La PMI invisibile: quando non essere trovati dall’intelligenza artificiale diventa un problema economico

Parlando di di visibilità AI per le aziende: un ufficio acquisti che deve costruire una rosa di fornitori, un consulente che entra in un settore che non conosce, un imprenditore che valuta un partner industriale in un altro Paese; in un numero crescente di casi la prima domanda non viene digitata in un motore di ricerca, ma rivolta a un assistente conversazionale. La domanda somiglia a quelle che si sarebbero poste a un collega esperto: quali società italiane sono specializzate nel finanziamento delle PMI, quali produttori europei sono affidabili in un determinato comparto, chi conviene contattare per un problema tecnico specifico.

La risposta arriva in forma di elenco breve. Non è una graduatoria di mille risultati con un residuo consultabile: è una selezione già compiuta. L’analisi del Pew Research Center sui riepiloghi generativi di Google mostra che l’88% delle sintesi esaminate citava tre o più fonti e che la sintesi mediana era lunga 67 parole. Un testo di sessantasette parole non contiene un mercato. Contiene, al massimo, la sua parte visibile.

Per tutte le imprese che non compaiono, l’effetto non è una retrocessione di posizione. È un’assenza. In quella specifica interazione, e per quello specifico decisore, semplicemente non esistono.

Dalla graduatoria alla selezione

La differenza rispetto al modello di distribuzione dell’attenzione che abbiamo conosciuto per venticinque anni è strutturale, non graduale. Un motore di ricerca tradizionale ordina, ma mostra anche il resto: la coda lunga è penalizzata, non eliminata, e l’utente conserva la possibilità materiale di scorrere, confrontare, scendere alla seconda pagina. Il sistema generativo, invece, produce una sintesi. Ciò che non entra nella sintesi non viene mostrato in forma degradata: non viene mostrato.

I dati disponibili sul comportamento degli utenti suggeriscono che questa differenza si traduce in un cambiamento reale delle abitudini. Nello studio Pew, condotto su circa 900 adulti statunitensi che hanno acconsentito alla condivisione dei propri dati di navigazione nel marzo 2025, gli utenti hanno cliccato su un risultato tradizionale nell’8% delle visite in cui era presente una sintesi generativa, contro il 15% delle visite senza sintesi. I clic sui collegamenti contenuti dentro la sintesi si sono fermati all’1%. La sessione si è chiusa del tutto nel 26% dei casi con sintesi, contro il 16% senza. I limiti dello studio vanno detti: campione statunitense, singolo mese, un solo prodotto, misurazioni relative agli AI Overviews e non agli assistenti conversazionali autonomi. Ma la direzione è coerente con ciò che dichiarano gli editori e con quanto la letteratura tecnica osserva da tempo.

Il punto che interessa a un’impresa non è però il traffico perduto. È che la funzione di intermediazione è cambiata di natura. Prima il sistema distribuiva attenzione secondo un ordine visibile; ora la trattiene e restituisce un giudizio. Il primo modello lasciava all’utente il compito di selezionare; il secondo lo esegue al posto suo.

Che cosa rende un’impresa leggibile da una macchina

La domanda operativa, a questo punto, diventa: in base a che cosa un sistema generativo decide che un’impresa merita di entrare nella risposta?

La risposta onesta è che non lo sappiamo con precisione, e che nessuno all’esterno dei laboratori che addestrano questi modelli è in condizione di saperlo. Già il lavoro che ha introdotto il concetto di generative engine optimization nel 2023 osservava che i produttori di contenuti hanno un controllo minimo o nullo su quando e come i propri materiali vengono utilizzati nelle risposte generate, e che la natura opaca e in rapida evoluzione di questi sistemi rende il problema diverso da quello dell’ottimizzazione per i motori tradizionali.

Le indicazioni empiriche disponibili convergono comunque su alcuni elementi. Una analisi del 2025 che ha raccolto 1.702 citazioni prodotte da tre motori generativi su settanta interrogazioni di intento commerciale, verificando 1.100 pagine distinte, ha trovato le associazioni più forti con la citazione nei metadati e nell’aggiornamento delle pagine, nell’uso di marcatura semantica e nella presenza di dati strutturati. Lo stesso lavoro segnala una circostanza meno intuitiva: la qualità tecnica della pagina non basta, perché i sistemi generativi tendono a privilegiare fonti terze e autorevoli rispetto ai materiali pubblicati dall’impresa su sé stessa. Un contenuto eccellente che vive soltanto sul sito aziendale può non essere mai richiamato.

Va precisato che si tratta di letteratura giovane, in larga parte non sottoposta a revisione paritaria, talvolta prodotta da soggetti che vendono servizi nello stesso ambito. Le correlazioni osservate non dimostrano un meccanismo causale e i sistemi cambiano con una frequenza che rende rapidamente obsoleta qualsiasi misurazione. Chi promette metodi certi per comparire nelle risposte generative sta vendendo una certezza che i dati non autorizzano.

Resta però un’implicazione robusta e indipendente dai dettagli tecnici: le imprese che vengono riconosciute sono quelle di cui esiste una traccia pubblica coerente, verificabile e prodotta anche da soggetti diversi dall’impresa stessa. Denominazione societaria stabile, dati anagrafici che coincidono tra registri, sito, profili professionali e citazioni giornalistiche, documentazione tecnica pubblica, presenza in fonti terze che ne descrivono l’attività in termini comprensibili. Non è una questione di reputazione percepita: è una questione di identità ricostruibile.

Ed è precisamente qui che il sistema produttivo italiano ha un problema di natura strutturale.

Un tessuto produttivo largamente sotto la soglia di osservazione

Il censimento permanente delle imprese dell’Istat riferito al 2023 studia un universo di 1.021.618 unità con almeno tre addetti. Quelle unità rappresentano il 22,5% delle imprese italiane e producono l’85,1% del valore aggiunto nazionale. All’interno di quell’universo già selezionato, il 78,9% è costituito da microimprese con tre‑nove addetti. La rilevazione Istat sull’utilizzo delle tecnologie dell’informazione, che è la fonte principale sul grado di digitalizzazione del sistema, osserva soltanto le imprese con almeno dieci addetti.

Il dato non descrive un ritardo tecnologico. Descrive una condizione: la maggioranza numerica delle imprese italiane si colloca sotto la soglia di osservazione delle statistiche che misurano la presenza digitale, e produce di sé una documentazione pubblica minima. Molte di queste imprese hanno una reputazione solida, costruita in decenni, che però risiede in luoghi che nessun sistema automatico può leggere: la fiducia di un direttore di filiale, il passaparola di un distretto, la memoria di un ufficio acquisti, la relazione personale con un cliente storico. Sono attivi reali che non hanno alcuna rappresentazione macchina‑leggibile.

Finché il canale di accesso al mercato è stato relazionale, questo non ha costituito uno svantaggio. Diventa uno svantaggio nel momento in cui una quota crescente delle valutazioni iniziali passa attraverso un sistema che conosce solo ciò che è stato scritto, pubblicato e strutturato. La ragione per cui le PMI restano piccole ha molte componenti, quasi tutte anteriori all’intelligenza artificiale. Ma l’invisibilità algoritmica rischia di aggiungere un ostacolo nuovo a una struttura che già faticava a crescere.

Una selezione che non è neutrale, e che si può forzare

Due ricercatori di Harvard hanno dimostrato nel 2024 che l’inserimento di una sequenza testuale costruita ad arte nella pagina informativa di un prodotto aumenta in misura significativa la probabilità che quel prodotto venga indicato come raccomandazione principale dal modello, anche partendo da una posizione marginale. L’esperimento utilizzava un catalogo di prodotti fittizi, quindi non misura l’efficacia della tecnica sui sistemi commerciali attuali, che hanno nel frattempo introdotto contromisure. Dimostra però un principio: la rappresentazione che il modello costruisce di un mercato è manipolabile da chi conosce il meccanismo e dispone delle competenze per sfruttarlo.

Sul versante delle distorsioni non intenzionali, uno studio del 2025 costruito su 567.000 osservazioni relative a cinque classi di attivi ha rilevato preferenze sistematiche dei modelli linguistici per prodotti finanziari specifici, preferenze che sono sopravvissute all’applicazione di tecniche di correzione. Anche in questo caso si tratta di un lavoro preliminare, ma il segnale è coerente con quanto la ricerca osserva in altri domini: i modelli non selezionano in modo casuale, e i loro criteri incorporano regolarità che nessuno ha deliberatamente scelto.

Ne discende una conseguenza distributiva che merita attenzione. Se la visibilità nelle risposte generative dipende in parte da competenze tecniche specialistiche e da attività di relazione con fonti terze, allora premia le organizzazioni che possono permettersi di presidiarla. È lo stesso schema che si è già visto con l’ottimizzazione per i motori di ricerca, con una differenza rilevante: nel mercato pubblicitario tradizionale, chi non poteva conquistare la posizione organica poteva acquistarla. Qui no. OpenAI, che dal 9 febbraio 2026 ha avviato negli Stati Uniti la sperimentazione pubblicitaria su ChatGPT estendendola progressivamente ad altri mercati, dichiara esplicitamente che gli annunci sono separati dalle risposte e che gli inserzionisti non possono influenzarne, ordinarne o modificarne il contenuto. Ammesso che la separazione regga nel tempo, e non c’è ragione oggi per dubitarne, essa produce un effetto paradossale: la presenza nella risposta organica non è acquistabile. Può solo essere costruita, e costruirla richiede tempo, documentazione e credibilità presso terzi.

Il perimetro non è il marketing

Trattare la questione come un problema di comunicazione significa sottovalutarla. Le stesse dinamiche che governano la risposta a una domanda commerciale governano la risposta a domande che appartengono ad altri processi aziendali.

Un ufficio acquisti che costruisce una rosa di fornitori compie, di fatto, una prima scrematura informativa. Un candidato che valuta un’offerta di lavoro chiede informazioni sull’azienda. Un investitore che affronta una verifica preliminare parte da una ricostruzione sintetica del soggetto. Un potenziale partner che valuta un’alleanza industriale forma la propria impressione iniziale prima di qualsiasi contatto diretto. In tutti questi casi, ciò che il sistema restituisce, o non restituisce, entra nel processo decisionale in una fase precoce, quando le alternative vengono eliminate anziché confrontate.

Sul fronte del credito la questione è più delicata e va formulata con precisione. Nulla, allo stato, autorizza ad affermare che gli intermediari finanziari incorporino la visibilità nei sistemi generativi nella valutazione del merito creditizio. Esiste però un precedente documentato sulla capacità informativa delle tracce digitali: uno studio pubblicato sulla Review of Financial Studies nel 2020 ha mostrato che variabili semplici ricavate dall’impronta digitale eguagliano il contenuto informativo dei punteggi delle centrali rischi nel predire l’insolvenza, e che tale impronta funziona come complemento e non come sostituto delle informazioni tradizionali. Lo studio riguarda il credito al consumo, non quello alle imprese, e non può essere trasferito meccanicamente. Ma indica che l’assenza di traccia documentale non è un fatto neutro nei sistemi che valutano il rischio, e il tema si innesta su una trasformazione già in corso, quella dello scoring bancario sostenuto da modelli statistici e della responsabilità algoritmica che ne deriva. Un’impresa che ha imparato a curare la propria posizione in centrale rischi e, più di recente, la propria documentazione di sostenibilità ai fini del merito creditizio si trova davanti a una terza rappresentazione di sé, questa volta senza registro, senza titolare e senza procedura di rettifica.

Nessuno deve spiegare il criterio

Il diritto europeo conosce da tempo il problema della trasparenza dei criteri di selezione. Il regolamento (UE) 2019/1150, noto come regolamento P2B, impone ai fornitori di motori di ricerca online di descrivere i parametri principali che determinano il posizionamento, e lo fa proprio a beneficio dei titolari di siti web aziendali, cioè di soggetti con i quali il fornitore non ha alcun rapporto contrattuale. Il considerando 13 precisa che la definizione di motore di ricerca online deve essere neutra sotto il profilo tecnologico.

Se un assistente conversazionale che interroga il web e restituisce una selezione di imprese rientri in quella definizione è, per quanto risulta, una questione interpretativa non ancora risolta in modo autorevole. La formulazione tecnologicamente neutra la rende quantomeno discutibile, e la risposta avrebbe conseguenze concrete: significherebbe che un’impresa ha diritto a conoscere, almeno in termini generali, perché è stata inclusa o esclusa.

Sul versante della regolazione ex ante il quadro è più chiaro, e va nella direzione opposta. Il Digital Markets Act si applica oggi a sette imprese designate come gatekeeper e a ventitré servizi di piattaforma di base. Nessun assistente generativo autonomo figura tra questi. Nel rapporto di revisione presentato il 28 aprile 2026, la Commissione europea ha concluso che il regolamento resta adeguato allo scopo e non necessita di modifiche, indicando però l’intelligenza artificiale e il cloud come aree di attenzione prioritaria e annunciando che valuterà in particolare se alcuni servizi di intelligenza artificiale debbano essere designati come assistenti virtuali. È una formulazione prudente che va letta per quello che dice: la questione è aperta, la designazione è possibile, ma oggi non esiste.

La rappresentazione pubblica arriva dopo quella privata

C’è un elemento cronologico che merita di essere osservato, perché ordina il problema meglio di qualsiasi considerazione generale.

L’Unione europea sta costruendo un’infrastruttura pubblica di identità societaria macchina‑leggibile. La direttiva (UE) 2025/25 introduce un certificato societario europeo standardizzato e multilingue, una procura digitale uniforme e un rafforzamento del sistema di interconnessione dei registri delle imprese, destinato a collegarsi ai registri dei titolari effettivi e delle insolvenze. È esattamente ciò che servirebbe a una macchina per riconoscere un’impresa senza doverla dedurre da fonti giornalistiche e pagine web. Gli Stati membri devono recepirla entro il 31 luglio 2027 e applicarne le misure a decorrere dal 31 luglio 2028.

L’infrastruttura privata che decide quali imprese entrano nelle risposte è invece già operativa, e lo è su scala di centinaia di milioni di utenti settimanali. Fra la rappresentazione privata, attiva oggi e non regolata, e la rappresentazione pubblica, regolata ma efficace dal 2028, esiste una finestra di alcuni anni. In quella finestra si formano abitudini di consultazione, si consolidano posizioni e si costruiscono vantaggi che poi risulteranno difficili da smontare.

Che cosa è ragionevole fare, e che cosa non sappiamo

Le indicazioni operative sensate sono poche e volutamente modeste, perché le evidenze non ne sostengono di più. Coerenza dell’entità aziendale attraverso le fonti pubbliche, a partire dalla corrispondenza esatta tra denominazione, sede e dati identificativi presenti nei registri, sul sito e nei profili professionali. Documentazione pubblica di ciò che l’impresa fa realmente, in un linguaggio che descrive attività e competenze anziché slogan. Presenza in fonti terze verificabili, che non è acquisto di visibilità ma conseguenza di attività reali documentate da altri. Dati strutturati corretti sul proprio sito. Una scelta consapevole, e non subita per disattenzione, su quali sistemi automatici possano accedere ai propri contenuti, come GrifoNews ha fatto con la propria data mining policy.

Va detto con altrettanta chiarezza ciò che non sappiamo. Non sappiamo quale peso abbia oggi la consultazione di assistenti generativi nelle decisioni economiche italiane, perché non esiste una rilevazione pubblica affidabile su questo specifico uso. Non sappiamo quanto siano stabili nel tempo le risposte a una stessa domanda, né quanto varino tra sistemi diversi, tra lingue diverse e tra aree geografiche. Non sappiamo se le tecniche di ottimizzazione oggi discusse conserveranno efficacia quando saranno adottate da tutti, e la letteratura disponibile suggerisce prudenza anche su questo. Chiunque affermi il contrario sta estrapolando.

Chi controlla la rappresentazione digitale dell’impresa

La questione che resta aperta è più grande della sua declinazione tecnica.

Per un’impresa, la reputazione è sempre stata un attivo intangibile costruito nel tempo e, in qualche misura, difendibile: esistono un diritto alla rettifica, un giudice, un mercato di riferimento che ricorda. Ciò che sta emergendo è una seconda rappresentazione, generata da soggetti privati, ricostruita a ogni interrogazione, non consultabile dall’interessato, non contestabile e non stabile nel tempo. Non è un archivio: è un giudizio prodotto su richiesta.

Se una quota crescente delle decisioni economiche comincerà da una domanda rivolta a una macchina, allora la rappresentazione digitale dell’impresa smetterà di essere una funzione della comunicazione e diventerà una condizione dell’accesso al mercato. La domanda su chi la controlli non è retorica, e ha una risposta provvisoria scomoda: oggi non la controlla nessuno in modo verificabile, e certamente non la controlla l’impresa rappresentata.

L’autore

Paolo Calvi

Direttore responsabile di GrifoNews · Analista di economia, finanza e innovazione

Paolo Calvi è direttore responsabile di GrifoNews, testata giornalistica specializzata in economia, finanza e innovazione. Firma e coordina approfondimenti dedicati al credito, alla fiscalità, alla fintech, all’intelligenza artificiale e alla trasformazione digitale, analizzandone gli effetti sulle imprese, sui mercati e sulle istituzioni.

Aree di competenza: economia, finanza, compliance, cybersecurity, fintech, intelligenza artificiale e trasformazione digitale.