Le 31 domande a cui nessuno ha risposto

Il 28 luglio 2026 David McSweeney ha pubblicato un elenco di 31 domande e le ha rivolte alle aziende che vendono punteggi di visibilità AI. Non una stroncatura, non una classifica, non una tabella comparativa. Un elenco di domande sul metodo, del tipo che ci si aspetta da qualsiasi acquirente e a cui qualsiasi fornitore dovrebbe avere una risposta pronta.

Il giorno successivo, per quanto ci risulta, due aziende avevano risposto pubblicamente: Ternith e Spyglasses.

La notizia è tutta qui. A un intero settore è stato chiesto di spiegare come nascono i suoi numeri, e la stragrande maggioranza non ha detto nulla.

Perché la parte interessante è il silenzio

Viene la tentazione di leggere una mancata risposta come un’ammissione. Di solito non lo è. Gran parte del silenzio ha spiegazioni banali: internamente nessuno ha la responsabilità della domanda, l’ufficio legale vuole dare un’occhiata, la persona che saprebbe rispondere sta lavorando ad altro, e un documento pubblico sulla metodologia è un impegno da cui non si torna indietro in sordina.

Ma è proprio questo il punto. Un punteggio è un’affermazione sul mondo. Se un’azienda non può permettersi di spiegare come nasce un numero, quel numero non sta facendo ciò che l’acquirente crede. Sta facendo marketing.

C’è anche una ragione commerciale per cui queste domande colpiscono nel segno. Un punteggio di visibilità si compra proprio perché l’acquirente non è in grado di verificarlo da solo. Nessuno compra un termometro se può misurare la temperatura con la mano. Tutto il valore del prodotto poggia quindi sulla fiducia nel metodo, e il metodo è l’unica cosa che il settore è stato riluttante a descrivere.

Perché le domande sono legittime

Una domanda legittima si distingue da una domanda ostile per un dettaglio: esiste una buona risposta.

Ogni domanda di quell’elenco ne ha una. Alcune di quelle buone risposte non sono lusinghiere — «non lo sappiamo», «il nostro campione è troppo piccolo per dirlo», «quel numero oscilla da solo più di quanto vorremmo» — ma esistono e si possono dire. Nessuna delle domande chiede di rivelare un segreto industriale. Chiedono che cosa viene misurato, da dove, con quale frequenza, con quale variabilità, e che cosa varrebbe come prova di essersi sbagliati.

È lo standard che si applica a qualsiasi altro prodotto di misurazione acquistato da un’azienda:

• Un fornitore di analytics dichiara che cos’è una sessione e quando scade.
• Un istituto di ricerca dichiara il campione, le date di rilevazione e il margine di errore.
• Un rank tracker dichiara la località, il dispositivo e le impostazioni di personalizzazione che stanno dietro al numero.
• Un commercialista dichiara in base a quale principio contabile è stato redatto il bilancio.

La visibilità AI è l’unico mercato della misurazione che conosciamo in cui «abbiamo un algoritmo proprietario» viene ancora offerto come risposta completa. Non è una risposta. È un rifiuto con modi più educati.

Le tre che riteniamo più taglienti

Vale la pena leggere l’elenco completo in originale. Queste tre sono quelle da cui dipende se tutto il resto dell’elenco conta qualcosa. Le parafrasiamo invece di citarle, perché la formulazione è dell’autore.

1. Chi sceglie i prompt, e quella scelta determina il risultato?

Un punteggio di visibilità AI è la misurazione di risposte a delle domande. Quali domande? Sceglierle significa aver già scelto, in larghissima parte, il risultato.

Se a un assistente si pone una domanda stretta, costruita attorno al marchio, quasi tutti i marchi risultano visibili. Se si pone una domanda ampia, costruita attorno alla categoria, quasi tutti i marchi spariscono. Entrambe sono misurazioni reali. Misurano però cose diverse, e solo una delle due somiglia a ciò che un cliente digita davvero.

Le informazioni da dichiarare onestamente, quindi, sono queste: chi ha scritto il set di prompt, se il cliente può vederlo, se cambia da una rilevazione all’altra e se lo stesso set viene usato per il concorrente con cui il cliente viene confrontato. Un punteggio costruito su un set di prompt che l’acquirente non vede mai non è una misurazione su cui si possa agire. È un numero a cui si deve credere.

2. La metrica è stata validata rispetto a qualcosa di davvero esterno?

È la domanda con cui l’intero settore fa più fatica, e non è un tranello.

Validare significa confrontare il proprio numero con prove prodotte da qualcosa che non sia il proprio sistema. Eseguire due volte il proprio sistema e constatare che concorda con sé stesso è attendibilità, non validità. Dice che lo strumento è stabile. Non dice nulla sul fatto che misuri ciò che c’è scritto sull’etichetta.

Le prove esterne che conterebbero sono poco appariscenti e difficili da ottenere: log dei server che mostrano il traffico proveniente dagli assistenti, conversioni attribuibili alla raccomandazione di un assistente, indagini di brand tracking, lo storico dei contatti in entrata di un cliente. Ognuna di queste può smentire un punteggio di visibilità, ed è esattamente per questo che vale la pena usarle come termine di confronto.

Se nessuno ha mai provato a fare il confronto, il punteggio è un artefatto internamente coerente del sistema che lo ha prodotto.

3. Quale risultato vi farebbe ritirare la metrica?

La domanda sulla falsificabilità, quella che separa una misurazione da un racconto.

Ogni metrica reale ha una condizione di fallimento che il suo proprietario sa descrivere in anticipo. Se il traffico proveniente dagli assistenti si muovesse in direzione opposta al punteggio su una base clienti abbastanza ampia e su un periodo abbastanza lungo, sarebbe un problema. Se il punteggio cambiasse in modo sostanziale a ogni nuova rilevazione senza che nulla sia cambiato nell’attività misurata, sarebbe un problema. Se due clienti dello stesso fornitore, nella stessa categoria e con la stessa visibilità, ottenessero risultati commerciali radicalmente diversi, sarebbe un problema.

Un fornitore che non sa indicare nessuna condizione del genere ha detto qualcosa di importante: non esiste, in linea di principio, alcuna osservazione che possa smentire il suo numero. Non è un punto di forza. È la definizione di un’affermazione non falsificabile, e significa che il punteggio non può mai essere sbagliato — il che significa anche che non può mai essere giusto.

Che cosa stiamo facendo al riguardo

Vendiamo un punteggio di visibilità AI, quindi le domande sono rivolte a noi quanto a chiunque altro.

Stiamo pubblicando le nostre risposte a tutte e 31, sul nostro sito, a nostro nome, comprese quelle in cui la risposta onesta è che ancora non lo sappiamo e quelle in cui la risposta onesta rende il nostro prodotto meno brillante di quanto non appaia sulla pagina di presentazione.

Riteniamo che sia il minimo. Un numero venduto a un’azienda che non è in grado di verificarlo in modo indipendente dovrebbe arrivare con il metodo allegato, i limiti dichiarati e la descrizione di ciò che ci farebbe ritirarlo.

Se le nostre risposte sono sbagliate, preferiamo che ce lo si dica. È l’altra cosa che si ottiene pubblicando il proprio metodo.

Che cosa fare se siete voi a comprare

Non serve leggere tutte e 31 le domande per tutelarsi. Tre domande, poste prima di firmare, dicono quasi tutto quello che serve sapere:

• Mostratemi i prompt esatti su cui si basa il mio punteggio e ditemi chi li ha scritti.
• Mostratemi un caso in cui avete confrontato questo punteggio con prove provenienti dall’esterno del vostro sistema.
• Ditemi quale risultato vi farebbe ritirare il numero.

Con un fornitore che risponde volentieri a tutte e tre vale la pena parlare, qualunque cosa dica il suo punteggio. Un fornitore che non sa rispondere a nessuna delle tre vi sta vendendo una sensazione.