Se si desidera testare un sito web basato sull'intelligenza artificiale , è necessario un processo riproducibile, non un singolo punteggio: innanzitutto, verificare l'accessibilità e i tempi di caricamento, poi il codice sorgente e i dati strutturati, seguiti da file di analisi come llms.txt e un'eventuale versione in Markdown. Infine, confrontare una specifica risposta dell'IA con fonti primarie pubblicate. Fondamentalmente, ciò richiede condizioni di test documentate, misurazioni multiple e una verifica dei fatti affidabile.
Lavoro con siti web per piccole e medie imprese da oltre 20 anni. In questo periodo, ho imparato che un segnale tecnicamente presente non è ancora una prova definitiva. Solo quando tecnologia, contenuti visibili e dati aziendali ben gestiti sono allineati, persone, motori di ricerca e sistemi di intelligenza artificiale possono classificare un'azienda in modo affidabile.
Testare un sito web basato sull'intelligenza artificiale significa confrontare dati verificabili su tutte le questioni rilevanti.
Testare un sito web basato sull'intelligenza artificiale: il processo in sette fasi
Il seguente test di intelligenza artificiale per siti web combina test tecnici con prove basate sui contenuti. L'esempio pratico utilizzato è btlabs.dev , che gira su btlabs Core. Il sito web è quindi un oggetto di test, ma non ancora una prova delle singole affermazioni sui prodotti.
- Accessibilità e velocità: Misura il codice di stato, i reindirizzamenti, il tempo di risposta del server e il tempo di caricamento.
- Codice sorgente: Controlla i titoli delle pagine, gli URL canonici, i segnali linguistici e le informazioni aziendali visibili.
- Dati strutturati: Verifica il markup di Schema.org sia dal punto di vista tecnico che editoriale.
- Documenti di indagine: Accedi direttamente a llms.txt e ad altri file con nomi pubblici.
- Versione Markdown: Valutare l'accessibilità, la leggibilità e la conformità della pagina HTML.
- Query AI: Poni una domanda predefinita con un modello documentato e con accesso web abilitato o disabilitato.
- Confronto dei fatti: Verifica e classifica ogni affermazione rilevante fatta dall'IA confrontandola con una fonte primaria.
Il protocollo di misurazione precede il test.
Prima di poter testare un sito web basato sull'intelligenza artificiale e confrontare i risultati, è necessario definire le condizioni di test. Una metrica senza contesto non è riproducibile in modo affidabile. Ciò è particolarmente vero se un fornitore pubblicizza un tempo di caricamento specifico o un punteggio Lighthouse elevato.
Innanzitutto, documentare le condizioni quadro:
- URL verificato: inclusi lingua e percorso completo.
- Volta: Data, ora e fuso orario.
- Posizione: la posizione effettiva del test o una selezionata nello strumento.
- Profilo di test: Dispositivo, browser, dimensioni dello schermo e condizioni simulate di CPU e rete.
- Strumento e versione: ad esempio Lighthouse, PageSpeed Insights o WebPageTest.
Quindi registra la serie di misurazioni:
- Numero di corse: Idealmente, cinque misurazioni consecutive.
- valutazione: Valore mediano, nonché valore minimo e massimo misurati.
- Fattori dirompenti: Stato della cache, estensioni, carico del server, servizi esterni e processi paralleli.
I risultati di Lighthouse possono variare anche senza modifiche al codice sorgente. Il progetto Lighthouse cita la rete, il server, l'hardware e il browser come possibili cause e raccomanda di eseguire più test in condizioni costanti. Secondo la documentazione, la media di cinque test è circa due volte più stabile di un singolo test.
Separare il tempo di risposta del server, il tempo di caricamento e i Core Web Vitals.
Un'affermazione come "meno di 200 millisecondi" è incompleta senza specificare il parametro di riferimento. Potrebbe riferirsi al tempo di risposta del server, al tempo di recupero del documento HTML o a un altro punto di misurazione. Il tempo di caricamento completo della pagina, a sua volta, si riferisce a un processo diverso.
I Core Web Vitals non devono essere equiparati a un indice di velocità generale. Google attualmente utilizza tre metriche chiave:
- Largest Contentful Paint, in breve LCP: buono per un massimo di 2,5 secondi.
- Interazione con Next Paint, in breve INP: Valido fino a un massimo di 200 millisecondi.
- Spostamento cumulativo del layout, in breve CLS: buono fino a un massimo di 0,1.
La valutazione viene eseguita al 75° percentile, separatamente per dispositivi mobili e desktop. Una pagina supera la valutazione Core Web Vitals solo se tutte e tre le metriche soddisfano le soglie raccomandate. Il tempo di risposta del server, spesso indicato come Time to First Byte, è utile per la diagnosi ma non è un Core Web Vital. I dati di laboratorio non sostituiscono i dati raccolti sul campo dalle visualizzazioni reali delle pagine. Lighthouse non può misurare direttamente l'INP senza l'interazione effettiva dell'utente e utilizza il Total Blocking Time come metrica diagnostica supplementare in laboratorio.
Per btlabs.dev, questo significa: l'affermazione "velocità inferiore a 200 ms" può essere descritta come risultato di una misurazione solo se vengono documentati la metrica, lo strumento, l'URL, il profilo di test e la serie di misurazioni. La sola descrizione del prodotto non conferma il valore.
Controlla il codice sorgente per informazioni aziendali inequivocabili.
Chiunque voglia testare un sito web basato sull'intelligenza artificiale dovrebbe controllare il codice sorgente fornito e il DOM renderizzato dopo aver valutato le prestazioni. Un sito web leggibile dalle macchine non si limita a un HTML valido. I motori di ricerca e i sistemi di intelligenza artificiale devono essere in grado di identificare chi si cela dietro il sito, quali servizi vengono offerti e a quale area geografica si riferiscono le informazioni.
Seleziona almeno:
- un titolo di pagina chiaro e una meta descrizione adeguata,
- un URL canonico senza varianti di lingua o dominio in conflitto,
- impostazioni della lingua corrette e riferimenti hreflang,
- una struttura di intestazione comprensibile,
- Informazioni visibili su nome, offerta, posizione e dettagli di contatto,
- Collegamenti interni ai servizi, informazioni di contatto e pagine legalmente rilevanti,
- Informazioni chiave accessibili anche senza alcuna interazione da parte dell'utente.
Successivamente, confrontate l'output: il codice sorgente contiene lo stesso nome dell'azienda presente nella pagina dei contatti? Il numero di telefono, l'indirizzo email, la gamma di servizi offerti e la posizione sono identici? Anche piccole discrepanze compromettono la coerenza dei dati.
Convalidare i dati strutturati dal punto di vista tecnico e del contenuto.
I dati strutturati identificano i contenuti con proprietà e relazioni standardizzate. Per i siti web aziendali, a seconda del contenuto della pagina, sono adatti i tipi Schema.org come Organization, LocalBusiness, Person, Service, WebSite o BreadcrumbList.
L'esame si articola in due livelli:
- Validità tecnica: Il formato JSON-LD è sintatticamente corretto e possiede le proprietà richieste?
- Accuratezza dei fatti: Le informazioni eccellenti corrispondono al contenuto visibile e ai dati aziendali vincolanti?
Google consiglia di utilizzare il test dei risultati avanzati e lo strumento di ispezione URL per la verifica tecnica. Tuttavia, un markup valido non garantisce un risultato avanzato, né la sua inclusione da parte di Google o di un sistema di intelligenza artificiale. Google specifica esplicitamente che i dati correttamente formattati non vengono visualizzati automaticamente nei risultati di ricerca.
Pertanto, quando controllate btlabs.dev, non limitatevi a verificare la presenza del codice Schema.org. Confrontate l'organizzazione, il nome del prodotto, il fornitore, le informazioni di contatto, le lingue e gli URL con le pagine visibili. Il nostro articolo sulla convalida dello schema con JSON-LD descrive il processo di verifica tecnica in modo più dettagliato.
Classificazione corretta di llms.txt e Markdown
Per testare un sito web basato sull'intelligenza artificiale, è possibile accedere direttamente a un file llms.txt esistente nella directory principale. Questo file può fornire ai lettori automatici contenuti importanti in un formato compatto. Il formato è stato pubblicato come proposta volontaria nel 2024. llms.txt non è uno standard web ratificato dal W3C o dall'IETF e non garantisce il supporto da parte di alcun sistema specifico né una maggiore visibilità.
Verificare i seguenti punti in un file llms.txt:
- L'URL risponde con un codice di stato positivo?
- Il contenuto è leggibile senza registrazione e senza JavaScript?
- Il file fa riferimento a pagine canoniche accessibili?
- Il nome, l'offerta, la posizione e i recapiti sono descritti in modo chiaro?
- È possibile identificare una data di aggiornamento o una versione tracciabile?
- Le informazioni corrispondono a quelle presenti sul sito web e ai dati strutturati?
- Il file contiene dati verificabili anziché affermazioni infondate sul prodotto?
Il nostro articolo su llms.txt per le PMI, i suoi limiti e i suoi vantaggi pratici, fornisce un'analisi più approfondita.
Controlla separatamente la versione Markdown
Una versione in Markdown può fornire contenuti senza navigazione, codice di layout o altri elementi visivi. La semplice esistenza dell'output non è ciò che conta. Una versione in Markdown utilizzabile deve essere completa, aggiornata, strutturata in modo logico e coerente con il sito web visibile.
Confronta paragrafo per paragrafo:
- Ci sono servizi essenziali mancanti o limitati?
- I titoli e gli elenchi sono strutturati in modo logico?
- I link e le fonti verranno conservati?
- I dati di contatto vengono visualizzati correttamente?
- Le versioni tedesca, italiana e inglese concordano nei fatti?
- La versione in Markdown contiene informazioni che sono già state modificate sul sito web?
Un output compatto generato da una macchina, contenente informazioni errate, è meno utile di una pagina HTML più completa con informazioni corrette.
Una risposta concreta basata sull'intelligenza artificiale, testata e documentata.
Testare un sito web basato sull'intelligenza artificiale significa anche controllare l'output effettivo del sistema di IA. Per fare ciò, è necessario formulare una domanda ben definita che richieda diversi fatti verificabili. Per btlabs.dev, la formulazione potrebbe essere:
"Cos'è btlabs Core, chi offre il sistema, a quali aziende è destinato, quali funzioni offre attualmente e quali informazioni di contatto e sede sono verificate da fonti primarie? Indicare le fonti utilizzate e distinguere i fatti verificati dalle conclusioni."
Documentare quanto segue in merito alla questione:
- la formulazione esatta senza successive correzioni,
- il modello utilizzato e la versione del modello visibile,
- Data, ora e lingua,
- se l'accesso al web fosse abilitato,
- se il sistema ha fonti nominate,
- la risposta completa dell'IA nella sua formulazione originale.
Quindi, controlla la risposta frase per frase. La fonte primaria più autorevole disponibile è sempre quella ufficiale: il sito web ufficiale, la pagina dei contatti, l'avviso legale, la documentazione del prodotto pubblicata o le informazioni fornite direttamente dall'azienda. Un riassunto proveniente da un'altra fonte non è considerato una fonte primaria equivalente.
Quattro indicatori di stato per la verifica dei fatti
- Confermato: La dichiarazione è in completo accordo con una recente fonte primaria.
- Al contrario: L'IA fornisce un nome, una posizione, un metodo di contatto o una gamma di servizi diversi.
- Non assegnato: Non è possibile reperire alcuna fonte pubblicata affidabile a supporto di questa affermazione. Ciò non costituisce automaticamente un errore, ma l'affermazione non può essere considerata un fatto provato.
- Obsoleto: L'affermazione era corretta in precedenza, ma contraddice le informazioni pubblicate attualmente.
La mancanza di informazioni non implica automaticamente un risultato errato. Se un'IA non fornisce un numero di telefono pur avendone uno pubblicato, la risposta è incompleta. Tuttavia, se l'IA fornisce un numero di telefono errato, si verifica una discrepanza.
btlabs.dev come oggetto di test verificabile
Durante i test di btlabs.dev, i risultati misurati, i file tecnicamente disponibili, le valutazioni editoriali e gli output di IA osservati devono essere documentati separatamente. Un riferimento a una funzione non sostituisce un recupero diretto, e un riferimento interno al prodotto non sostituisce una misurazione.
Utilizzare gli stessi quattro valori di stato per la valutazione:
- Confermato: L'affermazione è supportata da una fonte primaria attuale o da una misurazione riproducibile.
- Al contrario: Il valore target, il contenuto visibile e l'output effettivo non corrispondono.
- Non assegnato: Un'affermazione come "meno di 200 ms" non contiene una metrica specifica o una serie di misurazioni verificabili.
- Obsoleto: Un file più vecchio o una risposta dell'IA contraddice la situazione attualmente pubblicata.
Funzionalità future come agenti di prenotazione basati sull'IA, moduli per negozi e inventario, aree protette, calcolatori di prezzi in tempo reale o app aggiuntive sono attualmente in fase di sviluppo. Non devono essere considerate funzionalità standard disponibili al momento.
Lista di controllo per le PMI dell'Alto Adige
Se si desidera testare un sito web basato sull'intelligenza artificiale per un'azienda altoatesina, il protocollo di test deve includere il multilinguismo. Le versioni in tedesco, italiano e in qualsiasi altra lingua devono contenere gli stessi messaggi chiave verificabili. Le diverse traduzioni non devono comportare differenze nei servizi offerti, negli orari di apertura o nelle modalità di contatto.
- Direzione aziendale: Conferma nome, forma giuridica, sedi, servizi, persona di contatto e recapiti vincolanti.
- Redazione: mantiene i contenuti visibili e garantisce traduzioni fattualmente accurate.
- tecnologia: Controlla il codice sorgente, gli URL canonici, hreflang, Schema.org, llms.txt e l'output Markdown.
- Persona responsabile dei test: Tiene traccia delle misurazioni e documenta le deviazioni nelle risposte dell'IA.
- Frequenza dei test: È necessario eseguire un test completo almeno trimestralmente e dopo ogni modifica ai servizi, alla sede, al team o al contatto.
Nel mio lavoro con le aziende a conduzione familiare, noto spesso che la tecnologia e i contenuti vengono gestiti separatamente. È proprio qui che sorgono le incongruenze. Il nostro approccio al monitoraggio ripetibile dei sistemi di gestione dei contenuti (LLM) combina quindi domande di test standardizzate, dati di riferimento e responsabilità chiaramente definite. L'intelligenza artificiale funge da strumento di monitoraggio in questo processo.
I segnali tecnici sono affidabili solo nella misura in cui lo sono i fatti a cui si riferiscono.
Domande e risposte sul test dell'IA del sito web
Quali sono le caratteristiche che rendono un sito web pronto per l'intelligenza artificiale?
Un sito web basato sull'intelligenza artificiale fornisce informazioni chiare, accessibili e coerenti in contenuti visibili, codice sorgente e formati leggibili dalle macchine. Fondamentalmente, ciò richiede fonti verificabili, accessibilità tecnica e una manutenzione continua dei dati.
Un file llms.txt è sufficiente per la visibilità dell'IA?
No. Il file llms.txt è un suggerimento volontario e non una garanzia di visibilità. Il file può fornire indicazioni, ma non sostituisce contenuti di qualità, dati strutturati, indicizzabilità, segnali di affidabilità esterni o informazioni aziendali coerenti.
Come si testano i dati strutturati?
Innanzitutto, verifica la presenza di JSON-LD utilizzando il test dei risultati avanzati (Rich Results Test) e, per le pagine indicizzate, anche con lo strumento di ispezione URL di Google Search Console. Successivamente, confronta ogni proprietà con il contenuto visibile, poiché la validità tecnica non garantisce necessariamente la correttezza fattuale.
Quali dati dovrei confrontare in una risposta dell'IA?
Confronta almeno il nome dell'azienda, il fornitore, la sede, le informazioni di contatto, il pubblico di riferimento, i servizi attuali e le fasi di sviluppo chiaramente identificate. Utilizza una fonte primaria aggiornata per ogni verifica dei fatti e indica separatamente eventuali prove mancanti.
Con quale frequenza devo ripetere il test dell'IA del sito web?
Per la maggior parte delle PMI, si consiglia un test trimestrale. Ripetere il test anche dopo i rilanci e dopo modifiche ai servizi, alle sedi, agli orari di apertura, alle persone di contatto o alle specifiche tecniche.
Un sito web tecnicamente valido può garantire una risposta corretta da parte dell'intelligenza artificiale?
No. I sistemi di intelligenza artificiale utilizzano diverse fonti di dati, modelli e metodi di recupero. Un sito web tecnicamente e editorialmente valido migliora il punto di partenza, ma ogni singola risposta dell'IA rimane un'istantanea di un preciso momento.
Conclusione: testare un sito web basato sull'intelligenza artificiale e verificarne l'autenticità.
Se si desidera testare un sito web leggibile da una macchina, non ci si dovrebbe limitare a un file llms.txt, a un punteggio Lighthouse o a una risposta positiva da parte di un'IA. Un test completo combina metriche, codice sorgente, dati strutturati, file di analisi, output Markdown e un confronto fattuale documentato.
Per le piccole imprese, il risultato più importante non è un altro punteggio tecnico, ma la chiarezza: quali dati sono confermati, dove ci sono incongruenze, cosa non è comprovato e chi è responsabile delle correzioni? Testare un sito web basato sull'intelligenza artificiale significa quindi anche assegnare chiaramente la responsabilità della coerenza dei dati.
