Google dice che llms.txt non serve a nulla per la Ricerca - ecco a cosa serve realmente
La documentazione di Google Search Central di giugno 2026 è inequivocabile: Google Search non utilizza llms.txt - non per il ranking, non per le AI Overviews, per niente. Gli studi di adozione di terze parti lo confermano: su centinaia di migliaia di domini, il 97% dei file llms.txt non è mai stato scaricato e modelli statistici non hanno trovato alcun effetto di citazione. Eppure Stripe, Vercel, Cloudflare, Anthropic e Mastercard distribuiscono il file. Sanno esattamente cosa stanno facendo. Stanno costruendo per un pubblico completamente diverso: agenti di codifica e browser agentici che lo leggono.
Search Central l'ha reso ufficiale a giugno 2026
La guida all'ottimizzazione AI di Google, aggiornata il 15 giugno 2026, afferma ora direttamente: "Non è necessario creare nuovi file leggibili dalle macchine, file di testo AI, markup o Markdown per apparire su Google Search (incluse le sue capacità di IA generativa), poiché Google Search stesso non li utilizza." L'aggiornamento è stato aggiunto, secondo le parole di Google, "per rispondere alle domande della community", un modo diplomatico per dire che l'hype aveva superato i fatti. John Mueller aveva già segnalato la stessa cosa su Reddit mesi prima, paragonando llms.txt al meta tag keywords: un file che descrive di cosa un sito afferma di parlare, quando Google preferirebbe semplicemente leggere il sito. Gary Illyes ha confermato a luglio 2025 che Google non lo supporta e non ha intenzione di farlo.
Ampiamente distribuito, raramente letto, effetto misurabile nullo
SE Ranking ha analizzato circa 300.000 domini e ha scoperto che circa il 10% aveva adottato il file, ma quando hanno eseguito sia un modello statistico che un classificatore XGBoost per verificare se il file fosse correlato alle citazioni AI, il risultato è stato piatto: nessun effetto, e la sua rimozione ha effettivamente migliorato l'accuratezza del modello. L'adozione è stata quasi identica tra i livelli di traffico (siti a basso traffico: 9,88%, medio: 10,54%, alto: 8,27%) - il che significa che non è qualcosa che i performer di alto livello stanno facendo e che gli altri stanno copiando. Ahrefs ha riscontrato un quadro simile dal lato della lettura: di 137.210 domini monitorati (un campione con una tendenza tecnica, quindi un limite superiore all'adozione reale), il 97% non ha visto richieste nel maggio 2026. Del 3% che è stato recuperato, solo il 19,5% di tali richieste proveniva da strumenti AI denominati: GPTBot in primo luogo, Claude Code in secondo. L'audit Chrome Lighthouse ha rappresentato circa 1 recupero ogni 1.000.
| Studio | Campione | Risultato chiave |
|---|---|---|
| SE Ranking (fine 2025) | ~300.000 domini | Nessun effetto sulle citazioni; la rimozione della variabile ha migliorato l'accuratezza del modello |
| Ahrefs (maggio 2026) | 137.210 domini | Il 97% non è mai stato recuperato; il 19,5% dei recuperi da strumenti AI denominati |
| Limy.AI (log di 90 giorni) | Oltre 500 milioni di eventi bot AI | ~408 recuperi mirati di llms.txt in totale |
| Otterly.AI (log del server) | 62.100 visite di bot AI | 84 llms.txt mirati (0,1% del traffico AI) |
Lo studio di Limy.AI basato sui log del server di 90 giorni ha messo in prospettiva la pura scala: su più di 500 milioni di eventi bot AI, circa 408 recuperi mirati di llms.txt. Il test parallelo di Otterly.AI ha riscontrato solo 84 visite di bot AI su 62.100 - 0,1% - che hanno raggiunto il file. Quei numeri sono minuscoli, ma sono il segnale effettivo dai log effettivi.
Chi lo legge davvero: agenti di codifica e browser agentici
Le classifiche non sono il motivo per cui queste aziende pubblicano llms.txt. Lo distribuiscono perché una classe specifica e in crescita di strumenti lo legge per convenzione: Cursor, Windsurf, Claude Code, GitHub Copilot, Cline e Aider cercano tutti /llms.txt e /llms-full.txt come suggerimento di navigazione quando uno sviluppatore chiede all'agente di "utilizzare la documentazione di Stripe" o "interrogare l'API di Vercel". Il server MCP open-source mcpdoc di LangChain espone llms.txt come fonte di dati di prima classe. Per questi agenti, il file è ciò che una sitemap è per Googlebot: un indice strutturato di dove si trova il contenuto utile, in modo che l'agente non debba scansionare e indovinare. Chrome Lighthouse 13.3 - rilasciato il 7 maggio 2026 - ha spostato l'audit di llms.txt dallo stato sperimentale alla categoria predefinita "Agentic Browsing", puntando nella direzione opposta rispetto al team di Search. È una spaccatura all'interno di Google: Search dice di saltarlo, Chrome dice di auditarlo.
Le oneste sfumature
Alcune cose degne di nota accanto ai numeri principali:
La spaccatura Chrome/Search è reale. Lighthouse 13.3 esegue l'audit di llms.txt sotto "Agentic Browsing" mentre Search Central dice di saltarlo. Ogni team ha ragione nei propri termini, perché ottimizzano per crawler e casi d'uso diversi. Se il browsing agentico cresce come fonte di traffico, il team Lighthouse potrebbe finire dalla parte giusta della storia.
La critica di Mueller sulla giocabilità ha un suo merito. Un file che dice all'IA di cosa un sito afferma di trattare - senza alcuna verifica - è strutturalmente simile al meta tag delle parole chiave. Nessun importante fornitore di IA (OpenAI, Anthropic, Google, Meta, Mistral) si è impegnato a utilizzarlo come segnale di citazione in produzione. Finché uno non lo farà, considerarlo una leva GEO è speculazione.
Un primo caso era direzionale, non una prova. Un singolo proof-of-concept auto-riportato (dev5310, febbraio 2026) ha rilevato che dopo aver inviato llms.txt a Search Console, Google AI Mode lo ha citato come fonte principale entro 24 ore - mentre le classifiche delle parole chiave monitorate non si sono mosse. Questo è direzionale e interessante, ma è n=1, auto-riportato e non uno studio riproducibile. Lo notiamo per completezza, non come prova di un effetto ampio.
Il costo della sua distribuzione è basso. Mezza giornata per la stesura, nessuna manutenzione continua, nessun rischio di penalità. Ciò lo rende una scommessa asimmetrica economica: se il traffico degli agenti cresce e il file conta, sei pronto; se rimane rumore, hai perso quasi nulla. La cornice da utilizzare è l'infrastruttura di prontezza degli agenti - non una leva di ranking o citazione.
"Paragonabile al meta tag keywords"
Il commento di John Mueller su Reddit è la spiegazione più chiara da parte di Google: "Per quanto ne so, nessuno dei servizi di intelligenza artificiale ha dichiarato di utilizzare LLMs.TXT (e si può capire guardando i log del server che non lo controllano nemmeno). Per me, è paragonabile al meta tag keywords: questo è ciò che un proprietario di sito afferma che il suo sito riguarda... perché non controllare direttamente il sito?" L'analogia è esatta: il meta tag keywords è stato ignorato perché i proprietari di siti ne hanno abusato; llms.txt presenta lo stesso rischio strutturale. Gary Illyes, separatamente, ha confermato nel luglio 2025 che Google non lo supporta e non ha intenzione di farlo. La documentazione del giugno 2026 rende ufficiale la posizione di Google piuttosto che invertire una precedente.
Crealo per gli agenti che lo leggono davvero
llms.txt non fa nulla per il posizionamento nei motori di ricerca. I dati di Ahrefs, SE Ranking, Limy.AI e Otterly.AI concordano: non ha alcun effetto misurabile sulle citazioni AI nei prodotti che la maggior parte delle persone considera "ricerca AI". Google ora lo ha messo per iscritto. È una convenzione di navigazione per il crescente strato di agenti di codifica e browser agenti che scansionano la tua documentazione quando uno sviluppatore pone loro una domanda. Stripe e Vercel lo implementano perché il loro pubblico principale include sempre più sviluppatori che lavorano all'interno di Cursor e Claude Code. Se anche il tuo pubblico lo fa, vale la pena dedicare mezza giornata per scriverne uno. Se il tuo pubblico è costituito da consumatori che ti trovano tramite Google o Perplexity, investi quel tempo in qualcosa che i modelli utilizzano effettivamente: contenuti di alta qualità e ben strutturati che ottengono citazioni di per sé.
Fonti: Google Search Central - Guida all'ottimizzazione AI (giugno 2026) · Search Engine Roundtable - Barry Schwartz · SE Ranking - Studio sull'adozione di llms.txt · Ahrefs - Studio su llms.txt (137.210 domini) · Limy.AI - Analisi dei log del server · Search Engine Journal - Divisione Chrome vs Search · Search Engine Journal - Mueller paragone meta tag keywords · dev5310 - Studio di caso singolo auto-riportato (solo direzionale)