Osservando le risposte delle AI su un campione di contenuti, una cosa salta all'occhio: quando un pezzo contiene una data reale e giustificata — l'anno di un dato, il mese di una norma, il momento di un aggiornamento vero — tende a essere ripreso e citato con una frequenza notevolmente più alta. La freschezza conta, insomma. Ma è proprio questa evidenza a generare la tentazione più pericolosa: se una data aiuta, basta cambiarla per sembrare freschi. Ed è qui che si sbaglia tutto.
Prima il fatto: la freschezza conta davvero
Partiamo da ciò che è vero, perché è solido e misurato. La freschezza dei contenuti non è una suggestione: è un segnale che le AI pesano. Un'analisi di Ahrefs su 17 milioni di citazioni ha trovato che il contenuto citato dalle intelligenze artificiali è mediamente il 25,7% più fresco dei risultati organici tradizionali di Google. E circa metà del contenuto citato dalle AI ha meno di tre mesi.
Il motivo è tecnico. I sistemi di retrieval che alimentano le risposte — Perplexity, ChatGPT quando naviga, gli AI Overview di Google — preferiscono fonti che segnalano rilevanza temporale, perché il rischio di allucinazione aumenta quando un modello si appoggia a dati vecchi. Una pagina che riporta dati aggiornati compete meglio di una identica ferma a tre anni fa. Fin qui, la tua intuizione — e quella di chiunque osservi il fenomeno — è confermata dai numeri.
Poi il tranello: l'esca della data
Il problema nasce nel passo successivo. Scoperto che la freschezza aiuta, la scorciatoia è ovvia: tocco la data e ho finito. Non funziona. E, sempre di più, viene rilevata e punita.
Come nota bene un'analisi di NoGood dedicata proprio a questo tema, John Mueller di Google ha messo in guardia pubblicamente contro l'aggiornamento della data di pubblicazione senza una corrispondente modifica del contenuto — e la stessa logica vale per il retrieval delle AI, costruito per pesare la sostanza più del metadato. I segnali che tradiscono il trucco sono sempre gli stessi:
Nessuna di queste mosse sposta il segnale che i sistemi di citazione leggono davvero. Anzi: l'aggiornamento cosmetico della data è diventato un fattore di rischio. L'update di dicembre 2025 di Google, secondo diverse analisi del rollout, ha ridotto i segnali di affidabilità e retrocesso proprio i siti che cambiavano le date senza modifiche sostanziali, sulle query sensibili alla freschezza.
La data non è una leva che accendi. È la conseguenza di un lavoro reale. Se aggiorni il contenuto, la data nuova è meritata e funziona. Se aggiorni solo la data, hai creato un segnale falso — e i sistemi che dovresti ingannare sono costruiti apposta per accorgersene.
Perché il metadato da solo non basta
C'è una ragione tecnica per cui l'esca è inefficace, e vale la pena capirla perché chiude il discorso. Quando un'AI valuta un contenuto, non "legge la data" in cima come farebbe un lettore. Estrae e valuta spezzoni di testo del corpo — i chunk. Un paragrafo con statistiche di tre anni fa non riceve alcuna spinta di freschezza dal fatto che l'intestazione riporti la data di ieri. Il modello guarda dentro, non sopra.
Ecco perché il vero lavoro non è sulla data, ma sul contenuto che la data dovrebbe certificare: aggiornare i dati citati, sostituire le statistiche superate, rivedere i riferimenti a fonti ormai vecchie. È più faticoso, ma è l'unico che sposta l'ago.
Il paradosso: nuovo ma già vecchio
Qui arriva il concetto più raffinato, e il più utile. Esiste una condizione che gli studiosi chiamano "cronologicamente recente ma semanticamente scaduto": una pagina può essere nuova e stantia nello stesso momento.
Un contenuto pubblicato oggi, che cita solo dati del 2023, per un sistema di retrieval è già vecchio — la data recente non lo salva, perché la sostanza è superata. Vale anche il rovescio, ed è liberatorio: una pagina di due anni fa può restare perfettamente citabile, se le sue affermazioni sono ancora corroborate da fonti più recenti. Non è la data del file a decidere: è se ciò che dici regge ancora.
È lo stesso principio che seguiamo da sempre su questo blog: non conta la superficie, conta la sostanza. La freschezza semantica è la freschezza vera. Il timestamp è solo la sua promessa — e una promessa non mantenuta è peggio di nessuna promessa.
Non tutti i motori la pesano allo stesso modo
Un ultimo punto, quello che separa una strategia matura da una ingenua. La freschezza non pesa uguale su tutti i motori, e trattarli come un unico blocco porta a sprecare lavoro. Gli studi 2026 concordano su una differenza netta:
| Motore | Cosa premia |
|---|---|
| Perplexity | Fortemente la recentezza: contenuto aggiornato nell'ultimo trimestre. Se ti porta molte sessioni, il budget di aggiornamento va lì. |
| ChatGPT | La profondità durevole e le fonti: pagine solide e ben documentate, anche datate. Cita persino contenuti di anni fa se autorevoli. |
| Google AI Overview | La recentezza sulle query sensibili al tempo (prezzi, norme, tendenze), ma con forte peso all'autorità del dominio. |
Sintesi da analisi 2026 di NoGood, Seer Interactive e Ahrefs. La freschezza è un segnale composito, non un singolo timestamp: il peso varia per motore e per tipo di query.
La conseguenza pratica è chiara: prima di lanciarti in una campagna di aggiornamenti, guarda quale motore ti porta traffico. Se è Perplexity, tieni relentlessly aggiornate le pagine che contano. Se è ChatGPT, investi in profondità e fonti originali più che in date. Aggiornare tutto indistintamente è lo spreco che sembra produttività.
La regola, in una riga
Mettiamo in fila i due lati, perché insieme fanno una regola operativa semplice.
Quando un pezzo contiene una data reale e giustificata, esplicitala pure: nel testo ("dati aggiornati ad agosto 2026") e nei dati strutturati. È informazione onesta, e aiuta lettore e modello. Ma la data deve seguire il lavoro, non sostituirlo. La freschezza non è qualcosa che dichiari. È qualcosa che fai — e la data è solo la firma in calce.