SEO · AEO · GEO
La guida Google all’ottimizzazione per l’AI: cosa conferma, cosa smentisce e cosa non dice
Il 15 maggio 2026 Google ha pubblicato la prima guida ufficiale su come ottimizzare i siti per le funzionalità AI di Search. È un documento importante, ma va letto con attenzione critica, non come un manuale da seguire alla lettera.
In sintesi
Google ha pubblicato il 15 maggio 2026 una guida ufficiale intitolata “Optimizing your website for generative AI features on Google Search”.
Risposta breve: per Google, ottimizzare per AI Overview e AI Mode significa continuare a fare SEO solida: contenuti originali, sito indicizzabile, struttura tecnica corretta, esperienza utente chiara e nessun hack specifico per l’AI.
Il documento conferma che la SEO tradizionale resta la base anche per AI Overview e AI Mode, smonta alcune pratiche “hype” come i file llms.txt e il chunking del contenuto, e introduce un concetto chiave: il contenuto non-commodity, contenuto con punto di vista unico, dati originali ed esperienza diretta, come fattore differenziante nell’era della ricerca generativa.
Quello che la guida non dice, però, è altrettanto interessante di quello che dice.
Perché questa guida è importante
Non è la prima volta che Google pubblica linee guida per i webmaster. Ma è la prima volta che lo fa in modo esplicito su come funziona l’ottimizzazione per le funzionalità AI di Search — AI Overview, AI Mode, e le esperienze agentiche che stanno emergendo.
Il documento è pubblicato nella sezione ufficiale di Google Search Central, nella categoria “SEO fundamentals”, ed è stato rilasciato il 15 maggio 2026.
Non è un post del blog, non è un tweet bensì è documentazione ufficiale.
Questo gli conferisce un peso diverso rispetto a qualsiasi dichiarazione precedente.
Il motivo per cui lo leggo con interesse critico, e non come vangelo, è che Google ha storicamente pubblicato linee guida che riflettono come vuole che il web funzioni, non necessariamente come funziona in realtà. La distanza tra i due può essere significativa.
Tenere questo in mente mentre si legge è essenziale.
“Quando Google pubblica una guida ufficiale su come ottimizzare per l’AI, ci sono due letture possibili: quella di chi la segue pedissequamente, e quella di chi la usa per capire cosa Google vuole che tu faccia, e si chiede perché lo vuole. La seconda è sempre più interessante.”
Cosa conferma: la SEO tradizionale non è morta
La prima cosa che Google dice, e lo dice chiaramente nella seconda sezione del documento, è che le best practice SEO tradizionali restano valide anche per la ricerca generativa.
Il motivo tecnico è preciso: le funzionalità AI di Google (AI Overview, AI Mode) usano retrieval-augmented generation (RAG), un sistema che recupera contenuti dal normale indice di ricerca di Google per generare le risposte.
Questo significa che se una pagina non è indicizzata, non viene considerata per le risposte AI. Se ha problemi tecnici, se è lenta, se ha contenuto duplicato, le stesse penalizzazioni che valgono per il ranking organico tradizionale valgono anche per la visibilità nelle risposte AI.
✓ Confermato dalla guida
Tutto il lavoro SEO tecnico come indicizzazione corretta, redirect puliti, canonical, performance mobile, Core Web Vitals, markup semantico, è la base anche per apparire nelle risposte AI. Non è lavoro separato: è lo stesso lavoro.
Questo è importante per chiunque stesse pensando che “l’AI ha cambiato tutto” e che la SEO classica fosse superata. Non è così. È necessaria ma non sufficiente.
Google conferma anche che i dati strutturati Schema.org restano utili, non per un impatto diretto sulle risposte AI, ma per i rich result che continuano ad avere valore nel contesto generale. Il lavoro che abbiamo fatto sulla struttura semantica e JSON-LD è quindi validato, anche se con aspettative calibrate.
Cosa aggiunge Google rispetto alla SEO tradizionale
La guida non si limita a dire che la SEO resta valida. Aggiunge due elementi importanti per capire come funzionano le esperienze generative di Google Search: il retrieval-augmented generation e il query fan-out.
Il primo indica che AI Overview e AI Mode recuperano informazioni dall’indice di Google per generare risposte più affidabili e aggiornate. Il secondo significa che Google può espandere una ricerca dell’utente in più query correlate, così da coprire meglio il bisogno informativo.
Cosa smentisce: i miti da abbandonare
La parte più diretta e coraggiosa della guida è la sezione “Mythbusting”.
Google elenca esplicitamente pratiche che circolano come “ottimizzazione AI” e le definisce inefficaci o irrilevanti per Google Search.
✗ Mito smontato
File llms.txt e markup speciali per l’AI: Google dice esplicitamente che non è necessario creare file machine-readable, file di testo AI o markdown speciali per apparire nella ricerca generativa. Il file llms.txt non ha impatto su come Google tratta il sito.
✗ Mito smontato
Chunking del contenuto: non c’è alcun requisito di frammentare i contenuti in pezzi piccoli per facilitare la comprensione dell’AI.
Google afferma che i suoi sistemi sono in grado di comprendere più argomenti su una stessa pagina e mostrare la parte rilevante all’utente.
✗ Mito smontato
Riscrivere i contenuti “per l’AI”: non è necessario scrivere in un modo specifico per i sistemi generativi. L’AI capisce sinonimi e significati generali. Non bisogna preoccuparsi di non avere abbastanza keyword long-tail o tutte le varianti di una query.
✗ Mito smontato
Cercare “menzioni” artificiali: la pratica di cercare menzioni del brand su blog, forum e siti terzi per aumentare la citabilità nelle risposte AI non funziona. I sistemi anti-spam di Google si applicano anche alle funzionalità generative.
✗ Mito smontato
Creare pagine per ogni variante di query: farlo principalmente per manipolare i ranking viola le policy di Google sullo scaled content abuse.
Non è una strategia efficace a lungo termine.
In pratica: per apparire in AI Overview e AI Mode non servono file llms.txt, markup speciali per l’AI, chunking artificiale dei contenuti o pagine create per ogni variante di query. Serve invece un sito tecnicamente solido, indicizzabile e utile per gli utenti.
Leggendo questi “miti”, si riconosce facilmente che molte delle pratiche smontate sono diventate popolari proprio perché nessuno sapeva con certezza come funzionasse la ricerca AI. Ora Google ha messo un punto fermo, almeno sulla propria piattaforma.
Il concetto chiave: contenuto non-commodity
La parte più interessante della guida, e quella su cui mi sono soffermato di più, è l’introduzione del concetto di contenuto non-commodity.
Google fa una distinzione esplicita tra due tipi di contenuto:
Il contenuto commodity è basato su conoscenza comune, potrebbe essere scritto da chiunque, aggiunge poco valore unico. L’esempio che Google fa è “7 consigli per i neoacquirenti di casa”: contenuto generico che si trova ovunque.
Il contenuto non-commodity è basato su esperienza diretta, dati originali, punto di vista unico, competenza verificabile. L’esempio di Google è “Perché abbiamo rinunciato all’ispezione e risparmiato: un’analisi della tubatura fognaria”: contenuto che solo chi ha vissuto quell’esperienza può scrivere.
Per chi fa marketing e comunicazione digitale, questo significa che la domanda da porsi non è “questo articolo è ottimizzato per le keyword giuste?” ma “questo articolo porta qualcosa che non esiste già altrove?”.
I casi studio reali, i dati proprietari, le analisi basate su esperienza diretta con i clienti sono i segnali che Google valorizza nelle risposte AI.
È lo stesso principio alla base del framework E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness) che Google ha introdotto nelle sue linee guida sulla qualità dei contenuti. L’AI optimization guide lo estende esplicitamente alle funzionalità generative.
“Il contenuto non-commodity non è un concetto nuovo. E’ quello che nel giornalismo si chiama scoop, nell’accademia si chiama ricerca originale, nel marketing si chiama case study. Google ha appena dato un nome tecnico a qualcosa che i bravi editor sapevano già.”
Contenuto commodity e non-commodity: differenza pratica
| Contenuto commodity | Contenuto non-commodity |
|---|---|
| Ripete informazioni già disponibili online. | Aggiunge esperienza diretta, dati originali o un punto di vista proprietario. |
| Potrebbe essere scritto da chiunque. | Può essere scritto solo da chi ha competenza o accesso a informazioni specifiche. |
| Risponde alla keyword. | Risponde al problema reale dietro la ricerca. |
| È facilmente replicabile da un competitor o da un tool AI. | È difficile da copiare perché nasce da casi, dati, metodo e osservazioni reali. |
Cosa non dice la guida: i silenzi strategici di Google
Una guida ufficiale di Google va letta anche per quello che non dice.
Ci sono alcune aree su cui il documento è volutamente vago o assente, e questa assenza è informativa quanto la presenza.
◌ Silenzio significativo
Come vengono selezionate le fonti per AI Overview e AI Mode: la guida dice che i sistemi usano RAG e recuperano contenuti dall’indice, ma non spiega i criteri specifici per cui un contenuto viene citato in una risposta AI rispetto a un altro. Questo rimane una black box.
◌ Silenzio significativo
Il calo del traffico organico: la guida parla di “nuove opportunità” per chi appare nelle risposte AI, ma non affronta il tema del
zero-click search e della perdita di traffico per i siti che non vengono citati.
È un tema scomodo per Google, che ha interesse a presentare l’AI come opportunità e non come minaccia per l’ecosistema dei publisher.
◌ Silenzio significativo
La monetizzazione delle risposte AI: la guida non dice nulla su come funzionerà la pubblicità integrata nelle risposte generative, né su come i publisher potranno eventualmente trarre vantaggio economico dall’essere citati nell’AI. È un tema aperto e irrisolto.
◌ Silenzio significativo
Il knowledge graph e la rappresentazione delle entità: uno degli aspetti più importanti per come le AI descrivono i brand non viene menzionato. La guida non parla di come gestire la propria rappresentazione nel knowledge graph di Google, che è invece uno dei fattori chiave per la visibilità nelle risposte generative.
Il silenzio sul knowledge graph è particolarmente rilevante per noi.
Il lavoro che facciamo con il BRMA — Brand Recognition & Mention Analysis, mostra sistematicamente che la qualità della rappresentazione del brand nel knowledge graph influenza in modo diretto la frequenza e l’accuratezza delle citazioni nelle risposte AI. Google non ne parla, ma questo non significa che non conti, probabilmente significa che non è ancora abbastanza standardizzato da meritare una guida ufficiale.
AEO e GEO secondo Google: una ridefinizione
La guida affronta direttamente i termini AEO (Answer Engine Optimization) e GEO (Generative Engine Optimization), e lo fa in modo interessante. Google scrive: “From Google Search’s perspective, optimizing for generative AI search is optimizing for the search experience, and thus still SEO.”
Tradotto: per Google, AEO e GEO non sono discipline separate dalla SEO ma sono SEO applicata al contesto generativo. Non esistono tecniche speciali, non esiste un’ottimizzazione parallela. Esiste la SEO fatta bene, che produce visibilità anche nelle funzionalità AI.
Questa posizione è corretta e lo diciamo anche nella nostra guida all’AEO. Le leve operative (struttura semantica, E-E-A-T, contenuto di qualità, dati strutturati) sono le stesse della SEO tradizionale, applicate con una consapevolezza diversa dell’ecosistema in cui operano.
Detto questo, la riduzione di AEO e GEO a “semplicemente SEO” è anche un modo per Google di evitare di riconoscere che la ricerca generativa ha creato nuove complessità che la SEO tradizionale non copre completamente,come il knowledge graph, la gestione delle entità, la misurazione delle citazioni AI.
Questi aspetti non scompaiono perché Google non li nomina.
Dire che AEO e GEO sono “solo SEO” è come dire che il content marketing è “solo scrivere bene”. Tecnicamente corretto, praticamente insufficiente. La complessità sta nei dettagli operativi che una guida di tre pagine non può contenere.
Google dice “è ancora SEO”. HT&T aggiunge: sì, ma va misurata diversamente
La posizione di Google è corretta: AEO e GEO non sostituiscono la SEO. Ma nella pratica introducono nuove metriche e nuove domande operative.
| Tema | Posizione Google | Lettura HT&T |
|---|---|---|
| AEO e GEO | Sono ancora SEO. | Sono SEO applicata a un ecosistema dove contano anche citazioni, sintesi e rappresentazione del brand. |
| llms.txt | Non serve per Google Search. | Non è una leva per Google, ma può avere senso in una strategia più ampia verso altri modelli AI. |
| Contenuto | Serve contenuto utile, originale e non-commodity. | I contenuti più forti sono case study, dati proprietari, benchmark e analisi basate su esperienza diretta. |
| Misurazione | La guida non entra nel dettaglio. | Serve misurare non solo ranking e traffico, ma anche presenza, frequenza e qualità delle citazioni AI. |
Gli agenti AI
La sezione finale della guida è quella su cui mi sono soffermato più a lungo, e quella su cui Google è più cauto nel fare previsioni precise.
Si intitola “Explore agentic experiences”.
Google descrive gli agenti AI come sistemi autonomi che possono eseguire compiti per conto degli utenti come prenotare, confrontare, acquistare.
E spiega che questi agenti accedono ai siti web analizzando rendering visivi, struttura del DOM e albero di accessibilità.
Questo è un cambiamento di come le cose dovranno funzionare importante.
Fino ad oggi, l’ottimizzazione per i motori di ricerca significava ottimizzare per come un crawler legge il testo. Con gli agenti AI, si ottimizza per come un sistema autonomo interagisce con il sito: clicca, naviga, interpreta l’interfaccia, esegue azioni.
Google cita il protocollo UCP (Universal Commerce Protocol) come standard emergente che permetterà agli agenti di fare di più.
Questo è un segnale da tenere sotto osservazione, specialmente per chi gestisce ecommerce o siti con funzionalità transazionali.
Il collegamento con quanto stiamo già analizzando sull’ecommerce agentico è diretto: i siti che oggi hanno una struttura semantica pulita, accessibilità corretta e interfacce prevedibili saranno avvantaggiati quando gli agenti AI diventeranno il modo principale in cui gli utenti interagiscono con i servizi online.
Implicazioni pratiche per chi fa marketing
Dopo aver letto e analizzato la guida, queste sono le implicazioni concrete che ritengo più rilevanti per chi gestisce un sito, un brand o una strategia di comunicazione digitale.
Smettere di ottimizzare per l’AI come se fosse un canale separato
Non esiste una “SEO per l’AI” separata dalla SEO. Esiste la qualità del sito (tecnica, editoriale, di esperienza utente) che produce visibilità in tutti i contesti, incluso quello generativo.
Chi stava pianificando strategie parallele può semplificare.
Investire in contenuto non-commodity
Questa è la priorità editoriale più chiara che emerge dalla guida.
Dati originali, ricerche proprietarie, case study verificabili, analisi basate su esperienza diretta: questi sono i contenuti che Google valorizza nelle risposte generative. È anche il tipo di contenuto più difficile da produrre e più difficile da replicare per i competitor.
Ignorare i “hack” per l’AI
File llms.txt, chunking, riscritture per AI, keyword stuffing generativo. Tutto questo è ufficialmente inutile per Google Search.
Il tempo risparmiato da queste attività può essere reinvestito in contenuto e struttura tecnica reali.
Prepararsi per gli agenti AI
Accessibilità, HTML semantico, interfacce prevedibili — questi non sono più solo requisiti di buona pratica.
Sono il prerequisito tecnico per essere accessibili agli agenti AI che nei prossimi anni interagiranno con i siti per conto degli utenti.
Continuare a lavorare sul knowledge graph
La guida non ne parla, ma questo non significa che non conti.
La gestione della rappresentazione del brand nelle entità di Google, il lavoro su Wikipedia, Wikidata, sameAs e fonti autorevoli di settore resta uno dei fattori chiave per la visibilità nelle risposte AI.
È un’area che Google non ha ancora standardizzato abbastanza da includerla in una guida pubblica, ma che nella pratica fa differenza.
Vuoi capire come posizionare il tuo brand nelle risposte AI?
HT&T Consulting analizza la visibilità dei brand nei principali modelli AI (GPT, Gemini, Perplexity) e costruisce strategie per migliorare la qualità e la frequenza delle citazioni nelle risposte generative.
Domande frequenti sulla guida Google AI optimization
Cosa dice la guida Google sull’ottimizzazione per l’AI?
La guida pubblicata il 15 maggio 2026 afferma che la SEO tradizionale resta la base anche per le funzionalità AI di Google Search come AI Overview e AI Mode. Conferma l’importanza del contenuto di qualità, della struttura tecnica e dell’esperienza utente, e smonta pratiche come i file llms.txt, il chunking del contenuto e le riscritture specifiche per l’AI.
I file llms.txt servono per Google?
No. Google dice esplicitamente che non è necessario creare file machine-readable o markup speciali per l’AI per apparire nelle funzionalità generative di Google Search. I file llms.txt possono avere utilità per altri modelli AI come ChatGPT o Claude, ma non hanno impatto su come Google tratta il sito.
Cos’è il contenuto non-commodity secondo Google?
Il contenuto non-commodity è contenuto basato su esperienza diretta, dati originali e punto di vista unico — qualcosa che non potrebbe essere scritto da chiunque o generato facilmente da un’AI. Google lo contrappone al contenuto commodity, basato su conoscenza comune senza valore aggiunto unico. Il contenuto non-commodity è quello che Google valorizza nelle risposte generative.
AEO e GEO sono ancora rilevanti dopo questa guida?
Sì, ma Google li ridefinisce come estensioni della SEO tradizionale, non come discipline separate. Per Google, ottimizzare per la ricerca generativa significa ottimizzare per la ricerca in generale.
Alcune aree specifiche come la gestione del knowledge graph e la misurazione delle citazioni AI non vengono trattate nella guida ma restano rilevanti nella pratica.
Cosa sono gli agenti AI e come influenzano i siti web?
Gli agenti AI sono sistemi autonomi che possono eseguire compiti per conto degli utenti, accedendo ai siti web attraverso rendering visivi, struttura del DOM e albero di accessibilità. Google li presenta come una tecnologia emergente e consiglia di preparare i siti con HTML semantico, accessibilità corretta e interfacce prevedibili per facilitare l’interazione degli agenti.
Cosa non dice la guida Google sull’AI optimization?
La guida non spiega i criteri specifici per cui un contenuto viene citato nelle risposte AI, non affronta il tema del calo del traffico organico causato dallo zero-click search, non parla della gestione del knowledge graph e delle entità brand, e non tratta la monetizzazione delle risposte AI per i publisher. Questi silenzi sono significativi quanto quello che viene detto.
AI Overview e AI Mode usano lo stesso indice di Google Search?
Sì. Secondo Google, le funzionalità generative di Search recuperano contenuti dall’indice di Google e si basano sui sistemi principali di ranking e qualità. Per questo una pagina deve essere indicizzabile, accessibile e idonea alla visualizzazione in Search per poter essere considerata anche nelle esperienze AI.
Fonti e approfondimenti
Google Search Central
Optimizing your website for generative AI features on Google Search.
Documentazione ufficiale pubblicata il 15 maggio 2026.
Google Search Central
AI features and your website.
Documentazione tecnica su AI Overview, AI Mode, preview controls e indicizzazione.
Google Search Quality Evaluator Guidelines
Linee guida ufficiali Google su
E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness),
qualità dei contenuti e segnali di affidabilità.
Google Cloud
Documentazione tecnica su
Retrieval-Augmented Generation (RAG),
architetture di retrieval e generazione contestuale.
Schema.org
Vocabolario ufficiale per
dati strutturati, entità e semantic markup,
fondamentale per rich results e comprensione semantica.
W3C – WCAG
Standard ufficiale per accessibilità web, DOM semantico e navigazione assistita, elementi chiave per i futuri agenti AI.
HT&T BRMA Observatory
Analisi proprietaria HT&T suBrand Recognition & Mention Analysis,
monitoraggio della rappresentazione dei brand nei modelli AI generativi.
Continua a leggere
11 minuti di lettura
11 minuti di lettura
E fa consumare meno energia.
Per tornare alla pagina che stavi visitando ti basterà cliccare o scorrere.