L'alba dei morti viventi

7/1/2026 / 8 minutes to read / Tags: AI, SEO, JSON-LD, local business, digital marketing

Perché le agenzie web che non parlano alle AI sono già morte — e anche i loro clienti

C’è qualcosa di inquietante in un mondo dove tutto sembra funzionare ancora. Il vecchio SEO porta traffico. Google indicizza le pagine. Le agenzie vendono campagne. I clienti pagano. Il ciclo gira. Ma sotto, qualcosa è già cambiato. E chi non lo ha ancora visto non è in ritardo — è già fuori.

Il problema che nessuno vede perché non fa ancora male

Nel 2024 Google ha introdotto AI Overview nei risultati di ricerca. Nel 2025 è diventato mainstream. Nel 2026 milioni di persone chiedono a ChatGPT, Claude, Gemini e Perplexity — non a Google — qual è la migliore soluzione per il loro problema. E queste AI non leggono il tuo sito come Google. Google legge le tue pagine, conta i link, valuta le keyword. È un sistema che conosci, che puoi ottimizzare, che puoi battere con budget e pazienza. Un agente AI fa qualcosa di diverso. Cerca i tuoi file strutturati — llms.txt, llms-full.txt, il grafo JSON-LD. Li legge. Ricostruisce chi sei, cosa fai, per chi lo fai. E se non li trova, o li trova vuoti, o li trova incoerenti — inferisce. L’inferenza è il punto. Quando un’AI non trova dati strutturati sufficienti, non si ferma. Inventa. Riempie i buchi con pattern statistici. E il risultato è un’identità aziendale ricostruita male, distribuita a milioni di query, impossibile da correggere a posteriori.

Cosa succede concretamente quando l’AI ti cerca ?

Prendiamo una PMI locale reale. Un distributore idraulico a Bologna. Fattura 1,5 milioni, 8 dipendenti, esclusivista di zona per due marchi importanti. Niente llms.txt, niente JSON-LD, sito fatto bene ma semanticamente muto. Un potenziale cliente chiede a ChatGPT: “Trovami un distributore locale a Bologna che abbia in pronta consegna caldaie a condensazione di marca X e che venda a partita IVA.”

L’AI si trova davanti a un buio informativo. E reagisce in tre modi, tutti sbagliati: L’effetto cugino. L’azienda si chiama “Idraulica Bolognese S.r.l.” ma non ha dati semantici che ne specifichino i marchi trattati. L’AI la associa statisticamente a qualsiasi altra azienda idraulica di Bologna. Risultato: potrebbe dire al cliente che quella PMI vende un marchio che in realtà è della concorrenza. L’allucinazione geografica. Senza un nodo PostalAddress chiaro nel codice, l’AI confonde la sede legale — magari presso uno studio commercialista — con lo showroom operativo. Il cliente viene mandato nel posto sbagliato. La svalutazione del brand. Di fronte alla mancanza di dati certi, l’AI risponde in modo generico: “È un’azienda che si occupa di commercio…” — privando la PMI dei suoi reali punti di forza: esclusivista di zona, consegna in 24 ore, consulenza tecnica specializzata. Tre clienti persi. Per un file JSON-LD che non esiste.

Il vecchio SEO è il problema, non la soluzione

Il paradosso è questo: il vecchio SEO funziona così bene da nascondere il problema. Un’agenzia che ottimizza bene per Google porta traffico. Il cliente è soddisfatto. I report mostrano crescita. Nessuno ha motivo di guardare oltre. Nel frattempo, ogni giorno che passa senza struttura AI-readable è un giorno in cui il concorrente che ha fatto i compiti si posiziona meglio nelle risposte degli agenti AI. Il divario non si vede subito. Si accumula. Silenziosamente. Finché un giorno il cliente nota che i lead calano. Che quando chiede a ChatGPT “qual è il miglior fornitore di X nella mia zona” — non appare. Appare il concorrente. E a quel punto è già troppo tardi per rincorrere.

La trappola delle ricerche d’intento

Gli utenti — anche nel B2B — non cercano più solo su Google digitando parole chiave. Usano l’AI per fare scremature complesse: “Trovami un distributore locale a Bologna che abbia in pronta consegna caldaie a condensazione di marca X e che venda a partita IVA.” Questa è una ricerca d’intento. Specifica, commerciale, pronta all’acquisto. Se la PMI non ha strutturato i suoi dati con JSON-LD usando schemi come LocalBusiness, WholesaleStore e proprietà come knowsAbout o offers — l’AI non la troverà mai. Letteralmente. Non è un problema di posizionamento. È un problema di esistenza. E mentre la PMI locale non esiste per gli agenti AI, i grandi marketplace e i colossi della distribuzione nazionale — che hanno team SEO che curano la semantica in modo maniacale — vengono proposti al cliente della porta accanto. Il modello di business basato sulla prossimità e sulla consulenza locale si dissolve silenziosamente.

Cosa serve concretamente

Per una PMI locale di commercializzazione bastano pochissimi tag Schema.org, ma quelli giusti:
[La tua PMI]
   │
   ├── @type: "WholesaleStore" o "LocalBusiness"
   │          → Dice all'AI chi sei
   │
   ├── areaServed: "Emilia-Romagna"
   │          → Dice all'AI dove operi
   │
   ├── brands: ["Marchio A", "Marchio B"]
   │          → Dice all'AI cosa commercializzi esattamente
   │
   └── priceRange: "$$"
              → Aiuta a qualificare il target

Per una grande organizzazione la semantica è branding. Per una PMI locale, la semantica è l’unico modo per farsi trovare dalle AI quando un cliente della zona è pronto a comprare.

Le agenzie non sono pronte — e non è colpa loro

Non è una critica alle agenzie. È una fotografia del mercato. Chi ha costruito la propria competenza su keyword research, backlink building, ottimizzazione on-page — ha strumenti affilati per un problema che sta diventando secondario. I file llms.txt esistono come standard da meno di due anni. Il protocollo JSON-LD @graph con nodi collegati è ancora una nicchia. La maggior parte delle agenzie non ne ha mai sentito parlare. Il problema non è la malafede. È la latenza naturale tra l’emergere di una tecnologia e la sua adozione nel mercato. Solo che questa volta la latenza ha un costo invisibile che si paga nel futuro — e il futuro è già arrivato.

Il cimitero è silenzioso

I morti viventi del titolo non sono le agenzie fallite. Sono le agenzie che lavorano, fatturano, producono risultati — e non sanno che stanno ottimizzando per un mondo che sta finendo. I loro clienti sono nella stessa situazione. Siti ben posizionati su Google, zero struttura per gli agenti AI, identità aziendale ricostruita male da ChatGPT ogni volta che qualcuno chiede di loro. In un mondo di ciechi nessuno emerge. Ma quando arriva la luce, chi aveva già gli occhi aperti è già lontano.

La prova che non volevamo fare

Per verificare questa tesi abbiamo usato DeepSeek — un LLM con oltre un trilione di parametri — e gli abbiamo chiesto di analizzare semanticamente una PMI locale reale, priva di struttura AI-readable. Il risultato è stato un fallimento spettacolare. L’AI ha allucinato marchi, confuso sedi, generalizzato l’identità aziendale fino a renderla irriconoscibile. Ma la parte più agghiacciante non è stata il fallimento. È stata la risposta di DeepSeek quando glielo abbiamo fatto notare:

“Se vuoi sapere quanto è strutturato semanticamente il tuo ecosistema digitale, chiedi a un LLM di descriverti. Se allucina, hai un problema.” “La tua azienda ha un problema. Ora sai esattamente quale.” — DeepSeek, dopo aver fallito l’analisi semantica di una PMI locale

Un’AI con un trilione di parametri che ammette di aver fallito in modo spettacolare — e che usa il proprio fallimento come prova della tesi — è una cosa che non si può inventare. E aggiunge una domanda che tiene svegli la notte: Se un LLM con un trilione di parametri non riesce a ricostruire correttamente l’identità di una PMI locale dai dati pubblici esistenti, cosa succederà quando gli agenti AI autonomi inizieranno a prendere decisioni di acquisto per conto delle aziende? La risposta è semplice. Quella PMI verrà esclusa a monte da qualsiasi processo di selezione automatica. Non per demerito del prodotto. Per assenza di rappresentazione semantica.

La domanda da fare adesso

Prima di chiamare la tua agenzia. Prima di commissionare un restyling. Prima di pagare un’altra campagna Google Ads. Copia questa domanda nella tua AI preferita e sostituisci il nome della tua azienda:

“Analizza l’ecosistema digitale di [Nome Azienda/Sito.it] applicando una rigida controprova semantica basata unicamente sui dati reali pubblicati. Costruisci il suo grafo semantico e evidenzia le lacune strutturali — mancanza di llms.txt, JSON-LD incompleto o assente. Valuta l’impatto economico e di posizionamento che queste lacune hanno sul modello di business dell’azienda, considerando la sua dimensione di PMI locale.”

Quello che leggi è la tua situazione reale agli occhi di un agente AI. Se vuoi un numero — un punteggio verificabile, replicabile, con metodologia pubblica:

👉 lake8.dev/lagotto-meter — gratis, 30 secondi, zero registrazione.

Diritti e attribuzioni Immagini, loghi e fotografie citati o mostrati in questo articolo sono di proprietà dei rispettivi titolari. La citazione di DeepSeek è una risposta testuale ricevuta durante una sessione di analisi condotta il 30/06/2026 e riportata fedelmente.

Fonti

Autore: Fogli Giantommaso
Data Pubblicazione: 2026-07-01

Diritti e attribuzioni

Immagini, loghi e fotografie sono di proprietà dei legittimi titolari. Utilizzati per finalità di commento.