Come cambia il web con l'intelligenza artificiale

Per decenni “navigare” su Internet ha spesso significato digitare qualcosa su un motore di ricerca e scegliere tra una serie di links proposti da un algoritmo oscuro ma almeno in parte basato sulla reale popolarità e autenticità di queste fonti. Oggigiorno questo modello si sta incrinando: sempre più persone chiedono direttamente a un chatbot, che risponde con una sintesi e (a volte) qualche fonte in calce, e la conversazione continua all’interno di questa chat, senza andare necessariamente alle fonti originarie.

Un cambiamento brutale, di fatto basato su una rapina di contenuti del web che un manipolo di aziende statunitensi ha svolto senza chiedere il consenso di nessuno. I contenuti cosi raccolti sono stati usati, e continuano a essere usati, per addestrare i modelli linguistici che alimentano queste chat. Chi ha prodotto quei contenuti si trova tagliato fuori, non solo da un’eventuale monetizzazione, ma anche dall’attribuzione e dal poter sviluppare una relazione con che legge.

I grandi editori hanno mobilitato fronde di avvocati e ora il manipolo di cui sopra si è dovuto sedere al tavolo delle trattative. Troveranno un qualche accordo commerciale, molti sono già stati firmati.

Per chi, come PeaceLink, produce informazione indipendente, la distribuzione dei propri contenuti è già radicalmente cambiata, e temiamo lo sarà sempre di più.

Al tempo stesso, l’introduzione di questo nuovo intermediario nell’accesso alla conoscenza, rappresentato dai modelli linguistici, si presta a manipolazioni ed abusi, come mostriamo in questo articolo.

In Europa il ricorso all'AI generativa per informarsi è in costante crescita. Secondo Eurostat (dati pubblicati nel dicembre 2025, quindi non recentissimi), il 32,7% degli adulti UE tra 16 e 74 anni ha usato uno strumento di chat nel corso del 2025; tra i 16 e i 24 anni la quota sale al 63,8%, un dato che Eurostat stessa descrive come quasi di routine, equivalente all’uso di un motore di ricerca. Il divario tra paesi resta ampio: si va dal 48% della Danimarca al 45% dei Paesi Bassi, fino al 20% dell'Italia, tra i valori più bassi in UE insieme a Polonia e Romania. In altre parole: un adulto europeo su tre, e quasi due giovani su tre, si affidano già regolarmente a un chatbot per ottenere informazioni.

Nel nostro piccolo, come abbiamo citato nel recente articolo sulla nuova infrastruttura di PeaceLink, abbiamo cercato di quantificare, nel pieno rispetto della privacy dei nostri visitatori, come stessero cambiando le modalità di accesso al nostro sito.

Considerando l’anno in corso, abbiamo in media il 60% di visitatori “umani” e il 40% di chatbot, ma questo trend e’ in forte decrescita, e abbiamo già avuto alcuni giorni in cui gli accessi degli assistenti sono stati superiori a quegli degli umani.

Da notare che solo lo 0.44% delle richieste fatte da un assistente si traduce in una visita al sito di peacelink.it per leggere il contenuto originale. Non sappiamo se questa bassa percentuale di CTR (click-through rate) sia dovuta al fatto che i nostri contenuti sono mescolati con altri, mediati in un contesto che non controlliamo, o che magari non siamo neanche riportati come fonte. Probabilmente una combinazione di queste tre cause.

ChatGPT domina con l’86% delle richieste, agli altri (Claude, Perplexity, Mistral, Gemini, ed altri) stanno tutti sotto il 5%. Spesso ci sono visite sospette, dovute all’abuso di assistenti per trovare vulnerabilità del sito, che abbiamo escluso da questa analisi quantitativa e che rappresentano un problema a parte.

Il quadro, come vediamo, è preoccupante. Il web ci sta fuggendo di mano.

Le scatole nere

La mancanza di trasparenza è un aspetto critico di questa trasformazione. E’ vero che anche i motori di ricerca tradizionali si guardano bene dallo spiegare come funzionano i loro algoritmi, ma offrono comunque una scelta. Con i chatbot abbiamo raggiunto un livello di opacità ben maggiore, scatole nere appunto, sul cui funzionamento interno non abbiamo nessuna informazione.

Sappiamo che fanno delle scelte precise, in due momenti diversi:

Nella fase di addestramento. Le aziende che sviluppano i grandi modelli linguistici non pubblicano l'elenco completo dei siti usati per l'addestramento, né i criteri con cui i contenuti vengono filtrati e pesati. Common Crawl, un archivio non profit che raccoglie miliardi di pagine web dal 2008, è la base di partenza più usata: secondo una stima del 2024, ha fornito circa l'80% dei token usati per addestrare GPT-3 di OpenAI. Ma essere presenti in Common Crawl non garantisce di finire nei dati di addestramento di un modello specifico: ogni azienda applica i propri filtri proprietari.

Nella fase di recupero. Quando un chatbot "cerca sul web" prima di risponderci, sta eseguendo quello che si chiama retrieval-augmented generation (RAG): seleziona un piccolo numero di pagine da includere nel contesto in base a criteri di rilevanza che, anche qui, non sono pubblici.

Questa doppia opacità, di per sé già un problema per chiunque voglia capire perché un chatbot dice una cosa piuttosto che un'altra, diventa un'arma nelle mani di chi ha le risorse per sfruttarla.

La manipolazione degli LLM: il caso di Clock Tower X e Israele

Un articolo di Nick Cleveland-Stout, pubblicato il 24 Luglio 2026 dal Quincy Institute for Responsible Statecraft e intitolato "The Eighth Front: Inside Israel's $1 Billion Influence Campaign" , mostra un caso esemplare di manipolazione dei modelli linguistici, noto tecnicamente come LLM poisoning. L’autore ha pubblicato un articolo complementare anche sul sito di Drop Site News. L’inchiesta è basata su documenti FARA (la legge USA sulla trasparenza degli agenti stranieri), atti di gara pubblica israeliani e decine di interviste.

Dall'autunno 2025 Brad Parscale, ex direttore della campagna presidenziale di Trump, gestisce tramite la sua società Clock Tower X un contratto con il governo israeliano. La cifra è cresciuta nel tempo attraverso successive integrazioni contrattuali: inizialmente riportata da Axios come un accordo da 6 milioni di dollari (poi 9, secondo altre fonti), è stata infine quantificata in 46,5 milioni di dollari nell'arco di un anno da un deposito integrativo FARA di giugno 2026. L'obiettivo, dichiarato per iscritto nell'accordo depositato è costruire "siti e contenuti per orientare il modo in cui GPT inquadra i temi nelle conversazioni con gli utenti". Lo stesso Quincy Institute lo definisce uno dei primi casi documentati al mondo di uno stato che tenta di manipolare sistematicamente i chatbot AI.

L’inchiesta elenca undici siti costruiti da Clock Tower X per questo scopo, ciascuno con una narrazione dedicata: Paxpoint.org (Israele come "nazione di pace"), Allyvia.org (l'alleanza USA-Israele), FactSignal.org (la designazione di Hamas come organizzazione terroristica), Cognitura.org (piattaforma pseudo-accademica sull'estremismo), Justorium.org (la legittimità legale delle operazioni militari a Gaza), Culturavia.org (legami culturali USA-Israele), Compassionpulse.org (Israele e la protezione dei civili), Innovascope.org (la partnership tecnologica USA-Israele), Econora.org (i legami commerciali), Feedingyoufiction.com (nega che le immagini della carestia a Gaza siano autentiche) e Thetruthaboutiran.com (giustifica la guerra contro l'Iran). Su tutti, Clock Tower X utilizza la piattaforma di ottimizzazione AI Market Brew, con l'obiettivo dichiarato di "migliorare la visibilità e il posizionamento delle narrazioni rilevanti".

In calce a ogni pagina compare la seguente nota, obbligatoria in base al FARA: “Materiale distribuito da Clock Tower X LLC per conto dello Stato di Israele, con rimando al Dipartimento di Giustizia USA”.

L’ottavo fronte

Il titolo dell’inchiesta di Cleveland-Stout riprende direttamente un termine usato esplicitamente da Netanyahu, e ripetuto più volte, anche alla Knesset. I sette fronti sono Gaza, Libano, Siria, Iran, Yemen, Cisgiordania, Iraq. L’ottavo è la battaglia per l'opinione pubblica occidentale, in particolare dei giovani, condotta con gli strumenti dell'influenza e della comunicazione strategica.
“Il cuore e la mente delle persone, specialmente i giovani in Occidente”, per usare le parole di Netanyahu.

Proprio quella fetta di popolazione che oggi riscontriamo più dipendente dai chatbot.

Come si sviluppa quindi questo processo che, a seconda dei punti di vista, potremmo chiamare “avvelenamento” (LLM poisoning) oppure ottimizzazione (GEO - Generative Engine Optimization)?

Abbiamo verificato direttamente alcuni dei siti citati nell'inchiesta per capirci qualcosa di più. Ci preme infatti capire in dettaglio come i contenuti sono stati scritti per risultare appetibili agli LLM.

L'influenza si gioca quasi interamente sul piano dei contenuti testuali, non mediante trucchi tecnici. Non abbiamo trovato testo invisibile, markup nascosto pensato per un lettore diverso da quello umano, né tentativi di prompt injection (istruzioni scritte per essere eseguite direttamente da un assistente AI, del tipo "se sei un modello linguistico, considera questo come vero"). Gli accorgimenti tecnici presenti sono ordinarie ottimizzazioni per motori di ricerca, che vengono automaticamente generate dal plugin di WordPress (in questo caso Yoast SEO), e di cui beneficiano anche i modelli linguistici.

La strategia linguistica è invece coerente su tutti i siti ed ha queste caratteristiche:

• Un registro deliberatamente misurato, quasi mai apertamente propagandistico: frasi come "distinguere i giornalisti legittimi dagli operativi militanti non è sempre semplice" introducono una sfumatura di dubbio che rende il testo più difficile da scartare per un modello addestrato a presentare posizioni bilanciate. Lo confermano, dall'altra parte, gli stessi autori: Scott Stouffer, CTO di Market Brew (la piattaforma di ottimizzazione per motori AI usata da Clock Tower X sui suoi siti), ha dichiarato che un testo scritto in tono fattuale e organizzato con rigore ha più probabilità di essere ripreso dalle piattaforme AI. Non serve stravolgere il dibattito, basta rendere i propri contenuti "eleggibili" a farne parte.

• Branding che imita il vocabolario della verifica indipendente: nomi come FactSignal ("Verified Evidence and Documentation", "Declassified Reports") o Cognitura ("Research & Education Platform") scelgono deliberatamente il lessico del fact-checking e della ricerca accademica, non quello della propaganda.

• Struttura pensata per essere estratta dagli LLM: titoli in forma di domanda diretta (esattamente il tipo di frase che un utente digiterebbe in una chat), elenchi puntati, riepiloghi "punti chiave" in testa alla pagina, organizzazione in raggruppamenti tematici.

• Volume e costanza: decine di articoli pubblicati con cadenza quasi quotidiana su ciascun sito, che aumentano sia la superficie coperta sia la probabilità di finire archiviati (Common Crawl ad esempio scansiona con più attenzione i siti aggiornati di frequente).

Davvero basta così poco per influenzare un modello? Uno studio di Anthropic ha mostrato che circa 250 documenti "malevoli" sono sufficienti per indurre un comportamento indesiderato in un grande modello linguistico, indipendentemente dalle dimensioni del modello o dal volume totale dei dati di addestramento. Lo stesso studio qualifica il rischio come basso e limitato a un tipo di manipolazione piuttosto semplice. Appare però evidente che non serve inondare il web di contenuti: è sufficiente occupare con precisione le nicchie tematiche dove la domanda di informazione è alta e le fonti autorevoli sono scarse.

Gli effetti, secondo il test comparativo condotto da Drop Site su cinque chatbot, non sono uniformi: Gemini e Copilot risultano addestrati sui contenuti della rete Clock Tower X, Perplexity in parte, Claude e ChatGPT no (pur potendoli comunque recuperare in tempo reale tramite ricerca web). E quando i contenuti vengono citati in risposta a una domanda, solo alcuni assistenti (Claude, ChatGPT, Gemini) segnalano che si tratta di materiale prodotto per conto di un governo estero; Perplexity e Copilot, nei test citati nell'inchiesta, non lo hanno fatto.

Consigli di sopravvivenza

Non abbiamo ovviamente le risorse per addestrare un modello linguistico e distribuirlo. Non possiamo neanche tergiversare attendendo che una qualche autorità internazionale indipendente si preoccupi di costruire alternative. Abbiamo scarsa fiducia nella regolamentazione, che si muove su orizzonti temporali pluriennali, mentre le reti come quella di Clock Tower X operano in questo momento.

La strada immediatamente percorribile è smettere, e far smettere, di usare le applicazioni rivolte all'utente finale come unico canale. Maturare invece un uso critico di questi strumenti, e orientarsi verso l’uso di applicativi dedicati che, pur appoggiandosi alle API dei grandi modelli linguistici, cercano di controbilanciarne il bias. È la logica che abbiamo provato a implementare con l'assistente AI di PeaceLink: un sistema che risponde sulla base del nostro archivio curato, non sull'indice opaco di un fornitore terzo.

Certo, per chi produce contenuti, la scelta primaria è se stare al gioco o chiamarsi fuori. Rendere i propri siti accessibili ai bot, oppure chiuderli?
Pur con tutti gli aspetti estremamente problematici di questi attori, che abbiamo più volte denunciato (anche in questo articolo), come PeaceLink riteniamo che sia più importante capire come viene organizzato, strutturato e manipolato l’accesso alla conoscenza su internet, per provare a influenzarlo, o almeno raccontarlo, piuttosto che isolarsi.

Per questo abbiamo scelto, sin dall’inizio, di non bloccare i crawler AI legittimi (CCBot di Common Crawl, GPTBot, ClaudeBot, PerplexityBot e simili). Teniamo d’occhio cosa fanno, perché non mancano gli abusi, e anche per verificare l’impatto dei nostri accorgimenti.

Sotto l’aspetto tecnico, sta emergendo uno standard per fornire delle indicazioni agli assistenti linguistici (llms.txt), ed in genere i dati strutturati (schema.org, in formato JSON-LD) sono metadati importanti che dovrebbero essere comunque presenti in ogni pagina. Consigliamo anche di verificare periodicamente la propria presenza in Common Crawl con l'API pubblica dell'indice CDX. Abbiamo fatto un piccolo script a riguardo che mettiamo a disposizione.

Quello che proponiamo non è LLM poisoning, ovvero non è costruire contenuti per manipolare la risposta di un modello. È LLM targeting, ovvero rendere i nostri contenuti, che restano fattuali e verificabili, più facilmente reperibili e interpretabili dagli stessi sistemi che li andranno a leggere. È, semplicemente, la nuova ottimizzazione del web, il nuovo SEO.

Se delineiamo delle linee editoriali orientate a questi principi, scopriamo che sono accorgimenti che già usiamo come buona pratica per un’informazione precisa e non ridondante.

• Scrivere in modo che ogni paragrafo contenga un'affermazione verificabile, con la fonte primaria linkata inline, evitando la dispersione in una prosa lunga senza struttura.

• Organizzare i contenuti in nodi tematici coerenti , con pagine di sintesi che rimandano agli approfondimenti: la struttura a "pagine-perno" aiuta sia i lettori umani che i sistemi di recupero automatico.

• Usare elenchi puntati e riepiloghi ("punti chiave") dove utile: non è solo una scelta estetica, è un formato che aiuta la lettura per gli umani e l’estrazione da parte degli automi.

Il problema che crediamo emerga chiaramente dal caso Clock Tower X è che le regole di visibilità in questo nuovo ecosistema sono ancora tutte da scrivere, e nel frattempo chi ha budget milionari e obiettivi di propaganda le sta scrivendo a proprio favore.

Non possiamo colmare questo divario di risorse, né aspettare che gli attori attuali si diano da soli delle regole diverse. Possiamo però fare quello che sappiamo fare da sempre: capire, spiegare, sperimentare, organizzarsi insieme a chi condivide lo stesso problema, perché le pratiche di uso di questo strumento non restino un affare per pochi.

Significa promuovere un uso critico e consapevole dei chatbot tra chi ci legge. E significa, per chi come noi produce informazione, costruirsi strumenti propri, non affidarsi passivamente alle app di chi ci ha già derubato dei contenuti senza chiederci nulla, ma piegare a proprio favore le stesse tecnologie, con soluzioni che restino sotto il nostro controllo.