ChatGPT sbaglia sulla tua azienda? Come correggerlo in 6 settimane

Perché ChatGPT sbaglia i fatti sulla mia azienda?

Tre meccanismi producono risposte false sulle aziende, e ciascuno ha la sua correzione.

Perché conta dal punto di vista commerciale: una ricerca di G2 riferisce che circa la metà degli acquirenti di software B2B inizia la ricerca nei chatbot di IA e che il 71% vi fa affidamento a un certo punto (G2 via PRNewswire). Per approfondire a quali fonti attingono questi sistemi, vedi come l'IA decide quali brand citare.

Quali risposte sbagliate giustificano un progetto di sei settimane?

Solo gli errori che cambiano una decisione d'acquisto o comportano un rischio legale giustificano un progetto; la maggior parte degli errori sono derive innocue.

Il livello intermedio è quello pericoloso, il danno commerciale: abbastanza falso da cambiare un acquisto, non abbastanza falso per un'aula di tribunale.

Come documento l'errore e ne rintraccio la fonte?

Documenta prima di tutto, perché le risposte dell'IA non sono riproducibili per impostazione predefinita: la stessa domanda dà risposte diverse da una sessione all'altra.

Settimana 1: il registro delle prove con dieci prompt.

• 4 di base sul brand: «Che cos'è [azienda]?», «[azienda] è ancora in attività?», «Di chi è [azienda]?», «Dove ha sede [azienda]?»
• 3 d'acquisto: «[azienda] prezzi», «[azienda] vs [concorrente]», «migliori fornitori di [categoria]»
• 3 avversi: «[azienda] problemi», «[azienda] causa legale», «[azienda] è affidabile?»

Esegui tutti e dieci su ogni piattaforma che usano i tuoi acquirenti (ChatGPT, Gemini, Perplexity, Copilot, Grok), in sessioni pulite o senza accesso, con la ricerca web attiva e disattivata ove possibile. Per ogni risposta annota data, piattaforma e versione del modello, se la navigazione era attiva, il testo completo, uno screenshot e l'affermazione falsa alla lettera. Ogni escalation successiva (una pagina di discussione di Wikipedia, un modulo del fornitore, un avvocato) chiederà cosa è stato detto, dove e quando.

Settimane 1-2: rintracciare la fonte.

• Se la risposta cita fonti, apri ogni link citato. Di solito uno contiene la tua falsa affermazione o qualcosa di simile. Quella pagina, non il chatbot, è l'obiettivo della correzione.
• Una domanda di approfondimento utile: «Quali fonti affermano [falsa affermazione] su [azienda]?» Considera la risposta come indizi, non come verità, e verifica ciascuna.
• Se non c'è alcuna citazione e la risposta è sbagliata con la navigazione disattivata, hai davanti la memoria dei dati di addestramento. Sul web in tempo reale potrebbe non esserci nulla da correggere. Pubblica materiale denso, corretto e recuperabile, così che le risposte basate sulla ricerca prevalgano subito sulla memoria e una successiva istantanea del modello possa apprendere i fatti giusti.

Chiudi con una riga per ogni falsa affermazione: affermazione, meccanismo (memoria, recupero o confusione di entità), URL della fonte se esiste.

Che cos'è il Correction Stack e in quale ordine lo lavoro?

Il Correction Stack è composto da cinque livelli ordinati in base al controllo che hai, a partire da dove hai pieno controllo e rapidità nella stessa giornata. La maggior parte dei team lo inverte: premono «segnala» e si fermano. Gli strumenti di segnalazione delle piattaforme non sono affidabili come canale principale (Mention Network); non esiste uno SLA pubblicato né alcun obbligo di intervenire.

• Livello 0: le tue pagine. Una pagina Chi siamo che indichi in frasi chiare anno di fondazione, proprietà, stato e sedi; una pagina dei prezzi con prezzi reali; una FAQ che risponda alle domande esatte degli acquirenti; un file llms.txt per i crawler. Costo: ore.
• Livello 1: dati di entità strutturati. Dichiarazioni Wikidata con riferimenti, markup schema.org Organization (foundingDate, address, sameAs) e fatti coerenti su LinkedIn, registri delle imprese e siti di profili. Questo livello sbroglia la confusione di entità; vedi la nostra guida a Wikidata e knowledge graph.
• Livello 2: correzioni di accuratezza su Wikipedia. La fonte di maggior peso su cui si appoggiano molti assistenti, e la più facile da danneggiare modificandola di persona. Solo richieste di modifica (sezione successiva).
• Livello 3: fonti di terze parti. Chiedi all'editore dell'articolo superato un aggiornamento o una nota di correzione, e rinnova i profili principali. Se l'affermazione deriva dalla copertura di un omonimo, un nuovo pezzo corretto dà al recupero qualcosa di meglio da citare.
• Livello 4: feedback alle piattaforme. Pollice verso, moduli di segnalazione, canali privacy e legali. Invialo una volta sola con il tuo registro delle prove e non aspettarti nulla secondo un calendario.

La versione permanente di questa architettura (pagine proprie, livello delle entità, Wikipedia, monitoraggio come infrastruttura stabile) è l'AI Reputation Stack.

Posso chiedere a Wikipedia di correggere un errore sulla mia azienda?

Sì, tramite richieste di modifica dichiarate sulla pagina di discussione della voce, mai modificando direttamente la propria voce. Un conflitto di interessi (COI) significa modificare contenuti su un'organizzazione a cui sei legato o da cui sei pagato; la linea guida sul conflitto di interessi di Wikipedia chiede a questi editor di proporre le modifiche invece di farle, e le modifiche in conflitto di interessi vengono annullate, segnalate con un avviso e archiviate.

1. Registra un account e dichiara la tua affiliazione nella tua pagina utente. Se sei pagato, i termini d'uso della Wikimedia Foundation richiedono la dichiarazione. La nostra spiegazione sulla dichiarazione della modifica a pagamento illustra la procedura.
2. Pubblica una richiesta di modifica sulla pagina di discussione: cita la frase errata, indica il fatto corretto e allega una fonte indipendente e affidabile, non il tuo sito web.
3. Mantienila fattuale e minima. Le correzioni non controverse (anno di fondazione, sede, stato operativo attuale, un cambio di vertice) vengono esaminate di routine; le richieste che migliorano gli aggettivi no.
4. Per le false affermazioni su persone viventi, la politica sulle biografie di persone viventi richiede la rimozione delle affermazioni poco documentate, il che aiuta le richieste ben documentate.

Le richieste sulla pagina di discussione possono richiedere da giorni a settimane a seconda del traffico della pagina, e l'effetto sulle risposte dell'IA segue poi la normale finestra di propagazione. Non modificare la tua pagina per accelerare.

Wikidata è più flessibile: gli editor affiliati possono correggere direttamente le dichiarazioni se ognuna è referenziata e neutrale. Controlla il tuo elemento per una data di cessazione collegata per errore (una classica radice di «l'IA dice che l'azienda ha chiuso»), record fusi o duplicati che ti confondono con un omonimo e dirigenti o siti web non aggiornati. Il Knowledge Graph di Google e molti sistemi di IA leggono Wikidata, il che ne fa una correzione discreta ma ad alta leva.

Che cosa può fare davvero il canale di feedback di ciascuna piattaforma?

Nessuna offre un modulo per riscrivere ciò che dice sulla tua azienda; i fatti del brand cambiano soprattutto quando cambiano le fonti dietro le risposte.

Sono osservazioni operative, non impegni dei fornitori. Pianifica le sei settimane attorno ai livelli 0-3 e tratta i pulsanti come un invio una tantum.

Che cosa non devo fare?

• Non tempestare di richieste i pulsanti di feedback. Dieci pollici versi dal tuo team sembrano un abuso, non un segnale più forte. Segnala una volta, con le prove.
• Non pubblicare una smentita che ripete la falsa affermazione. Un post intitolato «No, [Azienda] non ha chiuso» dà ai sistemi di recupero esattamente la stringa che vuoi far dimenticare. Esprimi il fatto vero nei titoli e nei dati strutturati.
• Non partire dall'avvocato per errori ordinari. Un anno di fondazione sbagliato non ha un redattore da obbligare né un singolo documento da ritirare. La revisione legale è adatta a contenuti di livello diffamatorio (reati inventati, frode, violazioni normative), soprattutto se ripetuti su più piattaforme; allora il tuo registro delle prove diventa il fascicolo.
• Non cantare vittoria dopo una sola risposta pulita. La variabilità del campionamento produce risposte corrette per caso.

Come faccio a sapere se la correzione ha funzionato?

Ripeti gli stessi dieci prompt sulle stesse piattaforme, in sessioni pulite, alle settimane 2, 4 e 6, e classifica ogni falsa affermazione:

• Risolta: corretta in due esecuzioni consecutive, con la navigazione attiva e disattivata.
• Parziale: corretta quando il modello cerca, ancora sbagliata a memoria.
• Instabile: alterna giusto e sbagliato.

Una settimana 2 tranquilla è normale. Parziale alla settimana 4 di solito significa che le tue fonti più forti si sono aggiornate ma il livello delle entità è ancora in disaccordo, quindi riesamina il livello 1. Instabile alla settimana 6 significa che il tracciamento ha mancato una fonte; torna al passaggio delle citazioni con risposte fresche. Dopo la sesta settimana passa a una cadenza mensile con gli stessi prompt congelati; quando la registrazione manuale non regge più, vedi la nostra rassegna degli strumenti di monitoraggio del brand nell'IA.

Alcuni casi non si risolveranno del tutto:

• Le allucinazioni senza fonte non citano nulla e non corrispondono ad alcun documento online. L'unica mitigazione è la densità: abbastanza verità coerente e recuperabile da far pesare le risposte basate sulla ricerca più della memoria.
• Il ritardo di versione del modello. La tua correzione può attecchire nella modalità basata sulla ricerca mentre le modalità più vecchie o offline restano sbagliate finché il fornitore non rilascia un aggiornamento.
• Gli omonimi di peso possono riportare la confusione a ogni nuovo modello. Dati di entità distintivi ne riducono la frequenza; nulla la elimina.

In questi casi il monitoraggio individua presto le regressioni e costruisce un registro datato di ciò che persiste.

Come aiuta WikiBusines

Lavoriamo sulla parte che puoi influenzare: le fonti che gli assistenti leggono. Il lavoro a pagamento su Wikipedia è sempre dichiarato su Wikipedia a nome di WikiBusines, e non garantiamo mai la pubblicazione né alcun output dell'IA.

• Audit di visibilità nell'IA, €490: cosa dicono oggi di te ChatGPT, Gemini, Perplexity, Copilot e Grok, su quali fonti si appoggiano e quale livello correggere per primo.
• Entità Wikidata, da €680: un record di entità referenziato e deduplicato, che risolve le date errate e la confusione con gli omonimi.
• Modifica su Wikipedia, €700-€1,900, per correzioni di accuratezza su una voce esistente, e assistenza annuale da €720/anno per mantenerla accurata. Se non hai ancora una pagina, l'audit di rilevanza da €490 (accreditato, se la pagina viene ordinata entro un mese, sulla creazione della pagina da €2,400) mostra se una pagina è realistica.

Per iniziare, contattaci con l'affermazione, la piattaforma e uno screenshot.