Microsoft spiega l’AI che sceglie i brand: conoscenza, web e dati proprietari.

Una guida di Microsoft rivela i meccanismi con cui i sistemi di intelligenza artificiale scelgono i brand da proporre, ponendo nuove sfide per la visibilità online e sollevando interrogativi etici.

La scatola nera dell’intelligenza artificiale si sta aprendo, ma non per tutti.

Mentre gli utenti finali si abituano a chiedere a Copilot o a Bing di consigliare un ristorante, un hotel o un paio di scarpe, dall’altra parte dello schermo c’è un’industria – quella del marketing – che lotta per capire come finire in quella risposta.

Perché se l’assistente ti suggerisce direttamente un brand, il gioco della visibilità online cambia radicalmente.

È in questo scenario che Microsoft, l’11 febbraio 2026, ha pubblicato un aggiornamento della sua guida per marketer, un documento che fa più che dare consigli: è una mappa per navigare un territorio inesplorato e, soprattutto, un’ammissione trasparente di come i suoi sistemi decidono chi raccomandare.

La guida, intitolata “Understanding AI search: A guide for modern marketers”, parte da un presupposto semplice ma destabilizzante: l’ottimizzazione per i motori di ricerca tradizionale (SEO) non basta più.

Resta fondamentale, perché un sito deve comunque essere trovato e valutato, ma non è sufficiente.

Il nuovo obiettivo non è essere in cima a una lista di link, ma essere “compresi, fidati e proposti direttamente all’interno delle risposte generate dall’IA”.

In altre parole, diventare parte integrante della conversazione tra l’utente e l’assistente.

La visibilità va oltre il posizionamento dei link e riguarda l’essere compresi, fidati e proposti direttamente all’interno delle risposte generate dall’IA

— Microsoft, “AI search demystified: A practical guide for marketers”

Microsoft delinea due strade maestre per apparire: i posizionamenti a pagamento (gli annunci sponsorizzati all’interno delle risposte AI) e la visibilità organica.

È su quest’ultima che la guida si sofferma, svelando per la prima volta in modo così strutturato il processo in tre fasi con cui i suoi modelli linguistici assemblano una raccomandazione.

Prima c’è una baseline understanding, la comprensione di base che il modello ha già acquisito durante il suo addestramento.

Poi subentra il grounded refinement: il sistema recupera contenuti dal web in tempo reale per affinare e aggiornare quella conoscenza.

Infine, entrano in gioco i precision signals, dati strutturati e di prima parte – come schede prodotto impeccabili, recensioni verificabili, informazioni chiare su prezzi e disponibilità – che fungono da sigillo di affidabilità.

È qui che il marketing deve diventare iper-preciso: frasi chiare, formattazione impeccabile, punteggiatura corretta.

Sono dettagli che per un essere umano possono sembrare superflui, ma che per un’IA sono segnali fondamentali per interpretare con sicurezza il contenuto.

La fine della ricerca come la conoscevamo

Questo nuovo approccio, che Microsoft e altri iniziano a chiamare Generative Engine Optimization (GEO), nasce da un cambiamento epocale nel comportamento degli utenti.

Come spiegato in un post di luglio 2025, l’IA generativa sta cambiando il modo in cui le persone cercano, abilitando interazioni in linguaggio naturale e processi a più step.

L’assistente non si limita a rispondere; dialoga, chiarisce, suggerisce.

E sempre più spesso, risolve l’intento dell’utente direttamente nell’interfaccia, senza bisogno di click.

Alcuni report stimano che queste “ricerche a zero click” siano ormai il 60% del totale.

Per un brand, essere citato nella risposta AI diventa quindi l’equivalente moderno della prima posizione su Google, ma con una posta in gioco più alta: se l’AI ti cita, ti legittima.

Se non ti cita, sei praticamente invisibile.

Microsoft non è nuova a questo sforzo di integrazione.

Già ad aprile 2025 aveva sottolineato il ruolo cruciale dei Large Language Model nella tecnologia di ricerca moderna, per migliorare rilevanza e contesto.

I risultati, in termini di traffico, iniziano a vedersi: a giugno 2025, i referral dai sistemi AI verso i siti web principali sono schizzati del 357% su base annua, toccando 1,13 miliardi di visite.

Numeri che spiegano l’urgenza percepita dal settore pubblicitario.

Kya Sainsbury-Carter, Vice Presidente Corporate di Microsoft Advertising, guida un team che deve bilanciare due esigenze: da un lato, sviluppare prodotti AI utili e imparziali per gli utenti; dall’altro, creare un ecosistema sostenibile per gli inserzionisti che finanziano gran parte di questo ecosistema.

La trasparenza della guida è anche un modo per costruire fiducia con questi ultimi, in un momento di grande incertezza.

Il lato oscuro delle raccomandazioni: bias e controllo

Proprio qui, però, si annida la contraddizione più grande.

Microsoft, come dichiara apertamente nelle sue policy, guida lo sviluppo e l’uso della IA con sei principi: equità, affidabilità e sicurezza, privacy e sicurezza, inclusività, trasparenza e responsabilità.

Afferma che questi principi mirano a garantire che i sistemi di IA trattino tutti in modo equo e prevengano discriminazioni.

Per mitigare rischi di bias e favoritismi nei suoi algoritmi, l’azienda ha implementato linee guida interne, board di revisione e implementazioni tecniche specifiche.

Ha anche un programma speciale che fornisce revisione pre-deployment e supervisione per gli usi ad alto impatto e ad alto rischio dell’IA.

Ma come si concilia questo con la spinta, espressa nella guida per i marketer, a sfruttare i “precision signals” e i dati di prima parte per emergere?

In teoria, questi segnali misurano la qualità oggettiva.

In pratica, chi ha più risorse per creare schede prodotto perfette, integrare sistemi di recensioni avanzati e produrre contenuti impeccabili per le macchine?

I grandi brand.

Il rischio è che l’IA, nata per democratizzare l’accesso all’informazione, finisca per cristallizzare o addirittura amplificare le disparità esistenti, creando un circolo vizioso in cui chi è già visibile diventa sempre più raccomandabile.

La stessa Microsoft, d’altronde, sta ritirando alcuni servizi di raccomandazione “neutrali” del passato: il servizio Azure Intelligent Recommendations verrà ritirato il 31 marzo 2026 per una transizione strategica verso l’era dei Copilot, e non esiste un servizio equivalente nello stack Microsoft.

Il futuro che Microsoft sta aiutando a costruire è quindi duplice.

Da un lato, c’è un’esperienza utente potenzialmente più ricca e conversazionale, dove l’integrazione di Copilot nella Piattaforma Pubblicitaria Microsoft è progettata per semplificare e migliorare l’esperienza, anche con raccomandazioni di contenuti.

Strumenti come l’Azure AI Search, che offre una navigazione a faccette per filtrare gli articoli per prezzo o brand, mostrano la direzione: ricerche iper-personalizzate e contestuali.

Dall’altro lato, c’è un ecosistema pubblicitario che deve reinventarsi, dove l’IA generativa sta cambiando il modo in cui le persone cercano e dove Microsoft Advertising utilizza l’IA per ottimizzare i budget pubblicitari.

La domanda finale, allora, non è tecnica ma etica: stiamo costruendo assistenti intelligenti che servono al meglio gli interessi degli utenti, o stiamo perfezionando il più sofisticato e opaco sistema di raccomandazione commerciale mai creato?

La trasparenza di Microsoft sul come funziona il meccanismo è un primo passo importante, ma non risolve il dilemma di fondo.

Per l’utente, la risposta dell’IA sembra un consiglio disinteressato.

Per il marketer che ha studiato la guida, è il risultato di un complesso algoritmo che può essere, in una certa misura, “addomesticato”.

Chi, in questo nuovo mondo delle ricerche conversazionali, sta realmente tenendo le redini?