supporlo dalla vostra posizione su Google. È l'obiettivo dello Score GEO™ e del suo pre-audit.
A che punto siete? Il pre-audit Score GEO™ misura gratuitamente dove la vostra azienda appare — e non appare — nelle risposte di ChatGPT, Claude, Perplexity, Gemini e Mistral. Risposta quantificata in pochi giorni. Richiedere un pre-audit gratuito
Fonti
[1] Google Search Central, Optimizing your website for generative AI features on Google Search, 15 maggio 2026. developers.google.com/search/docs/fundamentals/ai-optimization-guide [↩]
[2] Google, Google Search's I/O 2026 updates: AI agents and more, 19 maggio 2026. blog.google/products-and-platforms/products/search/search-io-2026/ [↩]
Jérôme Deshaie è CEO e fondatore di MCVA Consulting SA, agenzia aumentata con sede in Vallese. Quindici anni al servizio di grandi marchi internazionali, ora direttamente al fianco delle PMI svizzere. Percorso.