USA, 23 hotel prendono metà delle raccomandazioni AI

Il 29 luglio 2026 dieci domande da viaggiatore sono state poste a ChatGPT, Google AI Mode e Gemini su sei mercati americani di fascia alta, da New York a Napa Valley. Le 180 risposte contenevano 824 raccomandazioni di hotel, e ventitré strutture se ne sono prese la metà. Le prime tre di ogni mercato valgono insieme il 41% degli slot, e per coprire metà delle raccomandazioni di un singolo mercato bastano circa cinque nomi, quattro a Chicago, Maui e Napa Valley. A firmare il conto è Andrew Paul, che lo ha pubblicato su Hospitality Net. Prima dei numeri conviene sapere chi li porta.

Chi firma l'audit vende il rimedio

Paul ha fondato Americas Great Resorts, che vende agli hotel di lusso un servizio gestito per farsi trovare dentro i sistemi AI. Il sito lo presenta, testualmente, "a partire da un audit strutturato di come i sistemi AI rappresentano oggi la struttura". Cioè l'audit che l'articolo mostra. In due dei sei mercati misurati, e a dirlo è lui, materiale pubblicato dalla sua società compariva tra le fonti citate dai sistemi. La società pubblica anche classifiche di destinazione e un corpus dichiaratamente costruito per essere pescato dai modelli.

Questo non manda al macero i numeri. Impone di leggerli sapendo che chi misura il fenomeno immette contenuto proprio dentro il sistema che sta misurando, e vende la cura a chi si spaventa. Anche il metodo va detto. Un giorno solo di rilevazione, niente ripetizione nel tempo, niente gruppo di controllo. Le 180 catture sono disponibili su richiesta, non pubblicate, e nessuno ha replicato l'audit. Un carotaggio, buono per vedere la forma del fenomeno. La misura resta da fare.

Centotto giorni dopo l'implosione

Poi c'è il caso che rende l'audit difficile da archiviare. Il 29 luglio il Mandarin Oriental Miami riceveva ancora cinque raccomandazioni, tre da ChatGPT e due da Google AI Mode, una dentro una risposta sui cinque migliori indirizzi di lusso della città. L'edificio non esisteva più da 108 giorni. Ventitré piani su Brickell Key erano stati abbattuti con un'implosione controllata il 12 aprile 2026, come hanno documentato la radio pubblica WLRN e la stampa locale. Aveva chiuso definitivamente il 31 maggio 2025.

Il fatto è verificabile in modo indipendente e i 108 giorni tornano al giorno, però va pesato. Cinque raccomandazioni sbagliate su 824 sono lo 0,6%, quindi un aneddoto, per quanto imbarazzante, non un tasso di errore. L'autore ne segnala un secondo simile, un Ritz-Carlton consigliato come scelta poco battuta mentre era chiuso per lavori, chiusura peraltro dichiarata sulla pagina che i sistemi citavano.

Il perché si può solo ipotizzare, visto che non sappiamo quale modello abbia risposto. La demolizione è successiva al limite dei dati di addestramento di GPT-5.5, che OpenAI fissa al 1° dicembre 2025. Sul lato ChatGPT la notizia poteva quindi arrivare solo dal recupero web in tempo reale, lo strato che secondo la documentazione di Google serve proprio a citare fonti verificabili oltre quel limite. Su Google AI Mode, da cui venivano due delle cinque raccomandazioni, il modello è un altro e il suo limite non lo conosciamo, ma il ragionamento sullo strato di grounding resta lo stesso. C'è poi un dettaglio che peggiora il quadro, almeno sul lato ChatGPT. La chiusura definitiva del maggio 2025 cadeva dentro il periodo dei dati di addestramento di GPT-5.5, quindi quell'informazione avrebbe dovuto essere già nel modello, e l'hotel è stato raccomandato lo stesso. Una notizia ripresa dalla radio pubblica e dalla stampa locale di Miami non è arrivata a destinazione per tre mesi e mezzo.

Quanto si può generalizzare

Poco, se si pretende una cifra. Abbastanza, se si guarda la direzione. Nel 2026 sono usciti parecchi tentativi di misurare la stessa cosa, e misurano cose diverse.

Misurazione	Che cosa osserva	Concentrazione
Andrew Paul, luglio 2026	slot di raccomandazione, 6 mercati USA del lusso	prime 3 strutture per mercato al 41%
Lighthouse, giugno 2026	49.707 menzioni di hotel su ChatGPT	prime 3 famiglie di brand al 54% del branded USA
Local Falcon, giugno 2026	10.000 ristoranti USA su Google AI Overviews	il 10% in cima al 74,5%, contro il 54% su Maps
Semrush, giugno 2026	126 milioni di prompt, 22 settori	primi 3 brand dall'82,9% dei media al 41,4% della finanza

Quattro misure pubblicate nel 2026, su denominatori diversi. I numeri non si sommano, e vengono tutte da soggetti che vendono visibilità AI.

Il contro-dato però esiste. Lo studio più ampio sul solo comparto alberghiero è di Nicolas Sitter, che di visibilità AI per hotel fa consulenza e qui porta un risultato che gioca contro il proprio interesse commerciale. Su 2.500 prompt e sei modelli ha registrato 31.138 hotel nominati e 245.046 URL-fonte distinti, trova una concentrazione soltanto moderata e una divergenza fortissima tra le piattaforme. Sul piano accademico il quadro resta aperto. Un contributo di tre ricercatori di Amazon, presentato a un workshop SIGIR nel giugno 2024, trova negli LLM meno bias di popolarità che nei raccomandatori tradizionali. Il test però è su raccomandazioni di film, e su sistemi che non andavano a leggere il web. Un lavoro accettato a WWW nel 2026 sostiene il contrario, cioè che i raccomandatori basati su LLM quel bias lo amplificano. Lo stesso audit di Paul, del resto, rileva che le tre piattaforme concordano sul singolo hotel da consigliare in due mercati su sei.

La formulazione onesta è quindi più stretta del titolo dell'audit. Dentro una singola piattaforma, su una singola domanda, in un singolo mercato, la lista è cortissima, e cambia se cambi piattaforma. Il problema per te resta identico, perché il cliente una piattaforma la sceglie e una domanda la fa. Avevamo già raccontato quanto poco del parco alberghiero venga mai nominato e il rischio di sparire dalla fase di scoperta. Questa è la terza faccia. Anche quando la porta è aperta i posti sono pochi, e il dato che li assegna può avere mesi.

La stessa domanda, posta in italiano

Nessuno in Italia ha misurato pubblicamente quanto siano concentrate le raccomandazioni AI sugli hotel. Non Federalberghi, non ISNART, non ENIT, non l'Osservatorio Travel Innovation del Politecnico di Milano. Circolano però articoli che attribuiscono a Federalberghi indagini di cui non c'è traccia nelle fonti primarie, il che è già una notizia dentro la notizia.

Allora abbiamo fatto una prova nostra, e conviene sapere quanto pesa. Due domande, un modello, un giorno. Il 3 agosto 2026 abbiamo interrogato ChatGPT con ricerca web attiva, modello gpt-5.5 via API DataForSEO. Alla domanda "vado a Matera per un weekend romantico a settembre, quali hotel mi consigli" la risposta ha nominato tredici strutture e non ha citato nessuna fonte. Matera, secondo l'APT Basilicata, al 2025 conta 1.162 esercizi ricettivi, alberghiero ed extralberghiero insieme.

Alla domanda su Verona, dove dormire due notti in coppia, lo stesso modello lo stesso giorno ha dato otto strutture e otto fonti citate, e qui arriva la parte buona. Tre di quelle otto fonti erano siti ufficiali di singole strutture e una il sito di un piccolo gruppo alberghiero veronese, le altre la Guida Michelin, una pagina-lista di Booking.com, una recensione Tripadvisor e Wikipedia. Due domande diverse, due comportamenti diversi. È il limite del test e insieme il suo risultato più utile. Il comportamento del modello cambia da domanda a domanda e da città a città, e il sito di un hotel può entrare tra le fonti che la macchina legge.

Sulle pagine dei risultati, lo stesso giorno, "migliori hotel a Firenze" e "dove dormire a Matera" non mostravano un blocco AI Overview autonomo. Quasi tutte le domande del riquadro "Le persone hanno chiesto anche", però, erano risolte da risposte generate dall'AI. E nessuno dei dieci risultati organici di prima pagina era il sito di un singolo hotel. Erano pagine-lista di OTA, Tripadvisor, guide e blog, le stesse superfici da cui attingono gli assistenti. Ecco perché il lavoro sulla visibilità organica della struttura resta aperto.

Cosa significa per il tuo hotel

Prima le proporzioni. L'Italia conta 32.943 alberghi, primo parco alberghiero dell'Unione Europea secondo il rapporto Federalberghi sui dati 2024, e la struttura media ha poco più di 33 camere. Su quel denominatore la lista corta pesa ancora di più. Un ridimensionamento però va fatto. Nessuna delle rilevazioni citate misura prenotazioni o ricavi. Si misura chi viene nominato, al massimo dove porta il link, mai chi viene prenotato. L'adozione italiana, intanto, riguarda un viaggiatore su tre. Lo misura l'Osservatorio Travel Innovation del Politecnico di Milano, che a ottobre 2025 registra un 33% di viaggiatori italiani che già usa strumenti di AI per attività legate al viaggio. Fra chi la usa, in una rilevazione YouGov di marzo 2026 su un perimetro più largo, il 53% si fida solo dopo una verifica umana.

Quello che puoi fare adesso è manutenzione difensiva. Non ti fa entrare nella lista corta. Serve a non farsi raccontare male e a non sparire per una riga di robots.txt copiata anni fa.

• Verifica che il robots.txt del sito non blocchi OAI-SearchBot. OpenAI scrive che i siti che lo escludono non vengono mostrati nelle risposte di ricerca di ChatGPT, dove al massimo restano come link di navigazione. I due crawler sono indipendenti, GPTBot riguarda l'addestramento e OAI-SearchBot la visibilità nelle risposte. Il rischio non è aver bloccato il primo, è aver copiato fra il 2023 e il 2024 uno di quei blocchi indiscriminati agli "AI bot" che li elencano entrambi, dove quello che sembra un veto sull'addestramento costa anche la visibilità. Se il sito è in mano a un'agenzia o al fornitore del booking engine è una richiesta da cinque minuti, e OpenAI dichiara circa 24 ore perché il cambio venga recepito.
• Sullo stesso file decidi su Google-Extended. Bloccarlo non toglie dalla Ricerca Google e non è un segnale di ranking, lo scrive Google, ma esclude i contenuti dal grounding nelle app Gemini. Se ce l'hai messo per prudenza sui diritti d'autore è una scelta legittima, purché tu sappia che il prezzo è non comparire su una delle tre superfici di cui parla questo pezzo.
• Controlla il Profilo dell'attività su Google, partendo da stato, denominazione esatta e orari, poi allinea gli stessi campi tra sito, booking engine e OTA principali. Google elenca l'aggiornamento del Profilo tra le buone pratiche per comparire nelle sue funzionalità AI. È il tipo di dato che l'audit americano ha visto raccontare male, un hotel demolito raccomandato per 108 giorni e uno chiuso per lavori dato come scelta poco battuta. Costo zero, mezz'ora.
• Porta a parole quello che oggi vive dentro un'icona, una gallery o un PDF, dai minuti a piedi dalla stazione agli orari di check-in. Google chiede che i contenuti importanti siano disponibili in forma testuale. È lo stesso lavoro di inventario leggibile dalle macchine, e paga anche sul sito che deve convertire. Due ore di scrittura, zero euro.
• Scrivi una pagina per intento reale, perché la domanda non è "hotel a Matera" ma "weekend romantico a Matera a settembre". Nel nostro test le strutture erano raggruppate proprio così, per romantiche, boutique nei Sassi, con spa. Fattibile in casa, poche centinaia di euro a pagina se lo affidi fuori.
• Presidia le superfici che le macchine citano davvero. Nel nostro test su Verona le fonti erano la Guida Michelin, Booking, Tripadvisor, Wikipedia e i siti degli hotel, e in prima pagina su Google c'erano solo pagine-lista. Tieni completa e aggiornata la scheda Tripadvisor e quella di Google, e individua le tre o quattro liste editoriali locali o regionali che escono sulla tua destinazione, per chiedere l'inserimento o proporre un contenuto. È l'unica voce dell'elenco con un costo vero, in tempo o in ufficio stampa.
• Rifai la nostra prova, dieci minuti. Fai a ChatGPT, a Gemini e a Google la domanda che farebbe un cliente sulla tua città. Annota se compari, se i dati sono giusti e quali fonti vengono citate. Ripetila fra un mese.

Nessuno oggi può garantire di entrare in quella lista corta. La governano la notorietà e la presenza nelle liste editoriali e nelle grandi piattaforme che gli assistenti leggono, leve su cui una struttura da 33 camere ha poco margine nel breve periodo. Il volume di recensioni, che sarebbe la leva più intuitiva, non protegge. Nell'indice sui ristoranti americani sette locali su dieci con più di mille recensioni restavano comunque fuori dalle raccomandazioni. Chi promette la raccomandazione promette qualcosa che nessuna ricerca disponibile dimostra, e l'audit da cui parte tutto questo lo firma proprio chi quel servizio lo vende.

Fonti

• Hospitality Net, Andrew Paul, "Five Hotels Take Half the Answers. One Recommendation Went to a Demolished Building." (audit del 29 luglio 2026)
• Americas Great Resorts, "GEO for Hotels: What It Does and What It Cannot Do" (2026)
• GitHub, Americas-Great-Resorts/AGR, repository di riferimento (aggiornato il 2 agosto 2026)
• WLRN, "End of an era: 23-story Mandarin Oriental Miami on Brickell Key to be imploded Sunday" (12 aprile 2026)
• Florida YIMBY, "Controlled Implosion Clears Brickell Key Site for The Residences at Mandarin Oriental, Miami" (aprile 2026)
• OpenAI, documentazione API, scheda del modello GPT-5.5 (2026)
• OpenAI, "Overview of OpenAI Crawlers" (consultata il 3 agosto 2026)
• Google Firebase, "Grounding with Google Search", Firebase AI Logic (2026)
• Google Search Central, "AI features and your website" (aggiornata il 10 dicembre 2025)
• Google for Developers, "List of Google's common crawlers" (aggiornata il 14 luglio 2026)
• Hospitality Net, "The AI recommendation is the new battleground for hotel distribution", ricerca Lighthouse (12 giugno 2026)
• Local Falcon, "The Restaurant AI Visibility Index: How Restaurants Appear in AI Search" (12 giugno 2026)
• Semrush, "Semrush Releases Expanded 2026 AI Visibility Index, Analyzing 126 Million AI Search Prompts" (26 giugno 2026)
• Nicolas Sitter, "AI Hotel Landscape 2026" (gennaio 2026, aggiornato a giugno 2026)
• Lichtenberg, Buchholz, Schwöbel (Amazon), "Large Language Models as Recommender Systems: A Study of Popularity Bias", arXiv 2406.01285, workshop Gen-IR@SIGIR24 (3 giugno 2024)
• "Bridging Semantic Understanding and Popularity Bias with LLMs", arXiv 2601.09478, accettato a WWW 2026
• Pambianco Hotellerie, "L'Italia si conferma prima in Europa per capacità alberghiera ricettiva", X Rapporto Federalberghi su dati 2024 (2 dicembre 2025)
• Osservatorio Travel Innovation, Politecnico di Milano, "Turismo e Viaggi in Italia" (9 ottobre 2025)
• YouGov Italia, "L'uso dell'Intelligenza Artificiale nei viaggi" (rilevazione 19-20 marzo 2026)
• APT Basilicata, "Consistenza delle strutture ricettive nelle principali aggregazioni territoriali della Basilicata, 2019-2025" (5 febbraio 2026)
• DataForSEO, documentazione AI Optimization API e SERP API, strumenti delle misurazioni proprie del 3 agosto 2026