Per mesi, su queste pagine, abbiamo ragionato di citabilità come se fosse una questione di scrittura: le parole giuste, il co-testo che disambigua, la frase che nessun concorrente potrebbe firmare. Tutto vero, tutto ancora valido. Ma incompleto. Perché una fetta enorme delle citazioni che le AI restituiscono oggi non viene da qualcosa che qualcuno ha scritto. Viene da qualcosa che qualcuno ha detto, davanti a una telecamera — e che l'AI ha letto sotto forma di trascrizione.
YouTube è diventato una fonte, non un passatempo
Il dato, preso con le pinze giuste, è impressionante. Dentro gli AI Overview di Google — i riquadri di risposta generati in cima ai risultati — YouTube è oggi la fonte più citata in assoluto, con una quota tra il 20% e il 29% a seconda dello studio, testa a testa con Reddit e davanti a Wikipedia, alle testate, a qualunque sito di brand.
Una precisazione onesta, perché il numero va maneggiato con cura: questo primato vale dentro l'ecosistema Google. Su ChatGPT il peso di YouTube è molto più basso, su Perplexity torna alto. "Le AI citano YouTube" è vero soprattutto dove c'è Google dietro — non è una legge universale valida per ogni motore. Ma la direzione, trasversalmente, è la stessa: il video è diventato una superficie di citazione di prima grandezza.
Fonti: analisi 2026 di Otterly.ai, BrightEdge/Six e Ahrefs Brand Radar. I valori variano per motore e per metodo di conteggio.
Ma l'AI non guarda il video
Ecco il punto che cambia tutto, e che riporta il video dentro il nostro discorso di sempre. Un'intelligenza artificiale, quando "cita un video", non lo ha guardato. Ha letto la sua trascrizione — il testo del parlato — insieme a titolo, descrizione, capitoli e metadati. Il video, per un modello, è un documento testuale travestito da filmato.
Questo significa una cosa precisa: tutto ciò che abbiamo detto sulla citabilità del testo scritto vale, identico, per il parlato trascritto. La disambiguazione, l'ancoraggio, la distintività non sono questioni di scrittura: sono questioni di lingua. E la lingua che pronunci davanti a una telecamera finisce, parola per parola, nello stesso tipo di documento che il modello analizza quando legge un tuo articolo.
Il che ribalta un'abitudine. Un video pensato per "fare views" è ottimizzato per trattenere l'attenzione umana: ganci emotivi, ritmo, montaggio. Un video pensato per essere citato è ottimizzato per un'altra cosa: dire con chiarezza, presto e in modo strutturato, qualcosa che valga la pena estrarre. Sono due mestieri diversi, e il secondo quasi nessuno lo sta facendo.
La prova: la popolarità non c'entra
Se serviva una conferma che la citabilità video è un gioco di sostanza e non di numeri, arriva dal dato più sorprendente degli studi 2026: la correlazione tra popolarità di un video e frequenza con cui viene citato dalle AI è praticamente nulla. View, like, iscritti non spostano l'ago. Anzi, metà dei canali citati aveva meno di quarantuno video in tutto il canale.
È lo stesso principio che abbiamo visto per la memoria del modello: l'AI non premia il brand più forte, premia quello più utile da citare. Sul video, questo diventa quasi liberatorio — un canale piccolo, ma che risponde a una domanda in modo pulito e strutturato, può essere citato più di un canale con milioni di iscritti che gira intorno all'argomento per dodici minuti.
Sul video, come sul testo, l'AI non misura quanto sei popolare. Misura quanto sei estraibile. E l'estraibilità non si compra con il budget di produzione: si costruisce con la struttura di ciò che dici.
I capitoli sono i nuovi chunk
C'è un dettaglio tecnico che chiude il cerchio con tutto quello che abbiamo scritto sui chunk, le unità di testo che le AI estraggono. Sul video, quei chunk hanno un nome: si chiamano capitoli.
Gli studi mostrano che un video con capitoli e timestamp non viene citato "in blocco": viene citato su più capitoli distinti, come se ognuno fosse una fonte a sé. Un singolo video ben strutturato può comparire in due, tre, cinque risposte diverse, ognuna che punta a un momento preciso. Il capitolo, in altre parole, è l'unità di citazione — esattamente come il paragrafo ben ancorato lo è nel testo.
Da qui discende una pratica che non è "fare bei video", ma strutturare il parlato:
| Principio del testo | La sua forma nel video |
|---|---|
| Paragrafo ancorato | Capitolo con un titolo che è una risposta, non un'etichetta ("Quanto costa" › "Costo medio: 2.000-4.000 €") |
| Co-testo che disambigua | Pronunciare per esteso i termini ambigui: dire "impianti fotovoltaici", non "installazioni" |
| Risposta diretta in apertura | Dire il problema e la risposta nei primi secondi, prima del racconto |
| Contenuto machine-readable | Caricare un file di sottotitoli verificato, non affidarsi alla trascrizione automatica |
| Distintività (swap test) | Dire, a voce, qualcosa che un concorrente non direbbe: un dato tuo, una posizione |
Cosa cambia, e cosa no
La tentazione, davanti a questi dati, è correre a produrre video. Ma il punto dell'articolo è un altro, ed è più tranquillizzante: non devi imparare un mestiere nuovo, devi estendere quello che già conosci. Le regole della citabilità non cambiano passando dal testo al video. Cambia il supporto su cui le applichi.
Chi ha capito come si scrive per essere citati sa già come si parla per essere citati: si va al punto, si disambigua, si struttura, si dice qualcosa di proprio. La telecamera è solo un altro modo di consegnare la stessa lingua a un modello che, alla fine, legge sempre e comunque del testo.
Quello che cambia davvero è l'opportunità. Sul testo, la concorrenza per la citabilità è ormai affollata. Sul video parlato-per-essere-citato, in italiano, siamo di nuovo al punto di partenza: quasi nessuno lo fa con criterio. È la stessa finestra di vantaggio di cui parliamo da mesi, riaperta su un altro fronte — per chi arriva prima.