Knowledge Graph: come Google (e ora le AI) capiscono chi sei

Partiamo dalla risposta secca, così se sei di fretta hai già quello che cerchi. Il Knowledge Graph è il database di entità (persone, luoghi, cose, concetti) e di relazioni tra loro che Google usa per capire il mondo invece delle semplici parole. Non un elenco di pagine: una mappa di cose collegate.

E qui arriva il dettaglio che fa sorridere e fa anche un po’ male all’ego. Per quel database, tu non sei “Mario Rossi” o “la mia azienda”. Sei un codice: un KGMID, tipo /g/11abc123. Una targa. Google ti tratta come la motorizzazione tratta la tua auto, non gli interessa il soprannome che le hai dato, gli interessa l’identificativo univoco.

In questo pezzo ti racconto cos’è davvero questo grafo, come fa Google a collegare quella targa a te, da dove prende le informazioni e perché, nell’era di Gemini e degli AI Overview, è tornato al centro. Lo faccio con due regole che mi sono dato: ogni cifra ha una fonte primaria linkata, e dove il settore SEO racconta favole, lo dico. Il filo rosso che tiene tutto insieme: Google capisce chi sei dal cablaggio che fai tu, ma decide se conti dalla reputazione che ti danno gli altri.

Da “stringhe” a “cose”: l’idea dietro al grafo

Il 16 maggio 2012 Google annuncia il Knowledge Graph con uno slogan diventato un mantra: “things, not strings”, cose, non stringhe. Fino a quel momento il motore ragionava sui caratteri che digitavi. Cercavi “taj mahal” e per lui erano otto lettere e uno spazio, identiche che tu volessi il mausoleo di Agra o il bluesman americano Taj Mahal, quello con il Grammy.

Il problema è tutto lì, nell’ambiguità. Le parole hanno la sgradevole abitudine di significare cose diverse. “Apple” è una mela o un’azienda da tremila miliardi. “Roma” è la città, la squadra o un film di Cuarón. Finché ragioni a stringhe, sei costretto a indovinare dal contesto e a sperare. Il grafo cambia il gioco: smetti di confrontare lettere e cominci a ragionare su entità distinte, ognuna con la sua identità e i suoi collegamenti.

Al lancio il grafo conteneva circa 500 milioni di oggetti e 3,5 miliardi di fatti su quegli oggetti, sempre per l’annuncio del 2012. Otto anni dopo le proporzioni erano un’altra cosa: a maggio 2020 si parlava di circa 500 miliardi di fatti su 5 miliardi di entità (dato Google del 2020, contesto qui). Da 3,5 miliardi a 500 miliardi di fatti in otto anni. Tienilo a mente, perché quel numero del 2020 è ancora oggi il dato più recente che Google ha comunicato in modo chiaro, e qui scatta il primo avvertimento da collega: una marea di blog di entity-SEO scritti nel 2026 ti sparano “500 miliardi di fatti, 5 miliardi di entità” come se fosse la fotografia di adesso. È la foto del 2020. Ha quattro anni e passa. Quando leggi una cifra sul Knowledge Graph, controlla sempre la data della fonte, non la data del post.

Entità, relazioni e triple: i mattoni del grafo

Un grafo, in informatica, è fatto di nodi e di archi. I nodi sono i puntini, gli archi sono le linee che li uniscono. Nel Knowledge Graph ogni nodo è un’entità (Dante, Firenze, la Divina Commedia) e ogni arco è una relazione (Dante “è nato a” Firenze, Dante “ha scritto” la Divina Commedia).

La forma minima di questa conoscenza è la tripla: soggetto, predicato, oggetto. “Dante (soggetto) ha scritto (predicato) la Divina Commedia (oggetto)”. Tre pezzi, un fatto. Metti insieme miliardi di triple e ottieni una rete in cui puoi muoverti saltando da un’entità all’altra lungo le relazioni, come una metropolitana dove le stazioni sono le cose e le linee sono i legami tra loro.

Qui sta la differenza che spesso si perde per strada: un’entità non è una keyword. “scarpe da corsa” è una keyword, una stringa che la gente digita. Nike, invece, è un’entità: esiste a prescindere da come la scrivi, ha una sua identità stabile, ha relazioni (“produce” scarpe, “ha sede” in Oregon). Le keyword stanno nella testa di chi cerca, le entità stanno nel grafo.

E l’identità di un’entità, dicevamo, è quel codice. Il KGMID. Ne esistono di due famiglie: quelli con il prefisso /m/, eredità di Freebase, il vecchio database open da cui Google ha pescato molto materiale agli inizi, e quelli più recenti con il prefisso /g/, nativi del grafo di Google. Se trovi un /m/ davanti a un’entità, stai guardando un fossile ancora vivo, un identificativo nato in Freebase e sopravvissuto alla migrazione.

Come fa Google a sapere che quella stringa sei tu (e i brevetti che citano tutti)

Il meccanismo si chiama entity linking, o disambiguazione. Google prende una menzione ambigua in un testo (“ho visto il Taj Mahal”) e decide a quale entità del grafo collegarla, usando il contesto: se intorno ci sono parole come “chitarra”, “blues”, “concerto”, punta sul musicista; se vede “Agra”, “marmo”, “India”, punta sul mausoleo. Stessa stringa, entità diverse, scelta in base ai vicini di casa.

E qui faccio una cosa che in giro nessuno fa: la mappa dei brevetti, controllati uno per uno. Nel settore gira un vizio fastidioso, si citano numeri di brevetto come prova che “Google brevetta le entità”, senza mai aprire la pagina per vedere chi è l’assegnatario.

Tre brevetti che vedo spacciati per Google e che di Google non sono:

• US11526673B2: è di Oracle.
• US12159224B2: è di IBM, e per giunta è roba di dominio medico.
• US20200004886A1: è Microsoft/LinkedIn, e oltretutto è una domanda abbandonata.

Poi ci sono quelli veri, di Google, che ho letto. Due meritano un posto qui perché raccontano bene come ragiona il grafo:

• US10331706B1 (graph reconciliation): descrive un metodo di corroborazione multi-fonte. In parole povere, un fatto vale di più se più fonti indipendenti lo confermano. Concesso e attivo. Tienilo da parte, perché torna tra poco ed è il cuore di tutto il discorso.
• US10235423B2 (entity metrics): descrive metriche per pesare un’entità, tipo la sua “notabilità”, il tipo notevole, il contributo, persino i premi vinti, con pesi che cambiano a seconda del dominio. Concesso.

C’è anche WO2020033805 sui website representation vectors, ma attenzione, quella è solo una domanda, non un brevetto concesso.

La tesi è doppia. Primo: chi cita i brevetti spesso non verifica l’assegnatario, e così attribuisce a Google idee di Oracle e IBM. Secondo, ed è autocritica onesta: la fonte di un errore possiamo essere anche noi. Io quel numero di Microsoft l’ho beccato spacciato per Google più di una volta, e finché non apri Google Patents e leggi, ci caschi pure tu. Ultima disciplina, valida per tutti questi documenti: un brevetto descrive un metodo o un’intenzione, non è la prova che quella cosa giri in produzione domani mattina. Descrive cosa Google sa fare, non cosa fa per forza adesso.

Da dove arriva la conoscenza di Google (e i due falsi miti)

Da dove pesca Google tutta questa roba? Le fonti ufficiali, dichiarate nell’Help del Knowledge Panel, sono tre famiglie: il web pubblico, dati ottenuti in licenza, e informazioni fornite dai content owner (chi gestisce un panel può proporre aggiornamenti). Su questo materiale Google applica i suoi meccanismi di corroborazione, quelli del brevetto US10331706.

Da qui nascono due miti che è bene seppellire.

Mito numero uno: “il Knowledge Graph è tutto Wikipedia”. No. Wikipedia e soprattutto Wikidata sono fonti importanti, sì, ma sono una fetta, non la torta. E Freebase, il database open delle origini, è dismesso dal 2016. Se leggi un articolo che ti dice “esporta i tuoi dati su Freebase”, sappi che ti sta consigliando di scrivere a un numero staccato da dieci anni. IBM e parecchi blog SEO continuano a citarlo come se fosse vivo.

Mito numero due, e questo è quello che fa più danni: “basta che lo dichiari sul mio sito”. L’idea è che metti una bella About page, ci scrivi che sei il massimo esperto di X, aggiungi un po’ di markup, e Google ti incorona. Magari fosse così.

Ecco il perno di tutto il pezzo: la reputazione la decidono fonti terze indipendenti, non il tuo about. Il tuo sito dice chi dici di essere. Il grafo si fida quando lo dicono anche gli altri, ed è esattamente il meccanismo del brevetto US10331706, la corroborazione multi-fonte. Un fatto su di te diventa solido quando converge da più parti che non controlli. Puoi scriverti “genio incompreso” sull’home page quanto vuoi: finché lo dici solo tu, per il grafo è rumore.

Il Knowledge Panel: la punta dell’iceberg in SERP

Qui va fatta una distinzione che mezzo settore lascia nel vago. Il Knowledge Graph è il database, sta dietro le quinte, non lo vedi. Il Knowledge Panel è quel riquadro che compare a destra (o in alto su mobile) quando cerchi un’entità nota: foto, dati essenziali, link ufficiali. Il panel è l’output visibile, generato automaticamente a partire dal grafo, come ricorda Google qui.

Detto altrimenti: il grafo è l’iceberg, il panel è la punta che spunta dall’acqua. Nessuno “crea” un knowledge panel a comando. Compare quando Google ritiene di avere su quell’entità informazioni abbastanza solide e abbastanza corroborate da meritare un riquadro. Niente scorciatoie, niente bottone “genera panel”. Esiste perché esiste l’entità nel grafo, e l’entità è solida perché le fonti convergono.

Come si rivendica e si corregge un knowledge panel

Se un panel su di te o sulla tua attività esiste già, puoi rivendicarlo. La procedura ufficiale è descritta nell’Help di Google: cerchi l’entità, se il panel c’è trovi l’opzione per reclamarne la gestione, verifichi la tua identità (di solito via un profilo già verificato collegato, tipo un canale o un account ufficiale), e una volta confermato puoi proporre correzioni e feedback.

Due cose oneste. La prima: “proporre” è la parola giusta, suggerisci una modifica, non la imponi, Google la valuta e la incrocia con le altre fonti. La seconda: se il panel non esiste affatto, non c’è niente da rivendicare. Torni al punto di prima, l’entità deve prima diventare abbastanza solida nel grafo, e quello dipende dalla corroborazione esterna, non da un modulo da compilare.

Interrogare il grafo: la Knowledge Graph Search API (con avvertenza)

Si può parlare direttamente con il grafo? In parte sì, tramite la Knowledge Graph Search API. È un’interfaccia che, data una stringa di ricerca, ti restituisce le entità corrispondenti con i loro identificativi, i tipi, una descrizione e altri attributi. Usa il vocabolario di schema.org e risponde in JSON-LD, lo stesso formato che usi nei dati strutturati.

Concretamente: le chiedi “taj mahal” e ti torna una lista di entità candidate, ognuna con il suo kgmid, così puoi capire quale corrisponde a cosa. Utile per disambiguare, per costruire glossari, per agganciare contenuti alle entità giuste.

L’avvertenza, che a tanti spesso sfugge: la documentazione di Google segnala che questa API è in migrazione verso la Cloud Enterprise Knowledge Graph. Tradotto: è ancora interrogabile, ma non è un servizio su cui costruire qualcosa di critico a cuor leggero, perché il binario su cui viaggia sta cambiando. Verificala prima di farci affidamento.

Entity SEO onesta: cablaggio ≠ autorità

Eccoci al cuore del discorso, la parte che mi sta più a cuore. Quasi tutta la “entity SEO” che gira confonde due cose che vivono su pianeti diversi. Le chiamo Colonna A e Colonna B.

Colonna A, il cablaggio. È tutto ciò che controlli al 100% e che serve a renderti leggibile e disambiguabile, non autorevole. Qui dentro:

• l’entity home, l’idea (scuola di pensiero di Jason Barnard, Search Engine Land, marzo 2026) di eleggere una pagina, di solito l’About, a URL-àncora dell’entità, con un @id stabile e i sameAs che puntano ai tuoi profili;
• lo schema Organization o Person ben fatto (riferimento Google);
• i sameAs verificati, una scheda Wikidata, la coerenza del nome e dei dati di contatto ovunque.

Il cablaggio è importante e ha un soffitto basso. Ti fa esistere in modo pulito, ti fa disambiguare. Non ti fa contare. È il curriculum scritto bene.

Colonna B, l’autorità. È tutto ciò che non controlli e che puoi solo seminare: la corroborazione off-site, le citazioni e le menzioni da fonti terze indipendenti, il contenuto che merita davvero di essere citato. Il brevetto US10235423 è la Colonna B messa nero su bianco da Google: pesa la notabilità, il contributo, i premi, con pesi che cambiano per dominio. Roba che, guarda caso, non puoi dichiarare tu su una tua pagina.

La tesi è brutale e te la dico chiara: la Colonna A senza la B è un curriculum perfetto di uno che nessuno ha mai sentito nominare. Impeccabile, ordinato, con tutti i sameAs al posto giusto. E del tutto irrilevante. L’errore classico, lo vedo ogni settimana, è spendere tutto il budget e tutte le energie in Colonna A, lucidare lo schema fino allo sfinimento, e poi stupirsi che il grafo non ti consideri.

L’autorità non si fa con il markup. Si fa con le relazioni e con i contenuti: digital PR vera, materiali così buoni che gli altri li citano, dati originali che diventano riferimento. Tutta roba SEO-compatibile, sia chiaro, ma che vive fuori dal tuo <head>. E già che ci siamo, questo scioglie il dubbio che si sente spesso: “ma i sameAs e Wikidata fanno ranking?”. Non c’è prova causale che lo facciano, ed è normale, perché sono cablaggio, non autorità. Servono a farti leggere bene, non a farti pesare di più.

Ma allora E-E-A-T è un fattore di ranking?

No. E qui serve precisione chirurgica, perché è un punto su cui si dicono enormità in entrambe le direzioni.

Non esiste uno “score E-E-A-T” che Google calcola e infila nel ranking. Non c’è un numerino. E-E-A-T (esperienza, competenza, autorevolezza, affidabilità) è il bersaglio a cui i quality rater addestrano l’algoritmo. Google ha oltre 10.000 valutatori umani che giudicano la qualità dei risultati seguendo delle linee guida, ma le loro valutazioni non muovono direttamente la tua pagina su o giù.

La distinzione che conta è questa: leva diretta contro bersaglio di training. I rater non sono una leva che alza la tua pagina, sono il bersaglio su cui si calibra l’algoritmo, e poi è l’algoritmo a muovere tutte le pagine. Loro insegnano “questo è il tipo di risultato che vogliamo”, e il sistema impara a riconoscerlo da solo, su scala, con i suoi segnali.

E quali sono quei segnali? Tornano i soliti: i riferimenti terzi, le corroborazioni, la reputazione esterna. Il perno di prima si chiude qui. L’algoritmo impara a leggere proprio i segnali che non controlli, perché sono quelli che un essere umano userebbe per dire “di questo mi fido”.

Knowledge Graph e AI: grounding, LLM e RAG (raffreddiamo l’hype)

Nell’era degli AI Overview e di Gemini, il grafo non è andato in pensione. Anzi. Gli LLM hanno un difetto strutturale famoso: allucinano, cioè inventano fatti con la faccia seria di chi li sa. Il grafo serve da ancora di realtà. La tecnica si chiama grounding, e nella sua forma più nota, RAG (retrieval-augmented generation), il modello prima recupera informazioni da una fonte affidabile, e poi genera la risposta su quella base invece che a memoria (RAG e grounding su Vertex AI).

Prima di andare avanti, un chiarimento che quasi nessuno fa e che evita figuracce. Ci sono tre grafi diversi che vengono allegramente confusi:

1. il Knowledge Graph di entità, quello dei Knowledge Panel, di cui abbiamo parlato finora; 2. Data Commons, che è un knowledge graph *statistico* (dati pubblici, censimenti, indicatori), tutt’altra bestia; 3. i pesi del modello LLM, cioè la conoscenza “sciolta” dentro i parametri della rete, che non è un grafo per niente.

Quando qualcuno dice “l’AI usa il Knowledge Graph”, chiedi quale. Spesso non lo sa.

L’esperimento più citato qui è DataGemma, modelli aperti di Google che ancorano un LLM a Data Commons (oltre 240 miliardi di data point, blog.google). Bello sulla carta. Ma raffreddiamo l’entusiasmo con i fatti: DataGemma è ricerca, non è Google Search e non sono gli AI Overview, e i risultati del grounding LLM↔KG sono ancora preliminari, la tecnica è acerba. L’idea è giusta, l’esecuzione su larga scala non è arrivata.

E poi c’è il colpo documentale, quello che mette il sigillo su tutto il discorso di prima. La guida ufficiale di Google sull’AI optimization, datata 5 giugno 2026, dice nero su bianco che i dati strutturati non sono richiesti per la AI search, e sconsiglia esplicitamente le scorciatoie come llms.txt, il chunking artificiale dei contenuti e le menzioni gonfiate ad arte. Tradotto nel linguaggio di questo pezzo: il cablaggio non è la leva. Te lo dice Google in persona. Cosa cambia per chi fa SEO e GEO? Cambia che si torna alle basi noiose e vere: contenuti che meritano la citazione e reputazione costruita fuori. Con un’onestà finale sulla misurabilità: oggi tracciare quanto compari e perché negli AI Overview è ancora un terreno fangoso, chiunque ti venda metriche precise sul tema sta inventando.

Domande frequenti

In due righe, da collega a collega

Riassumo senza fronzoli. Quello che fai tu è il cablaggio: rendi la tua entità leggibile e disambiguabile, con uno schema pulito e dei sameAs che tornano. Quello che inneschi, e non controlli, è l’autorità: la corroborazione e le citazioni da chi conta e che non sei tu.

L’autorità non si compra con uno script nell’<head>. Te lo dice persino la guida AI di Google, che le scorciatoie le sconsiglia. Per il grafo resti una stringa, un KGMID, finché non sono gli altri a dare peso a quella targa.

Se ci stai ragionando su un caso tuo, o se hai un controesempio che smonta qualcosa che ho scritto qui, scrivimi, confrontiamoci. È esattamente il tipo di cose che finisce negli esperimenti del Lab.