Le AI raccontano già chi sei a chi non ti conosce ancora. In queste note analizzo come governare quella narrazione: saggi, analisi e guide tecniche sull'architettura semantica, la Generative Engine Optimization (GEO) e il passaggio dal web dei contenuti a quello degli agenti. Per chi vuole essere letto dalle macchine come fatto, non come ipotesi.
Molti professionisti vogliono un proprio assistente AI, un bot che parli al posto loro, e immaginano di doverlo «addestrare» sulle proprie informazioni. È la parte sbagliata del problema. L'intelligenza di un bot si prende in prestito da un modello già capace, mentre ciò che lo rende affidabile è la conoscenza verificabile del professionista.
Dal marketing ai clienti umani al Business to Agent (B2A): perché il prossimo destinatario è un agente AI che legge, valuta e agisce, premiando chi dichiara la propria identità in dati strutturati. Con il caso Patagonia (owner: "The Earth").
La guida operativa al B2A: dal Generative Web all'Agentic Web, come diventare agent-ready, il confronto B2C/B2B/B2A, i protocolli di agentic commerce e l'impatto sul CAC. Con la disambiguazione di B2A.
Il principio che sta sotto tutte le altre note. Cos'è l'entity linking, perché non è entity resolution, e come definisce il lavoro di un Semantic Entity Architect.
Come costruire un'identità semantica leggibile dai sistemi AI senza una voce su Wikidata: JSON-LD, Schema.org, llms.txt e profili ufficiali come ancoraggi.
Perché i clienti cercano fornitori e soluzioni chiedendo all'AI, e cosa serve perché un'azienda venga trovata e citata correttamente nelle risposte generate.
Se condividi nome e cognome con altre persone, i sistemi AI possono fondere le vostre storie. La soluzione non consiste in una biografia migliore, ma nella costruzione di un'entità verificabile.
Le organizzazioni del terzo settore sono tra le entità meno leggibili dai sistemi AI. Essere trovati e citati con accuratezza non richiede la produzione di nuovo contenuto, richiede struttura.