Category-Conditioned Web Exposure Tracks Brand Presence in ChatGPT Fanout Queries

Quando si chiede a un'intelligenza artificiale moderna e connessa a Internet quali siano le migliori fotocamere o i migliori strumenti di gestione dei progetti, la macchina non si limita a scansionare il web e a scegliere i primi risultati che trova. Prima ancora di guardare una singola pagina web, l'IA scrive la propria query di ricerca. Questa prima bozza, creata in una frazione di secondo, include spesso nomi di marchi specifici come Canon o Sony. Questo accade prima che un essere umano o un computer abbia visto i risultati effettivi della ricerca. La macchina sta essenzialmente decidendo, in anticipo, di quali aziende è disposta a parlare. Questa decisione iniziale è cruciale perché il motore di ricerca cercherà quindi pagine che parlano di quei marchi specifici, rendendoli molto più probabili nell'apparire nella risposta finale. Se un marchio viene lasciato fuori da quella prima bozza, è quasi invisibile, anche se la macchina sa che quel marchio esiste.

Ciò solleva una domanda enigmatica per chiunque cerchi di capire come funzionano questi sistemi: se l'IA conosce un marchio, perché a volte lo omette da quella prima bozza? La macchina sta dimenticando il marchio o sta facendo una scelta deliberata? Uno studio del ricercatore indipendente Antony Deroshan indaga esattamente su questo momento decisionale. La ricerca si concentra su un tipo specifico di intelligenza artificiale capace di cercare sul web, osservando come sceglie quali nomi di aziende includere nella sua richiesta di ricerca iniziale. Lo studio chiede se la macchina sia semplicemente ignara di certi marchi o se li stia filtrando attivamente in base a una regola nascosta. I risultati suggeriscono che la macchina conosca perfettamente i marchi, ma sia costretta a lasciarli fuori perché ha un limite rigoroso su quanti nomi può elencare contemporaneamente.

Per comprendere la meccanica di ciò, il ricercatore ha dovuto innanzitutto separare ciò che la macchina sa da ciò che sceglie di dire. Ha chiesto all'IA, con l'accesso a Internet disattivato, di elencare i marchi leader in categorie come l'email marketing, i software di assistenza clienti e le fotocamere. La macchina è stata in grado di nominare molti marchi, inclusi alcuni che raramente menziona quando effettua ricerche sul web. Ad esempio, quando le è stato chiesto quali marchi le venissero in mente per l'email marketing, la macchina ha nominato "Campaign Monitor" in 49 casi su 50. Tuttavia, quando alla stessa macchina è stato chiesto di effettuare una ricerca dal vivo sui migliori strumenti di email marketing, ha incluso "Campaign Monitor" nella query di ricerca iniziale solo una volta su 50. La macchina conosceva chiaramente il marchio, eppure lo ometteva costantemente dalla richiesta di ricerca. Questo divario tra conoscenza e azione ha dimostrato che l'omissione non era un fallimento della memoria.

Il ricercatore ha poi costruito una simulazione per capire perché ciò accadesse. Ha creato una versione dell'IA che potesse scrivere query di ricerca ma che non fosse autorizzata a consultare siti web reali. Ha testato questo simulatore chiedendogli di elencare marchi sotto diversi vincoli. Quando ha detto al simulatore di scrivere una query molto breve, esso scartava gli stessi marchi che scartava la macchina reale. Ma quando ha detto al simulatore di elencare quanti più marchi possibile, esso includeva tutti, compresi quelli che solitamente venivano lasciati fuori. Ciò ha rivelato che la macchina non esclude i marchi perché non le piace o perché non li conosce; li esclude perché ha un budget ristretto per quanti nomi può inserire in una singola frase. La macchina è essenzialmente un bibliotecario con una lista molto breve da scrivere. Se la lista può contenere solo tre nomi, sceglierà i primi tre, e il quarto miglior marchio, per quanto famoso, verrà lasciato fuori dalla lista interamente.

Lo studio ha anche esaminato cosa determini l'inserimento in quella breve lista. Il ricercatore ha trovato una forte connessione tra la frequenza con cui un marchio appare su Internet in relazione alla sua categoria specifica e quanto alto sia il suo rango nella lista interna della macchina. Per esempio, se un marchio di fotocamere viene menzionato frequentemente su siti web che parlano anche di fotocamere, è più probabile che venga incluso nella query di ricerca. Tuttavia, questo funziona solo se il conteggio è specifico per la categoria. Un'azienda che produce molti prodotti diversi, come una grande azienda tecnologica che vende fotocamere, telefoni e computer, potrebbe apparire su milioni di siti web. Ma se si contano tutte le menzioni, quell'azienda potrebbe sembrare il marchio di fotocamere più popolare. Se si contano invece solo i siti web che menzionano specificamente le fotocamere, un altro marchio potrebbe essere in realtà più prominente. Lo studio ha dimostrato che la macchina presta attenzione a questa popolarità specifica, focalizzata sulla categoria. Classifica i marchi in base a quanto sono visibili all'interno del loro campo specifico, non solo in base a quanto l'azienda sia famosa in generale.

Per testare se questo schema valesse anche per nuove categorie, il ricercatore ha applicato lo stesso metodo ai software di firma elettronica, un gruppo di marchi che non aveva ancora studiato. Ha misurato quanto spesso ogni marchio appariva su siti web relativi alla firma di documenti e ha confrontato questo dato con la frequenza con cui la macchina li includeva nelle sue liste di ricerca simulate. I risultati corrispondevano quasi perfettamente. I marchi che apparivano più spesso su siti web pertinenti erano quelli che la macchina sceglieva di includere nella sua breve lista. Ciò suggerisce che la classificazione interna della macchina è profondamente legata a come i marchi sono rappresentati sul web, specificamente nel contesto della domanda posta. La macchina non sta inventando queste preferenze; sta riflettendo la struttura delle informazioni che ha appreso da Internet.

La ricerca ha anche escluso diverse altre possibili spiegazioni. Ha testato se la macchina preferisse semplicemente certi marchi rispetto ad altri durante la lettura di un testo, indipendentemente dalla query di ricerca. In un test, alla macchina sono state mostrate tre descrizioni identiche di un'azienda fittizia, con solo il nome del marchio cambiato. Essa ha scelto costantemente un marchio rispetto agli altri, mostrando una leggera preferenza. Tuttavia, questa preferenza non corrispondeva ai marchi scelti per le sue query di ricerca. La macchina potrebbe apprezzare un marchio durante la lettura di una descrizione, ma sceglie marchi diversi quando decide cosa cercare. Ciò dimostra che la decisione di includere un marchio in una query di ricerca è un processo separato dal semplice piacere per un nome di un marchio. Lo studio ha anche verificato se rimuovere siti web di bassa qualità o duplicati cambiasse i risultati. Non è successo. Il legame tra visibilità sul web e le scelte della macchina è rimasto forte anche dopo la pulizia dei dati.

In definitiva, lo studio delinea un quadro chiaro di come operano queste macchine dotate di funzioni di ricerca. Non sono generatori casuali di testo, né semplici motori di ricerca che elencano tutto ciò che trovano. Sono sistemi che compiono una serie di scelte vincolate. Conoscono una vasta quantità di informazioni, ma quando devono porre una domanda a Internet, devono comprimere tale conoscenza in una lista molto breve. I marchi che superano la selezione sono quelli che non solo sono conosciuti, ma che sono anche altamente visibili nel contesto specifico della domanda. Per essere visti da questi sistemi, non basta esistere; bisogna essere prominenti nelle conversazioni giuste. La prima bozza della macchina è un guardiano e la chiave per superare quella porta non è solo essere famosi, ma essere l'opzione più rilevante per l'argomento specifico trattato. Questa intuizione cambia il modo in cui dovremmo pensare alla visibilità nell'era dell'intelligenza artificiale, spostando l'attenzione dal semplice essere presenti online all'essere chiaramente e specificamente associati alle domande che le persone pongono.