Spesso immaginiamo che un modello GPT “navighi il Web” come noi: scorre una pagina, vede immagini, link, layout. Invece non è così. In un recente articolo del blog di DEJAN AI (dejan.ai), viene spiegato in modo chiaro e concreto come GPT “vede” – o meglio, riceve – il Web: non pagine complete, non HTML integrale, ma frammenti controllati e finestre scorrevoli che rendono la sua visione molto diversa dalla nostra.
In questo articolo ti guiderò attraverso i punti principali di quell’analisi, per capire cosa significa davvero ‘essere visibili’ a GPT (e ai sistemi ad esso collegati).
Cosa riceve GPT quando “fa ricerca”
Quando GPT “chiede” una ricerca sul Web, non riceve la pagina completa. Riceve un oggetto strutturato che contiene:
- titolo
- URL
- uno snippet breve (1-3 frasi)
- metadati opzionali (data, punteggio)
Non arrivano a GPT né l’intera pagina HTML, né immagini, né strutture di navigazione del sito. In sostanza: il modello parte da un riassunto o “cartolina” della pagina.
Questo ha implicazioni importanti: se vuoi essere “visto” bene dal modello, non basta che la tua pagina esista. Deve essere estratta bene da quel frammento.
Come funziona l’“open” e il “click” (le estensioni
Una volta ottenuto lo snippet iniziale, GPT può chiedere di espandere la visualizzazione:
- open() → richiede una finestra di testo più ampia, dalla stessa pagina, intorno a una certa linea.
- click() → segue un link presente nello snippet per aprire un’altra pagina, ricevendo un nuovo snippet secondo le stesse regole.
Non è un’unica apertura: GPT può richiedere più “finestre” di testo scorrendo lungo la pagina (una sorta di sliding window): prima le prime righe, poi magari la linea 50, poi la 120… fino a un certo limite. È così che il modello “legge” la pagina.
Tuttavia, non può ricostruirla nella sua interezza.
Limiti reali: non può tutto
Ecco le due categorie principali di limiti che vincolano quanto GPT “vede”:
A) Limiti di recupero
Ogni open() restituisce solo una finestra di testo con dimensione fissa. Anche se la pagina avesse 10 000 parole, GPT vedrà solo quel pezzo.
B) Limiti di output
Anche se GPT “legge” più finestre, quando deve rispondere non può restituire interi mega-passaggi del testo, né può citare troppo. Deve riassumere.
In pratica: il modello lavora con quantità moderate di testo, estratto, e poi genera risposte. Quindi la qualità del frammento che riceve è molto più importante della quantità.
Implicazioni pratiche (per siti, contenuti, visibilità)
Conoscendo questo funzionamento, diventano chiare alcune strategie utili per chi produce contenuti o gestisce un sito:
- Essere chiari fin dal primo paragrafo: visto che lo snippet iniziale è breve, metti subito il valore.
- Strutturare bene il contenuto: sezioni chiare, titoli H2/H3, evitare salti di argomento. Uno snippet ben estratto dipende da una struttura coerente.
- Non puntare solo sulla lunghezza: avere un articolo di 4 000 parole non garantisce che lo snippet migliore emerga se il contenuto è confuso o poco mirato.
- Controlla i link e la navigazione: perché i click() possono portare ad altre pagine, e la coerenza tra snippet e pagina di destinazione conta.
- Metti in evidenza la parte più utile della pagina: la prima “finestra” che GPT può vedere va curata.
Perché questo cambia il modo di pensare alla “visibilità online”
Tradizionalmente, quando pensavamo a apparire nei motori di ricerca, immaginavamo che “posizionarsi bene” significasse semplicemente scalare la SERP e avere un buon sito web. Ma ora, con GPT e modelli simili:
- Non basta “essere sul Web”, bisogna essere estratti bene.
- Anche pagine in posizioni meno elevate possono influenzare se lo snippet è di qualità.
- Il modello aggrega informazioni da più fonti; non è solo “il primo risultato”.
- La visibilità non è solo per chi è in prima posizione, ma per chi è rilevante nel frammento che il modello vede.
In altre parole: la tua pagina non compete solo con le altre per il click umano, ma per l’estrazione che i modelli faranno di essa.
Conclusione
Capire come GPT “vede” il Web — attraverso snippet, finestre, limitazioni — ci porta a ripensare il nostro approccio ai contenuti online. Non basta scrivere tanto o ottimizzare per il clic: occorre pensare come i modelli consumano ciò che scriviamo.
Se curiamo la struttura, mettiamo subito il valore, rendiamo i nostri contenuti estratti-friendly, allora non solo gli umani troveranno utile quello che offriamo, ma anche i modelli d’intelligenza artificiale che sempre più diventano intermediari della conoscenza sul Web.
In sostanza: non cerchiamo solo l’attenzione umana, cerchiamo l’estrazione intelligente. E farlo può fare la differenza nel prossimo futuro della visibilità digitale.
Ing. Giuseppe Cristofaro
Unisco tecnologia e creatività per portare l’AI nel marketing e nei processi di business.
Credo nel potere dell’AI per innovare e costruire vantaggio competitivo.
