ChatGPT, Perplexity, Gemini, Claude e Copilot: da dove prende le risposte ogni motore

I motori di risposta si somigliano visti da fuori: entra una domanda, esce una risposta con le fonti. Sotto il cofano differiscono in tre modi: l'indice da cui ciascun motore recupera, i crawler che alimentano quell'indice, e il modo in cui le citazioni arrivano al lettore. Quasi tutte le differenze pratiche derivano dall'indice, perché un motore può citare solo ciò che il suo sistema di recupero riesce a raggiungere.

Una premessa. Non tutti i backend sono pubblici. Alcune aziende documentano la loro pipeline di recupero nel dettaglio, altre documentano solo i loro crawler. Dove qualcosa non è documentato, questa pagina lo dice esattamente. La meccanica condivisa della generazione aumentata dal recupero è trattata in come i motori di risposta scelgono le loro fonti; questa pagina è il riferimento motore per motore.

ChatGPT

OpenAI documenta tre preleva-pagine: GPTBot raccoglie contenuti per addestrare i modelli di base, OAI-SearchBot fa comparire i siti nelle funzionalità di ricerca di ChatGPT, e ChatGPT-User preleva una pagina quando l'azione di un utente lo richiede. La leva documentata è OAI-SearchBot: OpenAI afferma che i siti che ne escono non saranno mostrati nelle risposte di ricerca di ChatGPT. I dettagli dei token e i compromessi del blocco sono trattati in crawler AI.

Quello che OpenAI non documenta è la composizione dell'indice dietro la ricerca di ChatGPT né come le fonti vengano ordinate al suo interno. Le affermazioni secondo cui girerebbe su un particolare indice di terze parti non sono confermate da OpenAI e vanno considerate non verificate. OpenAI non documenta nemmeno alcun report sulle citazioni rivolto agli editori.

Perplexity

Perplexity documenta due agenti. PerplexityBot fa comparire e linka i siti nei risultati di ricerca di Perplexity e, secondo la documentazione, non viene usato per scansionare contenuti destinati ai modelli di base AI. Perplexity-User preleva le pagine per le domande degli utenti e in genere ignora il robots.txt perché è stata una persona a richiedere il prelievo. Bloccare PerplexityBot quindi non protegge nulla sul fronte addestramento; ti toglie soltanto dai risultati di Perplexity.

Al di là di quelle descrizioni dei crawler, Perplexity non documenta pubblicamente come venga assemblato il suo indice di recupero né come le fonti vengano ordinate, e non documenta alcun report sulle citazioni rivolto agli editori.

Gemini e le funzionalità AI di Google

Google è il motore documentato più a fondo. La sua guida alle funzionalità AI afferma che AI Overviews e AI Mode usano la generazione aumentata dal recupero fondata sui sistemi di ranking centrali di Search, recuperando pagine dall'indice di Search. Il requisito d'ingresso è quello classico: scansionabile, indicizzata, idonea agli snippet. Le risposte mostrano link ben visibili e cliccabili alle pagine di supporto, e Search Console include un report sulle prestazioni AI generative, il modo di prima parte per vedere questo traffico.

Sul fronte crawler, Googlebot alimenta Search e tutto ciò che ci è costruito sopra, mentre Google-Extended è un token di controllo del robots.txt che governa l'addestramento dei modelli Gemini e specifici usi di grounding, non l'inclusione in Search. La distinzione viene fraintesa di frequente.

Claude

Anthropic documenta tre agenti: ClaudeBot raccoglie contenuti web che potrebbero contribuire all'addestramento dei modelli, Claude-SearchBot analizza i contenuti per migliorare la pertinenza e l'accuratezza delle risposte di ricerca, e Claude-User preleva le pagine quando le persone fanno domande a Claude. La documentazione per sviluppatori di Anthropic afferma che le risposte prodotte con la ricerca web includono le citazioni delle fonti tratte dai risultati.

L'indice dietro quella ricerca non è documentato pubblicamente. L'articolo sui crawler descrive cosa fa ciascun agente, non da dove arrivano i risultati di ricerca, e la documentazione per sviluppatori non nomina alcun fornitore di ricerca né alcun indice. Qualunque affermazione su quale indice stia dietro la ricerca web di Claude non è verificata. Anthropic non documenta alcun report sulle citazioni rivolto agli editori.

Microsoft Copilot

Copilot è il caso più chiaro di motore costruito su un indice di ricerca esistente. Microsoft documenta il percorso di recupero per Microsoft 365 Copilot e Copilot Chat: quando la ricerca web è attiva, Copilot genera una query di ricerca dal prompt dell'utente, la invia al servizio di ricerca Bing e usa i risultati per fondare la risposta su dati web. La visibilità in quelle risposte passa quindi per l'indice di Bing e per il suo crawler, Bingbot. Come Copilot pesi o selezioni tra i risultati Bing che riceve non è documentato.

Nel febbraio 2026, Bing Webmaster Tools ha aggiunto un report AI Performance in anteprima pubblica, che copre le citazioni su Microsoft Copilot, i riassunti generati dall'AI in Bing e alcune integrazioni partner selezionate. Mostra quali URL vengono citati, le query di grounding che li hanno recuperati e come cambia nel tempo l'attività di citazione. Questo rende Google e Microsoft le uniche due aziende con un report sulle citazioni di prima parte; OpenAI, Anthropic e Perplexity non documentano nulla di equivalente.

Cosa significa per il tuo robots.txt

I token qui sopra si dividono in crawler di addestramento, crawler di ricerca e preleva-pagine attivati dall'utente, e bloccarli ha conseguenze diverse. Bloccare un bot di addestramento come GPTBot o ClaudeBot è una scelta di policy senza alcun costo documentato nelle risposte di alcun motore. Bloccare un bot di ricerca come OAI-SearchBot o PerplexityBot ti toglie dalla superficie di citazione di quel motore. I compromessi, token per token, stanno in crawler AI.

Il lavoro è condiviso, le superfici differiscono

Nulla di quanto sopra fa cinque discipline separate. Ogni motore ha bisogno degli stessi input: pagine che il suo crawler possa raggiungere, passaggi che enuncino una risposta in modo abbastanza chiaro da essere citata, e contenuti tenuti aggiornati. I motori differiscono per quanto si appoggiano alla freschezza: in uno studio su 7.683 pagine e 47.097 citazioni, Gemini ha citato contenuti aggiornati nell'ultimo anno nel 78 per cento dei casi, ChatGPT nel 73 per cento e Perplexity nel 65 per cento. Cosa aggiornare, e con quale frequenza, è trattato in freschezza.

Quello che invece cambia è la tua posizione motore per motore, perché gli indici sono diversi. L'unico modo per sapere dove stai è misurare per motore, con campionamento ripetuto invece che con controlli sporadici. Campiona anche tra le lingue: nelle misurazioni delle risposte degli LLM sui brand, la lingua della query spiega dal 26,5 al 32,0 per cento della varianza nelle risposte, mentre l'identità del brand ne spiega l'1,5 per cento. Cosa significa per i mercati è trattato in GEO multilingue.