Schema markup e AI Search: perché i dati strutturati non bastano più per ottenere citazioni

Per anni lo schema markup è stato raccontato come una delle leve più concrete della SEO tecnica: una grammatica invisibile, ordinata, capace di aiutare Google a leggere meglio una pagina e, in molti casi, a trasformarla in un risultato più ricco, più evidente, più cliccabile. Oggi quella promessa non scompare, ma cambia profondamente forma. La progressiva riduzione dei rich result legati ai dati strutturati e le prime analisi sull’impatto dello schema nelle citazioni generate dai motori AI stanno imponendo una revisione più matura del tema.

Il punto non è stabilire se lo schema markup sia “morto”. Non lo è. Il punto è capire se possa ancora essere venduto, progettato o difeso come scorciatoia per ottenere visibilità. E qui la risposta diventa molto più sfumata. Per aziende, publisher, e-commerce e consulenti SEO italiani, la questione è strategica: in un ecosistema dove Google, AI Overview, chatbot e motori conversazionali ridisegnano il modo in cui le informazioni vengono selezionate, citate e sintetizzate, non basta più aggiungere JSON-LD a una pagina per sentirsi competitivi.

La stagione dei rich result facili è finita

La rimozione dei risultati arricchiti FAQ da Google è solo l’ultimo passaggio di un percorso iniziato da tempo. Negli ultimi anni, diverse tipologie di dati strutturati hanno perso visibilità diretta nella SERP. Alcuni formati sono stati limitati a categorie di siti ritenute particolarmente autorevoli, altri sono stati ridimensionati, altri ancora sono stati dismessi perché giudicati poco utili per l’esperienza dell’utente.

Questo non significa che Google ignori i dati strutturati. Significa però che il valore visibile, quello più facile da mostrare in un report SEO — stelline, box espansi, domande frequenti, elementi extra in pagina risultati — è diventato meno stabile. La dinamica è nota: una funzionalità viene introdotta, il settore SEO la adotta in massa, la tattica viene replicata su larga scala e, dopo un periodo di sovrautilizzo, il beneficio viene ridotto o rimosso.

Per molti brand questa è una lezione importante. Costruire una strategia organica intorno a un singolo formato di markup è fragile. I dati strutturati possono far parte dell’architettura informativa di un sito, ma non dovrebbero essere il centro della proposta di valore SEO. Quando una tecnica diventa troppo meccanica, troppo replicabile, troppo scollegata dalla qualità reale del contenuto, tende a perdere potere.

Il nodo AI: lo schema aiuta davvero a essere citati?

Con l’arrivo della ricerca generativa, una parte del mercato ha riposizionato lo schema markup come strumento per aumentare la probabilità di essere citati dalle risposte AI. L’idea è intuitiva: se una pagina è meglio strutturata per le macchine, un sistema di intelligenza artificiale dovrebbe comprenderla meglio e quindi citarla più spesso. Ma i dati disponibili invitano alla cautela.

Un’analisi condotta su 1.885 pagine che avevano aggiunto schema JSON-LD ha confrontato il comportamento di quelle pagine con gruppi di controllo privi dello stesso intervento. Le variazioni nelle citazioni da parte di ambienti come AI Overview, AI Mode e ChatGPT sono risultate deboli o non chiaramente attribuibili allo schema. In due casi l’incremento è stato minimo, nell’ordine di pochi punti percentuali; in un altro caso si è osservata persino una flessione. Il dato più rilevante, però, è un altro: le pagine analizzate erano già visibili e già citate prima dell’aggiunta del markup.

Questo dettaglio cambia l’interpretazione. Se una pagina è già presente nell’ecosistema di citazioni AI, l’aggiunta di schema non sembra produrre un’accelerazione evidente. È un po’ come applicare un’etichetta più precisa a un prodotto già esposto in uno scaffale ben frequentato: può aiutare nella catalogazione, ma non garantisce che venga scelto più spesso.

Lo schema resta infrastruttura, non leva miracolosa

La tentazione di semplificare è forte: se i dati non mostrano un impatto diretto sulle citazioni AI, allora lo schema non serve. Sarebbe però una conclusione sbagliata. Lo schema markup continua ad avere un ruolo nella descrizione di entità, prodotti, organizzazioni, autori, eventi, video, recensioni e contenuti editoriali. In alcuni casi abilita ancora funzionalità visibili nei risultati di ricerca. In altri lavora sotto la superficie, contribuendo a rendere più leggibile la relazione tra pagina, autore, brand, tema e contenuto.

La differenza è che questo valore va raccontato in modo più onesto. Lo schema non è una leva magica per “entrare nelle AI”. È una componente dell’igiene tecnica e semantica di un sito. Ha senso quando accompagna contenuti solidi, architetture chiare, informazioni verificabili e pagine realmente utili. Ha molto meno senso quando viene applicato come decorazione tecnica a contenuti deboli, generici o costruiti solo per intercettare query.

Per le aziende italiane, soprattutto in settori competitivi come retail, turismo, finanza, salute, formazione e B2B, questo passaggio è cruciale. La SEO tecnica non perde importanza, ma deve integrarsi con una strategia editoriale più rigorosa. I motori AI non cercano solo marcatori nascosti: cercano segnali di affidabilità, chiarezza, pertinenza e autorevolezza distribuiti lungo tutto il contenuto.

Perché il contenuto visibile pesa sempre di più

Alcuni esperimenti sui sistemi AI suggeriscono che, nella fase di recupero diretto delle pagine, le macchine tendano a privilegiare il contenuto visibile in HTML rispetto ai dati nascosti in JSON-LD, Microdata o RDFa. Questo non elimina il ruolo dei dati strutturati nell’indicizzazione o nella comprensione delle entità, ma sposta l’attenzione su un aspetto spesso trascurato: ciò che l’utente vede è anche ciò che molti sistemi possono usare più facilmente per generare risposte.

In pratica, titoli chiari, sottotitoli descrittivi, paragrafi ben organizzati, risposte dirette, definizioni precise e contenuti aggiornati diventano elementi centrali non solo per la leggibilità umana, ma anche per la leggibilità algoritmica. L’ottimizzazione per AI Search non può limitarsi a un file tecnico aggiunto in pagina. Deve riguardare il modo in cui l’informazione è progettata, gerarchizzata e resa accessibile.

Un contenuto utile per la ricerca generativa dovrebbe rispondere in modo esplicito alle domande principali, distinguere fatti da interpretazioni, indicare contesti e limiti, evitare ambiguità e presentare le informazioni in una struttura pulita. È un lavoro editoriale prima ancora che tecnico. E qui la SEO torna a dialogare con il giornalismo, la user experience e la content strategy.

Il rischio del nuovo GEO opportunistico

La crescita delle sigle legate alla ricerca AI — GEO, AEO, AI SEO — ha creato un mercato fertile per promesse rapide. Molte guide presentano lo schema markup come una raccomandazione indispensabile per ottenere citazioni nei motori generativi. Il problema non è suggerire l’uso dei dati strutturati: il problema è trasformarli in una garanzia di risultato.

Il settore ha già vissuto cicli simili. Una tecnica nasce con un obiettivo legittimo, viene industrializzata, entra nei template, finisce nei checklist automatici e perde progressivamente significato strategico. Nel caso delle FAQ, il formato era nato per aiutare a chiarire domande e risposte rilevanti. In molti contesti è diventato un modo per occupare più spazio in SERP, anche con blocchi informativi ripetitivi o poco utili.

La ricerca AI accelera questo ciclo. Le aziende chiedono visibilità nei nuovi ambienti conversazionali, i consulenti cercano leve misurabili, i tool offrono checklist operative. Ma se la raccomandazione non è supportata da dati solidi, il rischio è costruire budget e aspettative su una correlazione fragile.

Cosa dovrebbero fare oggi aziende e professionisti SEO

La scelta più sensata non è abbandonare lo schema, ma riposizionarlo. Il primo passo è distinguere tra markup con benefici ancora attivi e markup applicato per abitudine. Product, Review, Event, Video, Organization, Person e Article possono continuare ad avere senso, soprattutto quando descrivono informazioni reali, coerenti con il contenuto visibile e mantenute aggiornate.

Il secondo passo è evitare interventi scollegati dalla qualità della pagina. Aggiungere schema a una scheda prodotto povera, a un articolo superficiale o a una pagina aziendale vaga non cambia la sostanza del contenuto. Al contrario, un sito con informazioni ben strutturate, autori riconoscibili, dati aggiornati, fonti chiare e architettura coerente offre ai motori di ricerca e ai sistemi AI un ambiente più interpretabile.

Il terzo passo è misurare con maggiore precisione. Non basta verificare se lo schema è valido nei test tecnici. Bisogna osservare quali pagine vengono citate, in quali contesti, da quali sistemi, per quali query e con quali variazioni nel tempo. La SEO per l’AI richiede monitoraggio qualitativo oltre che quantitativo: non solo ranking e click, ma presenza nelle risposte, accuratezza delle citazioni, associazioni semantiche e percezione del brand.

La nuova maturità della SEO tecnica

La fase attuale segna una maturazione. Lo schema markup esce dalla zona delle promesse facili ed entra in quella dell’infrastruttura. È meno spettacolare, meno vendibile come trucco, ma ancora rilevante se inserito in una strategia ampia. La vera domanda non è più “quale markup devo aggiungere per farmi citare?”, ma “quanto è comprensibile, autorevole e riutilizzabile la mia informazione?”

Per chi lavora nel digitale, questo cambio di prospettiva è salutare. La ricerca AI non premia solo chi parla meglio alle macchine, ma chi costruisce contenuti che le macchine possono interpretare senza sacrificare l’utilità per le persone. La tecnica resta necessaria, ma non può sostituire chiarezza, competenza e sostanza.

Lo schema, in definitiva, non è il protagonista della nuova search experience. È parte dell’impianto elettrico: se funziona bene, sostiene il sistema; se manca nei punti giusti, può creare inefficienze; ma da solo non illumina una stanza vuota. La visibilità futura passerà da contenuti progettati con precisione, segnali di fiducia verificabili e una struttura informativa capace di parlare contemporaneamente a utenti, motori di ricerca e sistemi AI.