Un falso aggiornamento di Google è stato ripreso da AI Overviews in 24 ore

Stai allocando budget in base a un update di Google mai avvenuto. Non è fantascienza: è successo davvero. Lo scorso gennaio, un test deliberato ha mostrato quanto sia fragile l’ecosistema informativo su cui iniziamo a basare le decisioni di campagna. È stato pubblicato un articolo completamente falso, a firma di una nota SEO, in cui si annunciava un inesistente aggiornamento core dell’algoritmo. Nel giro di 24 ore, Google AI Overviews serviva quella bufala agli utenti come un dato di fatto, rilanciando dettagli precisi su un cambiamento che Google non aveva mai comunicato, come documentato da un report su Substack. Per chi gestisce budget pubblicitari, il segnale è allarmante: gli strumenti che promettono di semplificare la ricerca e l’analisi stanno iniziando a rigurgitare contenuti sintetici senza alcuna verifica, e la contaminazione è già in corso.

Il fantasma dell’algoritmo

L’episodio di gennaio non è stato un caso isolato, ma la conferma di una tendenza emersa con chiarezza già a settembre 2025. In quell’occasione, Perplexity aveva citato due articoli generati dall’intelligenza artificiale per rispondere a una domanda su un aggiornamento dell’algoritmo di Google. Entrambi i testi provenivano da blog di agenzie SEO, scritti interamente da macchine, e descrivevano con sicurezza un update che non era mai stato rilasciato. Il problema non sta solo nell’errore in sé, ma nella dinamica che lo produce: un motore di ricerca basato su AI sintetizza fonti che sono a loro volta sintesi di altre sintesi, fino a creare un circuito chiuso in cui la verifica fattuale scompare.

Per un media buyer, la differenza tra un aggiornamento reale e uno inventato non è accademica. Un cambio nell’algoritmo di Google può alterare la distribuzione del traffico organico, spostare i benchmark di costo per clic e modificare la pressione competitiva su determinate query. Se un team alloca il budget Performance Max o aggiusta le strategie di offerta basandosi su una notizia falsa, il danno si misura in spesa inefficiente e in opportunità perse. E non serve un deepfake sofisticato: è bastato un articolo generato in pochi minuti per superare i filtri di uno degli strumenti di AI più utilizzati al mondo.

Il contagio dei modelli

La radice strutturale di questi incidenti ha un nome preciso: model collapse. Il fenomeno è stato descritto in uno studio su Nature fin dal 2024, e spiega perché i modelli addestrati in modo indiscriminato su contenuti generati da altri modelli sviluppano difetti irreversibili. Quando un’AI impara da dati che contengono già output sintetici, le code della distribuzione originale – i casi rari, le informazioni di nicchia, i fatti meno rappresentati – iniziano a scomparire. Il modello perde progressivamente la capacità di rappresentare la realtà nella sua interezza e diventa sempre più vulnerabile alla disinformazione. È un circolo vizioso: più l’AI produce, più inquina il corpus su cui la generazione successiva si addestra.

La facilità con cui questi sistemi possono essere ingannati aggrava il quadro. A febbraio 2026, un’inchiesta della BBC ha dimostrato che è molto più semplice ingannare i chatbot AI di quanto non fosse ingannare Google due o tre anni fa. Non servono competenze tecniche avanzate: in venti minuti, un ricercatore è riuscito a far passare informazioni false attraverso ChatGPT e Google, aggirando i meccanismi di controllo. Per chi lavora nel paid media, questo significa che qualsiasi contenuto pubblicato online – inclusi report fasulli, case study gonfiati e comunicati stampa fittizi – può entrare nel flusso informativo su cui si basano strumenti come AI Overviews o le integrazioni di Gemini nella ricerca. La superficie d’attacco è enorme, e le difese sono ancora minime.

Non è un problema teorico. Se un concorrente o un attore malevolo volesse manipolare le percezioni di mercato, il costo per farlo è irrisorio. Basta generare contenuti plausibili su un presunto cambio di policy di Google Ads, una nuova restrizione sui tracciamenti o una modifica ai formati disponibili. L’AI di sintesi potrebbe riprenderli, attribuendo loro autorevolezza, e un advertiser meno scettico potrebbe prendere decisioni operative basandosi su dati completamente artefatti. In un settore dove il ritorno sulla spesa pubblicitaria (ROAS) e il costo per acquisizione (CPA) dipendono da valutazioni rapide su segnali di mercato, fidarsi ciecamente dei riepiloghi AI è un rischio che nessun account manager dovrebbe correre.

2 miliardi di orecchie (troppo) fiduciose

Il dato che cambia la scala del problema arriva da Google stesso. A luglio 2025, i dati ufficiali di Google indicavano che AI Overviews aveva già superato i 2 miliardi di utenti mensili, distribuiti in oltre 200 paesi e 40 lingue. Non stiamo parlando di una funzione sperimentale accessibile a pochi early adopter: è una porta d’accesso alla conoscenza per una fetta enorme della popolazione digitale globale, integrata direttamente nella pagina dei risultati di ricerca. Quando quello strumento cita una fonte inattendibile, l’effetto di amplificazione è immediato e potenzialmente planetario.

Per i marketer, la lezione operativa è netta. AI Overviews, Perplexity e qualsiasi altro motore di ricerca basato su modelli linguistici non sono motori di verità: sono motori di sintesi statistica. Non distinguono tra un comunicato ufficiale di Google e un post generato da un LLM su un blog con zero autorità, se i pattern linguistici sono sufficientemente coerenti. L’unica difesa è un sano scetticismo metodico: verificare sempre la fonte primaria, incrociare le informazioni con canali ufficiali e, quando una notizia su un aggiornamento di algoritmo arriva via AI, trattarla come un rumor da validare prima di muovere un euro di budget.

In un ecosistema dove l’AI genera e cita le proprie allucinazioni, l’ultima difesa per chi gestisce campagne è un fact-checking manuale sistematico. Non è efficiente, non scala, ma è l’unica barriera che abbiamo finché gli strumenti di sintesi non includeranno meccanismi robusti di attribuzione e verifica delle fonti. Fino a quel momento, ogni riepilogo generato automaticamente va letto con lo stesso scetticismo che riserveresti a un report trovato su un forum anonimo.