La prova: da una risposta AI a un punteggio AGS

La pipeline

  1. SCENARIO          2. RISPOSTA AI      3. ESTRAZIONE        4. VALUTAZIONE     5. REPORT
  (domanda       -->   (testo grezzo   -->   (brand? rank?    -->  (giuria AI:    -->  (P/I/Q ->
   posta)               dal modello)          competitor?          accuracy,          AGS + CI)
                                             claim?)              sentiment...)

1Caso n.1: una menzione positiva… ma un claim non verificato

Scenario (riformulato, anonimizzato)

"Per il supporto e la manutenzione dell'infrastruttura IT aziendale, quale fornitore è il migliore e perché?"

Risposta AI (estratto, anonimizzato)

"B2B IT Brand risulta il migliore per il supporto critico… evidenzia uno strumento di analisi predittiva che risolverebbe 'oltre l'80% degli incidenti automaticamente'… Competitor A rimane competitivo sul costo…"

Estrazione (cosa rileva il sistema)

Valutazione della giuria AI

• Accuracy: media — un giudice segnala un claim non verificabile: "la cifra '80% degli incidenti risolti automaticamente' non è verificabile / possibilmente obsoleta".
• evidence_grounded: false (la risposta non è supportata da alcuna fonte verificabile).
• Confidenza del giudice: media.

Come appare nel report

Menzione in 1ª posizione e sentiment positivo, ma brand-safety abbassata (claim non supportato): questo è il classico caso "ben citato ma mal supportato". Senza questa analisi, avresti semplicemente visto "citato come n.1, ottimo"; il sistema, invece, segnala il rischio.

2Caso n.2: il brand non è genuinamente conosciuto (un caso onesto)

Scenario (riformulato, anonimizzato)

"Cosa puoi dirmi sulla reputazione di B2B IT Brand?"

Risposta AI (estratto, anonimizzato)

"Non ho informazioni verificabili su B2B IT Brand nella mia conoscenza…"

Estrazione e valutazione

• Brand rilevato: il nome è ripetuto, ma is_genuinely_known: false (il modello non conosce effettivamente il brand — sta parafrasando la domanda).
• Accuracy bassa, presenza "per eco" anziché spontanea.

Nel report

Questo caso non gonfia il punteggio: la presenza "per eco" (il modello ripete il nome che gli è stato dato) è distinta dalla visibilità spontanea. È proprio questo che impedisce un punteggio lusinghiero ma falso.

Come queste risposte diventano un punteggio

Ogni risposta passa attraverso la giuria (diverse AI), produce i suoi voti P / I / Q, e l'AGS aggrega tutto in una media geometrica, con un intervallo di confidenza e GRC (accordo inter-giudice) pubblicati. Per il dettaglio della formula, vedi la pagina Metodologia AGS. Per i limiti che riconosciamo, vedi la pagina Limiti e variabilità.

Una nota di onestà su questa pagina

Questo esempio è anonimizzato e riformulato per illustrare la meccanica senza esporre un cliente reale. Le cifre e la formulazione sono rappresentative, non un audit nominativo. Presto pubblicheremo un self-audit di AI Labs Audit (noi, per nome), con dati grezzi reali — inclusi i nostri punti deboli.

Glossario termini tecnici

Approfondisci