Israele finanzia una campagna per plasmare le fonti dietro le risposte dell'IA

Israele ha finanziato una campagna multimilionaria che prende di mira la visibilità su Google News e le fonti web alla base delle risposte generate dall'IA. L'operazione non richiede un accesso diretto a ChatGPT, Claude, Gemini o ai loro modelli sottostanti. Cerca invece di pubblicare, posizionare e distribuire abbastanza materiale favorevole affinché i sistemi di IA incontrino quelle narrazioni quando effettuano ricerche sul web.

Questa distinzione è il cuore della vicenda. Israele non sta pagando un'azienda di IA affinché riscriva segretamente un chatbot. Sta finanziando una rete esterna di comunicazione che tenta di influenzare l'ambiente informativo che alimenta motori di ricerca, motori per le risposte e sistemi di recupero delle informazioni.

La campagna è associata a Clock Tower X, una società controllata dall'ex responsabile della campagna di Trump Brad Parscale. Documenti pubblici descrivono attività che comprendono siti web, contenuti social, ottimizzazione per i motori di ricerca e materiale volto a influenzare l'inquadramento nelle conversazioni GPT. La strategia mette in discussione un'assunzione rassicurante sull'IA generativa: che una risposta diventi affidabile quando include fonti web aggiornate.

Il contratto prende di mira persone e macchine

La campagna considera la pubblicazione sul web un'infrastruttura per influenzare contemporaneamente il pubblico umano e i sistemi di risposta automatizzati.

Clock Tower X si è registrata ai sensi del Foreign Agents Registration Act nel settembre 2025. La dichiarazione identifica Havas Media Germany come intermediario che lavora per conto dello Stato di Israele.

Un documento federale relativo al contratto afferma che Clock Tower avrebbe fornito comunicazione strategica, pianificazione e servizi media per una campagna nazionale negli Stati Uniti. Lo scopo pubblico dichiarato era contrastare l'antisemitismo.

L'accordo originario descriveva una campagna dal valore di sei milioni di dollari. Documenti successivi e notizie hanno portato il valore del contratto ampliato con Clock Tower a nove milioni di dollari, con pagamenti strutturati intorno a un milione e mezzo di dollari al mese.

Il lavoro non era limitato alla pubblicità convenzionale. Il linguaggio contrattuale descriveva una “Search and Language Operation”, insieme alla realizzazione di siti web e contenuti destinati a produrre risultati di inquadramento nelle conversazioni GPT.

Questa formulazione è importante perché identifica le risposte dell'IA come un obiettivo esplicito della campagna. Non descrive semplicemente l'uso dell'IA per produrre pubblicità più velocemente.

La campagna pianificata stabiliva inoltre obiettivi di distribuzione molto elevati. Secondo quanto riportato sulla base della dichiarazione, almeno l'80 per cento del materiale era destinato al pubblico della Generazione Z. Le piattaforme target includevano TikTok, Instagram, YouTube, podcast e altri canali digitali.

La campagna puntava ad almeno 50 milioni di impression al mese. Queste impression avrebbero aiutato i messaggi a raggiungere direttamente le persone, ma la distribuzione crea anche link, citazioni, ripubblicazioni e segnali di coinvolgimento che i sistemi di ricerca possono rilevare.

Secondo quanto riportato, Clock Tower prevedeva di utilizzare Market Brew, una piattaforma di ottimizzazione che modella il modo in cui i motori di ricerca potrebbero classificare i contenuti. L'ottimizzazione per i motori di ricerca, o SEO, è la pratica di rendere le pagine più facili da scoprire e classificare per i sistemi di ricerca.

Non c'è nulla di insolito nel fatto che un'organizzazione utilizzi la SEO. Aziende, campagne politiche, redazioni giornalistiche, governi e gruppi di advocacy competono tutti per ottenere visibilità.

L'aspetto insolito è l'obiettivo dichiarato di plasmare il modo in cui i sistemi di IA inquadrano le conversazioni. La campagna sembra progettata per collegare le tecniche d'influenza tradizionali ai processi di selezione delle fonti utilizzati dai moderni motori per le risposte.

Questo crea una superficie d'azione più ampia di quella di un singolo chatbot. Una pagina che si posiziona nella ricerca tradizionale può entrare nella scoperta di Google News, apparire in un riepilogo generato dall'IA o diventare una citazione in una risposta di un chatbot. Può anche essere copiata da altri editori, moltiplicando la sua apparente presenza.

Una prima indagine sul contratto ha riportato che l'operazione avrebbe creato e distribuito contenuti su più piattaforme, sviluppando al contempo siti web destinati a influenzare l'inquadramento di GPT. Coperture successive hanno rilevato che l'iniziativa è proseguita oltre l'accordo iniziale.

Clock Tower e Parscale hanno contestato la descrizione del progetto come operazione segreta di influenza straniera. La registrazione FARA dell'azienda, tuttavia, rende formalmente noto il lavoro connesso a un mandante straniero.

La distinzione è importante sul piano legale ed editoriale. La registrazione FARA non dimostra che ogni affermazione pubblicata da un soggetto registrato sia falsa. Indica ai lettori che il lavoro è stato svolto nell'ambito di un rapporto retribuito che coinvolge un governo straniero.

Gli utenti di Google News raramente vedono questo contesto prima di aprire un articolo. Gli utenti dell'IA hanno ancora meno probabilità di incontrarlo quando un sistema estrae una singola affermazione da una pagina e la comprime in una risposta.

Perché Google News fa parte della catena di approvvigionamento dell'IA

Google News non è più soltanto una destinazione per i lettori, perché le sue notizie indicizzate possono diventare anche prove per le macchine.

I prodotti di IA generativa si basano su diversi percorsi informativi. I loro modelli di base apprendono schemi statistici da grandi raccolte di dati assemblate prima dell'addestramento. Molti prodotti utilizzano poi ricerche in tempo reale, database concessi in licenza o sistemi di recupero delle informazioni per rispondere a domande sugli eventi recenti.

La generazione aumentata dal recupero delle informazioni, generalmente chiamata RAG, è un processo che fornisce a un modello documenti selezionati prima che scriva una risposta. Il modello usa questi documenti come prove temporanee senza essere riaddestrato in modo permanente su di essi.

Questo processo rende un chatbot più aggiornato. Trasferisce anche un notevole potere ai sistemi che selezionano i documenti.

Se un livello di ricerca recupera notizie affidabili, documenti ufficiali e analisi diversificate, il modello dispone di una base più solida. Se recupera pagine coordinate di advocacy che sembrano fonti indipendenti, la risposta finale può ereditarne l'inquadramento.

Google News è importante in questo contesto perché organizza gran parte del web informativo pubblico. I suoi raggruppamenti, le decisioni di indicizzazione e la visibilità nella ricerca influenzano ciò che trovano i lettori. Influenzano anche le pagine che altri strumenti di ricerca e monitoraggio incontrano.

Questo non significa che Google News addestri direttamente tutti i principali modelli di IA. Non significa nemmeno che l'inclusione garantisca che un chatbot citerà una pagina.

Il collegamento è più indiretto e più difficile da verificare. Un articolo ottiene visibilità tramite la ricerca, viene collegato da un altro editore, compare in un dataset e in seguito diventa disponibile per uno strumento di recupero dell'IA. Ogni fase può amplificare quella precedente.

Le aziende di IA utilizzano accordi di recupero, sistemi di classificazione e controlli di sicurezza differenti. OpenAI, Anthropic, Google, Microsoft e altri fornitori non pubblicano elenchi completi di tutte le fonti considerate per ogni risposta.

Gli utenti vedono quindi soltanto la selezione finale. Anche quando compaiono citazioni, raramente rivelano perché una fonte si sia classificata più in alto di un'altra o se più pagine citate risalgano alla stessa campagna.

È qui che le reti di contenuti acquisiscono influenza. Dieci siti web possono presentare lo stesso argomento con branding, titoli e nomi di dominio diversi. Un sistema di ricerca potrebbe interpretarli come conferme indipendenti, a meno che non rilevi la proprietà condivisa o la produzione coordinata.

Google News dispone di policy volte a valutare trasparenza, originalità, pratiche ingannevoli e responsabilità degli editori. L'applicazione di queste regole sull'intero web aperto resta difficile, perché i rapporti possono passare attraverso appaltatori, agenzie pubblicitarie, società di comodo o progetti con marchi poco definiti.

Un'indagine sui siti web del marzo 2026 ha identificato una rete di siti che pubblicava materiale favorevole a Israele. Parscale ha confermato gli sforzi per influenzare i risultati di ricerca e dei chatbot, respingendo però l'etichetta di campagna di influenza straniera.

Questa ammissione elimina una delle principali ambiguità. Lo sforzo per influenzare le fonti leggibili dalle macchine non è soltanto un'interpretazione imposta dai critici. Corrisponde sia al linguaggio del contratto sia alla descrizione della strategia fornita dall'operatore.

Ciò che resta incerto è l'effetto reale della campagna. Trovare una pagina sostenuta dalla campagna in una risposta dell'IA dimostra che la pagina è entrata in un percorso di recupero. Non dimostra che la campagna abbia cambiato la posizione complessiva del modello, alterato permanentemente i dati di addestramento o controllato le risposte future.

I risultati possono variare in base alla formulazione dell'utente, alla posizione, alle impostazioni dell'account, al fornitore di ricerca, alla versione del modello e alla data. Una fonte che appare in una risposta può scomparire in quella successiva.

Tuttavia, un posizionamento riuscito conta. Molti utenti fanno una domanda, leggono un riepilogo e passano oltre. Una campagna non ha bisogno di un controllo permanente se riesce a influenzare il piccolo insieme di fonti viste nel momento della decisione.

Per i knowledge worker, questo rende essenziale la genealogia delle fonti. Una base di conoscenza IA personale o organizzativa è affidabile solo quanto i documenti sottostanti e i relativi registri di provenienza.

La vera competizione riguarda la selezione delle fonti, non l'addestramento dei modelli

La scommessa centrale della campagna è che controllare prove facilmente individuabili possa essere più pratico che modificare un modello di IA stesso.

Il dibattito pubblico descrive spesso l'operazione come un tentativo di “addestrare ChatGPT”. L'espressione è comprensibile, ma tecnicamente imprecisa.

Clock Tower non può aggiungere autonomamente materiale al dataset di addestramento di OpenAI. Non può obbligare Anthropic a riaddestrare Claude su un sito web della campagna. Non può istruire Google a trattare un articolo specifico come autorevole.

Ciò che può fare è produrre un'ampia quantità di materiale ricercabile. Questo materiale può mirare alle frasi utilizzate dalle persone, rispondere a domande prevedibili, ottenere link e competere per il posizionamento nei risultati di ricerca.

Questo è più vicino al posizionamento delle informazioni che all'addestramento diretto dei modelli. La campagna cerca di rendere disponibili le affermazioni preferite nei momenti in cui una macchina raccoglie prove.

L'approccio riflette un cambiamento nel modo in cui funziona la persuasione online. Le campagne tradizionali prendevano di mira gli elettori attraverso spot televisivi, invii postali, annunci di ricerca e feed social. Questi canali restano importanti, ma l'IA introduce un intermediario che riassume il materiale prima che una persona lo veda.

Questo intermediario può cancellare i segnali visibili della persuasione. Un lettore che apre un sito web di advocacy può esaminarne il branding, il tono, gli autori e le informative. Un chatbot potrebbe ridurre la stessa pagina a una frase dal suono neutrale.

La fonte può essere ancora collegata, ma il contesto persuasivo è più debole. Molti utenti non aprono le citazioni, soprattutto quando la risposta appare sicura e include diversi riferimenti.

La strategia di Clock Tower contrappone quindi la trasparenza delle fonti alla saturazione delle fonti. La trasparenza chiede a utenti e piattaforme di esaminare chi ha prodotto un'affermazione. La saturazione mira a garantire che le affermazioni preferite siano ripetutamente disponibili nell'ambiente di ricerca.

Questo modello non appartiene a un solo Paese o a una sola posizione politica. Qualsiasi governo, azienda, gruppo di lobbying, rete di attivisti o operatore commerciale può tentare di applicarlo.

Le barriere sono relativamente basse. Un gruppo coordinato può generare articoli, tradurli, creare siti web specializzati e ottimizzare le pagine molto più rapidamente con l'IA generativa. L'automazione rende inoltre più semplice rivedere la rete quando cambiano le priorità politiche.

I resoconti indicano che i siti Clock Tower hanno cambiato enfasi al mutare degli eventi. I primi contenuti presentavano Israele come pacifico e tecnologicamente produttivo. I contenuti successivi hanno affrontato le guerre che coinvolgono Gaza e l'Iran, insieme a critiche nei confronti di giornalisti e istituzioni internazionali.

Questa capacità di risposta rivela il vantaggio operativo della campagna. Un archivio di propaganda statico diventa presto obsoleto. Una rete di fonti gestita in modo continuativo può prendere di mira le domande esatte che stanno guadagnando terreno nel traffico di ricerca.

Google News e i sistemi chatbot affrontano qui problemi collegati, ma i loro compiti non sono identici. Un aggregatore di notizie deve identificare gli editori, raggruppare coperture simili e classificare le notizie tempestive. Un chatbot deve selezionare le fonti, riconciliare le affermazioni e formulare una risposta.

Entrambi possono fallire quando un'apparente diversità nasconde un coordinamento comune. Cinque domini non rappresentano cinque prospettive se un unico appaltatore dirige tutti e cinque.

Le risposte dell'AI aggiungono un'ulteriore complicazione. I modelli spesso combinano fonti a livello di singola frase, rendendo difficile identificare quale pagina abbia contribuito a ciascuna formulazione. Le interfacce di citazione possono suggerire una tracciabilità più solida di quella effettivamente fornita dal sistema.

Gli operatori della campagna non hanno bisogno che ogni affermazione venga accettata. Possono concentrarsi su domande ambigue, nelle quali l'inquadramento pesa più di un singolo fatto verificabile.

Si consideri un utente che chiede se un'azione militare fosse giustificata, se la copertura mediatica sia faziosa o se un Paese resti un alleato affidabile. Queste domande richiedono la selezione di eventi, interpretazioni giuridiche e premesse morali. La scelta delle fonti può determinare i confini della risposta prima ancora che inizi la generazione.

Un articolo sostenuto dalla campagna potrebbe porre l'accento sugli attacchi contro civili israeliani, sulle minacce alla sicurezza regionale o su pratiche di informazione contestate. Un'organizzazione per i diritti dei palestinesi potrebbe invece sottolineare le morti civili, gli sfollamenti, l'occupazione o le restrizioni agli aiuti.

Una risposta affidabile dovrebbe identificare queste prospettive e separare i fatti verificabili dalle interpretazioni controverse. Una campagna di ottimizzazione delle fonti trae vantaggio quando il sistema tratta invece una prospettiva come sfondo neutrale.

Per questo il problema non può essere risolto vietando un insieme di domini. Una risposta del genere inviterebbe a una censura arbitraria e creerebbe un'altra via per la pressione politica.

Le piattaforme hanno bisogno di segnali di provenienza più forti. Questi possono includere informazioni sulla proprietà, lo status FARA, identificatori analitici condivisi, schemi di pubblicazione identici, infrastrutture di hosting comuni e linguaggio ripetuto tra testate nominalmente separate.

Hanno inoltre bisogno di misure di diversità basate sull'indipendenza istituzionale, non sul numero di domini. Tre pagine finanziate tramite lo stesso contratto non dovrebbero avere lo stesso peso probatorio di tre organizzazioni non collegate.

Le prove dell'influenza sono reali, ma il controllo non è dimostrato

La presenza di pagine della campagna nelle risposte dell'AI dimostra l'accesso alla pipeline, non il controllo sulla risposta finale.

Recenti report hanno considerato la comparsa di materiale collegato a Clock Tower nei risultati dei chatbot come prova che la strategia stia funzionando. Questa conclusione richiede confini accurati.

Se un sistema AI cita una delle pagine della rete, la campagna ha ottenuto visibilità. Ha inserito materiale nel bacino di prove utilizzabili dal sistema.

È un risultato significativo. Il contratto descriveva esplicitamente sforzi per influenzare la ricerca e l'inquadramento in GPT, quindi il recupero delle informazioni è coerente con l'obiettivo dichiarato.

Non equivale a dimostrare una persuasione diffusa. Per stabilire un cambiamento sistematico, i ricercatori avrebbero bisogno di test ripetuti e controllati tra modelli, prompt, località, lingue e date.

Quei test avrebbero inoltre bisogno di una base di confronto. Senza risposte archiviate precedenti alla campagna, gli analisti non possono attribuire con sicurezza un cambiamento a Clock Tower anziché agli eventi correnti, agli aggiornamenti dei modelli o ad altre informazioni pubblicate di recente.

Gli audit indipendenti affrontano un altro problema: le risposte dell'AI sono instabili. La stessa domanda può produrre fonti diverse in sessioni separate. Anche gli indici di ricerca cambiano, man mano che le pagine guadagnano o perdono visibilità.

Uno studio adeguato registrerebbe la risposta completa, le citazioni, la versione del modello, l'ora del recupero, la posizione dell'utente e la formulazione del prompt. Classificherebbe poi le fonti citate in base a proprietà, finanziamenti e indipendenza editoriale.

Nessuna prova pubblicamente disponibile esaminata per questo articolo dimostra che Israele abbia ottenuto un controllo duraturo sul comportamento generale di ChatGPT, Claude o Gemini.

L'affermazione verificata più solida è più circoscritta. Israele ha finanziato un appaltatore di comunicazione dichiarato, i cui piani includevano siti web, ottimizzazione per la ricerca, distribuzione su larga scala e tentativi di influenzare l'inquadramento in GPT.

Un'inchiesta di aprile ha riferito che Israele aveva pagato nove milioni di dollari a Clock Tower e ne aveva rinnovato l'incarico. Ha inoltre descritto la preoccupazione di sostenitori pro-Israele per il fatto che le piattaforme AI attingessero ampiamente da materiale che consideravano ostile a Israele.

Questa preoccupazione aiuta a spiegare la tempistica. Il sostegno pubblico a Israele si era indebolito durante la guerra a Gaza, in particolare tra gli americani più giovani.

Un sondaggio internazionale sull'opinione pubblica del 2025 ha rilevato opinioni prevalentemente sfavorevoli su Israele in molti dei Paesi esaminati. Anche le opinioni sul primo ministro israeliano Benjamin Netanyahu erano ampiamente negative.

Una campagna d'influenza può aumentare la visibilità di un messaggio, ma non può automaticamente ribaltare tali atteggiamenti. L'opinione pubblica risponde alle politiche, all'esperienza personale, alle relazioni di fiducia, alle immagini dalle zone di conflitto e alle notizie di molte istituzioni.

Questo crea la debolezza centrale della campagna. Tratta un problema di legittimità in parte come un problema di distribuzione delle informazioni.

Contenuti più favorevoli possono colmare lacune nei risultati di ricerca o contestare affermazioni false. Possono anche ritorcersi contro la campagna se il pubblico scopre che siti apparentemente indipendenti appartengono a una rete finanziata dal governo.

La divulgazione non è quindi una questione secondaria di conformità. Cambia il modo in cui un lettore ragionevole valuta il materiale.

Il FARA fornisce un meccanismo di divulgazione per le attività negli Stati Uniti. Tuttavia, un lettore deve già sapere di dover cercare nel database federale, collegare un dominio a un appaltatore e interpretare il deposito.

Le interfacce AI potrebbero mostrare automaticamente quel contesto. Un'etichetta di citazione potrebbe indicare che una fonte è stata prodotta nell'ambito di un rapporto registrato con un committente estero. Potrebbe inoltre identificare finanziamenti di advocacy, proprietà governativa o controllo comune tra i domini citati.

Tali etichette non determinerebbero la verità. I documenti governativi possono essere accurati, mentre siti indipendenti possono pubblicare errori. L'etichetta fornirebbe agli utenti le informazioni necessarie per valutare incentivi e indipendenza.

Le piattaforme devono inoltre evitare un'applicazione partigiana delle regole. Le campagne d'influenza non sono esclusivamente israeliane e il controllo non dovrebbe dipendere dal fatto che una piattaforma concordi con il messaggio.

Governi tra cui Russia, Iran, Cina e Stati Uniti hanno usato le comunicazioni digitali per influenzare il pubblico estero. Organizzazioni politiche di tutto lo spettro ideologico ottimizzano il materiale per la ricerca e la distribuzione sui social.

Lo standard difendibile è comportamentale e trasparente. Le piattaforme dovrebbero esaminare la produzione coordinata, le sponsorizzazioni nascoste, l'indipendenza falsamente rappresentata e la manipolazione dei sistemi di classificazione, indipendentemente dallo sponsor.

Google News affronta una pressione particolare perché gli editori vogliono ragioni chiare per l'inclusione, la retrocessione o la rimozione. Un'applicazione eccessivamente segreta delle regole può nascondere errori. Regole troppo dettagliate possono insegnare agli operatori come eludere il rilevamento.

I fornitori di AI affrontano lo stesso compromesso. Hanno bisogno di sufficiente trasparenza affinché utenti e ricercatori possano verificare le risposte, ma non di un manuale completo per manipolare il recupero delle informazioni.

La campagna crea anche una sfida per i giornalisti. Ripubblicare un'affermazione provocatoria su un'AI manipolata può amplificare la visibilità della campagna, anche quando il resoconto è critico.

Le redazioni dovrebbero collegarsi ai documenti primari, identificare i rapporti contrattuali e distinguere le prove di un tentativo di influenza dalla prova di una persuasione riuscita. Titoli che affermano che un governo abbia “addestrato” un chatbot rischiano di sopravvalutare ciò che le prove mostrano.

I lettori possono applicare la stessa disciplina. Aprire la pagina citata, identificare l'editore, verificarne la data e cercare autore e divulgazione dei finanziamenti. Quindi confrontarla con un documento ufficiale e con il reportage di un'organizzazione non collegata.

Per progetti più lunghi, preservare il contesto delle fonti è più affidabile che fidarsi soltanto di un riassunto generato. Una base di conoscenza ricercabile può conservare documenti, date e prove circostanti per una revisione successiva.

Cosa devono fare ora le aziende AI e gli editori

La prossima fase mostrerà se le piattaforme sono in grado di rendere visibili le reti di fonti coordinate prima che tali reti diventino componenti normali del recupero AI.

Il primo segnale da osservare è la divulgazione nelle citazioni. Google, OpenAI, Anthropic, Microsoft e altri fornitori dovrebbero chiarire quando un editore citato lavora per un governo straniero o per una rete coordinata di advocacy.

Un sistema di divulgazione visibile rafforzerebbe la conclusione che la provenienza sia diventata una questione centrale per la sicurezza dell'AI. Il silenzio continuo lascerebbe agli utenti la responsabilità di indagini che le piattaforme possono svolgere in modo più efficiente.

Il secondo segnale è la misurazione indipendente. I ricercatori dovrebbero verificare se i domini collegati alla campagna compaiano più spesso per domande su Israele, Gaza, Iran, antisemitismo, giornalismo e politica estera degli Stati Uniti.

Questi studi devono confrontare i modelli e registrare i risultati nel tempo. Alcuni screenshot possono dimostrare che il recupero è avvenuto, ma non possono misurarne frequenza o influenza.

Una sovrarappresentazione costante tra i modelli rafforzerebbe le affermazioni secondo cui l'ottimizzazione delle fonti stia influenzando le risposte dell'AI. Presenze rare o di breve durata suggerirebbero che la campagna abbia ottenuto collocamento senza acquisire un'influenza duratura.

Il terzo segnale è l'applicazione delle regole nell'intera rete editoriale. Google News e altri servizi di scoperta possono esaminare se i siti correlati dichiarino la proprietà, producano reportage originali e rispettino le politiche contro le pratiche ingannevoli.

Qualsiasi applicazione delle regole dovrebbe includere spiegazioni chiare e una procedura di ricorso. Rimuovere siti solo perché esprimono una posizione politica creerebbe seri problemi di libertà di espressione ed equità.

Una risposta più difendibile si concentrerebbe sul coordinamento non dichiarato, sulle false rappresentazioni di indipendenza, sulla duplicazione automatizzata o sulla manipolazione che viola le regole esistenti delle piattaforme.

Gli editori dovrebbero prepararsi a standard di provenienza più elevati, anche se le piattaforme agiscono lentamente. Le organizzazioni giornalistiche possono pubblicare informazioni sulla proprietà, cronologie delle correzioni, credenziali degli autori e divulgazioni leggibili dalle macchine.

Le aziende AI possono quindi usare questi segnali nella classificazione delle prove. Dovrebbero anche ridurre il peso attribuito a gruppi di pagine che ripetono affermazioni sostanzialmente identiche con marchi diversi.

Anche le interfacce delle risposte devono migliorare. Le citazioni dovrebbero collegare singole affermazioni a passaggi specifici, non limitarsi a mostrare diversi link sotto un'intera risposta.

Un sistema dovrebbe distinguere i fatti sostenuti da documenti primari dall'analisi fornita da una fonte di advocacy. Quando le autorità sono in disaccordo, la risposta dovrebbe nominare quel disaccordo invece di fondere le posizioni in un falso consenso.

Gli utenti hanno inoltre bisogno di un'indicazione della concentrazione delle fonti. Se la maggior parte delle prove proviene da organizzazioni che condividono finanziamenti o proprietà, l'interfaccia dovrebbe segnalarlo.

Questi cambiamenti non elimineranno le operazioni di influenza. Le classifiche di ricerca hanno sempre attirato manipolazioni e gli attori politici continueranno ad adattarsi ai nuovi sistemi di distribuzione.

L'obiettivo è rendere visibile il coordinamento prima che la prosa generata ne elimini il contesto.

Questo caso offre anche un monito sui prodotti di navigazione basati sull’AI. Un chatbot con ricerca in tempo reale sembra più responsabile perché può mostrare citazioni. Eppure, le citazioni migliorano la fiducia solo quando il sistema di recupero individua prove credibili, indipendenti e pertinenti.

Altrimenti, l’interfaccia può trasformare la ripetizione in autorevolezza. Una risposta sicura di sé, supportata da diverse pagine coordinate, può sembrare meglio documentata di una risposta prudente basata su un’unica fonte primaria.

Questo è il significato più ampio della campagna israeliana. Rende esplicito ciò che molti operatori di marketing, propagandisti e società di gestione della reputazione hanno già capito: il web sta diventando un database interrogabile tramite prompt.

Pubblicare per quel database è diverso dal pubblicare per un lettore umano. Le pagine possono essere strutturate attorno a domande previste, affermazioni concise, entità ripetute e un linguaggio che un sistema AI può estrarre facilmente.

Il pubblico potrebbe non visitare mai la pagina. La campagna ha successo se il suo inquadramento sopravvive all’interno di una risposta.

Google News rimane un importante campo di battaglia perché si colloca tra editori, comportamenti di ricerca e scoperta automatizzata. Tuttavia, la responsabilità non ricade solo su Google.

Ogni fornitore di AI che recupera contenuti dal web aperto prende decisioni di ranking. Ogni editore che distribuisce materiale in syndication contribuisce all’ambiente delle prove. Ogni utente che accetta un riepilogo senza esaminare le fonti rafforza l’incentivo a rivolgersi alle macchine anziché ai lettori.

I fatti verificati non dimostrano che Israele controlli i principali chatbot. Dimostrano qualcosa di più limitato, ma comunque rilevante: un appaltatore finanziato dal governo ha costruito apertamente operazioni di contenuto e ricerca mirate a influenzare ciò che quei sistemi recuperano e affermano.

La domanda immediata non è se una singola campagna possa riscrivere un intero modello. È se le aziende di AI siano in grado di riconoscere una persuasione coordinata prima che i loro prodotti la presentino come prova indipendente.

I lettori dovrebbero osservare le citazioni. Poi dovrebbero chiedersi chi abbia finanziato le fonti, quante siano realmente indipendenti e se Google News o un riepilogo AI abbiano preservato il contesto necessario per valutarle.