llms.txt è solo il primo passo — l'architettura dopo
btlabs Core · 3 ago 2026
llms.txt, nella sostanza, non è altro che un indice puntato a file Markdown — un punto di partenza, non un traguardo. Lo scrive Duane Forrester, quasi 30 anni nel settore della ricerca online e coinvolto, ai tempi di Bing, nel lancio di Schema.org, in un articolo molto discusso su Search Engine Journal. Chi crea llms.txt una volta e considera il compito concluso ha risolto la parte più facile — e trascurato quella più grande.
Cos'è davvero llms.txt
llms.txt è un file snello nella root del tuo sito che offre ai sistemi IA i contenuti più importanti come un elenco di link pulito — senza menu, pubblicità o script attorno. È utile: un agente IA trova più in fretta ciò che conta, invece di doversi districare tra l'HTML. Ma un indice non spiega come si collegano i tuoi prodotti, quale servizio appartiene a quale pubblico, o quale affermazione è ancora attuale e quale superata. Ed è proprio questo, secondo Forrester, il vero limite: la maggior parte delle architetture web non è mai stata costruita per dare ai sistemi IA un accesso pulito e autorevole alle informazioni di marca — llms.txt cambia poco se sotto resta la stessa base non strutturata.
L'architettura che viene dopo
Forrester delinea cosa deve seguire l'indice, se vuoi che un'IA ti comprenda davvero in modo affidabile:
- Fatti strutturati (JSON-LD). Markup preciso e leggibile dalla macchina per organizzazione, servizi e recensioni — non come esercizio formale, ma con attributi realmente corretti.
- Relazioni tra entità. Come si collega un servizio a una categoria, a un caso d'uso o a un altro servizio? Senza questo collegamento, anche fatti ben marcati restano isole isolate invece di formare una rete.
- Accesso programmatico ai contenuti. Interfacce versionate per FAQ, documentazione e specifiche — nella direzione indicata ormai da standard come il Model Context Protocol (MCP).
- Prove di provenienza. Timestamp, autore e fonti verificabili per ogni affermazione che un'IA potrebbe citare — altrimenti ogni affermazione resta non verificabile.
Il punto, nelle parole di Forrester: questa infrastruttura trasforma il tuo contenuto da «qualcosa che l'IA ha letto da qualche parte» in qualcosa di verificabile.
Perché conta per il successo del progetto
Per chi decide, la domanda pratica non è se llms.txt faccia danni — non ne fa, costa pochissimo e non si presta a fraintendimenti. La domanda è se un singolo file basti perché un'IA rappresenti il tuo lavoro in modo corretto e completo, quando qualcuno lo chiede. Non basta. Senza fatti strutturati, chiarezza delle entità e provenienza verificabile, un'IA resta affidata a supposizioni — e le supposizioni sono la fonte della maggior parte delle citazioni sbagliate, dei dati superati e dei servizi attribuiti in modo errato che possono capitare a un'attività in una risposta IA.
Lo sforzo per l'architettura completa è contenuto, se pensato fin dall'inizio — e costoso, se va innestato in un secondo momento su un sito già cresciuto. Per questo btlabs Core costruisce questo livello come base di partenza, non come passo aggiuntivo: JSON-LD, collegamento tra entità e un endpoint MCP nascono dalla stessa base dati del sito pensato per le persone, non come lavoro separato da recuperare in seguito. Un'unica fonte di verità, due livelli di output — curati insieme per persone e macchine.
Una valutazione onesta
Nessun grande fornitore IA si è impegnato formalmente a dare peso a llms.txt o a un'architettura specifica dietro di essa — gli standard sulla visibilità IA sono ancora in evoluzione. Non è un motivo per aspettare, ma un motivo per puntare sui mattoni economici e solidi: una base dati corretta con fatti strutturati ti è utile indipendentemente da quanto peso le darà domani un singolo fornitore IA. È inoltre lo stesso lavoro che la trovabilità classica richiede comunque — entità nominate con chiarezza, dati coerenti, fonti verificabili. Chi investe qui, nel peggiore dei casi non perde nulla e nel caso più probabile ottiene una risposta corretta quando qualcuno chiede.
La raccomandazione pratica
Crea llms.txt, se non l'hai ancora fatto — lo sforzo è minimo. Ma trattalo per quello che è: un primo, piccolo mattone, non la conclusione del lavoro. Il lavoro vero sta in una base dati da cui fatti strutturati, relazioni tra entità e prove di provenienza si alimentano automaticamente — per ogni servizio, ogni pagina, ogni lingua, curati con costanza invece che creati una tantum. Chi parte da lì fa in modo che un'IA, interrogata su un'attività come la tua, possa dare una risposta corretta invece che indovinata.
Quanto renda concretamente questa granularità lo abbiamo calcolato in 2,3× più citazioni IA con struttura granulare.
Vuoi sapere a che punto è il tuo fondamento digitale in questa architettura? Mettiti in contatto — lo guardiamo insieme.
Fonte
- «Llms.txt Was Step One. Here's The Architecture That Comes Next» — Duane Forrester, Search Engine Journal, 2026. searchenginejournal.com
Domande frequenti.
Qual è la differenza tra SEO, GEO e LLMO?
I tre termini si costruiscono l'uno sull'altro, invece di sostituirsi a vicenda. La SEO (Search Engine Optimization) fa sì che una pagina si posizioni bene nei risultati di ricerca classici. La GEO (Generative Engine Optimization) estende l'obiettivo: essere citati come fonte nelle risposte generate dall'IA — per esempio in una risposta di ChatGPT o Perplexity.
L'LLMO (Large Language Model Optimization) va un passo oltre, più tecnico: si tratta di capire e influenzare in modo mirato come i singoli modelli linguistici elaborano, pesano e restituiscono i contenuti — una sorta di reverse engineering del modello specifico. In pratica: la SEO resta il biglietto d'ingresso, la GEO garantisce la citabilità in generale, l'LLMO regola i dettagli per i sistemi più rilevanti per una determinata attività.
Ho assolutamente bisogno di un file llms.txt?
Non è un segnale di ranking per Google (lo dice Google stesso) — ma si crea in pochi minuti ed è utile come orientamento per gli agenti IA. Un'aggiunta economica, non un rimedio miracoloso.
