Narrative datate: perché l'AI cita ancora la crisi del 2019 e come si corregge

Quasi ogni assessment corporate contiene la stessa scena: la direzione comunicazione legge la risposta di un modello sulla propria azienda e trova, in prima riga, un fatto di cinque anni fa. Un contenzioso chiuso, una ristrutturazione, un'indagine archiviata, un prodotto ritirato. Vero, ma finito. Il modello lo racconta al presente.

Come nasce una narrativa datata

Serve una condizione sola: una fonte autorevole che nessuna fonte più autorevole ha aggiornato. L'articolo di testata del 2019 esiste ancora, è ben indicizzato e ben linkato; la voce Wikipedia lo cita; alcune discussioni lo riprendono. Dopo, l'azienda ha comunicato la chiusura del contenzioso con un comunicato sul proprio sito, letto da pochi e citato da nessuno. Per il modello il rapporto di forza è chiaro: dieci fonti terze contro una fonte di parte.

C'è poi la memoria di addestramento: se il fatto era presente in molte fonti quando il modello è stato costruito, il modello lo "sa", e senza navigazione lo ripete anche se il web di oggi dice altro.

Perché non basta un comunicato

I modelli pesano tre cose: l'autorevolezza della fonte, la coerenza tra fonti e la data. Un comunicato aziendale è una fonte di parte, isolata e spesso senza data visibile in forma leggibile. Per spostare una narrativa serve una fonte terza, coerente con altre e più recente, oppure l'aggiornamento della fonte originaria.

I cinque interventi che funzionano

1. Aggiornare la fonte primaria. Se esiste una voce Wikipedia, proporre nella pagina di discussione, con fonti, l'aggiornamento sui fatti successivi. Su Wikidata aggiornare direttamente date e stati. È l'intervento con il rapporto costo/effetto migliore.
2. Creare una fonte più recente e più autorevole. Un'intervista o un articolo su una testata di settore che racconti lo stato attuale, con date. Le AI che navigano lo trovano; le testate lo indicizzano; Wikipedia può citarlo.
3. Pubblicare una pagina "cosa è cambiato" sul sito: cronologia dei fatti con date e fonti esterne. Non è autorevole quanto una testata, ma è la pagina che un modello con navigazione legge per verificare.
4. Rispondere dove la narrativa vive. Se il fatto è ripreso in community o recensioni, una risposta pubblica, datata e documentata cambia ciò che il modello riassume.
5. Ripetere la misura. La ri-analisi a 90 giorni mostra se il fatto compare ancora, in quante risposte e con quale contesto. Nei casi che seguiamo, il fatto datato non sparisce: compare in una risposta su cinque invece che in tutte, ed è accompagnato dai fatti successivi. È il risultato realistico.

Cosa non funziona

Chiedere al modello di "correggersi" in chat non ha effetto oltre la conversazione. Rimuovere l'articolo originale è raramente possibile e spesso controproducente. Pubblicare molti contenuti generici sul sito non sposta nulla, perché non aggiunge fonti terze.

Per investor relations e founder

Le narrative datate pesano di più dove la due diligence è più rapida: un analista che chiede a Gemini quali rischi presenta un'azienda riceve un montaggio di ciò che è disponibile, con il contenzioso chiuso in prima riga. Lo stesso vale per la domanda "chi è [CEO]", dove un articolo vecchio o un'omonimia definiscono la persona. Gli assessment Investor e Founder partono da queste domande.