Da SEO a GEO: l'architettura tecnica di un sito web leggibile dall'IA

Per decenni la reperibilità si è basata su un unico modello: i motori di ricerca eseguono il crawling dell'HTML, valutano i link e restituiscono un elenco di link blu. È l'essere umano il filtro che apre le pagine una per una.

I motori generativi come Google AI Overviews, Perplexity o ChatGPT rompono questo modello. Utilizzano Retrieval-Augmented Generation (RAG): cercano contenuti pertinenti in tempo reale, caricano i segmenti di testo adatti nel contesto di un modello linguistico e generano una risposta consolidata con indicazione delle fonti. Chi non viene citato è invisibile.

Questo articolo è il complemento tecnico a quel discorso — per tutti coloro che vogliono costruire un sito web non solo per le persone, ma anche per le macchine. Analizziamo la meccanica di RAG, le leve GEO comprovate, gli standard necessari (llms.txt, JSON-LD, TDM, MCP) e gli errori che abbiamo riscontrato nella pratica.

1. Come selezionano i motori generativi

Al centro di un sistema RAG c'è una semplice idea geometrica. La query di ricerca e i chunk del documento vengono convertiti in vettori ad alta dimensionalità tramite un modello di embedding. La rilevanza di due vettori si determina solitamente attraverso la similarità del coseno:

Similarità del coseno
sim(q, d) = (q · d) / (‖q‖ ‖d‖)

Dove q è il vettore della query e d è il vettore di un chunk del documento. Il sistema seleziona i k chunk con la similarità più alta e li passa al modello linguistico come contesto.

La conseguenza pratica: il modo in cui suddividi i tuoi contenuti in chunk (struttura, titoli, logica dei paragrafi) determina se le tue affermazioni vengono classificate in modo semanticamente pulito — oppure collegate in modo errato. Un chunking scadente è una delle cause principali delle «allucinazioni in forma di citazione», in cui un'AI collega una fonte a un'affermazione che lì non compare affatto.

2. Le leve GEO comprovate

Lo studio «GEO: Generative Engine Optimization» (Aggarwal et al., ACM KDD 2024) ha misurato sistematicamente quali modifiche al testo aumentano la probabilità di essere citati da un LLM — con un incremento di visibilità fino al 40%. I metodi più efficaci:

• Statistics Addition — numeri e dati concreti al posto di affermazioni qualitative. Gli LLM prediligono la precisione.
• Cite Sources — supportare le proprie affermazioni con riferimenti alle fonti. Aumenta drasticamente l'affidabilità percepita.
• Quotation Addition — inserire citazioni testuali di esperti. Segnala profondità qualitativa.

Da notare: l'effetto dipende dal dominio ed è particolarmente forte per le pagine inizialmente mal posizionate. Il keyword stuffing — il vecchio riflesso SEO — al contrario non funziona.

3. llms.txt: la snella superficie ombra

Il protocollo llms.txtproposto da Jeremy Howard (Answer.AI, settembre 2024) fornisce un file Markdown nella root del dominio, che mette a disposizione il nucleo del sito senza la zavorra dell'HTML — come punto d'ingresso efficiente in termini di token per gli LLM.

La specifica (vedi llmstxt.org) è volutamente minimale:

llms.txt
# btlabs Core

> Piattaforma headless per le PMI: un'unica base dati, più canali —
> multilingue, leggibile dalle macchine, rispettosa della privacy.

## Servizi
- [Corporate Websites](/it/servizi/websites.md): strategia, design, realizzazione
- [Reperibilità AI](/it/servizi/geo.md): GEO, dati strutturati, MCP

## Opzionale
- [Chi siamo](/it/chi-siamo.md): Berger+Team, Bolzano

Una valutazione onesta: nessun grande fornitore di AI si è impegnato formalmente a dare peso a llms.txt come segnale stabile. La situazione realistica del 2026 ricorda quella di schema.org intorno al 2014 — non onorato universalmente, ma abbastanza economico da valerne la pena. Una copertura senza premio.

4. JSON-LD: rendere esplicito il grafo delle entità

I sistemi RAG prediligono i dati strutturati come grafo di fatti. Con JSON-LD secondo schema.org colleghi le entità in modo esplicito, invece di lasciar indovinare all'AI come siano correlati marchio, offerta e persone:

JSON-LD · schema.org
{
"@context": "https://schema.org",
"@graph": [
{
"@type": "Organization",
"@id": "https://btlabs.dev/#organization",
"name": "btlabs Core",
"areaServed": { "@type": "AdministrativeArea", "name": "Alto Adige" }
},
{
"@type": "WebPage",
"@id": "https://btlabs.dev/leistungen",
"isPartOf": { "@id": "https://btlabs.dev/#website" },
"about": { "@id": "https://btlabs.dev/#organization" }
}
]
}

Che cosa significhi concretamente un simile grafo di fatti lo spiega l’articolo Che cos’è un Knowledge Graph?.

Il @graph con @id-riferimenti è il punto: trasforma snippet isolati in una rete connessa — e riduce proprio quei collegamenti errati che portano alle allucinazioni. Un esempio concreto di questi collegamenti errati è l'errore NAP: consigliato in modo sbagliato dall'IA invece di non esserlo affatto — quando nome, indirizzo e telefono non vengono riconosciuti come un'unica entità coerente.

5. TDM e ai.txt: visibilità sì, training a scelta

Attraverso il W3C TDM Reservation Protocol (Final Report 2024, basato sull'art. 4 della direttiva UE sul diritto d'autore, richiamato dall'EU AI Act) dichiari in modo leggibile dalle macchine se i tuoi contenuti sono rilasciati per il training AI o per il mining commerciale:

tdmrep.json
// /.well-known/tdmrep.json
[
{
"location": "/",
"tdm-reservation": 1,
"tdm-policy": "https://btlabs.dev/tdm-policy.json"
}
]

tdm-reservation: 1 non è un segnale «nessun TDM», bensì un segnale «diritti riservati». Importante nella pratica: secondo l'interpretazione del gruppo di lavoro, ricerca e reperibilità sono considerate non coperte dall'opt-out — puoi quindi restare visibile nella ricerca AI e al contempo opporti al training.

6. MCP: dal documento all'entità interrogabile

Il passo forse più importante è il Model Context Protocol (MCP). Invece di lasciare che l'AI faccia lo scraping del tuo sito, offri un endpoint autenticato e definito da schema, attraverso il quale gli agenti autorizzati leggono in modo mirato — e agiscono in modo controllato:

Policy & Tools · TypeScript
// Policy-Deklaration
export const AI_ALLOW_MODEL_TRAINING = false
export const AI_ALLOW_DATA_MINING = false
export const AI_ATTRIBUTION_REQUIRED = true
export const MCP_ENDPOINT = '/api/mcp'

// Exponierte Tools — scoped, auditierbar
const mcpTools = [
'list_services',
'search_content',
'get_opening_hours',
'submit_inquiry', // controllato, non aperto
] as const

Le chiavi MCP hanno diritti differenziati: lettura ovunque, scrittura solo su tipi definiti. Ogni azione viene registrata. Così il tuo sito web diventa un' entità interrogabile — il fondamento per l'imminente Agent-to-Agent-Web, in cui gli assistenti AI personali confrontano, richiedono e prenotano per conto dei loro utenti. Cosa richiede davvero questa prontezza per gli agenti, al di là del malinteso sul chatbot, lo spiega Pronto per gli agenti non significa «installare un chatbot». Come sono graduati questi diritti nel dettaglio lo mostra uno sguardo alle chiavi MCP granulari.

7. Lessons learned dalla pratica

Dalla costruzione dell'architettura btlabs Core, alcune insidie che non figurano in nessuna specifica:

Evitare la silent truncation. Se un feed come llms-full.txt carica migliaia di documenti senza paginazione, si rischiano overflow di memoria e risposte troncate senza che ce ne si accorga. Soluzione: indicazioni sui limiti (Showing first N of M) e paginazione basata su cursore.

Collegamento multilingue. I modelli AI lavorano in modo cross-linguistico. Se nei twin Markdown mancano gli analoghi di hreflang (link alle traduzioni), indebolisci la tua forza di citazione cross-linguistica — e in una regione come l' Alto Adige è fatale.

Non «decorare» i protocolli per i bot. Inventare parole chiave proprie in ai.txt è inutile — i parser cercano rigidamente il vocabolario standardizzato. Attenersi allo standard batte la creatività.

Risolvere i segnaposto prima della pubblicazione. I crawler AI non devono leggere template incompleti ({{contactEmail}}), ma solo i dati finali e verificati. La risoluzione va fatta prima del build Markdown, non dopo.

8. Come btlabs Core lo realizza

In btlabs Core questi elementi non sono uno stack di plugin, ma parte della piattaforma. Il llms.txt viene costruito on-the-fly dal CMS — con query parallele per minimizzare la latenza:

Build di llms.txt · TypeScript
const [pages, posts, faqs] = await Promise.all([
cms.find({
collection: 'pages',
locale: core.locale,
where: { and: publishedFilter('pages') },
limit: 25,
select: { slug: true, title: true, meta: true },
}),
// ...weitere Abfragen
])

JSON-LD, hreflang, tdmrep.json, ai.txt e l'endpoint MCP vengono generati dalla stessa base dati del sito web destinato agli esseri umani — una single source of truth, due livelli di output. È proprio questo il punto: il livello leggibile dalle macchine non è un'aggiunta successiva, ma viene prodotto automaticamente come sottoprodotto.

Conclusione

Il web tradizionale è stato costruito per l'occhio umano. Il web che verrà è un Agent-to-Agent-Web, in cui le interfacce AI dialogano tra loro. I KPI si spostano di conseguenza: dal ranking classico verso LLM-Share-of-Voice e Citation Probability.

La tecnologia per farlo esiste già oggi — struttura conforme a RAG, llms.txt, JSON-LD, TDM e MCP. La maggior parte delle PMI semplicemente non la usa ancora. Chi costruisce ora, costruisce il proprio vantaggio.

Un punto importante: un buon ranking su Google da solo non basta più. Primo su Google, invisibile in ChatGPT mostra perché ranking e visibilità nell'IA sono due giochi con regole proprie.

Se vuoi verificare quanto è strutturato il tuo sito per i sistemi IA, o hai bisogno di supporto nell'implementazione — contattaci.

Fonti & standard

• GEO: Generative Engine Optimization — Aggarwal, P. et al., ACM SIGKDD 2024. arxiv.org/abs/2311.09735
• The /llms.txt proposal — Jeremy Howard, Answer.AI, 2024. llmstxt.org · Proposta originale
• W3C TDM Reservation Protocol (TDMRep) — W3C CG Final Report, 2024. w3.org/community/reports/tdmrep
• AI Search Has a Citation Problem — Tow Center for Digital Journalism, Columbia, 2025. cjr.org
• schema.org — vocabolario per dati strutturati. schema.org
• Model Context Protocol (MCP) — standard aperto per le interfacce degli agenti AI. modelcontextprotocol.io

Nota: GEO, llms.txt e TDMRep sono standard giovani e in evoluzione. L'adozione e l'efficacia stanno crescendo, ma non sono garantite formalmente da nessun grande fornitore di AI.