La similarità semantica negli LLM confonde il già detto col nuovo, spingendo i motori a premiare la differenza sostanziale.
Da qualche mese i posizionamenti si muovono in modo strano: contenuti più corti e con meno keyword superano pagine più lunghe e ottimizzate. Il fattore che spiega lo scarto ha un nome preciso, information gain, e sta cambiando il modo in cui Google valuta la rilevanza. Secondo la guida di Ahrefs, la definizione di information gain è l’informazione aggiuntiva che una pagina contribuisce oltre a ciò che già si posiziona per la query.
Il problema è a monte: i modelli LLM probabilistici sono progettati per assegnare probabilità a sequenze, non per riconoscere il confine tra già detto e nuovo. Basta un test: la similarità semantica tra frasi diverse fa sì che “il gatto non sta bene” e “il felino è malato” vengano trattati come la stessa informazione, pur non avendo quasi parole in comune.
La conseguenza operativa è immediata: la riscrittura di un articolo concorrente non aggiunge nulla di nuovo per il modello, e la tua pagina cadrà nello stesso punto semantico della cosa riscritta.
Google non premia più chi riscrive meglio. Premia chi aggiunge conoscenza che prima non c’era.
L’AI generativa sta producendo un web fotocopia
Il paradosso è che gli strumenti di AI generativa spingono i SEO a produrre contenuti omogenei e senza angoli originali.
Lo si vede nei settori più presidiati: la convergenza editoriale delle istituzioni finanziarie porta sette realtà diverse — cooperative di credito, associazioni bancarie, mega-bureau — a pubblicare gli stessi argomenti, cambia solo il numero nel titolo: 5 consigli, 7 consigli, 10 cose.
Melina Beeston, nei punti salienti delle sessioni MozCon ’26 pubblicati sul canale YouTube di Moz, segnala due interventi: Chima Mmeje su come scalare contenuti di alta qualità senza cedere la voce del brand a testi generati da AI “senz’anima”, e Mike King su dove sta andando il search marketing e se l’industria si sta evolvendo oltre la SEO tradizionale.
Sullo stesso canale, il video sull’influenza SEO nei dati di training, pubblicato il 16 agosto 2026, e il video sul grounding esterno degli LLM, del 13 agosto 2026, indicano che la partita si sposta su come i modelli cercano fonti esterne e come i dati di training possono essere influenzati dalla SEO.
L’information gain non è una vanity metric, è un fossato
Ahrefs considera l’information gain il differenziatore per i contenuti; tra ci sono pubblico di proprietà, fossato, menzioni nelle risposte AI e riconoscimento dai motori di ricerca. In una pagina dei risultati in cui tutti ripetono le stesse cose, l’unico contenuto citato da una risposta AI è quello che aggiunge un dato, un test, un’angolazione originale.
Smetti di chiedere all’AI di scrivere. Chiedile di pensare
Qui sta il passaggio operativo per chi ottimizza un sito domani mattina: il lavoro non è produrre più testi, ma trovare angoli non coperti, dataset originali, test interni, domande che nessuno ha posto. Come dice Ryan Law, il director of content marketing di Ahrefs:
L’information gain è Google che premia i contenuti per essere diversi e non solo migliori.
La direzione è confermata dalla presentazione di Crystal Carter a MozCon NYC, dedicata alla SEO nell’era degli agenti AI: chi ottimizza deve prepararsi a essere una fonte citata da agenti, non solo una pagina cliccata da umani.
