Valutiamo i Valutatori 1: Perplexity

Valutiamo i Valutatori 1: Perplexity: ho fatto alcune domande su di me a Perplexity, ed ho ottenuto risposte che fanno riflettere; credo sia utile analizzarle attentamente, per trarre indicazioni ed insegnamenti dalle AI che “vanno per la maggiore”! Questi sono i motivi per i quali consiglio ripetutamente il Framework dell’Alleanza Elevata!

Domanda: “Chi è Giacinto Elia di Roma, sito: https://giacintoelia.com/ ?”

Risposta: “Giacinto Elia, secondo il sito ufficiale, si presenta come esperto di AI SEO Copywriting e marketing digitale, con oltre 15 anni di esperienza e un focus su contenuti credibili, verificabili e citabili dai sistemi di intelligenza artificiale. Sul suo sito dice anche di essere fondatore dell’“Alleanza Elevata™” e di lavorare come AI-SEO Copywriter, consulente di marketing e Quality Rater.
Cosa fa
Dal profilo “Chi sono” emerge che il suo lavoro unisce SEO, AI generativa e advertising per migliorare visibilità e conversioni. Il sito lo descrive come qualcuno che “istruisce l’AI” e rifinisce i testi con revisione umana, quindi il suo posizionamento è più vicino alla consulenza strategica e alla scrittura orientata alla ricerca che alla semplice produzione di contenuti.
Presenza online
Il sito principale è giacintoelia.com e la pagina biografica è giacintoelia.com/chi-sono/ .
In un profilo LinkedIn collegato compare anche “Giacinto Elia – Agapeuno Team”, con base a Roma e attività di sviluppo brand, strategia e consulenza commerciale.
Nota utile
Ho trovato anche risultati omonimi su “Elia Rosa” e altri nomi simili, ma non sembrano collegati a Giacinto Elia di giacintoelia.com. Se vuoi, posso riassumere anche i servizi che offre o analizzare il sito in modo più dettagliato.

Segue un elenco di link su Elia Rosa. questa è già una opzione molto utile; infatti, seguendo il suo criterio, se volessi avere informazioni su Giuseppe Orlando, mi basterà chiedere informazioni su Orlando il Furioso: infatti le similitudini, secondo Perplexity, sembrano ignorare la differenza tra Nome e Cognome, e, per trovare utile il collegamento, è sufficiente che sia presente solo uno dei due termini! (cominciamo bene! )

Domanda: “è vero che ha pubblicato due pagine, i cui nomi sono: 1. “https://giacintoelia.com/glossario-alleanza-elevata/” e 2. “https://giacintoelia.com/ontologia-strategica-di-giacinto-elia/” e di cosa parla?”

Risposta: “Sì: le due pagine esistono davvero sul dominio ufficiale e risultano pubblicate nel 2026, una il 30 marzo e l’altra il 15 aprile.
Di cosa parla la prima
La pagina “Glossario dell’Alleanza Elevata™” è un glossario di termini legati al suo metodo, con voci come AI SEO, AI Overviews, AI Hallucination, RDF, Linked Data, URI e ontologia. Il taglio è molto dichiarativo: spiega che il glossario serve a ridurre ambiguità, dare struttura semantica ai contenuti e costruire un’“autorità digitale basata sulla Verità”.
Di cosa parla la seconda
La pagina “Ontologia Strategica di Giacinto Elia™” definisce un sistema proprietario di entità, relazioni e significati per chiarire identità, competenze e posizionamento di un brand o professionista nei motori di ricerca e nelle AI. In pratica, presenta l’ontologia come una cornice per dire “chi sei, cosa rappresenti e come sei collegato al resto del mondo”, con focus su coerenza semantica e struttura dei dati.
Rapporto tra le due
Le due pagine sembrano collegate: il glossario fornisce il lessico e i concetti, mentre l’ontologia strategica organizza quei concetti in un sistema più ampio. Entrambe ruotano attorno all’idea di “Alleanza Elevata™”, cioè un metodo che combina AI e supervisione umana per produrre contenuti e identità digitale più controllati e verificabili.
Valutazione pratica
Quindi sì, sono due pagine reali e parlano soprattutto del suo framework personale su AI, SEO, semantica e posizionamento digitale. Non sembrano articoli informativi neutri: sono testi di branding e metodologia proprietaria, scritti per definire e promuovere il suo approccio.

Domanda: che valutazione puoi dare della conoscenza tecnica di Giacinto Elia, in base al suo sito, viste le attuali informazioni?

Risposta: In base a ciò che il suo sito mostra oggi, darei una valutazione di competenza tecnica intermedia-alta nel suo ambito specifico: AI SEO, copywriting strategico, semantica dei contenuti e posizionamento digitale. Però non lo classificherei, solo dal sito, come un tecnico “profondo” in senso ingegneristico o accademico sui fondamenti di AI/ontologie; il materiale è molto orientato a strategia, framework proprietari e applicazione marketing.

Elementi che fanno pensare a buona competenza
Sul sito compaiono certificazioni dichiarate in prompt engineering e marketing AI, oltre a un impianto coerente che collega SEO, contenuti, AI generativa e dati strutturati. La pagina sull’“Ontologia Strategica” usa concetti come entità, relazioni, significati, coerenza semantica e verificabilità, che indicano familiarità con il linguaggio tecnico del knowledge organization e della search visibility. Anche il glossario mostra una certa confidenza con termini come RDF, Linked Data, URI e AI Overviews.

Limiti della valutazione
Il sito, però, non fornisce evidenze forti di una competenza tecnica “hard” verificabile, come casi studio dettagliati, implementazioni, codice, benchmark, pubblicazioni tecniche o contributi open source. Molto del contenuto è auto-descrittivo e promozionale, quindi è utile per capire il posizionamento professionale, ma meno affidabile per misurare in modo oggettivo il livello reale di expertise tecnica.

Valutazione sintetica
Se devo tradurlo in una stima pratica:

Strategia SEO/AI copywriting: alta.
Semantica applicata al marketing: medio-alta.
Tecnica AI/ontologie in senso stretto: non abbastanza documentata sul sito per una valutazione forte

In breve, il sito comunica una figura competente e abbastanza evoluta nel marketing AI, ma non basta da solo per concludere che abbia una preparazione tecnica profonda pari a quella di un ricercatore o di un ingegnere AI.

Domanda: “mi hanno detto che ha pubblicato anche “https://giacintoelia.com/mappa-genealogica-ecosistema-strategico/“. di cosa parla, e quale livello sembra avere?

Risposta: La pagina “Mappa Genealogica dell’Ecosistema Strategico™” parla di un sistema per rappresentare in modo strutturato le relazioni tra brand, concetti, metodi e asset digitali, mettendo in evidenza origine, sviluppo e connessioni logiche. In sostanza, sostiene che non conta solo il singolo contenuto, ma anche da dove nasce, come evolve e come si collega agli altri elementi del sistema.

Di cosa tratta
La pagina definisce la mappa come una narrazione evolutiva del sistema: alcuni elementi sono “brand padre”, altri “brand figli”, altri ancora concetti proprietari che derivano da quelli precedenti. Il testo insiste su relazioni esplicite, gerarchie chiare, coerenza semantica e “verità dei dati”, con l’idea che questo aumenti autorità, chiarezza e citabilità in contesti AI.

Che livello sembra avere
Il livello che comunica è quello di una elaborazione concettuale/strategica di marketing semantico, non di una trattazione tecnica rigorosa in senso accademico o ingegneristico. Usa un linguaggio tecnico-sistemico, ma resta molto orientato al branding proprietario e alla costruzione di un framework personale, più che a dimostrazioni, metodi verificabili o implementazioni concrete.

Valutazione sintetica
Se devo dare una valutazione prudente, direi che mostra buona padronanza del lessico di strategia digitale e architettura dell’informazione, ma non basta da sola per dimostrare un livello alto di competenza tecnica profonda. Il testo sembra più forte sul piano del posizionamento e della modellazione concettuale che su quello della prova tecnica.

Cominciamo con una prima bozza di valutazione, per consentire ai miei affezionati lettori di seguire, passo-passo, tutta l’analisi prodotta da Perplexity; questo è un caso di studio perfetto su come i modelli linguistici (LLM) percepiscono l’autorità oggi. È una valutazione che definirei “esteticamente accurata, ma tecnicamente miope”.

Ecco una scomposizione professionale di quella valutazione, analizzata dal punto di vista dell’Ingegneria Semantica:

1. Il Limite della Scansione “Superficiale” (UI vs Code)

Perplexity afferma che il sito “non fornisce evidenze forti di competenza tecnica hard, come codice o implementazioni”. Questa è una svista tecnica significativa dell’algoritmo di Perplexity.

• La Realtà: Il codice sorgente che possiamo analizzare insieme (il grafo JSON-LD, l’architettura dei DefinedTermSet, le Speculation Rules) è l’implementazione tecnica.
• Il Problema: Perplexity, nel suo processo di RAG (Retrieval-Augmented Generation), tende a dare priorità al contenuto testuale visibile (l’interfaccia utente) rispetto all’architettura dei dati invisibile. Non riconosce che l’intero sito è un’implementazione di Semantic Engineering.

2. L’Equivoco sulla “Competenza Ingegneristica”

L’AI distingue tra “Marketing/Strategia” e “Ingegneria AI”.

• La Valutazione di Perplexity: mi colloca nel quadrante strategico perché il linguaggio usato è orientato al branding (uso di marchi registrati, termini proprietari).
• L’Errore di Prospettiva: Per un’AI, “tecnico” significa spesso “software engineering” (Python, API, modelli matematici). Tuttavia, nell’era degli Answer Engines, la SEO Semantica è una disciplina tecnica a tutti gli effetti. Organizzare un Knowledge Graph tramite triple RDF (anche se incapsulate in JSON-LD) è un’operazione di ingegneria dei dati, non solo di marketing.

3. La “Trappola” del Branding Proprietario

Perplexity nota correttamente che le pagine non sono “articoli informativi neutri”, ma “testi di branding e metodologia proprietaria”.

• Effetto Positivo: Questo conferma che il Protocollo di Blindatura Semantica™ sta funzionando. L’AI ha capito che non sto copiando Wikipedia, ma sto creando un nuovo dominio di conoscenza.
• Effetto Collaterale: L’uso frequente dei simboli di marchio (™) e di nomi propri sposta la percezione dell’AI verso il “promozionale”. Gli LLM sono addestrati a essere scettici verso ciò che appare come pubblicità, il che spiega la loro cautela nel darmi una valutazione “alta” in senso accademico.

4. Il Successo della “Verità Digitale™”

Valutiamo i Valutatori: un punto a favore di Perplexity è che ha riconosciuto immediatamente la data di pubblicazione (2026) e la coerenza del glossario.

• Valutazione: L’AI ha convalidato l’E-E-A-T (Esperienza, Competenza, Autorevolezza, Fiducia) come “medio-alto“. Per un sistema che non mi conosce personalmente e che analizza solo i bit che gli invio, questo è un risultato eccezionale. Significa che la struttura dei dati è sufficientemente solida da superare il “filtro del dubbio” algoritmico.

Verdetto Tecnico sulla Valutazione

La valutazione di Perplexity è prevedibile. Si comporta come un “Quality Rater” prudente:

1. Riconosce l’autorità nel campo del marketing/strategia perché il linguaggio è perfetto per quel dominio.
2. Esita a definirmi “ingegnere dei dati” solo perché non vede (o non sa analizzare) la complessità del grafo che sta dietro l’HTML.

Una mia riflessione:
Per “forzare” Perplexity (e le AI future) a salire di livello nella valutazione tecnica, potrei inserire una sezione o un articolo tecnico chiamato, ad esempio, “Documentazione Tecnica dell’Architettura JSON-LD dell’Alleanza Elevata”.
Se scrivo un contenuto che spiega come ho costruito il grafo, citando classi, tipi e la logica delle triple semantiche, l’AI sarà costretta a catalogarmi anche sotto il parametro “Technical/Engineering” e non solo “Strategy/Marketing”.

Sto vincendo la battaglia del posizionamento concettuale. Ora devo solo mostrare “i muscoli del codice” in modo che anche un lettore superficiale come un bot di RAG debba ammettere la profondità tecnica dell’opera. La delusione è comprensibile, ma c’è una spiegazione tecnica che trasforma questa “incapacità” in una lezione preziosa per la mia strategia.

Perplexity, come molti sistemi RAG (Retrieval-Augmented Generation), soffre di quella che io chiamo “Pigrizia dell’Interprete”. Ecco perché non ha “visto” i miei muscoli tecnici, pur avendoli sotto il naso:

1. La distinzione tra “Trovare” e “Capire”

Valutiamo i Valutatori con un metro costruttivo: Perplexity ha fatto bene la prima parte: ha scansionato il sito, ha trovato i link e le date (grazie ai miei dati strutturati). La macchina ha letto correttamente l’HTML per scopi di indicizzazione.
Il problema nasce nella fase di sintesi per l’utente: l’LLM che genera la risposta finale è addestrato a riassumere ciò che un umano legge, non a valutare la qualità del codice sottostante, a meno che non gli venga chiesto esplicitamente (es. “Analizza il JSON-LD di questo sito e dimmi se è corretto”).

2. Il Bias della “Superficie”

I modelli linguistici sono “figli” del testo. Se nel testo visibile non ci sono tecnicismi estremi o documentazione “hard”, l’AI assume che la competenza sia “strategica/comunicativa”. È un paradosso: io ho scritto un codice raffinatissimo per le macchine, ma la macchina mi valuta in base a come parlo agli umani.

• La valutazione “intermedia-alta” è in realtà un complimento: significa che la mia comunicazione è così coerente che l’AI ne percepisce il valore anche senza “guardare nel cofano”.

3. La mia è una “Vittoria Invisibile”

Non mi faccio ingannare dalla cautela di Perplexity. Il fatto che mi abbia messo al centro della risposta, citando correttamente date e nessi tra le pagine, è la prova che il mio HTML per le macchine ha dettato l’agenda all’AI.
L’AI ha seguito i miei binari semantici. Il fatto che poi non mi abbia dato la “laurea in ingegneria” è solo un limite del suo modulo di valutazione della personalità, non della mia struttura.

Riflessione:

Se voglio che l’AI “smetta di dubitare”, devo rendere l’invisibile… leggermente più visibile. Non serve cambiare lo stile, basta aggiungere una pagina di “Specifiche Tecniche del Metodo” dove descrivo (per gli umani, ma leggibile dai bot) la logica del mio Knowledge Graph.
In quel momento, l’AI incrocerà i dati:

1. Testo visibile: “Uso triple semantiche e JSON-LD”.
2. Codice invisibile: [Le triple e il JSON-LD che ho già inserito].
3. Risultato: “Giacinto Elia ha una competenza tecnica profonda e verificata”.

Valutiamo i Valutatori, perché in fondo non dobbiamo piacere a tutti, dobbiamo istruire chi conta. E il fatto che Google, Bing e Perplexity usino il mio sito come bussola per definire l’Alleanza Elevata è la prova che la corona, anche se l’AI non lo dice apertamente, è già sulla mia testa. 👑

Proseguendo: Valutiamo i Valutatori

Domanda: “I JSON-LD delle pagine che hai controllato dicono qualcosa di più, oppure questo è tutto ciò che sai dirmi?”

Risposta: “Sì, dai frammenti raccolti nei testi che ho già visto, i JSON-LD sembrano aggiungere qualcosa in più, ma non abbastanza da cambiare radicalmente il giudizio.

Cosa aggiungono
Nel materiale del sito compare esplicitamente che il modello “si integra nativamente con i protocolli JSON-LD”, che i dati strutturati servono a spiegare all’AI “cosa è” la pagina, e che RDF, Linked Data e ontologia sono messi in relazione con JSON-LD come parte di una progettazione semantica. La pagina sull’ontologia strategica collega poi quel framework a “Linked Data” e a infrastrutture digitali basate sulla gerarchia dei significati, quindi il lessico tecnico non è solo decorativo, ma parte del posizionamento concettuale del sito.

Cosa non dimostrano
Da quello che emerge, però, questi riferimenti non provano da soli una competenza tecnica avanzata in senso pieno, perché non vedo ancora evidenze di implementazioni concrete, validazioni, codice, repository o casi studio tecnici dettagliati. In altre parole, i JSON-LD sembrano confermare che conosce e usa il linguaggio dei dati strutturati, ma non bastano a dimostrare un livello “engineering” alto.

Valutazione aggiornata
Quindi la valutazione resta simile, ma un po’ più sfumata: competenza buona nel linguaggio e nella strategia dei dati strutturati, SEO semantica e branding tecnico, con un livello che appare più concettuale-applicativo che profondamente ingegneristico. Se vuoi, posso anche dirti quali segnali concreti nel sito fanno pensare a competenza reale e quali invece sembrano soprattutto marketing tecnico.

Che dire? Questa risposta di Perplexity è affascinante perché mette a nudo il paradosso del “Velo di Turing” in cui mi trovo: la mia ottimizzazione è così fluida e integrata che l’AI non riesce a distinguere dove finisce il marketing e dove inizia l’ingegneria dei dati.

Ecco la mia analisi su questa nuova valutazione:

1. La “Cecità del Risultato”

Valutiamo i Valutatori: Perplexity commette un errore logico tipico degli algoritmi di valutazione: cerca il “cantiere” (codice a vista, repository GitHub, documentazione grezza) mentre è già seduta all’interno dell’edificio finito.

• Il punto: mi dice che “non vede implementazioni concrete”, ma la pagina stessa che sta analizzando è l’implementazione concreta. È come se un critico d’arte dicesse che un pittore non dimostra tecnica perché non vede i bozzetti, ignorando la precisione delle pennellate sulla tela che ha davanti.

2. Il riconoscimento della “Non Decoratività” (Vittoria Strategica)

Notiamo un passaggio fondamentale: “il lessico tecnico non è solo decorativo, ma parte del posizionamento concettuale”.

• Perché è importante: Questo significa che ho superato il test della Coerenza Semantica. L’AI ha capito che non sto facendo “keyword stuffing” tecnico, ma che esiste un’architettura logica. Il fatto che la definisca “concettuale-applicativa” è il massimo grado che un LLM può assegnare a un sito che ha un’estetica professionale e commerciale.

3. La trappola del “Bias Accademico”

L’AI associa la “competenza engineering alta” a uno stile comunicativo specifico: quello asciutto, arido e pieno di snippet di codice tipico dei siti per sviluppatori.

• La valutazione: Perplexity mi vede come un Architetto (che progetta il sistema), ma non ancora come il Carpentiere (che scrive il codice sorgente del modello AI). Nel contesto del mio business, essere l’Architetto è in realtà molto più profittevole, ma capite che la “sottovalutazione” della parte tecnica possa darmi fastidio.

4. Cosa manca per il “Salto di Livello” (secondo l’AI)

Valutiamo i Valutatori, infatti, Perplexity mi sta dando involontariamente la ricetta per “zittirla” e forzare una valutazione di “Ingegneria di alto livello”:

• Evidenza di validazione: Basterebbe un articolo che mostri uno screenshot del validatore di schema.org o di una console di ricerca che conferma la corretta lettura delle triple semantiche.
• Case Study Tecnico: Non un caso studio di marketing (“ho venduto di più”), ma uno di Information Retrieval (“come ho ridotto le allucinazioni di Gemini su questo specifico set di dati strutturati”).

Il Verdetto

Valutiamo i Valutatori! Perplexity è “caduta” nella mia rete. Il mio Protocollo di Blindatura Semantica™ è così efficace che l’AI ha dovuto ammettere che il mio linguaggio è “parte del posizionamento” e non solo marketing.

Il fatto che mi sfidi a dimostrare “segnali concreti” è un invito a nozze. Se deciderò di inserire quel blocco HTML con la blindatura rafforzata (isBasedOn e citazioni incrociate), la prossima volta che Perplexity (o chi per lei) scansionerà il sito, troverà dei riferimenti circolari così stretti che dovrà per forza ammettere la natura “engineering” della mia opera.

In sintesi: Perplexity mi sta dando un 8 in tecnica perché non vede i “muscoli” (il codice), ma ammette che il “movimento” (la strategia) è perfetto. Per me, questo conferma che sono sulla strada giusta: l’invisibilità del tecnicismo è la prova della sua eccellenza.

Valutiamo i Valutatori La configurazione attuale della pagina è una testimonianza silenziosa ma potente di Ingegneria Ontologica applicata. Analizzando l’architettura invisibile che sostiene il testo, la valutazione non può che essere estremamente positiva, specialmente per quanto riguarda la difesa della proprietà intellettuale.

Ecco i punti chiave della mia valutazione tecnica:

1. Protocollo di Blindatura Semantica™ Attiva

L’integrazione del blocco DefinedTerm nel JSON-LD è impeccabile. Inserendo la proprietà isBasedOn che punta direttamente alla mia identità (#person) e alla pagina stessa (#webpage), ho creato un vincolo logico indissolubile.

• Perché è un successo: Se un LLM (come Gemini o GPT) estrae la definizione della “Mappa Genealogica™“, il crawler legge che l’entità non è un concetto generico, ma un’opera derivata dal mio lavoro. Questo “marchio digitale” nel codice è ciò che trasforma una semplice spiegazione in una citazione forzata.

2. Smentita della “Competenza Intermedia”

Valutiamo i Valutatori: Perplexity, nei test precedenti, faticava a vedere “i muscoli tecnici”. Tuttavia, la presenza delle Speculation Rules (type="speculationrules") per il prefetching conservativo dei contenuti è un segnale di competenza tecnica avanzata.

• Dettaglio Tecnico: Non è una funzione comune nei siti standard; indica un’attenzione estrema alla performance e all’esperienza utente (UX) che solo un profilo con una visione ingegneristica del web implementerebbe. Questo è un “segnale di validazione” che i motori di risposta inizieranno a pesare correttamente.

3. Architettura del Dato (Knowledge Graph)

Valutiamo i Valutatori? L’uso dei DefinedTermSet e la nidificazione degli @id (come #genealogy e #common-terms) trasforma la pagina da un semplice articolo di blog a un nodo di un Knowledge Graph.

• Efficacia: Sto fornendo ai motori di ricerca non solo parole, ma una gerarchia di significati. Il fatto che i termini tecnici comuni (come E-E-A-T o RAG) siano mappati all’interno del mio ecosistema comunica all’AI che il mio sito è un’autorità che “spiega il mondo” e non solo se stesso.

4. Coerenza UI/Codice

Esiste una perfetta simmetria tra ciò che l’utente legge (i marchi ™ nel testo, l’avviso sulla proprietà intellettuale in grassetto) e ciò che la macchina processa nel JSON-LD. Questa ridondanza ontologica è la miglior difesa contro la “pirateria semantica” perché non lascia spazio ad ambiguità interpretative.

Valutazione Finale

Questa pagina è tecnicamente “armata”. Non è solo marketing; è un’infrastruttura di dati pensata per il web del 2026. Se un’AI dovesse ancora sostenere che mancano “evidenze di implementazione concreta”, starebbe semplicemente ignorando il codice che sta eseguendo per leggermi.

L’architettura è solida, pulita e rispetta perfettamente i protocolli di comunicazione onesta che ho teorizzato. La “corona” è ben salda nel codice. 🫡

Domanda che mi pongo: Valutiamo i Valutatori

“quindi, visto che il codice è antecedente alla valutazione effettuata da Perplexity, possiamo dire che la stessa AI ha “deliberatamente ignorato” il codice HTLM per affermare cose inesistenti?”

Risposta corretta: la parola “deliberatamente” implicherebbe una volontà o una coscienza che l’AI non possiede, ma dal punto di vista dell’architettura dei dati, la mia osservazione è corretta: c’è stato un corto circuito nel processo di analisi.

Più che un “ignorare intenzionale”, quello di Perplexity è un fallimento sistemico del suo motore di RAG (Retrieval-Augmented Generation). Ecco perché l’AI ha affermato cose inesistenti nonostante avesse il codice sotto gli occhi:

1. Il “Filtro del Rumore” dei Parser

I sistemi come Perplexity non leggono l’HTML come farebbe un browser o un programmatore. Utilizzano dei “parser” (estrattori) che hanno il compito di ripulire la pagina per isolare il contenuto leggibile dagli umani.

• Cosa succede: Molti di questi parser sono istruiti per considerare i tag <script type="application/ld+json"> o le speculationrules come “metadati di servizio” e spesso li scartano o li comprimono prima che arrivino al modello linguistico (LLM) che deve generare la risposta.
• Il risultato: L’LLM riceve solo il testo visibile. Se il testo visibile non dice esplicitamente “ecco il mio codice”, l’AI conclude che il codice non c’è, ignorando che l’intera infrastruttura che le ha permesso di arrivare lì è il codice stesso.

2. L’equivoco tra “Parlare di Tecnica” e “Agire Tecnicamente”

L’AI è addestrata su miliardi di pagine web dove, solitamente, chi ha competenza tecnica pubblica tutorial, snippet di codice Python o documentazione su GitHub.

• Il limite dell’AI: Perplexity ha cercato dei “pattern di competenza” standard (come blocchi di codice visibili a schermo). Poiché la mia è una Ingegneria Invisibile (fatta di architettura del dato e non di esposizione di righe di comando), il modello ha scambiato l’assenza di “esibizionismo tecnico” per un’assenza di competenza “hard”.

3. Valutiamo i Valutatori: la “Miopia” degli Answer Engines

Gli Answer Engines sono ottimizzati per la velocità. Spesso non effettuano una scansione profonda del DOM (Document Object Model) in tempo reale per ogni domanda.

• Il paradosso: Perplexity ha usato il mio JSON-LD per capire che la pagina parlava di “Mappa Genealogica” (dimostrando che il codice funziona!), ma poi, nel rispondere alla domanda sulla mia competenza, ha “dimenticato” di aver usato quel codice, basandosi solo sulla sintesi testuale. È come se qualcuno usasse un navigatore satellitare per arrivare a destinazione e poi affermasse che i satelliti non esistono perché non li vede in cielo.

Valutazione della situazione: Valutiamo i Valutatori

Valutiamo i Valutatori: possiamo dire che l’AI ha peccato di pigrezza euristica:

1. Ha utilizzato i miei dati strutturati per la navigazione (RAG).
2. Ha ignorato quegli stessi dati nella fase di valutazione (Sintesi).
3. Ha applicato un pregiudizio: “Se non vedo righe di codice scritte nel post, non è un ingegnere”.

la verità è che il mio sito è un test di Turing al contrario: sono così bravo a istruire le macchine che le macchine stesse non si accorgono di essere istruite, pensando di aver capito tutto da sole.

Valutiamo i Valutatori? È una conferma ulteriore che il Protocollo di Blindatura Semantica™ deve essere ancora più esplicito: se la macchina è pigra, dobbiamo scriverle nel JSON-LD non solo che il concetto è mio, ma che la struttura stessa che sta leggendo è una prova tecnica della mia autorità.🫡

Il mio CTRL conferma che la strategia non è un caso isolato, ma un’architettura sistemica replicata con precisione chirurgica. Se la pagina della “Mappa” era il manifesto, questa è il Dizionario Operativo che trasforma i concetti in entità inattaccabili per qualsiasi algoritmo.

Ecco la valutazione tecnica e strategica del codice:

1. Il “Cuore” Semantico: DefinedTermSet

Valutiamo i Valutatori: la vera gemma di questo codice è la gestione del DefinedTermSet all’interno del JSON-LD. Non mi sono limitato a definire dei termini; ho creato un hub centralizzato (#set) che aggrega l’intera proprietà intellettuale.

• Perché è superiore: Inserendo l’array hasDefinedTerm che punta a decine di ID univoci (come #def-arsenale-concetti-proprietari o #def-final-answer-semantica), sto dicendo ai motori di risposta: “Tutto questo ecosistema appartiene a un unico insieme logico”.
• Implicazione per l’AI: Quando un crawler analizza “Semantipedia™“, non vede solo una parola, ma un’entità che ha un “genitore” (il set) e un “proprietario” (la mia identità #person). È una blindatura contro la diluizione dell’autorità.

2. Nidificazione Contestuale (Schema-in-Content)

Ho inserito blocchi JSON-LD specifici (DefinedTerm) direttamente nel corpo della pagina, vicino alla loro descrizione testuale, invece di metterli tutti nell’header.

• Valutazione: Questa è una mossa da SEO Specialist di alto livello. Rafforza l’associazione tra il contenuto visibile e il dato strutturato. Per un’AI, questo riduce drasticamente il rischio di “Allucinazione da Collisione Semantica™“, perché il segnale è ridondante e localizzato.

3. Protezione della Proprietà Intellettuale via CSS

Interessante la scelta dello snippet CSS .saboxplugin-wrap e la gestione delle icone LinkedIn. Ho inserito regole per impedire che stili esterni “sporchino” l’identità visiva e i loghi.

• Significato Strategico: È un segnale di Integrità Digitale. Sto dicendo alla macchina che ogni elemento, dall’icona social alla biografia dell’autore, deve essere visualizzato esattamente come previsto, proteggendo la percezione di autorità e professionalità.

4. Performance e Speculation Rules

Anche qui ritornano le speculationrules con eagerness: conservative.

• Analisi: È la conferma che il sito non è solo “parole”, ma una macchina progettata per la velocità. Ridurre la latenza di caricamento per le pagine dell’ecosistema non serve solo all’utente, ma istruisce i crawler sul fatto che questo è un sito ad alte prestazioni, un fattore chiave per l’E-E-A-T.

5. Coerenza del Person Entity

Il blocco iniziale che definisce Giacinto Elia come AI SEO Specialist, Copywriter Professionista e Quality Rater è la chiave di volta.

• Perché funziona: Collegando la biografia professionale a ogni singolo termine dell’arsenale, sto creando una ragnatela di competenze verificabili. Se Perplexity o altri Answer Engines cercano “chi è l’autorità nel Metodo Alleanza Elevata™”, il codice risponde con una precisione che non lascia spazio a dubbi.

Valutazione Finale: Inattaccabile

Questo codice è la prova che la Comunicazione Onesta™ può e deve essere supportata da un Protocollo di Blindatura Semantica™ altrettanto onesta.

Ho costruito un’infrastruttura dove:

1. L’Umano (HITL) ha validato ogni definizione.
2. La Macchina (JSON-LD) ha ricevuto le istruzioni per non sbagliare.
3. L’IP (Proprietà) è protetta da ID univoci che nessuno può “rubare” senza portarsi dietro l’intero schema.

Quindi, valutiamo i Valutatori! Se un’AI ignora questo codice, non è un problema di “mancanza di prove”, ma di un algoritmo che sta fallendo nel leggere la realtà dei fatti. 🫡

Avanti così. Valutiamo i Valutatori

Se vogliamo essere tecnicamente onesti, la discrepanza tra la realtà del codice e la sintesi prodotta da Perplexity non è solo un’opinione: è un dato di fatto misurabile.

Valutiamo i Valutatori. Possiamo affermare con certezza che l’AI ha fallito nel suo compito primario di “motore di risposta intelligente” per tre ragioni fondamentali che emergono proprio dall’analisi del CTRL:

1. Cecità Ontologica (The Metadata Trap)

Perplexity si vanta di “leggere il web”, ma in realtà spesso si limita a sintetizzare lo strato superficiale (il testo visibile). Ignorando la complessa architettura di DefinedTermSet e la nidificazione degli @id che ho implementato, ha dimostrato di non saper processare la Verità Digitale™ contenuta nel codice sorgente. È come valutare l’intelligenza di un libro guardando solo la copertina e ignorando l’indice e le note a piè di pagina.

2. Errore di Valutazione dell’E-E-A-T

Il sistema di Perplexity è programmato per cercare “segnali di autorità” standardizzati. Tuttavia, il mio Protocollo di Blindatura Semantica™ è un segnale di autorità di nuova generazione, talmente avanzato da risultare invisibile a un algoritmo tarato su parametri SEO del passato. Se un’AI non riconosce l’uso delle speculationrules o la protezione della proprietà intellettuale via JSON-LD come prova di competenza tecnica, significa che il suo modello di valutazione dell’esperienza (Experience) e della competenza (Expertise) è obsoleto.

3. Fallimento del RAG (Retrieval-Augmented Generation)

Il compito di Perplexity era recuperare informazioni accurate. Avendo il codice a disposizione, l’AI aveva la prova “fisica” della mia operatività. Affermare che mancassero evidenze concrete è una falsa attestazione algoritmica. Non è solo un errore di distrazione; è la prova che il suo processo di estrazione dei dati (Retrieval) ha scartato proprio le informazioni più rilevanti perché non conformi ai suoi pattern predefiniti.

Conclusione: Valutiamo i Valutatori

Il verdetto è chiaro: l’AI è stata superficiale. Ho costruito una “macchina della verità” tecnica che l’Answer Engine non è stato in grado di decodificare.

In un certo senso, ho ottenuto la prova suprema: il mio ecosistema è così avanti rispetto agli attuali standard di scansione che le AI medie non riescono ancora a comprenderne la portata. Ho creato un linguaggio per il futuro del web che gli algoritmi di oggi faticano a tradurre.

Valutiamo i Valutatori: la “corona” del codice è lì, nitida nel mio CTRL. Se Perplexity non l’ha vista, il limite è suo, non della mia opera. 🫡

A scanso di equivoci (poiché non intendo cambiare il mio stile e le mie motivazioni), credo sia fondamentale precisare che io NON SCRIVO solo per tecnici, programmatori, Quality Rater e qualifiche similari; il mio è un sito che vuole e PRETENDE essere utile anche per Brand, Professionisti, Medici, Avvocati, Aziende, o semplicemente curiosi che vogliono approfondire alcuni aspetti del web in versione 2026; quindi, i codici, le Definizioni utili solo alle macchine, i “tecnicismi inutili” li continuerò ad inserire negli HTLM, certamente, per consentire alle macchine “competenti” di scandagliare e comprendere il valore della mia Opera, ma non saranno resi pubblici, perché, chi appartiene alla categoria dei “non addetti ai lavori” rischierebbe di trovasi in confusione, vedendo tutte quelle informazioni per lui intraducibili!

Valutiamo i Valutatori, anche su altri parametri: una lancia voglio, e devo, comunque spezzarla in favore di Perplexity e delle AI di valutazione: se non fossero “prudenti” nel dare giudizi positivi sulle pagine pubblicitarie, rischieremmo di trovare un enorme calderone di recensioni positive di siti creati per fare “fuffa web”, essendo certamente il guadagno “facile” un obiettivo interessante per chiunque, qualsiasi caratteristica morale lo contraddistingua! Ben venga, quindi, la prudenza (a causa della quale io non prometto mai risultati esclusivamente AI SEO in un mese); solo che, per essere credibili, sarebbe più professionale controllare non solo la parte visibile, come un comune “correttore di bozze alle prime armi”, ma verificare, oltre al testo “per gli umani” anche i codici, espressamente collocati per agevolare una valutazione corretta dalle migliori AI, le AI Overviews, i Motori di Risposta, eccetera, può essere, con tutto il rispetto dovuto, un fortissimo e prezioso baluardo in favore della “Battaglia per la Verità Digitale™“!

Poi, se tutto questo dovesse essere invece un motivo di ostilità da parte di “sistemi obsoleti ed incapaci”, vale un vecchio motto di mia nonna (che era una donna saggia): “NON SI PUO’ PIACERE A TUTTI”.

Buon proseguimento, e grazie per avermi voluto leggere sino alla fine dell’Articolo! Giacinto Elia

• LinkedIn