llms.txt, OKF, schema.org: cosa serve davvero per farsi leggere da un agente AI (e cosa è ancora marketing)

Negli ultimi mesi sono comparsi almeno tre nomi nuovi nel vocabolario di chi si occupa di rendere un sito "leggibile" per gli agenti AI: llms.txt, il neonato OKF di Google, e il sempre più citato schema.org. Vengono spesso menzionati insieme, come se fossero intercambiabili o ugualmente importanti. Non lo sono. Ecco cosa dice davvero l'evidenza disponibile oggi, non l'entusiasmo del momento.

schema.org e JSON-LD: la base solida

Partiamo da quello che funziona ed è verificato da anni, non da mesi. I dati strutturati in formato JSON-LD — tipi come Organization, Product, Offer, FAQPage — sono lo standard che sia i motori di ricerca tradizionali sia i crawler degli assistenti AI sanno interpretare in modo affidabile. Non è una scommessa: è infrastruttura consolidata, con anni di adozione e strumenti di validazione maturi.

Se un sito deve scegliere dove investire per primo il proprio tempo su questo fronte, è qui. Tutto il resto è, nella migliore delle ipotesi, un complemento.

llms.txt: intenzione buona, prove deboli

llms.txt è un file di testo pensato per dare istruzioni dirette ai modelli linguistici su quali contenuti di un sito considerare prioritari. L'idea è intuitiva e l'adozione è cresciuta rapidamente — ma la domanda che conta è un'altra: funziona davvero?

I dati disponibili oggi sono deludenti. Nessun crawler AI ha confermato ufficialmente di utilizzarlo. Google, per bocca di uno dei suoi portavoce più ascoltati in ambito SEO, lo ha paragonato ai vecchi meta keyword — un campo che si poteva compilare, che tutti compilavano, che nessun motore di ricerca ha mai davvero usato per classificare le pagine. Un'analisi su larga scala condotta su centinaia di migliaia di domini ha rilevato che la stragrande maggioranza dei siti non ha visto alcun cambiamento misurabile nel traffico proveniente da assistenti AI dopo averlo implementato, e che il file compare in una frazione minima delle citazioni AI effettivamente tracciate.

Questo non significa che sia inutile: il costo di implementazione è quasi nullo, e resta plausibile che acquisisca più valore in futuro, man mano che gli agenti AI passeranno dal rispondere a domande all'interagire direttamente con i siti. Ma oggi non è una scorciatoia per farsi notare. È un gesto simbolico a costo zero, non una leva di traffico.

OKF: uno strumento diverso, per un pubblico diverso

Il malinteso più comune riguarda OKF (Open Knowledge Format), pubblicato da Google Cloud a giugno 2026. Il nome e il momento storico invitano ad accostarlo a llms.txt, ma serve a uno scopo completamente diverso: è pensato per basi di conoscenza interne — quello che i tuoi agenti (uno strumento come Claude Code, un assistente aziendale) possono leggere per avere contesto curato sui dati della tua organizzazione. Non è pubblicato per essere scoperto da crawler esterni, non è un segnale di ranking, e Google stessa lo definisce esplicitamente un punto di partenza, non uno standard finito.

Se qualcuno ti propone OKF come tecnica per migliorare la visibilità pubblica del tuo sito, sta confondendo due categorie di prodotto diverse — o, più semplicemente, non ha letto la documentazione fino in fondo.

Cosa significa in pratica

Se hai tempo e budget limitati, l'ordine di priorità onesto è questo: prima i dati strutturati corretti (schema.org/JSON-LD), poi un robots.txt che permetta esplicitamente ai crawler AI conosciuti, poi — solo come gesto a costo trascurabile, senza aspettarti risultati misurabili — un llms.txt. OKF, per ora, resta fuori scope per un sito pubblico: è uno strumento diverso, per un problema diverso.

La leggibilità AI di un sito non si costruisce inseguendo ogni nuova sigla che compare online. Si costruisce con le fondamenta giuste, verificate, prima di tutto il resto.