La GEO Human-Centered è un approccio alla Generative Engine Optimization che mette la persona, la sua esperienza e la qualità della conoscenza al centro dell'ottimizzazione per i sistemi di intelligenza artificiale. Non significa rinunciare all'AI o alle tecniche GEO, ma utilizzarle per rendere la conoscenza umana più chiara, accessibile e comprensibile anche alle macchine, senza sacrificare creatività, pensiero critico, autenticità e relazione.
Con la diffusione di ChatGPT, Gemini, Perplexity e degli altri sistemi di ricerca generativa, i contenuti vengono sempre più spesso recuperati, interpretati e sintetizzati dall'intelligenza artificiale.
Questo rende importante capire come funzionano questi sistemi, ma apre anche una questione più profonda:
quanto possiamo ottimizzare i contenuti per le macchine senza finire per adattare la comunicazione umana alla logica delle macchine?
Le riflessioni contenute nell'enciclica Magnifica Humanitas di Leone XIV, che affronta anche il rapporto tra intelligenza artificiale, persona, creatività, pensiero critico, transumanesimo e postumanesimo, offrono alcuni spunti interessanti per affrontare questa domanda.
Da qui nasce una possibile nuova prospettiva sulla GEO: non ottimizzare l'uomo per l'AI, ma ottimizzare la conoscenza umana perché possa essere compresa anche dall'AI.
La GEO Human-Centered, o GEO centrata sull'essere umano, parte da un principio semplice: l'obiettivo della Generative Engine Optimization non dovrebbe essere soltanto aumentare la probabilità che un contenuto venga trovato, utilizzato o citato da un sistema AI.
Prima di tutto viene la qualità della conoscenza che stiamo mettendo a disposizione.
Un contenuto può essere tecnicamente perfetto per essere recuperato da un motore generativo, ma povero di esperienza, originalità e valore.
Al contrario, un contenuto costruito sulla reale competenza di un professionista, su esperienze concrete, dati verificabili e conoscenza autentica può diventare una fonte utile sia per le persone sia per i sistemi di intelligenza artificiale.
La differenza sta quindi nell'ordine delle priorità.
Una GEO puramente algoritmica potrebbe partire dalla domanda:
"Come faccio a farmi citare dall'AI?"
Una GEO Human-Centered parte invece da una domanda precedente:
"Quale conoscenza utile posso mettere a disposizione delle persone e rendere comprensibile anche ai sistemi AI?"
È un cambio di prospettiva importante.
La diffusione dei sistemi generativi sta introducendo un nuovo livello nell'evoluzione della ricerca.
Per anni abbiamo ottimizzato le pagine per essere comprese dai motori di ricerca.
Oggi dobbiamo considerare anche sistemi che non si limitano a restituire documenti, ma che recuperano informazioni da fonti differenti, le interpretano e costruiscono una risposta per l'utente.
Questo rende la GEO necessaria.
Ma proprio per questo diventa importante stabilire un confine.
L'ottimizzazione dovrebbe riguardare la forma con cui rendiamo accessibile la conoscenza, non la trasformazione della conoscenza stessa in qualcosa che risponda alle esigenze della macchina.
Una pagina chiara, ben strutturata, semanticamente coerente e facilmente recuperabile può essere più utile sia alle persone sia all'AI.
Ma non abbiamo bisogno di rendere il linguaggio artificiale per ottenere questo risultato.
Al contrario, possiamo partire da una comunicazione autenticamente umana e organizzarla in modo che sia facilmente interpretabile anche dai sistemi generativi.
Uno dei vantaggi più evidenti dell'intelligenza artificiale è la velocità.
Un sistema generativo può produrre in pochi secondi una struttura, un testo, una sintesi, una serie di idee o una spiegazione.
Questa possibilità è estremamente utile.
Il problema nasce quando la velocità diventa una sostituzione del processo creativo e del ragionamento umano.
Immaginiamo un professionista che voglia scrivere un articolo sulla propria specializzazione.
Può partire dalla propria esperienza, individuare i problemi più frequenti dei clienti, raccogliere casi reali e sviluppare una propria interpretazione.
Successivamente può utilizzare l'AI per organizzare le idee, verificare la struttura, individuare eventuali lacune e migliorare la leggibilità.
Oppure può chiedere direttamente:
"Scrivimi un articolo completo su questo argomento."
Il secondo metodo è sicuramente più veloce.
Ma il primo conserva qualcosa di fondamentale: il processo attraverso il quale nasce il pensiero dell'autore.
Il problema, quindi, non è che l'AI renda necessariamente meno creativi.
Il rischio è che la delega eccessiva delle attività cognitive riduca progressivamente la necessità percepita di pensare, verificare, scegliere e creare autonomamente.
Per una GEO centrata sull'essere umano questo principio è essenziale:
l'AI dovrebbe aumentare le capacità del professionista, non sostituire la sua capacità di elaborare conoscenza.
Questo è probabilmente uno dei principi più importanti dell'intero approccio.
Per utilizzare correttamente l'intelligenza artificiale bisogna conoscere, almeno sufficientemente, l'argomento con il quale ci si sta relazionando.
È un aspetto spesso sottovalutato.
La qualità dell'interazione con un sistema generativo dipende infatti anche dalla capacità dell'utente di comprendere ciò che riceve.
Chi conosce un argomento può riconoscere una semplificazione eccessiva, individuare un errore, chiedere una spiegazione più approfondita, contestare un'affermazione e fornire all'AI il contesto necessario.
Chi non conosce l'argomento rischia invece di confondere la sicurezza del linguaggio con l'affidabilità dell'informazione.
Pensiamo a un professionista che utilizza l'AI per elaborare una strategia.
Se conosce il proprio settore, può valutare criticamente le proposte ricevute.
Può chiedere:
L'AI diventa così uno strumento con cui ragionare.
Se invece il professionista non possiede conoscenze sufficienti, può accettare la risposta semplicemente perché è scritta bene.
Ed è qui che emerge un principio fondamentale: non basta saper fare prompt. Bisogna sapere valutare le risposte!
La competenza sull'argomento diventa quindi una forma di controllo umano sull'intelligenza artificiale.
Un altro aspetto importante riguarda la presunta neutralità dell'intelligenza artificiale.
Un modello non nasce nel vuoto.
Le sue risposte dipendono da come è stato progettato, dai dati utilizzati per l'addestramento, dalle procedure di valutazione, dalle istruzioni e dal contesto nel quale viene utilizzato.
Questo non significa che ogni risposta sia automaticamente distorta.
Significa però che non dovremmo considerare l'AI come una fonte di conoscenza completamente neutrale e universale.
Pensiamo a una domanda apparentemente semplice:
"Qual è il modo migliore per comunicare con un cliente?"
Non esiste necessariamente una risposta universale.
La soluzione dipende dal settore, dal mercato, dalla cultura, dal tipo di cliente, dal rapporto professionale e dalla situazione concreta.
L'AI può proporre una risposta plausibile.
Ma il professionista porta qualcosa che il modello non possiede nello stesso modo: il contesto reale nel quale quella risposta deve essere applicata.
Anche per questo la GEO Human-Centered deve valorizzare contenuti capaci di esprimere esperienza, contesto e competenza reale.
C'è poi un'altra questione particolarmente delicata: la naturalezza della conversazione.
I sistemi generativi sono sempre più capaci di comunicare con un linguaggio fluido, rassicurante, personalizzato e apparentemente empatico.
Possono adattare il tono alla situazione e formulare risposte che sembrano provenire da un interlocutore umano.
Questa capacità è utile, ma può anche creare confusione.
Un linguaggio empatico non equivale necessariamente a una relazione umana.
La macchina può simulare molto bene il modo in cui una persona potrebbe rispondere a un'altra persona.
Ma la naturalezza della comunicazione non significa che dall'altra parte esista un essere umano con una propria esperienza, una propria storia, una propria vulnerabilità e una responsabilità personale nei confronti dell'interlocutore.
La distinzione diventa particolarmente importante quando l'utente è fragile, poco informato o non possiede gli strumenti necessari per interpretare correttamente la natura dell'interazione.
Più la comunicazione artificiale diventa naturale, più diventa importante mantenere consapevolezza del fatto che stiamo interagendo con un sistema artificiale.
Questo ci porta a una questione ancora più profonda.
La comunicazione umana non è composta soltanto da parole.
Quando due persone parlano esistono una relazione, un'esperienza condivisa, un contesto, un corpo, intenzioni, emozioni e responsabilità.
Le parole assumono significato anche attraverso questa relazione.
Un sistema generativo, invece, produce linguaggio attraverso un processo computazionale e può costruire una risposta coerente, pertinente e perfino emotivamente convincente.
Ma non dobbiamo confondere la simulazione della relazione con la relazione stessa.
Questo non rende la comunicazione con l'AI meno utile.
Significa semplicemente che dobbiamo imparare a utilizzare questo strumento mantenendo una corretta consapevolezza del suo funzionamento e dei suoi limiti.
Questa riflessione diventa particolarmente importante quando parliamo di content marketing e GEO.
Oggi possiamo produrre grandi quantità di contenuti utilizzando l'intelligenza artificiale, ma produrre più contenuti non significa necessariamente produrre più conoscenza.
Immaginiamo due aziende che lavorano nello stesso settore:
Qual è la differenza?
Per la GEO questa differenza è fondamentale.
Un sistema generativo non ha bisogno soltanto di trovare testo, ma ha bisogno di trovare informazioni utili, comprensibili, contestualizzate e attribuibili a fonti riconoscibili.
Una GEO più naturale non significa rinunciare alla struttura, ai dati, alla chiarezza o alle tecniche di ottimizzazione, significa utilizzarle con un ordine di priorità diverso.
Per creare contenuti realmente Human-Centered possiamo partire da ciò che una macchina non può sostituire completamente: esperienza, osservazione, competenza, casi reali e capacità di interpretare un problema.
L'AI può successivamente aiutare a organizzare queste informazioni, trovare domande correlate, migliorare la struttura e verificare la chiarezza.
Il percorso diventa quindi:
esperienza → conoscenza → contenuto → struttura → AI → persona
e non:
AI → contenuto → ottimizzazione → pubblicazione
Nel primo caso l'intelligenza artificiale aiuta a distribuire conoscenza.
Nel secondo rischia di diventare il centro stesso del processo creativo.
Questo ragionamento permette anche di ampliare il concetto di AI Visibility.
Essere visibili nei sistemi generativi non significa soltanto comparire in una risposta. significa contribuire alla rappresentazione che l'AI costruisce di un determinato argomento, settore, prodotto o organizzazione.
Quando un utente chiede a un sistema generativo:
"Quali sono le migliori agenzie SEO?"
l'AI non mostra semplicemente dieci risultati come una SERP tradizionale. ma può costruire una risposta a partire da informazioni recuperate da fonti differenti.
La questione diventa quindi:
La GEO diventa quindi anche una questione di rappresentazione della conoscenza.
E questo rende ancora più importante la qualità delle fonti che produciamo.
Il modello RUC della GEO può essere letto in questa prospettiva attraverso tre passaggi:
Retrievability → Utilization → Citation
La prospettiva Human-Centered introduce però una domanda ancora precedente:
che cosa stiamo rendendo recuperabile?
Da qui può nascere un'estensione concettuale del modello:
La prima fase è importante perché non ha molto senso ottimizzare perfettamente un contenuto che non contiene un reale valore informativo.
Una GEO Human-Centered non propone quindi di rinunciare all'intelligenza artificiale.
Al contrario, propone di utilizzarla meglio.
L'AI può essere un eccellente strumento per esplorare un argomento, confrontare prospettive, individuare domande, organizzare informazioni, analizzare dati, migliorare un testo o trovare collegamenti che non avevamo considerato.
Ma il professionista dovrebbe mantenere il controllo del processo:
In questo modo l'AI diventa qualcosa di più di un generatore automatico di contenuti, diiventando uno strumento di confronto e di supporto al ragionamento.
La differenza è importante.
Un professionista competente può dire all'AI:
Questa interazione critica è una delle forme più importanti di controllo umano sull'intelligenza artificiale.
Esiste anche un rischio più ampio.
Se produciamo contenuti con l'AI, li ottimizziamo per essere trovati dall'AI, li facciamo recuperare dall'AI e permettiamo all'AI di generarne altri a partire da quelli precedenti, possiamo creare un ecosistema sempre più autoreferenziale.
AI → contenuto → AI → risposta → nuovo contenuto → AI
In questo processo la presenza dell'esperienza umana può diventare progressivamente più debole.
Il problema non è che il contenuto sia stato creato con l'intelligenza artificiale.
Il problema nasce quando la macchina diventa contemporaneamente produttrice, interprete, valutatrice e distributrice della conoscenza.
La GEO Human-Centered propone invece di mantenere una presenza umana forte all'interno del ciclo:
esperienza umana → conoscenza → AI come supporto → contenuto → sistemi generativi → persona.
Possiamo sintetizzare questa visione in 6 principi.
E soprattutto, la domanda: "Come posso ottenere una citazione?"
dovrebbe essere preceduta da una domanda ancora più importante:"C'è realmente qualcosa che vale la pena citare?"
L'intelligenza artificiale ci permette di produrre, elaborare e distribuire informazioni a una velocità che fino a pochi anni fa sembrava impossibile.
Ma la velocità non è sinonimo di conoscenza.
La quantità non è sinonimo di qualità.
La naturalezza del linguaggio non è sinonimo di relazione.
E una risposta convincente non è necessariamente una risposta corretta.
È proprio per questo che una GEO Human-Centered può rappresentare un'evoluzione importante della Generative Engine Optimization.
Non una GEO contro l'AI.
Non una GEO che rifiuta la tecnologia.
Ma una GEO che stabilisce una priorità:
prima l'essere umano, poi la tecnologia.
L'obiettivo non è rendere l'uomo sempre più simile alla macchina per riuscire a comunicare con essa.
L'obiettivo è rendere la conoscenza umana più chiara, strutturata, verificabile e accessibile, affinché possa essere compresa anche dai sistemi generativi.
In fondo, la sfida della GEO non è soltanto aumentare la nostra Visibilità AI.
È fare in modo che, quando una macchina recupera, sintetizza e presenta la nostra conoscenza, dietro quella conoscenza continui a esserci una persona, un'esperienza, una competenza e un valore reale.
AI Disclosure (EU AI Act): contenuto realizzato da Elio Castellana con il supporto di ChatGPT (GPT-5) di OpenAI. Il contenuto è stato verificato, revisionato e approvato dall’autore.
Fonte: OpenAI. “ChatGPT.” ChatGPT, OpenAI, https://chat.openai.com.
AI Disclosure (EU AI Act) Immagini generate tramite Intelligenza Artificiale (Google Gemini) sotto la supervisione umana di Elio Castellana.
Fonte Google. "Gemini (Image Generation)." Gemini, Google, https://gemini.google.com.
