Google sta testando un modello in cui un contenuto può avere un valore economico anche quando l’utente non lo clicca. È questo, più del pagamento in sé, l’aspetto interessante di AI Contribution.

Il 14 settembre 2026 Digiday ha pubblicato nuovi dettagli sul pilot: alcuni publisher invitati vedono in Search Console un pannello dedicato ai guadagni maturati quando i loro contenuti contribuiscono in modo “significativo” a risposte generate in Gemini, AI Overview e AI Mode. Search Engine Roundtable ha ripreso la documentazione mostrata ai partecipanti e chiarisce un punto importante: non tutte le citazioni valgono come contribution. Il programma guarda alla fase in cui il contenuto influenza la risposta generata; un link mostrato dopo, o una pagina usata solo per confermare un fatto, può non qualificarsi. ^[1][2]

Questo dettaglio cambia il modo in cui conviene leggere la SEO per la ricerca generativa. Fino a oggi abbiamo misurato ranking, impression, click e, più recentemente, citazioni AI. AI Contribution introduce un altro livello: il valore informativo che una pagina porta dentro il processo di generazione.

La notizia

Partiamo dai fatti verificabili. AI Contribution è un pilot, non un prodotto aperto a tutti. I publisher ammessi possono aderire ai termini del programma, vedere uno storico dei guadagni e lo stato dei pagamenti in Search Console. Secondo Digiday, Google sta pagando più in base al valore attribuito al contributo che al semplice numero di utilizzi, ma non pubblica la formula con cui quel valore viene calcolato. ^[2]

Google ha confermato a Digiday che si tratta di un esperimento iniziale per capire come remunerare contenuti di qualità, oltre al traffico e agli strumenti già forniti agli editori. Non è quindi corretto presentarlo come un nuovo AdSense dell’AI. È un test di value exchange, ancora opaco, con ritorni economici che alcune fonti editoriali intervistate da Digiday considerano modesti. ^[2]

La cautela è importante perché il rischio, in questa fase, è costruire una narrativa più grande del prodotto. La parte strategica non è “Google finalmente paga tutti i siti”, perché non è vero. La parte strategica è che Google sta formalizzando l’idea che esistono eventi di utilizzo del contenuto che trasferiscono valore anche senza un referral click.

Contribution non significa citation

La documentazione del pilot, riportata da Search Engine Roundtable, distingue la contribution dalla semplice conferma o dal link mostrato dopo la generazione. ^[1] Questa separazione è più importante di quanto sembri, perché rompe l’equazione che molti strumenti GEO stanno implicitamente usando: “sono citato, quindi sono stato una fonte importante”.

Non possiamo dedurre dall’interfaccia finale quanto una pagina abbia pesato nella costruzione della risposta. Una citazione è un elemento dell’output; la contribution riguarda invece il processo che ha portato a quell’output. In mezzo ci sono retrieval, ranking, grounding, selezione delle informazioni e sintesi.

Per questo userei quattro concetti distinti: Retrieval, Contribution, Citation e Referral. Un URL può essere recuperato senza essere citato; può essere citato senza generare un click; e, secondo le regole descritte per il pilot, una semplice citazione o verifica successiva non equivale necessariamente a una contribution remunerabile.

Un modello tecnico più utile del classico funnel SEO

Per ragionare in modo operativo conviene smettere di descrivere la ricerca AI come una SERP con una scatola più grande. Il flusso è diverso e può essere modellato così:

AI Contribution si inserisce soprattutto tra grounding e generazione. Non sappiamo con quale granularità Google attribuisca il valore, né se il calcolo avvenga a livello di URL, passaggio, entità o altro. Qualunque affermazione più precisa oggi sarebbe speculazione. Sappiamo però che Google descrive ufficialmente la RAG come un processo che usa i principali sistemi di ranking della Ricerca per recuperare pagine pertinenti e aggiornate, per poi esaminare informazioni specifiche di quelle pagine nella costruzione della risposta. ^[4]

Questo collega in modo diretto AI Contribution al Query Fan-Out: non serve essere “la pagina migliore per la keyword madre” se una pagina è la fonte più utile per una sotto-domanda generata dal sistema. È uno dei motivi per cui la strategia per topic complessi non può più essere progettata soltanto con keyword volume e posizione media.

La mia lettura: Google sta cercando un prezzo per l’informazione marginale

La metrica non è pubblica, quindi non ha senso inventare un “Google Contribution Score”. Ma possiamo costruire un modello concettuale utile: il valore marginale dell’informazione.

La domanda da fare a una pagina è: se la togliessi dall’insieme delle fonti disponibili, la risposta diventerebbe meno precisa, meno aggiornata o meno completa? Se la risposta è no, il contenuto è facilmente sostituibile. Se la risposta è sì, quella pagina possiede un vantaggio informativo.

Questo non significa che Google calcoli il payout con una formula di information gain. È una chiave di lettura SEO. E si incastra bene con la documentazione ufficiale pubblicata a maggio 2026, dove Google invita esplicitamente a produrre contenuti valuable, unique e non-commodity e ribadisce che non esistono markup o file “AI SEO” speciali necessari per apparire nelle funzioni generative. ^[5]

Il punto, quindi, non è scrivere in modo più “leggibile dagli LLM”. Il punto è possedere informazione che un modello non possa sostituire senza perdere qualcosa.

Quali contenuti hanno più probabilità di avere utilità reale per il grounding?

Non abbiamo una lista ufficiale di contenuti che generano contribution. Possiamo però ragionare sulle proprietà informative che riducono la sostituibilità di una pagina.

• Dati proprietari: benchmark, survey, database, misurazioni e serie storiche che non esistono altrove.
• Test riproducibili: esperimenti SEO, crawling test, misure di rendering, log analysis, confronti tecnici con metodologia dichiarata.
• Fonti primarie: documentazione, changelog, policy, specifiche, dataset e comunicazioni dirette dell’entità oggetto della ricerca.
• Informazione ad alta freschezza: prezzi, disponibilità, specifiche, normative, aggiornamenti software e condizioni che cambiano rapidamente.
• Expert knowledge verificabile: diagnosi tecniche, casi reali, failure mode, decision tree e trade-off che derivano da esperienza sul campo.
• Informazione locale o verticale difficile da aggregare: inventari, cataloghi, dati territoriali, procedure e vincoli specifici di settore.
• Tabelle e confronti costruiti su criteri espliciti: non le classiche top 10, ma matrici in cui è chiaro da dove deriva ogni giudizio.

Cosa invece rischia di diventare commodity molto velocemente

Il rovescio della medaglia è altrettanto importante. Se l’AI riduce il costo di produzione del testo medio, il testo medio diventa abbondante. E ciò che è abbondante perde valore differenziale.

• riscritture di documentazione ufficiale senza test, dati o interpretazione originale;
• articoli “cos’è X” che ricombinano definizioni presenti in centinaia di pagine;
• listicle costruiti senza criteri proprietari o evidenze;
• pagine generate in massa cambiando entità, città o keyword ma mantenendo la stessa informazione;
• riassunti di news che non aggiungono contesto tecnico né verificano la fonte primaria.

La SEO tecnica non scompare: diventa la condizione di accesso

Google è molto chiaro su un punto: AI Overview e AI Mode continuano a poggiare sui sistemi principali di ranking e qualità della Ricerca. Per essere mostrata come link di supporto, una pagina deve essere indicizzata e idonea a comparire in Search. Non servono dati strutturati speciali dedicati all’AI. ^[4]

Tradotto: prima di discutere di contribution, una pagina deve poter entrare nel processo di retrieval. Crawlability, canonicalizzazione, rendering, qualità dell’indice, disponibilità del contenuto testuale, internal linking e segnali di aggiornamento restano fondamentali.

Qui c’è un errore che vedo spesso nelle discussioni AEO/GEO: saltare direttamente alla forma del paragrafo o alle FAQ e ignorare la base di Information Retrieval. Se il documento non entra nel candidato set corretto, il modo in cui avete scritto la risposta non salva nulla.

Search Console: dal traffico alla visibilità AI, e ora al valore?

Il pilot vive in Search Console, ed è una scelta interessante. Nel giugno 2026 Google ha introdotto report dedicati alla visibilità nelle funzioni di AI generativa della Ricerca; dal 31 agosto 2026 questi insight sono stati distribuiti a tutti i siti a livello globale. I report espongono impression, URL, paesi, dispositivi e andamento temporale. ^[6]

AI Contribution aggiunge, per il gruppo ristretto dei partecipanti, un pannello economico. Oggi mancano però i dati che un SEO vorrebbe davvero: quale query o fan-out ha attivato la pagina? quale informazione è stata usata? con quale frequenza una pagina recuperata ha influenzato la risposta? qual è il rapporto tra impression AI, contribution e referral?

Se Google aprisse anche solo parte di questo feedback loop, Search Console diventerebbe non più soltanto il luogo in cui misuriamo la visibilità, ma uno strumento per capire quali asset informativi sono realmente utili ai sistemi generativi.

Quattro KPI che introdurrei subito (non sono metriche Google)

In attesa di dati più granulari, si possono comunque costruire metriche interne. Le seguenti sono proposte operative, non metriche ufficiali e non descrivono il metodo di pagamento del pilot.

• AI Visibility Share = impression nelle feature AI / impression Search complessive nello stesso perimetro temporale. Serve a capire quanto il progetto dipende già dalla superficie generativa.
• AI Referral Efficiency = sessioni o click attribuibili alle feature AI / impression AI. Serve a separare esposizione e capacità di generare traffico.
• Contribution Yield = earnings AI Contribution / 1.000 impression AI. Per i soli partecipanti al pilot: non misura la formula Google, ma aiuta a confrontare periodi e sezioni del sito.
• Information Asset Density = numero di URL con dati, test o fonti primarie / URL editoriali totali del cluster. È una metrica di governance: indica quanta parte del piano editoriale produce asset e quanta parte produce commodity.

Tre test SEO che farei adesso, anche senza accesso al pilot

Il modo migliore per prepararsi non è indovinare l’algoritmo di contribution. È progettare test che aumentino la quantità di informazione originale e misurarne l’impatto sulla visibilità AI.

• Test 1  Original data vs summary. Su due cluster comparabili, trasformare un contenuto da riassuntivo a data-driven introducendo un piccolo dataset proprietario, metodologia e risultati. Misurare nel tempo impression AI, citazioni esterne e referral.
• Test 2 Freshness controllata. Su un topic sensibile agli aggiornamenti, mantenere changelog, data di verifica, versione del prodotto/norma e fonti primarie. Confrontare la stabilità della visibilità AI con pagine dello stesso cluster aggiornate solo semanticamente.
• Test 3 Fan-Out coverage. Partire da una query complessa, mappare 10-20 sotto-problemi reali e assegnare ogni sotto-problema a una pagina o sezione con risposta specialistica. Collegare il cluster con internal linking contestuale e verificare quali URL iniziano a comparire nel report AI di Search Console.

Google, Microsoft e Cloudflare stanno costruendo tre economie diverse

Il pilot di Google è più interessante se letto insieme a ciò che stanno facendo altri attori dell’ecosistema.

Microsoft ha annunciato il Publisher Content Marketplace: i publisher possono definire termini di licensing e gli AI builder possono licenziare contenuti per specifici scenari di grounding, con reporting sull’utilizzo e remunerazione basata sul valore consegnato.Cloudflare sta sperimentando Pay Per Crawl: qui il bene economico non è la contribution ma l’accesso. Il sito può chiedere un prezzo per ogni retrieval riuscito da parte di crawler AI; la documentazione prevede anche un flusso HTTP 402 Payment Required e pricing dinamico. Nella beta attuale il prezzo minimo documentato è 0,001 dollari per crawl riuscito.

Sono tre modelli diversi: Google paga il valore attribuito al contributo; Microsoft crea un mercato di licensing per il grounding; Cloudflare monetizza l’accesso tecnico al contenuto. Non sappiamo quale prevarrà. È però evidente che il web sta sperimentando modelli in cui il contenuto non viene valorizzato soltanto attraverso la visita umana.

Confronto sintetico dei modelli

Il problema vero: l’asimmetria informativa

AI Contribution crea un precedente, ma non risolve il problema economico dei publisher. Google decide se il contributo è significativo, decide il valore e non espone la formula. Digiday riporta che alcuni publisher considerano il sistema ancora troppo black box e che, in alcuni casi, i ritorni iniziali sono bassi rispetto ai ricavi pubblicitari tradizionali. ^[2]

Qui c’è un tema che va oltre la SEO. Se il publisher non sa quale informazione ha prodotto valore, non può allocare capitale editoriale in modo razionale. Search Console ha storicamente creato un feedback loop tra query, pagina e performance. Nel mondo AI il feedback loop è ancora incompleto: vediamo più visibilità, ma non sappiamo bene quale parte del contenuto è stata determinante.

Ecco perché considero il dato di contribution potenzialmente più importante del payout. Un pagamento piccolo può essere irrilevante economicamente; il segnale che identifica quali asset informativi vengono realmente usati può invece cambiare il modo in cui si costruisce un piano editoriale.

Cosa farei su un sito editoriale nei prossimi 90 giorni

Non aspetterei l’apertura del pilot. Lavorerei sulla qualità dell’inventario informativo già esistente.

• Mappare i 20-30 URL che contengono informazione realmente proprietaria o difficilmente sostituibile.
• Per ogni cluster strategico, separare le pagine source-of-truth dalle pagine di supporto: la prima deve contenere dati, metodologia, fonti e aggiornamenti; le seconde devono portare contesto e domanda.
• Aggiungere alle pagine importanti data di verifica, versione, fonte primaria e un changelog quando il contenuto è sensibile alla freschezza.
• Integrare nei contenuti originali tabelle, misure, casi, screenshot tecnici e risultati riproducibili invece di allungare artificialmente il testo.
• Usare il report AI di Search Console come nuovo livello di segmentazione, senza confonderlo con traffico o conversioni.
• Costruire una dashboard che tenga separati Search classica, visibilità AI, referral AI e citazioni su motori esterni.
• Evitare di trasformare ogni notizia in dieci articoli derivati: concentrare l’autorevolezza su pochi asset che abbiano un motivo concreto per essere recuperati.

Una nota sulla “SEO per LLM”: meno trucchi, più Information Retrieval

La tentazione del mercato è trasformare ogni cambiamento in una nuova checklist. Titoli in forma di domanda, paragrafi da 80 parole, FAQ, Schema, file llms.txt, formule linguistiche pensate per essere citate. Alcune scelte possono migliorare chiarezza e accessibilità, ma non vanno confuse con il vantaggio informativo.

Google, nelle linee guida 2026, è esplicito: non servono nuovi file machine-readable o markup AI dedicati per apparire in AI Overview e AI Mode, mentre restano centrali contenuti utili, affidabili, originali e l’idoneità tecnica alla Search. La domanda che mi interessa di più non è quindi “questo paragrafo è ottimizzato per un LLM?”. È “questa pagina contiene qualcosa che il sistema ha un motivo per recuperare da noi invece che da altre cento fonti?”.

È una differenza sottile solo a parole. Operativamente cambia budget, processo editoriale e persino il profilo delle persone che servono in redazione: meno produzione seriale, più ricerca, data collection, testing e competenza verticale.

Quindi?

AI Contribution è ancora troppo piccolo e troppo opaco per essere trattato come un nuovo canale di monetizzazione. Ma il pilot mostra con chiarezza una direzione: Google sta cercando di attribuire valore economico al contributo che il contenuto porta alla generazione di una risposta.

Per la SEO il messaggio utile non è “scrivete per l’AI”. È quasi l’opposto. Se i modelli possono generare a costo bassissimo testo corretto ma generico, il vantaggio competitivo si sposta su ciò che non possono generare senza una fonte: dati, esperienza, evidenza, freschezza, relazioni tra entità e conoscenza specialistica.

Il ranking resta importante perché abilita il retrieval. La citazione resta importante perché crea visibilità. Il click resta importante perché crea business. Ma tra questi livelli compare un nuovo oggetto da capire: il contribution value.

La SEO interessante dei prossimi anni sarà probabilmente meno ossessionata dal numero di contenuti pubblicati e più concentrata sulla domanda fondamentale: se questa pagina sparisse domani dal web, a Google  o a qualunque altro sistema generativo — mancherebbe davvero qualcosa?

Fonti e note

1. Search Engine Roundtable Google AI Contribution Pilot (14 settembre 2026) — https://www.seroundtable.com/google-al-contribution-pilot-42076.html
2. Digiday  Google rolls out pay-per-value AI licensing program to publishers (14 settembre 2026) — https://digiday.com/media/google-rolls-out-pay-value-ai-licensing-program-to-publishers/
3. Google Public Policy  Google’s ongoing commitment to supporting the information ecosystem (18 giugno 2026) — https://publicpolicy.google/article/supporting-information-ecosystem/
4. Google Search Central  Ottimizza il tuo sito web per le funzionalità di AI generativa nella Ricerca Google — https://developers.google.com/search/docs/fundamentals/ai-optimization-guide?hl=it
5. Google Search Central A new resource for optimizing for generative AI in Google Search (15 maggio 2026) — https://developers.google.com/search/blog/2026/05/a-new-resource-for-optimizing
6. Google Search Central Search Generative AI performance reports in Search Console (3 giugno 2026; rollout globale 31 agosto 2026) — https://developers.google.com/search/blog/2026/06/gen-ai-performance-reports?hl=it
7. Microsoft Advertising Building Toward a Sustainable Content Economy for the Agentic Web (febbraio 2026) — https://www.about.ads.microsoft.com/en/blog/post/february-2026/building-toward-a-sustainable-content-economy-for-the-agentic-web