Il benchmark AA‑Omniscience di Artificial Analysis ha fatto parlare di sé: Claude Opus 5.5, il modello che attualmente occupa la vetta, risponde correttamente al 66 % delle domande di fatto quando non può fare ricerche online. Il resto dei risultati si distribuisce fra errori e risposte del tipo “non lo so”. Questo dato non è casuale: spiega perché gli assistenti IA tendono a consultare la rete quando hanno bisogno di precisione, e perché le pagine che trovano continuano a contare.
La riflessione nasce dall’analisi pubblicata il 5 ottobre 2026 dal consulente SEO Natzir Turrado, che si basa anche sui dati pubblici del benchmark stesso. La sua tesi è semplice: incorporare conoscenza in un modello è costoso, ma la ricerca esterna è più economica, più aggiornata e, se esiste, viene sempre ottimizzata per essere trovata.
Che cosa misura AA‑Omniscience?
Il test valuta se un modello conosce dati concreti e, soprattutto, se sa riconoscere quando non li conosce. Sono 6.000 domande su 42 temi, distribuiti in sei aree: azienda, scienze umane, finanza, diritto, medicina e scienza.
Il punteggio va da –100 a 100: +1 per una risposta corretta, –1 per una risposta errata e 0 per chi si astiene. Un punteggio zero corrisponde a un numero equilibrato di successi ed errori. In pratica, il sistema premia chi resta in silenzio quando dubita e penalizza chi inventa.
Un aspetto cruciale è che il test viene eseguito senza alcuna tool. Il modello non può consultare documenti, eseguire codice o accedere a internet; valuta solo ciò che ha già interno.
Le prestazioni dei modelli leader
I primi tre posti sono molto vicini. Secondo la pagina di Artificial Analysis, Claude Opus 5.5 detiene l’indice 46 con una precisione del 66 %. Lo seguono GPT‑6 Astra in configurazione alta (indice 44) e Claude Fable 5.1 (indice 43), con precisione del 67 %.
Con questi due numeri si può ricavare una stima delle percentuali di errore: Opus 5.5 commette errori in circa il 20 % delle domande e si astiene nel 14 % rimanente. Fable 5.1 sbaglia circa il 24 % e si astiene nel 9 %.
Turrado cita valori leggermente diversi: un 23 % di fallimento per Opus 5.5, un 29 % per Sonnet 5.5 e tra il 23 % e il 43 % per i primi dodici modelli. La differenza non cambia la tesi fondamentale: si parla di un errore ogni quattro o cinque domande.
Il valore della prudenza
L’aspetto più sorprendente è la frequenza con cui i modelli “inventano” quando non hanno certezza. Fable 5.1, pur avendo una percentuale di successo leggermente superiore, è inferiore all’indice perché risponde più spesso quando dovrebbe restare in silenzio.
Artificial Analysis introduce una terza metrica: il tasso di alucinazione, ovvero la proporzione di risposte errate rispetto a tutte le risposte non corrette. In termini pratici: quando il modello non sa qualcosa, quante volte finisce per inventare invece di ammettere l’incertezza?
Secondo i miei calcoli, Opus 5.5 inventerebbe circa il 59 % delle volte che non conosce, mentre Fable 5.1 sarebbe intorno al 73 %. Al contrario, un modello molto piccolo, MiniCPM5‑1B, ha un tasso di alucinazione dell’1 %: non è più sapiente, ma è estremamente prudente.
Questa tensione non è un difetto di progettazione. Nel 2025 abbiamo mostrato che le alucinazioni dell’IA sono un limite matematico, non un errore di ingegneria, basandoci su uno studio di OpenAI.
Perché il SEO è ancora indispensabile
La soluzione pratica al problema della conoscenza limitata è la ricerca. Se un modello non può rispondere con certezza, deve recuperare informazioni aggiornate dall’esterno, e per farlo qualcuno deve averle pubblicate in modo facilmente trovabile.
La ricerca è costosa e complessa. Nel 22 aprile 2025, durante il processo antimonopolio contro Google, il responsabile prodotto di ChatGPT, Nick Turley, ha dichiarato che OpenAI era a pochi anni dal poter rispondere all’80 % delle richieste con la propria tecnologia di ricerca, mentre Google aveva rifiutato di condividerla.
Nel frattempo Google ha spostato il proprio motore di ricerca verso l’integrazione dell’intelligenza artificiale: nel luglio dello stesso anno, la ricerca con IA è diventata l’opzione predefinita per il 43 % delle ricerche, con minori clic per gli editori.
La parte più scomoda
Il dato più inquietante è che i modelli hanno bisogno della rete, ma non è detto che restituiscano traffico alla fonte originale. Un assistente può leggere la tua pagina, estrarre un dato e rispondere senza che l’utente acceda mai al tuo sito.
Per chi pubblica online, questa è la nuova sfida: come garantire che i propri contenuti siano non solo letti, ma anche citati e linkati dall’IA?
Consigli pratici per l’ottimizzazione per ChatGPT
1. Data e date: le informazioni che cambiano frequentemente (prezzi, dati demografici, notizie) sono più probabili di essere recuperate dalla rete. Includi date precise e numeri affidabili.
2. Chiarezza e autonomia: le risposte che possono essere comprese in una singola frase, senza bisogno di consultare l’intero contesto, sono più facilmente citabili dall’IA.
3. Proprietà del dato: se il dato è unico e non pubblicamente disponibile altrove, è l’unica fonte che l’IA può usare. Questo aumenta le probabilità di citazione diretta.
Conclusioni
Il benchmark AA‑Omniscience evidenzia che, anche con i modelli più avanzati, l’errore è quasi inevitabile quando l’IA deve rispondere a domande di fatto senza assistenza esterna. La tendenza all’alucinazione è forte, ma la prudenza è un valore che migliora la fiducia degli utenti.
Per gli editori, la lezione è chiara: non basta solo essere presenti sul web, ma è fondamentale creare contenuti che siano facili da citare, aggiornati e con dati originali. Solo così l’IA li riconoscerà, li userà e, soprattutto, li linkerà, garantendo al contempo traffico e visibilità.
Il futuro del SEO non è solo ottimizzare per i motori di ricerca tradizionali, ma anche per i nuovi assistenti virtuali che leggeranno, riassumeranno e citeranno il tuo lavoro. Se vuoi che la tua voce sia ascoltata, devi farla parlare chiaramente e con dati solidi.