Perché le AI non sanno del tuo prodotto nuovo

Un modello sa le cose in due modi completamente diversi, e la differenza decide se il tuo ultimo prodotto esiste o no per chi deve comprarlo. C'è quello che il modello ha assorbito durante l'addestramento, congelato nei suoi pesi il giorno in cui l'addestramento si è fermato. E c'è quello che va a prendere mentre ti sta rispondendo, dal vivo, sul web. Il primo è memoria. Il secondo è ricerca. Si rompono per ragioni diverse e si aggiustano con cose diverse.

Un prodotto lanciato tre mesi fa nel primo non c'è. Non può esserci: i pesi erano finiti prima che il prodotto esistesse. Quindi tutta la questione se un assistente possa parlarne a un compratore si riduce a una domanda più stretta, cioè se il recupero dal web lo troverà e lo userà.

Il muro, non la sfumatura

Ogni modello ha una data di taglio dell'addestramento, dopo la quale nei pesi non è entrato più niente. Non è un bordo morbido dove le cose recenti si conoscono un po' meno bene. È un muro. Un'azienda nata dopo quella data, una linea rinominata dopo, uno stabilimento certificato dopo: niente di tutto questo è lì dentro, per quanto il web ne abbia parlato nel frattempo.

Due cose su quel muro vale la pena saperle, ed entrambe si verificano invece di doverle credere.

La prima è che gli assistenti sono pessimi nel dichiarare la propria data di taglio. Chiediglielo e spesso ti darà una data sbagliata, a volte di parecchi mesi, perché il modello sta producendo una frase plausibile e non leggendo un valore da un registro. Non prendere la risposta come una specifica. Se vuoi sapere cosa conosce di un periodo, chiedigli di fatti di quel periodo e guarda cosa produce.

La seconda è che il muro si sposta senza preavviso. I fornitori rilasciano versioni nuove, e una domanda che in una versione non restituiva niente sulla tua azienda nella successiva può restituire un paragrafo. Non è una cosa che provochi tu e non è una cosa che puoi mettere a calendario. È un motivo per continuare a misurare invece di controllare una volta e archiviare il risultato.

Il recupero è l'unica strada, ed è condizionale

Il recupero dal web è quello che chiude il buco. L'assistente fa una ricerca, tira indietro qualche pagina e scrive la risposta anche a partire da quelle. Se il tuo lancio verrà nominato, sarà per questa via.

Il problema sta nella parola condizionale. Perplexity recupera praticamente su ogni domanda, ed è per questo che è il più leggibile dei 4 assistenti e che le sue risposte citano pagine che puoi aprire. Gli altri decidono. ChatGPT e Claude vanno sul web quando qualcosa nella domanda suggerisce che dovrebbero, e rispondono a memoria quando non lo suggerisce. Fuori da quelle aziende nessuno conosce la regola, e la regola cambia.

Quindi la stessa domanda sul tuo prodotto nuovo può produrre lunedì una risposta aggiornata e con le fonti, e martedì un nulla, dallo stesso assistente, perché una esecuzione ha recuperato e l'altra no. Di solito questo viene letto come inaffidabilità del modello. È più utile leggerlo come due meccanismi diversi che rispondono alla stessa domanda.

Quello che scrivono gli altri, e la fiera

Se il recupero è la strada, la mossa ovvia è rendere la strada percorribile, e quella parte è meccanica: la pagina prodotto deve essere raggiungibile dai crawler, deve dire chiaramente cos'è la cosa, per chi è e cosa la distingue nella prima schermata invece che dopo tre paragrafi di posizionamento, e deve usare le parole che userebbe un compratore invece del nome interno che le dà il catalogo.

Questo ti rende ammissibile. Non ti fa nominare. Il recupero restituisce una manciata di pagine e il modello scrive da quelle, e una singola pagina del produttore è materiale sottile su cui scrivere, soprattutto per una domanda formulata come una raccomandazione. Quando qualcuno chiede quali fornitori fanno un certo componente, un assistente che monta la risposta con la pagina di un produttore e quattro pagine indipendenti su altri produttori arriva a una lista prevedibile.

La parte scomoda è che la cosa che più affidabilmente porta un prodotto nuovo dentro le risposte è che ne parlino gli altri. E qui la manifattura italiana ha un vantaggio che quasi nessuno sfrutta: i lanci passano dalle fiere. Un prodotto presentato in fiera genera una scheda nel catalogo espositori, una riga nell'elenco delle novità, e spesso un pezzo sulla stampa tecnica di settore. Sono pagine di terzi, indicizzabili, scritte da qualcun altro, esattamente il materiale che il recupero sa trovare e usare.

La differenza fra chi ne ricava qualcosa e chi no sta in un dettaglio banale: quelle schede vanno compilate con le parole della domanda del compratore e con i dati tecnici veri, non con lo slogan del lancio. Una riga di catalogo fieristico che dice "la nuova frontiera del dosaggio" non risponde a nessuna domanda. Una che dichiara materiali, portata e certificazioni, sì. È lo stesso spazio, compilato in due modi, e uno dei due è leggibile da una macchina.

Cosa fare, concretamente

Tratta i primi mesi come misurazione, non come una campagna con una scadenza.

Fai la domanda d'acquisto, non quella sul marchio. "Che cos'è nome del tuo prodotto" non ti dice niente, perché il modello troverà qualcosa da dire e tu ti sentirai rassicurato senza motivo. Chiedi quello che chiede un compratore prima di sapere che esisti, e guarda se la linea nuova compare.

Chiedilo in ogni lingua in cui vendi. Un lancio si propaga nel web inglese a una velocità e in quello tedesco o spagnolo a un'altra, e per una cosa nuova il divario è di solito più largo che per una consolidata.

E ripetilo, perché una singola esecuzione non distingue fra un modello che non ti conosce e un'esecuzione che non ha recuperato. Farlo a mano su 4 assistenti e 5 lingue smette presto di essere fattibile, ed è lì che entra PSentry: esegue lo stesso insieme di domande a calendario, 2 scansioni al mese, e riporta dove il prodotto nuovo viene nominato e chi viene nominato al posto suo. Misura. Non fa imparare un modello più in fretta, e niente lo fa.