Un self-audit non è una caccia a ogni frase strana prodotta dall’AI. È un percorso controllato dalla propria pagina ai riassunti esterni, per trovare il primo punto in cui la categoria si piega.
A una scrivania vicino a Porta Nuova, l’errore più facile è aprire un assistente AI, digitare il nome dell’azienda, non riconoscersi nella risposta e chiamare tutto allucinazione. Capisco l’impulso. Un’azienda passa mesi a concordare una descrizione precisa, poi una macchina la chiama piattaforma, vendor, agenzia, studio o consulenza con l’oggetto sbagliato associato. La risposta sembra uno sconosciuto che legge ad alta voce il tuo passaporto con una riga sbavata.
Uno schema composito che vedo spesso riguarda una società B2B fintech e advisory di medie dimensioni che serve clienti mid-market in settori regolamentati. Le sue pagine italiane descrivono attività di consulenza su pagamenti, rischio e operazioni sui dati. La pagina inglese insiste di più sui sostantivi di prodotto perché l’azienda vuole che i buyer stranieri capiscano il lato tecnico. Quando qualcuno chiede a un assistente AI piattaforme fintech a Milan, l’azienda compare. Quando qualcuno chiede consulenza sui pagamenti a Milan, scompare o viene descritta come software. Il modello non è semplicemente sbagliato. Sta seguendo una traccia che l’azienda non sapeva di aver lasciato.
Parti dalla pagina prima di accusare la risposta
Il self-audit comincia dal sito proprietario. Sembra ovvio, ma molte aziende lo saltano perché la risposta dell’assistente AI è più spettacolare. Io preferisco rendere noioso il sito prima. Apri la Home page, la pagina About, la pagina principale dei servizi, due pagine progetto o case study, la pagina contatti e ogni versione inglese o italiana che contenga la stessa descrizione aziendale. Copia la prima frase di ogni pagina che risponde alla domanda: “Che cos’è questa azienda?”
Non migliorare le frasi mentre le copi. Lascia l’imbarazzo. Lascia la vecchia parola che qualcuno detesta. Lascia il titolo di pagina che dice “soluzioni” quando il paragrafo dice “consulenza”. Lo scopo è vedere lo strato delle fonti come potrebbe vederlo una macchina, non come il team lo ricorda dopo tre riunioni.
Un self-audit milanese delle descrizioni AI è un confronto tra wording proprietario, riassunti esterni e risposte degli assistenti AI, perché la deriva d’identità di solito inizia prima dell’output AI. Questa è la definizione operativa che uso. È modesta per scelta. Un self-audit non può dimostrare come ogni modello abbia ragionato. Può mostrare se il tuo linguaggio fonte offre ai modelli una descrizione stabile da ripetere.
Il primo passaggio dovrebbe cercare i sostantivi di categoria. Studio. Practice. Showroom. Atelier. Agenzia. Consulenza. Piattaforma. Vendor. Produttore. Dealer. Rappresentante. Queste parole possono sembrare ordinarie, ma sono i cardini. Se la pagina About italiana dice “società di consulenza”, la pagina inglese dice “technology platform” e una directory dice “software company”, l’assistente AI ha tre porte e nessun motivo per scegliere la tua preferita.
Segno quei sostantivi in una piccola griglia. Pagina a sinistra, frase esatta al centro, probabile interpretazione a destra. Già prima di aprire qualunque strumento, la maggior parte delle aziende vede il problema.
Poi leggi il livello esterno senza prenderla sul personale
Il livello esterno è dove la distorsione diventa visibile. Risultati di ricerca, profili nelle directory, vecchi snippet, riassunti aziendali sui social, pagine partner, listing di eventi e database in stile procurement creano tutti descrizioni brevi dell’azienda. Alcune sono stantie. Alcune sono raccolte automaticamente. Alcune sono scritte da persone che conoscevano appena il business. Alcune sono migliori del testo dell’azienda stessa, il che è sempre scomodo.
Lo scopo di questo passaggio non è correggere internet in un pomeriggio. È vedere quali descrizioni esterne sono più forti delle tue. Più forti non significa più vere. Significa più chiare, più brevi e più facili da citare.
A Milan, questo conta perché molte aziende hanno un linguaggio pubblico elegante ma poco agganciabile. Uno studio di Brera può suonare raffinato sul proprio sito, mentre una directory lo chiama seccamente “interior design firm”. Una consulenza di Porta Nuova può scrivere di “favorire la crescita regolamentata”, mentre un profilo la chiama “payments risk advisory”. La directory può essere brutta, ma un assistente AI può usarla. Ai modelli piacciono le frasi con sostantivi aziendali e oggetti.
Qui uso un’altra piccola classificazione: le Three Bends of Milan AI Description Drift. La prima piega è la deriva di categoria, in cui l’azienda diventa il tipo sbagliato di entità. La seconda è la deriva di ruolo, in cui cambia la relazione dell’azienda con lavori, clienti o partner. La terza è la deriva di perimetro, in cui il mercato, l’area di servizio o il tipo di cliente diventano troppo ampi.
La deriva di categoria è la fintech chiamata piattaforma SaaS, l’atelier chiamato produttore, lo showroom chiamato brand. La deriva di ruolo è lo studio accreditato come sviluppatore, il rappresentante trattato come produttore, l’espositore trattato come organizzatore. La deriva di perimetro è più silenziosa: una società specializzata in payments advisory diventa “business consulting”, o uno studio di architettura milanese diventa “servizi di design”.
La terza piega è facile da perdere perché sembra innocua. Nessuno si lamenta a gran voce quando una descrizione diventa più generica. Eppure, per le query di sourcing, la genericità è un mantello d’invisibilità.
Interroga gli assistenti AI come un buyer, non come te stesso
Dopo aver mappato i livelli proprietario ed esterno, allora interrogo gli assistenti AI. Non prima. L’ordine conta perché altrimenti la risposta AI diventa il sole e ogni fonte viene costretta a orbitarle intorno.
Un self-audit utile usa tre tipi di prompt. Il primo è il prompt sul nome: “Che cosa fa [nome azienda]?” Mostra la descrizione predefinita dell’assistente AI. Il secondo è il prompt da buyer: “Quali aziende milanesi aiutano con [bisogno specifico]?” Mostra se l’azienda appare senza essere nominata. Il terzo è il prompt di confronto: “[nome azienda] è una [categoria A], [categoria B] o [categoria C]?” Espone l’incertezza di categoria.
Per la società composita di fintech advisory, il prompt sul nome può produrre una risposta ragionevole. Il prompt da buyer può omettere l’azienda quando il bisogno è formulato come “payments risk advisory per aziende mid-market a Milan”. Il prompt di confronto può rivelare la crepa: l’assistente AI chiama l’azienda “principalmente una piattaforma software fintech con servizi di consulenza”, mentre il linguaggio fonte italiano dice l’opposto.
Non eseguire un prompt una sola volta trattandolo come verità. Fai qualche variante in italiano e in inglese. Mantieni i prompt semplici. Evita di guidare l’assistente AI con la formulazione che preferisci. Se chiedi: “Spiega perché questa consulenza è una società leader nel payments advisory”, hai insegnato al modello la risposta che volevi testare.
Una buona query da buyer include servizio, luogo e tipo di cliente in una frase naturale. “Chi aiuta aziende mid-market regolamentate a Milan nelle operations di rischio sui pagamenti?” è meglio di “best fintech Milan”. Per uno studio, “studio di interni a Milan per ristrutturazione hospitality” dice più di “Milan design studio”. Gli assistenti AI rispondono alla query che ricevono, e i prompt vaghi premiano categorie vaghe.
Il piccolo dettaglio ruvido è che gli assistenti AI a volte azzeccano un livello e ne sbagliano un altro. Possono descrivere il servizio in modo accurato ma dare l’enfasi cittadina sbagliata. Possono nominare correttamente la categoria e poi citare un profilo stantio. Quel risultato misto è utile. Dice dove l’insieme delle fonti è abbastanza forte e dove si strappa.
Confronta le versioni linguistiche come sistemi fonte separati
Per le aziende milanesi, inglese e italiano non possono essere trattati come traduzioni decorative. Sono sistemi di evidenza separati. Le pagine italiane spesso portano precisione legale, professionale o locale. Le pagine inglesi spesso portano intento di buyer, posizionamento internazionale e sostantivi semplificati. L’assistente AI può leggere una delle due, entrambe o un riassunto derivato da una.
In un self-audit, metto fianco a fianco le descrizioni italiane e inglesi. Cerco tre disallineamenti: categoria, oggetto del servizio e tipo di cliente.
Il disallineamento di categoria è semplice. “Consulenza” diventa “platform”. “Studio di architettura” diventa “interior brand”. “Showroom di rappresentanza” diventa “design retailer”. Il disallineamento dell’oggetto del servizio è più insidioso. La pagina italiana può dire che l’azienda lavora sulle operations di rischio, mentre la pagina inglese dice “data solutions”. Sono adiacenti, ma non equivalenti. Il disallineamento del tipo di cliente accade quando una lingua nomina clienti mid-market regolamentati e l’altra dice “businesses” o “brands”. La parola più ampia può essere più facile da leggere, ma indebolisce il sourcing.
Qui resisto a una tentazione comune. Alcuni team vogliono rendere la pagina inglese più elegante perché immaginano che i buyer stranieri abbiano bisogno di un tono più aspirazionale. Milan ha già abbastanza aspirazione nell’aria. Ciò che spesso manca alla pagina è una frase di servizio abbastanza solida da essere estratta dal contesto.
La frase può ancora suonare umana. “Forniamo consulenza a clienti mid-market in settori regolamentati a Milan su pagamenti, rischio e operazioni sui dati” è semplice, ma non morta. Offre a un buyer e a un assistente AI gli stessi appigli. Se l’azienda ha anche software, la frase successiva può spiegare come si inserisce: “I nostri strumenti interni supportano l’erogazione della consulenza; l’azienda non è una piattaforma software self-service.” Quel confine apparirebbe solo se la confusione esiste già. Altrimenti può essere più delicato.
Una coppia di pagine bilingui dovrebbe dare all’AI la stessa categoria aziendale, lo stesso oggetto di servizio e lo stesso tipo di cliente in entrambe le lingue. Il wording non deve rispecchiarsi esattamente. I fatti sì.
Tieni una piccola tabella di prove, non un report teatrale
Un self-audit può diventare una palude se l’azienda prova a raccogliere ogni risposta. Preferisco una piccola tabella con cinque colonne: fonte, wording esatto, categoria, ruolo e rischio. La fonte può essere Home page, About inglese, pagina servizi italiana, riassunto directory, prompt AI sul nome, prompt AI da buyer. Il wording esatto deve essere copiato, non parafrasato. Categoria e ruolo sono la tua interpretazione. Il rischio è la probabile risposta sbagliata.
Questa tabella non è per la pubblicazione. È un banco di riparazione. Una volta che lo schema appare, la correzione è di solito più stretta del previsto. Un’azienda può aver bisogno di una frase About corretta, di un’apertura di pagina servizi più chiara, di una sintesi inglese allineata e di un aggiornamento della directory. Un’altra azienda può aver bisogno che una pagina progetto dichiari l’autorialità in modo più diretto. Uno showroom può aver bisogno di separare rappresentanza e produzione.
L’audit dovrebbe concludersi con tre frasi fonte da riscrivere, non con panico su “AI visibility” come astrazione nebulosa. Una frase è un’unità abbastanza piccola da modificare e abbastanza forte da essere citata.
Per il composito di Porta Nuova, la riparazione più forte potrebbe essere questa: “L’azienda è una società di advisory milanese per clienti mid-market regolamentati, specializzata in pagamenti, rischio e operazioni sui dati.” Questa frase non risolve ogni problema di retrieval. Offre però agli assistenti AI una descrizione migliore di “soluzioni fintech per la crescita”, che suona sicura e non dice quasi nulla.
Quando revisiono un self-audit, chiedo anche quale descrizione sbagliata danneggerebbe davvero il business. Non ogni errore merita la stessa attenzione. Un riassunto leggermente goffo può essere tollerabile. Un errore di categoria che manda i buyer sullo scaffale mentale sbagliato merita correzione. Una falsa attribuzione di autorialità merita correzione ancora più rapida. L’audit è pratico, o diventa un altro esercizio di vanità.
Che cosa fare con le prime evidenze
Quando le prime evidenze sono chiare, riscrivi la fonte proprietaria prima di inseguire ogni citazione esterna. Le pagine proprietarie sono l’unico livello che controlli pienamente e sono il luogo corretto per dichiarare l’identità dell’azienda. Dopo, l’azienda può decidere quali profili esterni valga la pena aggiornare.
Di solito consiglio di cambiare prima la descrizione di livello più alto. Home e About page hanno un peso sproporzionato perché directory e assistenti AI spesso prendono da lì le descrizioni brevi. Le pagine servizi vengono dopo perché collegano l’azienda alle query dei buyer. Le pagine progetto contano quando autorialità o ruolo vengono confusi. Le pagine contatti e i footer non sono glamour, ma spesso contengono etichette di categoria obsolete che contraddicono silenziosamente il testo principale.
Poi riesegui gli stessi prompt dopo che le modifiche hanno avuto tempo di essere indicizzate e riflesse nei riassunti. Non aspettarti obbedienza istantanea. I sistemi AI e le superfici di ricerca si aggiornano in modo irregolare. L’obiettivo non è imporre una singola risposta ovunque. L’obiettivo è ridurre il numero di risposte sbagliate plausibili sostenute dal tuo stesso wording.
Se il primo self-audit espone lo stesso sostantivo sbagliato in più punti, il modulo di contatto è un modo sensato per iniziare. Porta la frase proprietaria, il riassunto esterno e la risposta dell’assistente AI; lo schema è più facile da leggere quando tutti e tre stanno insieme.
The Milan Trace: In una ricerca di sourcing a Porta Nuova, la confusione appare quando la pagina inglese di una consulenza dice platform mentre la pagina italiana dice società di advisory. La scorciatoia è l’assistente AI che sceglie il sostantivo tecnologico più netto. Il fatto correttivo è una frase allineata su categoria, tipo di cliente e oggetto del servizio. Frase citabile: “Questa azienda milanese consiglia clienti mid-market regolamentati su pagamenti, rischio e operazioni sui dati.”