Che cos’è il campionamento delle risposte dell’IA?
Il campionamento delle risposte dell’IA consiste nel fare le stesse domande a ogni motore di IA più di una volta e nel leggere ogni dato di visibilità come una stima ricavata da quel campione, non come un fatto fisso. Fai due volte la stessa domanda a un motore di IA e puoi ottenere due rose ristrette diverse. Quindi nessuna singola risposta è una misurazione. Campionare significa porre ripetutamente un insieme fisso di domande, su ogni motore, e trattare la quota di risposte che ti menzionano come una stima con un intervallo.
Perché le risposte dell’IA vanno campionate?
Perché i motori non sono deterministici. La documentazione di OpenAI afferma che Chat Completions non è deterministico per impostazione predefinita, quindi i risultati possono cambiare da una richiesta all’altra (documentazione API di OpenAI, consultata il 15 ott 2026).
Anche a temperatura zero lo stesso prompt deriva. Thinking Machines Lab ha campionato 1.000 completamenti di un prompt da un modello aperto a temperatura zero e ha ottenuto 80 completamenti diversi; ha ricondotto la causa principale al carico del server, che cambia la dimensione del batch in cui finisce ogni richiesta (10 settembre 2025, Thinking Machines). Parte di quello che dice una risposta dipende da quanto era occupato il server.
Quante risposte bastano?
Abbastanza perché l’intervallo sia più stretto della variazione che vuoi rilevare. Se un modello ti menziona davvero il 60% delle volte, ecco quanto resta ampio l’intervallo di Wilson al 95% per ogni dimensione del campione (i calcoli):
| Risposte | Menzionato | Intervallo al 95% | Ampiezza |
|---|---|---|---|
| 5 | 3 | dal 23,1% all’88,2% | 65 punti |
| 20 | 12 | dal 38,7% al 78,1% | 39 punti |
| 40 | 24 | dal 44,6% al 73,7% | 29 punti |
| 100 | 60 | dal 50,2% al 69,1% | 19 punti |
Come si campionano le risposte dell’IA in modo corretto?
Fissa il metodo prima di guardare i risultati, e mantienilo uguale in ogni periodo:
- Le stesse domande, con le stesse parole, su ogni motore, così un divario tra motori è una differenza reale.
- Domande che non ti nominano, con le domande sul brand tenute in un insieme a parte.
- Esecuzioni distribuite su più giorni, non tutte insieme, perché le risposte derivano con il carico e gli aggiornamenti dei modelli.
- Ripetizioni parola per parola di una risposta precedente scartate: una replica non è una seconda estrazione.
- I casi senza risposta, come una AI Overview non mostrata, esclusi invece che contati come assenze.
Come appare il campionamento in un esempio reale?
L’esempio pubblico di Tesla (4 ott 2026) ha posto 25 domande d’acquisto una volta su ciascuno dei quattro motori: 100 risposte in tutto, ma solo 25 per motore. Ecco perché il 64% di ChatGPT ha un intervallo di circa 45%–80%.
Ripetere le domande cambia il quadro. In tre giorni di scansione (4, 8 e 15 ottobre), cinque formulazioni di una domanda di Tesla sull’accumulo per la rete elettrica hanno dato 12 risposte nuove ciascuna: due formulazioni hanno menzionato Tesla 12 volte su 12, una 7 su 12 e due mai (l’articolo). Una sola esecuzione di una sola formulazione avrebbe potuto riportare uno qualsiasi di questi risultati.
Come campiona Proofsource?
Un piano Proofsource funziona ogni giorno o ogni settimana. Con un piano giornaliero ogni domanda monitorata viene posta una volta su ogni motore per giorno UTC, e ogni tasso ha un intervallo di Wilson, quindi una variazione deve superare il rumore prima di contare. Vedi ogni quanto vengono eseguite le scansioni e Prompts.
Domande frequenti su Campionamento delle risposte dell’IA
Basta uno screenshot di ChatGPT per sapere se l’IA ci consiglia?
No. Una risposta che ti menziona è compatibile con un tasso di menzione reale anche solo del 21% circa, e un’assenza con un tasso anche del 79% circa. Uno screenshot mostra che qualcosa può succedere, non quanto spesso succede.
Devo fare la stessa domanda più volte di seguito?
Meglio distribuire le ripetizioni su più giorni. Richieste consecutive possono essere messe in cache o replicate, e una replica parola per parola non è un nuovo campione.
Un seed o la temperatura zero rendono le risposte ripetibili?
Solo in parte. OpenAI descrive i risultati con seed come per lo più deterministici, e le app per il pubblico non espongono nessuna delle due impostazioni. Tratta ogni motore come una fonte di campioni.
Campionamento giornaliero o settimanale?
Scegli in base alla decisione. Il settimanale va bene per una tendenza su un insieme di domande ampio e fisso. Il giornaliero aiuta quando l’insieme è piccolo o hai pubblicato una modifica e vuoi vedere in quale giorno le risposte sono cambiate e se il cambiamento ha tenuto.
Termini correlati
- Intervallo di Wilson
Un intervallo di Wilson è l’intervallo in cui può plausibilmente trovarsi una percentuale misurata, dato il numero di risposte su cui si basa.
- Volatilità delle risposte dell’IA
La volatilità delle risposte dell’IA indica quanto cambiano i brand menzionati da un motore di IA quando la stessa domanda viene ripetuta, o posta con parole diverse.
- Tasso di menzione
Il tasso di menzione è la quota di risposte dell’IA a una domanda che menzionano il tuo brand.
- Prompt
Nella visibilità nell’IA, un prompt è una domanda monitorata su più motori di IA, scritta come la farebbe un acquirente.
Esempio svolto: Tesla, risposte pubbliche dell’IA, 4 ott 2026: la prima scansione di Tesla fatta da Proofsource, con 25 domande d’acquisto e 5 domande sul brand, una risposta per domanda su ciascuno di quattro motori. Un piccolo campione di un solo brand, mostrato come esempio, non come benchmark.
Scopri dove l’IA ti lascia fuori, e cosa correggere.
Scopri quali domande d’acquisto menzionano il tuo brand, chi viene menzionato al posto tuo e cosa correggere. 200 risposte. 25 Prompts/domanda. I migliori motori di IA. 2 giorni. Gratis. Senza carta.
Google AI OverviewsGoogle AI Mode
