ChatGPT, Perplexity, Gemini, Claude: come ciascuno sceglie le proprie fonti

I quattro principali motori generativi rivolti al grande pubblico non selezionano le proprie fonti allo stesso modo, perché si basano su architetture e partnership diverse. Queste differenze sono osservabili nella pratica, ma sono in continua evoluzione: quanto segue descrive tendenze, non regole fisse.

Perché esistono queste differenze

Prima di entrare nel dettaglio motore per motore, occorre capire da dove nascono questi scarti. Due parametri pesano in particolare: la quota di conoscenza "interna" (appresa durante l'addestramento del modello) rispetto alla ricerca web in tempo reale, e l'esistenza o meno di partnership commerciali con editori di contenuti che possono influenzare la frequenza di alcune fonti. Un motore che si basa soprattutto sulle proprie conoscenze interne reagisce lentamente ai nuovi contenuti pubblicati; un motore che si basa soprattutto sulla ricerca in tempo reale reagisce rapidamente, ma dipende allora fortemente dalla qualità tecnica dell'indicizzazione. Un altro parametro da considerare è la data di cutoff delle conoscenze di addestramento ("knowledge cutoff") di ciascun modello: un motore il cui addestramento si è interrotto diversi mesi prima della messa in produzione può ignorare cambiamenti recenti nel vostro settore, a meno che non li compensi con una ricerca web attiva. Questa data varia da un modello all'altro e cambia a ogni nuova versione, il che rende ancora più utile una verifica periodica piuttosto che una valutazione fissata una volta per tutte.

Perplexity: il motore di ricerca conversazionale

Perplexity è costruito attorno alla ricerca web in tempo reale: ogni risposta si basa su un insieme di risultati di ricerca recuperati al momento della query, poi sintetizzati con citazioni numerate che rimandano alle pagine sorgente. Questa architettura lo rende particolarmente dipendente dalla freschezza e dall'accessibilità tecnica dei contenuti (vedi la lezione su llms.txt e sitemap XML per la parte tecnica). Nella pratica, Perplexity tende a citare una gamma ampia di fonti, inclusi forum, siti di notizie e pagine di documentazione, il che lo rende uno dei motori con il maggior numero di fonti visibili per risposta.

ChatGPT (con navigazione): tra conoscenze interne e ricerca web

ChatGPT combina conoscenze apprese durante l'addestramento del modello e, quando la navigazione web è attiva, risultati recuperati in diretta. Questa doppia natura significa che la presenza del vostro brand nelle risposte di ChatGPT dipende sia dal modo in cui è stato menzionato nei contenuti usati per l'addestramento (quindi da menzioni passate, difficili da influenzare retroattivamente), sia dalla sua visibilità attuale sul web quando la ricerca è attiva. OpenAI ha partnership di contenuto con diversi editori, il che può influenzare la frequenza con cui alcune fonti compaiono, senza che ciò sia documentato in modo esaustivo e pubblico.

Gemini: l'integrazione nell'ecosistema Google

Gemini beneficia di un accesso diretto all'infrastruttura di ricerca di Google, il che lo avvicina per natura alle logiche già in atto nel classico posizionamento Google e negli AI Overviews (trattati in una lezione dedicata su Google AI Overviews). Un contenuto già ben posizionato e tecnicamente solido per la SEO tradizionale dispone quindi, in tendenza, di un terreno più favorevole per comparire nelle risposte di Gemini rispetto ad altri motori costruiti su logiche diverse — senza che ciò garantisca una ripresa sistematica.

Claude: prudenza e fonti limitate

Claude, sviluppato da Anthropic, adotta storicamente un approccio più prudente rispetto ai concorrenti sulla navigazione web e sulla citazione di fonti esterne, con una tendenza a basarsi maggiormente sulle conoscenze interne del modello e a formulare riserve esplicite quando un'informazione non può essere verificata in tempo reale. Questa prudenza può ridurre la frequenza di citazione diretta di fonti web recenti rispetto a un motore come Perplexity, ma rende ancora più importante la presenza del vostro brand in contenuti di riferimento ampiamente diffusi e ripresi, che hanno più probabilità di essere stati integrati nelle conoscenze del modello.

Cosa ricordare nonostante le differenze

Queste differenze architetturali non devono portare a una strategia frammentata motore per motore: i fondamentali che rendono un contenuto citabile (chiarezza, sourcing, autosufficienza dell'informazione, autorità percepita del brand) restano validi ovunque. Ciò che varia è il peso relativo di ciascun fattore e la freschezza delle fonti consultate. Una buona pratica consiste nell'osservare regolarmente come il vostro brand appare (o non appare) nelle risposte di ciascuno di questi motori su query rappresentative del vostro settore, piuttosto che affidarsi a generalità che diventano rapidamente obsolete, tanto questi prodotti evolvono velocemente. Concretamente, questo significa sottoporre lo stesso set di domande a Perplexity, ChatGPT, Gemini e Claude a intervalli regolari, annotare le fonti citate e il modo in cui il vostro brand vi è presentato, poi confrontare questi rilevamenti nel tempo piuttosto che affidarsi a un'osservazione isolata. Questa disciplina di osservazione ripetuta, motore per motore, è più rivelatrice di un audit occasionale: permette di individuare se un cambiamento nei vostri contenuti o in una partnership di diffusione ha avuto un effetto reale sulla vostra presenza.

Tenete anche presente che questi comportamenti cambiano con gli aggiornamenti di ciascun prodotto: una panoramica fissata a un dato momento invecchia in fretta, da cui l'interesse di seguire l'evoluzione generale del panorama della ricerca piuttosto che considerare una regola definitiva per ciascun motore.