---
title: "L'intelligenza non osservata degli LLM"
description: "Tutti guardano la domanda e la risposta. L'intelligenza sta in mezzo, e nessuno la guarda. Dieci giorni da Hexa, un mercato vero, e lo strato dello stack che nessuno possiede ancora."
canonical: https://www.askgib.com/it/articles/the-unobserved-intelligence-of-llms
last-updated: 2026-08-17
lang: it
---
# L'intelligenza non osservata degli LLM
> Tutti guardano la domanda e la risposta. L'intelligenza sta in mezzo, e nessuno la guarda. Dieci giorni da Hexa, un mercato vero, e lo strato dello stack che nessuno possiede ancora.
By Gibril Bachouchi. Filed 2026-08-17. 8 min read. Web page: https://www.askgib.com/it/articles/the-unobserved-intelligence-of-llms
Languages: [en](https://www.askgib.com/articles/the-unobserved-intelligence-of-llms.md) · [fr](https://www.askgib.com/fr/articles/the-unobserved-intelligence-of-llms.md) · [ar](https://www.askgib.com/ar/articles/the-unobserved-intelligence-of-llms.md) · [es](https://www.askgib.com/es/articles/the-unobserved-intelligence-of-llms.md) · [ru](https://www.askgib.com/ru/articles/the-unobserved-intelligence-of-llms.md) · [pt](https://www.askgib.com/pt/articles/the-unobserved-intelligence-of-llms.md) · [it](https://www.askgib.com/it/articles/the-unobserved-intelligence-of-llms.md) · [de](https://www.askgib.com/de/articles/the-unobserved-intelligence-of-llms.md) · [ja](https://www.askgib.com/ja/articles/the-unobserved-intelligence-of-llms.md) · [ko](https://www.askgib.com/ko/articles/the-unobserved-intelligence-of-llms.md) · [hi](https://www.askgib.com/hi/articles/the-unobserved-intelligence-of-llms.md) · [he](https://www.askgib.com/he/articles/the-unobserved-intelligence-of-llms.md) · [zh](https://www.askgib.com/zh/articles/the-unobserved-intelligence-of-llms.md) · [tr](https://www.askgib.com/tr/articles/the-unobserved-intelligence-of-llms.md) · [kab](https://www.askgib.com/kab/articles/the-unobserved-intelligence-of-llms.md)
Dei marchi vengono descritti ai loro clienti da una macchina, in un paragrafo che non vedranno mai scritto, costruito con fonti che non hanno scelto. La maggior parte ora paga qualcuno per misurarlo.
Tutti guardano la domanda e la risposta. L'intelligenza sta in mezzo, e nessuno la guarda.
Una volta le persone scrivevano parole chiave in una casella e ottenevano dieci link blu. Si poteva misurare. Posizione 3 per «scarpe da corsa», posizione 8 per «scarpe da trail running». Noioso, ma onesto.
Ora le persone scrivono una frase. Un modello la legge, capisce cosa intendevano davvero, la spezza in pezzi, va a cercare cose, ne butta via la maggior parte e scrive un paragrafo. Il marchio compare in quel paragrafo oppure no.
Tutto quello che conta succede nel mezzo. E il mezzo è una scatola nera.
Ognuna di quelle frecce è un punto in cui un marchio entra, o viene scartato. Oggi nessuno che vende GEO sa dirti quale freccia ti ha eliminato. Possono solo dirti che non eri nel paragrafo finale.
Ecco cosa manda in tilt chi arriva dalla SEO.
Fai la stessa domanda due volte e ottieni due risposte diverse. Fai la domanda in un modo leggermente diverso e ottieni un insieme diverso di fonti. Domani, di nuovo diverso. Non esiste il posto 3. Esiste una distribuzione.
Quindi il lavoro è un lavoro di campionamento:
- **Non lanci un prompt. Lo lanci n volte.** Una risposta è un aneddoto. Cento risposte sono una misura. Un tasso di menzione del 34% ± 6 significa qualcosa. «Siamo comparsi» non significa niente.
- **Raggruppi i prompt per intento, non per stringa.** «Il miglior CRM per un piccolo team» e «quale CRM dovrebbe usare una startup da 5 persone» sono la stessa domanda con vestiti diversi. Se li tratti come due parole chiave conterai due volte e ti farai un'idea sbagliata.
- **Misuri più della semplice presenza.** Tasso di menzione. Quota di voce rispetto ai concorrenti nominati. Posizione nella risposta. Sentimento quando si è citati. Quale fonte è stata citata per giustificare la menzione.
- **Guardi la varianza, non solo la media.** Un marchio citato il 90% delle volte su un modello e il 10% su un altro non ha un problema del 50%. Ha due problemi diversi.
- **Ti serve un controllo.** Altrimenti non puoi dire se il tuo contenuto ha prodotto qualcosa o se il modello è stato aggiornato martedì.
Questa è la spina dorsale analitica dell'intera categoria: disegno del campionamento, raggruppamento, attribuzione, intervalli di confidenza. È più vicina alla ricerca per sondaggi che alla SEO.
### La matematica che si guadagna davvero il suo posto
Quattro strumenti fanno gran parte del lavoro.
**Intervallo di Wilson, per «ne siamo sicuri?»**
Il tasso di menzione è una proporzione, e l'approssimazione normale crolla con campioni piccoli e con tassi vicini a 0 o 1, che è esattamente dove vivono i marchi. Wilson no. E ti dice in anticipo la dimensione del campione: per misurare un tasso di menzione con ±5 punti al 95% di confidenza servono circa 400 esecuzioni di quel gruppo di prompt. Con ±10 punti, circa 100. Se la tua dashboard riporta un numero basato su 20 esecuzioni, sta riportando rumore.
**Aggiornamento Beta-Binomiale, per «si è mosso?»**
Modelli il tasso di menzione di ogni gruppo di prompt come una distribuzione Beta. Distribuzione a priori dal mese scorso, verosimiglianza dalle esecuzioni di questa settimana, distribuzione a posteriori in uscita. Gestisce onestamente i campioni piccoli, accumula evidenze nel tempo invece di buttare via la settimana scorsa, e ti dà direttamente P(il tasso è salito) invece di un p-value che nessuno sa interpretare.
**Bayes, per «quale leva lo ha mosso?»**
È quello che la gente salta. Osservi una menzione. Quello che vuoi è P(la nostra nuova pagina ha causato questa | menzione), e quello che puoi misurare è P(menzione | la pagina è citata). Bayes inverte la cosa, e l'a priori è il tasso base di essere menzionati senza la pagina affatto. Fallo, e la maggior parte delle affermazioni «il nostro contenuto ha funzionato» crolla. Il tasso base era già alto e nessuno l'ha controllato. Stesso trucco per la catena delle fonti: data una menzione, quale delle tue proprietà è stata citata, pesata per quanto spesso quella proprietà viene citata in generale.
**Divergenza KL, per «quanto è lontano il nostro insieme sintetico dalla realtà?»**
Raggruppi i prompt per intento, ottieni una distribuzione sui gruppi per il tuo insieme sintetico e una distribuzione sui gruppi per il traffico reale, e misuri la distanza. KL (o Jensen-Shannon, che è simmetrica e limitata, quindi più facile da riportare) ti dà un solo numero di quanto sia sbagliato il tuo insieme di prompt simulati. Senza prompt reali non puoi calcolarlo affatto, ed è il problema silenzioso di ogni piattaforma solo-sintetica. Non riescono a misurare il proprio errore.
Altri due, in breve: **differenza nelle differenze** rispetto a un insieme di controllo di marchi concorrenti, così un aggiornamento del modello di martedì non viene registrato come una tua vittoria; e una **correzione per confronti multipli**, perché se testi 200 gruppi di prompt con `p<0.05`, ottieni dieci risultati «significativi» per puro caso.
Ho passato i dieci giorni a parlare davvero con le persone. Aziende con il problema, e aziende che vendono la cura. Profound e il resto di quel gruppo.
Il mercato è reale. Il problema è reale. I marchi guardano un canale che non riescono a vedere, e sta crescendo.
Ma quasi tutti lavorano con **prompt sintetici**. Un modello genera una lista di domande che i clienti «potrebbero» fare, e la piattaforma misura quelle. È intelligente. Funziona abbastanza bene da essere venduto. Anch'io ho lavorato con dati sintetici, e ho avuto segnali utili in fretta.
È comunque una supposizione. Un'ipotesi molto ben vestita su quello che gli esseri umani scrivono davvero. E il secondo problema è peggiore: anche con prompt perfetti, guardi solo l'input e l'output. Il mezzo resta buio. Non vedi le sotto-domande. Non vedi le query che si sono attivate. Non vedi le fonti che sono state considerate e scartate.
Disegna il ciclo e vedi dove si spezza.
Due rotture, che si sommano. La prima significa che ottimizzi per domande che nessuno ha fatto. La seconda significa che anche quando vinci non sai dire quale tua modifica l'ha fatto, quindi anche la decisione successiva è un'ipotesi. Un ciclo senza un feedback pulito non è un ciclo. È un tapis roulant con una dashboard avvitata sopra.
Il premio sono i dati grezzi. Prompt reali, sessioni reali, passaggi intermedi reali. Chi li ha non sta indovinando il mezzo. Lo può vedere.
Ogni industria dei dati finisce con gli stessi tre livelli, ed è utile sapere in quale ti trovi.
**Livello 1: raccolta.** Possiede i dati grezzi alla fonte. Panel, crawler, clickstream, scontrini, log telefonici. Lenta da costruire, costosa, poco appariscente. I margini migliori, la cosa più difficile da copiare.
**Livello 2: analisi.** Licenzia o compra dati grezzi, li pulisce, li normalizza, li trasforma in metriche e benchmark, vende una dashboard. La maggior parte delle startup sta qui perché è il punto più facile da cui partire.
**Livello 3: attivazione.** Prende le metriche e fa il lavoro. Agenzie, strumenti, content shop. Il più vicino al budget del cliente, con il margine più basso.
Di solito c'è anche un intermediario tra 1 e 2, come LiveRamp, Snowflake Marketplace o i rivenditori di dati delle carte, il cui unico compito è spostare i dati da chi li ha a chi li vuole.
La vecchia SEO si adatta bene a questo schema. La raccolta erano i crawler più i panel di clickstream venduti in silenzio dalle estensioni del browser e dagli ISP. L'analisi erano Semrush e Ahrefs, e nota che hanno costruito i propri crawler, quindi possiedono i livelli 1 e 2, ed è esattamente per questo che sono cresciuti. L'attivazione era ogni agenzia SEO del pianeta.
Da questo derivano due regole, e decidono chi sopravvive:
- **Il livello 2 da solo si banalizza.** Se dieci aziende licenziano lo stesso feed, riportano tutte gli stessi numeri e finiscono per competere su interfaccia e prezzo.
- **Il livello 1 può salire al 2 e al 3 quando vuole. Non funziona mai al contrario.**
Ora guarda la GEO oggi. Quasi ogni attore è un'azienda di livello 2 senza un livello 1 sotto. Non c'è nessun feed da licenziare, perché i dati vivono dentro i log di chat di qualcun altro. Quindi fabbricano l'input mancante, prompt sintetici, e vendono analisi sopra dati che si sono inventati.
I prompt reali e le sessioni reali sono il livello 1 di questa industria, e nessuno lo possiede ancora.
Non lo farebbe. È tutto il gioco, ed è dove la maggior parte delle idee in questo campo muore in silenzio.
Nessuno si sveglia con la voglia di venderti la sua cronologia di prompt. Ci sono solo due modi onesti per entrare:
1. **Costruisci qualcosa che la gente vuole per un motivo completamente diverso.** Un servizio che regge da solo, che userebbero anche se non toccassi mai i dati. I dati sono un sottoprodotto del valore che hai già dato. È così che ha funzionato ogni attività basata sui dati che ha mai funzionato.
2. **Paga.** Senza giri di parole. Compra i dati da chi li possiede, e sii chiaro su cosa compri e perché.
Tutto il resto è o un problema di privacy o un desiderio.
Questo vincolo non è una nota a piè di pagina del business. **È** il business. Qualsiasi azienda GEO che arriva a dati comportamentali reali prima dei concorrenti non vince del 10%. Smette di indovinare mentre tutti gli altri stanno ancora indovinando.
L'agente distilla già l'intento dal tuo prompt. Decide già cosa cercare. Decide già cosa tenere. Questo meccanismo si sta costruendo adesso, da tutti, molto in fretta.
Capire cosa succede tra il prompt e la risposta, quali azioni portano a quale risposta, e ottenere tutto questo da dati reali invece che simulati, sarà importante per ogni azienda che vende qualcosa.
E ora la parte silenziosa, perché la maggior parte di chi vende in questo settore non lo dirà. È un bel posto dove stare per un periodo limitato.
Due cose chiudono la finestra.
La prima è la legge. I diritti sui dati si stanno muovendo in ogni giurisdizione contemporaneamente, e vanno tutti nella stessa direzione. Raccogliere dati comportamentali, usarli e rivenderli diventa ogni volta più difficile, più lento e più costoso. Un'attività il cui intero vantaggio è detenere prompt reali e sessioni reali è un'attività il cui intero vantaggio è a una regolamentazione di distanza dall'essere una passività.
La seconda è che i dati smettono di essere speciali. Quello che ho detto prima, che i prompt sintetici sono un'ipotesi ben vestita, è vero oggi e lo è sempre meno ogni trimestre. Guarda di nuovo l'anatomia del mezzo. Distillazione dell'intento, scomposizione, recupero, selezione. Ognuno di questi è un passo che un modello esegue, il che significa che è un passo che si può chiedere a un modello di rieseguire, su richiesta. Una volta che un modello può ricostruire una distribuzione realistica di ciò che le persone chiedono davvero, il valore di averlo osservato crolla.
Anche il costo del farlo da soli scende nello stesso momento. Eseguire un gruppo di prompt qualche centinaio di volte e fare la statistica non è un calcolo costoso, e ogni anno costa meno. Oggi compri una piattaforma per farlo. Presto sarà un job programmato dentro il tuo stack, e nessuno compra una dashboard per un job programmato.
Poi l'ultima stretta, ed è quella che terrei d'occhio. I laboratori possiedono l'unica parte davvero non osservabile di tutto questo. Man mano che il modello stesso si banalizza, e si sta banalizzando, hanno bisogno di ricavi che non siano token. Vendere visibilità strutturata su cosa è successo tra il prompt e la risposta è la diversificazione ovvia, e sono gli unici che possono venderla senza chiedere il permesso a nessuno. Quel giorno, ogni azienda GEO indipendente rivenderà qualcosa che il suo stesso fornitore può offrire direttamente.
Quindi aspettati rumore. Round grossi, titoli grossi, una categoria che sembra il prossimo Semrush per circa tre anni. Parte di quei soldi è reale. La maggior parte dei fossati non lo è.
Penso ancora che sia uno dei posti migliori dove stare. Sono meno sicuro che sia un buon posto dove restare.
Ho scoperto tutto questo durante dieci giorni nell'incubatore Hexa. Ti presenti, ti danno un problema, e il tuo compito è dimostrare che la loro idea ha valore. È l'accordo.
Non è un esperimento mentale. L'idea è uscita da quei dieci giorni con abbastanza sostanza da far sì che Hexa ci investa circa €750.000 per costruirla, e la porti avanti con il mio socio.
Non sono stato selezionato per andare avanti, ma sono stati comunque uno dei migliori dieci giorni che ho avuto da molto tempo. Problema reale, utenti reali al telefono, mercato reale, nessuna messinscena. Il lavoro ha retto.
Lo rifarei domani (ma stavolta con YC 🤣).