LLM poisoning: quando la reputazione si forma dentro una risposta privata

Il rischio reputazionale non è più soltanto cosa esce su Google. È cosa il modello ha imparato a dire di te. E non si gestisce con la narrazione: si gestisce alla fonte.

Quanto costa cambiare l'opinione di un'intelligenza artificiale?

Qualcuno ha fatto il preventivo: 46,5 milioni di dollari.

A gestirli è Brad Parscale, che diresse la campagna digitale che portò dentro Cambridge Analytica. Da ottobre 2025 la sua società Clock Tower X è registrata al FARA, il registro statunitense degli agenti stranieri, per conto di Israele. L'oggetto del contratto non è comunicazione: nel testo depositato si legge testualmente di deployment of websites and content to deliver GPT framing results on GPT conversations.

Tradotto: condizionare le risposte dei modelli generativi. Non gli elettori, gli output.

Come si costruisce una fonte per una macchina

Lo scopo dichiarato è riabilitare l'immagine di Israele presso un'opinione pubblica americana che dopo Gaza le si è rivoltata contro. Il metodo è fabbricare da zero le fonti su cui l'intelligenza artificiale si baserà per raccontare quei fatti.

Dieci domini creati appositamente. Centinaia di articoli in tono misurato, con fonti citate ed elenchi puntati. Non per convincere un lettore: perché quello è il formato che un modello linguistico riconosce come attendibile e autorevole.

Il risultato è una ricostruzione alternativa dei fatti, applicata anche retroattivamente: contenuti che screditano i giornalisti uccisi a Gaza, che gettano dubbi sulla morte di Hind Rajab.

Perché è diverso dalla negative SEO

Per anni la negative SEO ha spinto contenuti lesivi in prima pagina sui motori di ricerca. Attività illecita, ma paradossalmente trasparente su un punto: la fonte restava visibile e quindi contestabile. Si poteva vedere chi aveva scritto cosa, e agire su quella fonte.

L'output di un modello cancella quel passaggio. Ti consegna un'affermazione già sintetizzata, nel tono neutro di chi non ha interessi. Il contraddittorio non viene sconfitto: viene aggirato. E funziona perché fa leva sulla pigrizia cognitiva, in un contesto in cui i chatbot risultano lo strumento meno usato per verificare una notizia sospetta.

Il salto è strutturale. La reputazione è sempre stata percezione, ma finora si formava in uno spazio pubblico e contendibile, dove chi veniva colpito poteva accorgersene e rispondere. Qui si forma dentro una risposta privata, che nessun altro legge e che nessuno può smentire, perché nessuno sa che è stata data.

Perché questo riguarda anche un'impresa e una persona fisica

Oggi il bersaglio è l'immagine di una Nazione. Domani la stessa architettura, a costi irrisori rispetto a quelli di una campagna di comunicazione, può colpire un'impresa in trattativa o una persona fisica sottoposta a due diligence.

Bastano dieci domini scritti bene, e ciò che il modello risponde su di te cambia senza che sia stata pubblicata una sola affermazione diffamatoria contestabile in giudizio.

Gli strumenti giuridici disponibili

Il quadro europeo offre più leve di quanto si creda, anche se nessuna è risolutiva da sola.

Sul piano dei dati personali, il GDPR si applica ai trattamenti operati dai gestori di modelli linguistici: sono esercitabili il diritto di rettifica (art. 16) e quello di cancellazione (art. 17), con possibilità di reclamo al Garante ai sensi dell'art. 77 in caso di diniego. I principali fornitori hanno nominato un rappresentante nell'Unione e sono soggetti alla giurisdizione europea.

Sul piano della trasparenza, l'AI Act (Regolamento UE 2024/1689) impone obblighi informativi ai sistemi che interagiscono con persone fisiche e generano contenuti.

Sul piano delle fonti, resta l'intervento classico: azione diretta sui siti sorgente, deindicizzazione, e acquisizione forense dei contenuti con valore probatorio prima che vengano rimossi o modificati. È il passaggio più spesso trascurato e quello che determina se, in seguito, si potrà dimostrare qualcosa.

In sintesi

La manipolazione delle fonti destinate all'addestramento è un'attività a basso costo, difficile da rilevare e strutturalmente sottratta al contraddittorio. Chi ha un profilo esposto (manager, imprenditori, professionisti soggetti a due diligence) dovrebbe iniziare a considerare la propria rappresentazione nei sistemi generativi come un perimetro da monitorare, non come un effetto collaterale della SERP.