Chi lavora nella ricerca sente ripetere continuamente questi tre nomi come fossero intercambiabili: AI Overviews, AI Mode, Gemini. Girano tutti sulla stessa famiglia di modelli — Gemini, appunto — e questo alimenta la confusione. Ma sono tre superfici diverse, che costruiscono una risposta in modi diversi, e per chi produce contenuti la differenza non è affatto teorica: decide cosa serve fare per essere citati in ciascuna. Nell’articolo sul query fan-out abbiamo visto come i sistemi di ricerca generativa scompongano una domanda in decine di sotto-query. Qui vediamo dove, esattamente, quel meccanismo entra in gioco — e dove invece no.
3 superfici, 3 modi di costruire una risposta
La distinzione più utile non è “dove appare” ciascuna, ma come ottiene l’informazione prima di rispondere.
- AI Overviews è il riassunto generato che compare sopra i link blu nella pagina di ricerca classica. È grounded by design: prima recupera, poi genera. Un modello Gemini sintetizza una risposta a partire dai documenti che i sistemi di ranking di Google hanno già recuperato e valutato, e compare solo quando la confidenza è sufficientemente alta. È passivo dal punto di vista dell’utente — non lo si attiva, arriva da sé su molte query informative — ed è, di fatto, l’evoluzione della vecchia Search Generative Experience.
- AI Mode è una scheda separata dentro Google Search, pensata per una conversazione a più turni: l’utente fa una domanda, legge la risposta, poi la affina con domande successive, e il contesto si porta dietro da un turno all’altro. È anche il luogo in cui il query fan-out lavora più a fondo: la domanda viene scomposta in sotto-query multiple, cercate in parallelo sull’indice, sul Knowledge Graph e su dati in tempo reale (prezzi, disponibilità, informazioni locali), poi il modello ragiona sull’insieme per costruire una risposta unica. Google la definisce, per i casi più complessi, “Deep Search” — un passaggio multi-fonte più approfondito di quello dell’Overview.
- Gemini, l’app stand alone su gemini.google.com, è un’altra cosa ancora: non è una funzione di ricerca, è un assistente generalista. Per impostazione predefinita risponde attingendo alla memoria parametrica del modello — cioè a quello che ha imparato durante l’addestramento — e attiva il grounding con la ricerca live solo quando stima che la query richieda informazioni fresche o verificabili. È l’unica delle tre superfici in cui il “recupero prima, generazione dopo” non è la regola di default.
Perché un brand compare in una e non nell’altra
Questa differenza nel modo di costruire la risposta è anche il motivo per cui un sito può essere citato in AI Overviews e sparire completamente da Gemini, o viceversa.
Essere citati in AI Overviews e AI Mode
In AI Overviews e AI Mode, essere citati dipende da due condizioni: essere nell’insieme recuperabile e posizionabile per quella query (niente noindex, niente blocchi, un buon posizionamento organico), e avere un passaggio di testo — non l’intera pagina — che sostenga in modo diretto un’affermazione della risposta sintetizzata. La citazione, in altre parole, avviene a livello di paragrafo, non di pagina. Questo spiega perché un posizionamento in prima pagina non garantisce più la citazione: alcune analisi di settore stimano che la sovrapposizione tra le fonti citate in AI Overviews e la top 10 organica vari, a seconda degli studi, tra circa il 17% e il 76% dei casi. In AI Mode la distanza dal ranking classico è ancora più marcata: secondo un’analisi di seoClarity, solo circa il 20% delle citazioni in AI Mode proviene dai primi venti risultati organici, mentre pagine posizionate su più sotto-query generate dal fan-out risulterebbero, secondo dati di Ahrefs e Surfer, sensibilmente più propense a essere citate.
Essere citati su Google Gemini
Nell’app Gemini, invece, comparire dipende molto meno dal posizionamento attuale e molto di più dal fatto che il modello abbia “imparato” il brand durante l’addestramento — presenza editoriale di terze parti, coerenza dei dati sull’entità, copertura sufficiente perché il modello abbia avuto materiale da cui apprendere. Un ottimo posizionamento su Google non aiuta se, su quella domanda specifica, il modello sta rispondendo dalla memoria senza attivare il grounding.
Un dettaglio spesso frainteso: bloccare Google-Extended nel proprio robots.txt esclude un sito solo dal futuro addestramento di Gemini, non da AI Overviews o AI Mode, che continuano a funzionare tramite Googlebot come sempre. È quindi una scelta che riguarda il consenso all’addestramento, non una leva per la visibilità nelle due superfici dentro Search.
Un confronto rapido
AI Overviews |
AI Mode |
Gemini (app) |
|
| Dove si trova | Sopra i risultati classici | Scheda dedicata dentro Search | App e sito a sé stanti |
| Come ci arriva l’utente | Compare automaticamente | L’utente la apre | L’utente apre l’app |
| Tipo di risposta | Un riassunto generato | Conversazione a più turni | Conversazione a più turni |
| Logica di recupero | Grounded by design | Grounded + query fan-out | Generativo di default, grounding opzionale |
| Cosa premia | Passaggi citabili sulle pagine già ranking | Copertura dell’intero cluster di sotto-query | Presenza dell’entità nel materiale di addestramento |
Un confine che si sta già muovendo
Vale la pena segnalare che la separazione tra le prime due superfici si sta assottigliando. Da fine gennaio 2026 Google ha reso il modello Gemini più recente — lo stesso che alimenta AI Mode — il motore predefinito anche per AI Overviews su scala globale, mentre in precedenza gli Overview giravano su un modello più leggero e instradavano solo le query più complesse verso il modello avanzato. A maggio 2026, sul palco dell’I/O, Google ha poi annunciato l’intenzione di fondere AI Overviews e AI Mode in un’unica esperienza di ricerca AI, un processo che secondo l’azienda si completerà nel corso dei prossimi trimestri. Nella pratica, oggi, terminare la lettura di un Overview e toccare “Show more” (o porre una domanda di approfondimento) porta già spesso dentro un flusso continuo con AI Mode.
Questo non rende irrilevante la distinzione fatta finora: il lavoro di ottimizzazione — coprire l’intero cluster di sotto-intenti, scrivere passaggi autosufficienti e citabili, costruire un’entità riconoscibile — resta lo stesso indipendentemente da dove cadrà, in futuro, il confine tra le due schede.
Cosa cambia per chi produce contenuti
Le implicazioni pratiche sono diverse a seconda della superficie che si vuole presidiare.
- Per AI Overviews e AI Mode, che attingono entrambi allo stesso indice di ricerca, il lavoro è lo stesso lavoro SEO di sempre portato a un livello più granulare: farsi trovare, posizionarsi, e strutturare il testo in passaggi chiari e autosufficienti che rispondano a una sotto-domanda specifica senza bisogno del contesto dell’intera pagina. Per AI Mode in particolare, conviene ragionare per cluster di intenti — proprio la logica del content fan-out — invece che per singola parola chiave, perché la maggior parte delle citazioni arriva da pagine che coprono più sotto-query, non dal solo termine principale.
- Per l’app Gemini, il lavoro è più lento e meno diretto: costruire una presenza editoriale solida e coerente attraverso più fonti terze, in modo che il modello abbia materiale sufficiente per associare il brand a un determinato argomento nel tempo. Non è un lavoro che si vede nei risultati della settimana successiva, ma nella capacità del brand di essere riconosciuto come entità autorevole nel proprio settore.
In sintesi
Le tre superfici condividono il motore ma non la logica con cui arrivano a una risposta, e questo si traduce in tre strategie di visibilità distinte: retrievability e passaggi citabili per le due superfici dentro Search, costruzione dell’entità e reputazione di terze parti con lavoro di Digital PR per l’app stand alone. Trattarle come un’unica cosa — o peggio, ottimizzare solo per quella che si conosce meglio — significa lasciare scoperti gli altri due punti in cui un potenziale cliente può incontrare, o non incontrare, il proprio brand.