Intervista a Perplexity AI: Come Funziona la Ricerca con l’Intelligenza Artificiale

# Come Funziona la Ricerca AI: Intervista con Jesse Dwyer di Perplexity AI

Recentemente ho avuto l’opportunità di parlare con Jesse Dwyer di Perplexity, approfondendo i temi SEO e la ricerca AI. Abbiamo discusso su cosa dovrebbero focalizzarsi gli SEO per ottimizzare i contenuti per la ricerca AI. Le risposte di Jesse hanno fornito spunti interessanti per editori e professionisti del settore.

## La Ricerca AI Oggi

Uno dei messaggi principali condivisi da Jesse è che la personalizzazione sta cambiando completamente il panorama della ricerca. Ha sottolineato che:

> “La cosa più importante da ricordare riguardo a AEO (Answer Engine Optimization) rispetto a SEO è che non è più un gioco a somma zero. Due persone con la stessa query possono ricevere risposte diverse su una ricerca commerciale, se lo strumento AI che stanno utilizzando carica la memoria personale nella finestra di contesto.”

Questa affermazione evidenzia come il contesto personale influisca sulle risposte AI, permettendo a utenti diversi di ricevere risposte notevolmente differenti per la stessa query. Anche se l’infrastruttura sottostante rimane quella di un indice di ricerca tradizionale, l’ottimizzazione continua a giocare un ruolo fondamentale nella determinazione dell’idoneità dei contenuti a essere recuperati. Perplexity AI utilizza una forma di PageRank, un metodo basato sui link per determinare la popolarità e la rilevanza dei siti web, offrendo così spunti chiave su cui gli SEO potrebbero concentrarsi.

## Elaborazione Sub-documentale: Perché la Ricerca AI è Diversa

Nella sua risposta, Jesse ha anche spiegato i meccanismi che si nascondono dietro la generazione delle risposte nella ricerca AI. Secondo lui, la differenza principale nella tecnologia degli indici risiede nell’elaborazione dei documenti interi rispetto a quella dei “sub-documenti”.

> “I motori di ricerca tradizionali indicizzano a livello di documento intero. Questi esaminano una pagina web, la valutano e la archiviato. Quando utilizzi uno strumento AI basato su questa architettura (come il motore di ricerca web di ChatGPT), esso effettua una ricerca classica, recupera i primi 10-50 documenti e poi chiede al LLM di generare un riassunto.”

Questa modalità rende evidente perché alcuni descrivano la ricerca GPT come “quattro ricerche Bing in un trench coat” — poiché il modello genera un output basato su risultati di ricerca standard.

## L’ottimizzazione per la Ricerca AI

Jesse ha sottolineato che la strategia di ottimizzazione per questa nuova era è nota come GEO (Generative Engine Optimization). Nella ricerca tradizionale, si tratta di un processo algoritmico, mentre l’approccio AI è definito “elaborazione sub-documentale”.

Invece di indicizzare pagine intere, il motore indicizza frammenti specifici di informazioni (snippets). Un frammento, in termini AI, consiste in circa 5-7 token, o 2-4 parole convertite in numeri attraverso un processo noto come “transformer”. Quando si interroga un sistema sub-documentale, non vengono recuperati 50 documenti, ma circa 130.000 token dei frammenti più pertinenti, arrivando a circa 26.000 snippets.

Questo metodo di elaborazione aiuta a garantire che l’intera finestra di contesto del modello AI sia saturata con informazioni rilevanti, riducendo il rischio di “hallucinations” — invenzioni da parte del modello.

### Conclusioni

In sintesi, il passaggio da un’indicizzazione basata su documenti interi a una più granularizzata sta ridefinendo come gli SEO devono approcciarsi alla ricerca. Comprendere e adattarsi a questi cambiamenti, come sottolineato da Jesse Dwyer, offre una strada promettente per migliorare la rilevanza e la qualità delle risposte nella nuova era della ricerca AI.

Come sempre, mentre i fondamenti del SEO rimangono, è essenziale per i professionisti del settore abbracciare queste innovazioni tecnologiche per rimanere competitivi in un panorama in continua evoluzione.