Con lo Studio Giaccardi & Associati (SGA) nelle settimane scorse abbiamo svolto alcuni approfondimenti sull’impatto dell’AI nelle nostre aree di competenza – strategia, ricerca economica e sociale, coaching.
Sono Chiara Schirò, digital advisor del Team, e con questo articolo vorrei condividere alcune riflessioni sull’impatto sociale dell’AI con i tanti decisori pubblici e privati del turismo e dello sviluppo locale che frequentiamo.
Partendo dalla comunicazione digitale abbiamo infatti scoperto una realtà più ampia e profonda che comprende le strategie di futuro, i valori di riferimento, i rischi e le opportunità che abbiamo di fronte e che insieme possiamo e dobbiamo affrontare.
E, per raccontarvi queste mie riflessioni, ho scelto un’icona straordinaria del cinema di inizio anni ’60 come Audrey Hepburn perché illuminò e diede speranza ai sogni e agli sforzi delle persone, un volto che rasserenò e conferì energie positive alle nostre madri e padri impattati delle sfide di quei tempi. Forse noi 30-40enni stiamo vivendo oggi una condizione esistenziale e filosofica molto simile e penso che dal “mettere assieme energie positive” dobbiamo ripartire.
I comportamenti delle persone con l’AI
Con la diffusione dei sistemi di intelligenza artificiale generativa, il rischio più comune è quello di concentrare l’attenzione sullo strumento in sé, sui meccanismi tecnici e sulle logiche di indicizzazione e ottimizzazione, perdendo di vista ciò che dovrebbe rimanere al centro di qualsiasi strategia: il comportamento reale delle persone e la trasformazione dei loro processi cognitivi nel momento in cui cercano qualcosa.
Per chi gestisce una destinazione o un’impresa turistica, questa distinzione è il punto da cui dipende la rilevanza o l’irrilevanza di tutto ciò che si produce e si pubblica.
Dalla parola chiave alla domanda consapevole
Per comprendere la portata di questo cambiamento, è utile osservare come si è modificata la forma stessa della ricerca online. Fino a pochi anni fa, il comportamento prevalente era quello della ricerca per frammenti: il viaggiatore digitava una sequenza di parole chiave — p.e. “borgo medievale Toscana” — affidando al motore il compito di interpretare un bisogno che lui stesso non aveva ancora articolato con precisione.
Era una forma di ricerca ancora aperta, affidata all’interpretazione: l’utente indicava una direzione, non formulava una richiesta.
Con l’adozione crescente dei sistemi conversazionali e dei motori di risposta basati su AI, il viaggiatore arriva alla ricerca con una domanda già strutturata, che incorpora vincoli, preferenze, contesti e aspettative: non chiede più di essere guidato verso un’offerta, ma di ricevere una risposta precisa a un bisogno che pensa di aver già elaborato.
La forma della domanda è indubbiamente più articolata di quanto non fosse in passato, e le aspettative nei confronti della risposta — in termini di pertinenza, specificità e affidabilità — sono proporzionalmente cresciute.
I dati confermano la rapidità di questa transizione: secondo l’ultimo report di Phocuswright (“The AI Surge: Travel’s Fastest Behavioral Shift in a Decade”, marzo 2026 ), oltre la metà dei viaggiatori ha già utilizzato sistemi di AI per almeno un viaggio nell’ultimo anno, più del doppio rispetto all’anno precedente.
La domanda quindi per chi ha la responsabilità di una destinazione o impresa turistica diventa: i contenuti che stiamo producendo e pubblichiamo nei nostri canali online sono all’altezza di questo nuovo “interlocutore” senza volto?
Il cliente sa o crede di sapere?
Va osservato che una domanda più articolata non equivale automaticamente a un giudizio più maturo. La capacità di formulare richieste complesse può convivere con una scarsa capacità di valutare criticamente le risposte ricevute: il pubblico che oggi interroga un sistema di AI con precisione crescente è anche, in larga parte, un pubblico che fatica a distinguere una fonte affidabile da una semplicemente ben scritta, e che tende ad attribuire autorevolezza a ciò che gli viene presentato con sicurezza, indipendentemente dalla sua effettiva fondatezza.
È un pubblico, in altre parole, che si percepisce più consapevole di quanto non lo sia nei fatti: variamente frammentato nelle fonti a cui attinge, esposto a una quantità di stimoli che rende difficile l’esercizio del filtro critico, e sempre più abituato a delegare quel filtro al sistema stesso che gli fornisce la risposta.
C’è tuttavia una dimensione di questo fenomeno che va oltre la semplice trasformazione dello strumento di ricerca, e che tocca qualcosa di più profondo: il rapporto tra la qualità della risposta ricevuta e la formazione del bisogno successivo.
Herbert Simon, economista e teorico dei processi decisionali, aveva già intuito nel 1971 che in un mondo ricco di informazioni la vera scarsità non è quella dei contenuti, ma quella dell’attenzione necessaria per elaborarli. Di fronte all’abbondanza, le persone non massimizzano la qualità della risposta cercata, ma si fermano alla prima risposta sufficiente, ciò che Simon chiamava satisficing.
Quando il risultato di una ricerca era un elenco di link offerti dai motori di ricerca, l’utente si trovava nella condizione di dover navigare, filtrare, confrontare, costruire autonomamente una sintesi da fonti eterogenee: un processo cognitivamente oneroso che, secondo la logica di Simon, scoraggiava sistematicamente l’elaborazione di domande più sofisticate.
I sistemi di risposta basati su AI modificano questa dinamica perché, restituendo una risposta già strutturata e contestualizzata, generano nuove domande: non si limitano cioè a soddisfare un bisogno preesistente ma contribuiscono attivamente a generarne di nuovi e più specifici.
È un processo “front” cumulativo e auto-alimentato, che sposta progressivamente verso l’alto la soglia di ciò che si considera una risposta accettabile. Ed è un processo “back” che chi costruisce questi sistemi può orientare.
Il bisogno che il viaggiatore crede di aver elaborato autonomamente è in realtà, in una misura crescente, un bisogno che gli è stato in parte suggerito dalla risposta stessa.
Questo significa che il terreno competitivo si sta spostando: non si compete più soltanto sulla qualità dell’esperienza offerta, ma sulla capacità di intercettare, con i propri contenuti, domande sempre più articolate e specifiche che un pubblico sempre più esposto — ma non sempre consapevole! — sta imparando a formulare.
Il paradosso della leggibilità: testi per le macchine, risposte per le persone
II sistemi di intelligenza artificiale che mediano oggi l’accesso all’informazione funzionano secondo una logica che è in apparente contraddizione con le abitudini di consumo degli utenti umani: leggono tutto, in modo estensivo e non selettivo, privilegiando contenuti lunghi, strutturati, dettagliati, ricchi di contesto e di informazioni verificabili.
Il viaggiatore si muove nella direzione opposta: vuole la risposta immediata, sintetizzata, già elaborata. Non ha intenzione di leggere un articolo di duemila parole per trovare l’informazione che cerca; si aspetta che qualcuno — o qualcosa — lo abbia già fatto al suo posto.
Questo “qualcosa” è precisamente ciò che i sistemi di AI sono chiamati a fare: leggere il contenuto esteso, valutarne l’affidabilità, estrarne la risposta pertinente e restituirla in forma sintetica/artificiale.
Chi non avrà costruito contenuti leggibili dalle macchine si troverà semplicemente fuori dalla conversazione (e dal mercato!) e chi avrà imparato a orientare, anche solo in parte, ciò che quelle macchine restituiscono, si troverà nella posizione di orientare anche le scelte di chi le interroga e poi potrebbe decidere di comprare.
Ne deriva una conseguenza di carattere quasi paradossale: scrivere per il proprio sito non significa più scrivere per chi visita quel sito, ma per un intermediario che leggerà quel contenuto per conto del viaggiatore finale e ne restituirà una sintesi artificiale.
La qualità, la profondità e la struttura del contenuto originale rimangono determinanti perché condizionano la qualità della risposta che il sistema AI è in grado di costruire a partire da quel testo. Vale comunque la pena chiedersi, concretamente, quanti dei contenuti oggi pubblicati sui siti di destinazione o di impresa turistica supererebbero questo test.
Autorevolezza come categoria strategica
In questo contesto un contenuto viene percepito come autorevole da un sistema di AI non prioritariamente in virtù della notorietà del soggetto che lo produce, ma in ragione della sua capacità di rispondere con precisione, coerenza e profondità a domande specifiche e soprattutto nella verificabilità delle informazioni contenute nel testo.
È perciò fondamentale distinguere con cura due termini che nel linguaggio comune tendono a sovrapporsi:
- autorevolezza come qualità che si costruisce nel tempo, attraverso la coerenza, la competenza dimostrata e la fondatezza di ciò che si afferma e si realizza
- autorità invece come funzione che oggi risiede in larga parte nei sistemi che mediano/controllano la ricerca, e che per definizione non dovrebbe essere (questo condizionale è d’obbligo!) un terreno su cui esercitare leve di persuasione o di orientamento occulto.
Quando questa distinzione si sfuma, quando cioè ci si abitua a considerare equivalenti una fonte autorevole e una risposta semplicemente ben posizionata da un sistema (autorità), il rischio non riguarda solo la qualità dell’informazione ma soprattutto la possibilità stessa di scegliere in modo realmente informato e consapevole.
È una domanda che decisori e operatori del turismo a livello internazionale hanno iniziato a porsi: cosa significa tutela del viaggiatore in un ecosistema nel quale le risposte che riceve sono sempre più mediate/guidate, più sintetiche/artificiali e più difficili/opache da verificare nella loro origine?
Turismo e AI: una sfida che richiede metodo
Capire come i sistemi di AI valutano, selezionano e restituiscono i contenuti non è però un’operazione intuitiva, né sufficientemente documentata dalla letteratura tecnica disponibile, che in larga misura anticipa scenari ancora in evoluzione o descrive comportamenti già superati dai modelli più recenti.
È per questa ragione che, parallelamente alla riflessione teorica, diventa indispensabile un lavoro di ricerca empirica: osservare direttamente come diversi sistemi LLM (pe. ChatGPT, Gemini, Claude, Perplexity, DeepSeek, etc.) rispondono a prompt circostanziati sul turismo italiano, analizzare quali contenuti vengono selezionati come fonti, identificare i criteri impliciti che determinano la preferenza di un testo rispetto a un altro, e confrontare questi risultati con quanto emerge dall’indagine sul campo presso destinazioni e operatori.
Non per produrre ricette universali, ma per costruire una comprensione fondata e verificabile di un fenomeno che cambia rapidamente, e per tradurla in indicazioni concrete e stratificate per chi opera nel turismo a diversi livelli di responsabilità.
Questo fattore critico si traduce in una necessità pratica e urgente: ripensare la relazione tra ciò che si sa, ciò che si scrive e ciò che il viaggiatore si aspetta di ricevere. La domanda concreta quindi sarà “siamo una fonte che l’AI sceglie di citare?”
La riflessione che emerge da questa analisi non è di natura tecnica, ma strategica e, in un certo senso, antropologica. L’intelligenza artificiale è uno specchio in cui si riflette – e si amplifica – un cambiamento profondo nel modo in cui le persone sono indotte a percepire e a fare i conti con i propri bisogni.
Turismo e AI: istruzioni basiche (e tanto lavoro da fare)
Chi si occupa del posizionamento di una destinazione o di un’impresa turistica si trova di fronte a una sfida che va ben al di là dell’ottimizzazione tecnica dei propri contenuti: è chiamato a sviluppare una comprensione rinnovata e più sofisticata del proprio pubblico, a intercettare le domande che quel pubblico sta imparando a formulare, e a costruire un sistema comunicato di contenuti che sappia rispondere con la stessa profondità e specificità che quelle domande richiedono.
Questa non è un’operazione che si esaurisce in un aggiornamento del sito o in una revisione dei testi esistenti: come accennato prima richiede un metodo, una visione e una capacità di analisi continuativa del modo in cui i comportamenti di ricerca evolvono e di come i sistemi AI li interpretano.
Ed è, sempre più spesso, un’operazione che un singolo soggetto non può condurre da solo: la governance strategica di un ecosistema digitale così complesso, “mediato e controllato” richiede di unire e integrare, di “mettere a sistema” – vecchio concetto del turismo analogico di fine anni ’90 ma forse reinterpretabile in termini di AI – sogni, motivazioni, energie, risorse e competenze diverse per costruire una nuova “massa critica negoziale” di valori, identità, culture, patrimoni, relazioni ed esperienze che sempre hanno reso il turismo italiano un unicum sfidante nel mondo.
Tu che ne pensi, vuoi approfondire?
Per favore contattaci qui:
- Marco Antonioli, capo analista, m.antonioli@giaccardiassociati.it, 3357368152
- Giuseppe Giaccardi, consulente di strategia, g.giaccardi@giaccardiassociati.it, 3357368151
- Chiara Schirò, Digital Advisor, c.schiro@giaccardiassociati.it 3357368153
