Perché Wikipedia sta perdendo traffico: l’effetto dei riassunti AI e dei social video
Wikipedia non è intoccabile: sta perdendo visite e partecipazione. La combinazione tra riassunti generati dall’intelligenza artificiale nei motori di ricerca e la crescita dei video informativi sui social sta cambiando le abitudini di chi cerca risposte online. Il punto non è solo il calo dei click: con meno traffico, si riducono volontari e donazioni, e la qualità dell’informazione rischia di soffrirne. Ecco cosa sta succedendo e perché riguarda tutti, non solo Wikipedia.
Il dato: meno traffico, meno volontari, meno donazioni
Calo annuo e segnale d’allarme
La Wikimedia Foundation segnala un calo di traffico su base annua intorno all’8%: non è una fluttuazione casuale per un sito che da anni è la base di partenza per ricerche rapide, approfondimenti, verifiche. A lanciare l’allarme è Marshall Miller della Foundation, che collega il trend all’evoluzione del comportamento degli utenti: risposte “pronte” dentro i motori di ricerca e consumo informativo spostato sui social video.
Perché questo calo conta davvero
Wikipedia vive di contributi volontari e di micro-donazioni. Se le visite scendono, non cala solo la visibilità: si restringe il bacino di persone che corregge, amplia e verifica le voci; si assottiglia anche la base di donatori. Come ha sintetizzato Miller: “Con meno visite a Wikipedia, meno volontari potrebbero accrescere e arricchire i contenuti, e meno donatori individuali potrebbero sostenere questo lavoro”. La notizia è stata ripresa e approfondita da TechCrunch, che collega il trend a riassunti AI nei risultati di ricerca e alla crescita dei social video come canale informativo (fonte).
Come i riassunti AI tolgono click ai siti
Le “risposte in pagina” cambiano il gioco
I motori di ricerca stanno spingendo sempre più su overview, risposte e snapshot generati dall’AI direttamente in SERP. E quando l’utente trova il succo della risposta lì, spesso non clicca. Google ha contestato che queste funzionalità riducano il traffico ai siti, ma l’esperienza quotidiana – soprattutto da mobile – racconta altro: si scorre, si legge il riepilogo e si passa oltre. Per un sito informativo come Wikipedia, costruito per essere la destinazione, ogni risposta “chiusa” in SERP è un click in meno.
Il paradosso dell’attribuzione
Le overview AI sono spesso alimentate da contenuti presi dal web aperto. Il risultato? L’utente ottiene valore senza visitare la fonte. È l’efficienza che diventa disintermediazione. Meno impressioni, meno tempo sul sito, meno inviti alla contribuzione e alla donazione: un circolo vizioso che colpisce in modo particolare i progetti non-profit.
La concorrenza dei video social nella ricerca di informazioni
Le nuove abitudini, soprattutto tra i più giovani
Non è una sorpresa dell’ultimo mese, ma il segnale è chiaro: per molti utenti, soprattutto giovani, la prima tappa per una spiegazione rapida è un video su piattaforme social. Cercano tutorial, contesto, esempi visuali. È il modello “dimmi in 60 secondi quello che devo sapere”. In questo ecosistema, Wikipedia – testuale, strutturata, profonda – compete con contenuti veloci e personalizzati dall’algoritmo.
Qualità percepita vs. rapidità consumabile
Lì fuori si gioca una partita tra qualità verificata e intrattenimento informativo. Wikipedia offre fonti, cronologia delle modifiche, criteri redazionali. I social offrono facilità, immediatezza e formato video. Il rischio è che l’utente rinunci alla verifica in cambio della velocità, dando per buone semplificazioni o interpretazioni. Sul breve premia la fruizione; sul lungo periodo si erode l’abitudine alla verifica.
Rischio “AI su AI”: quando sparisce l’umano nel loop
Catena di riassunti che si ripete
Se gli LLM producono sintesi basate su contenuti a loro volta sintetizzati da altri modelli, si crea un’eco di riassunti su riassunti. Ogni passaggio può togliere contesto, sfumature, fonti. In questo scenario, l’“human in the loop” – la correzione e l’arricchimento umano – si assottiglia. Wikipedia nasce proprio per mantenere l’umano al centro: se la catena si sposta tutta in piattaforme chiuse e black box, il rischio è una perdita di qualità silenziosa ma progressiva.
Cosa c’è in gioco per l’ecosistema informativo
Wikipedia è un’infrastruttura della conoscenza. Se si indebolisce, non perde solo un sito: il web perde un punto di riferimento per verifiche e fact-checking. E anche l’AI perde un dataset affidabile su cui addestrarsi e aggiornarsi. È un paradosso: i sistemi che oggi drenano attenzione hanno bisogno di continue fonti umane verificate per non degradare.
Cosa sta facendo Wikipedia (e cosa potrebbe fare)
Sperimentazioni con l’AI e tensioni con la community
Wikipedia ha testato riassunti generativi interni, ma il progetto è stato messo in pausa dopo le critiche dei redattori. Il messaggio è chiaro: l’AI può aiutare, ma non deve scavalcare il lavoro umano né introdurre rischi di allucinazioni o semplificazioni troppo aggressive. La sostenibilità del modello passa dalla fiducia della community.
Strade possibili per recuperare visibilità e valore
- Ottimizzare per le overview AI: rendere più “citabili” i contenuti con sezioni chiare, dati strutturati e passaggi ad alta densità informativa che stimolino il click alla fonte.
- Spingere su dati strutturati (Schema, Wikidata): aiutare i motori a comprendere meglio il contesto, preservando l’attribuzione e creando percorsi di ritorno al sito.
- Accordi e API per LLM: modelli di licenza e attribuzione esplicita per l’uso dei contenuti, con logiche di compensazione e link-back obbligatori.
- Esperienze “snackable” ufficiali: formati brevi e visual su canali proprietari per intercettare utenti che oggi restano sui social.
- Incentivi alla contribuzione: onboarding semplificato, strumenti AI assistivi per i volontari (con supervisione umana) e campagne dedicate alla qualità delle fonti.
Cosa cambia per editori, marketer e creatori
Prepararsi a un web sempre più “answer-first”
- Progettare per gli snippet: paragrafi introduttivi chiari, FAQ interne, dati e definizioni che favoriscono la citazione e invogliano al clic per l’approfondimento.
- Ridurre la dipendenza dalla sola SERP: newsletter, community, abbonamenti e canali proprietari per mantenere relazione e traffico diretto.
- Presidiare il video breve: estratti, spiegazioni rapide, formati verticali che rimandano al contenuto completo sul sito.
- Markup e fonti trasparenti: schema.org, link alle ricerche e bibliografie migliorano sia la reputazione sia l’uso corretto da parte dei modelli.
- Contenuti originali e distintivi: analisi, dati proprietari e insight esclusivi sono più difficili da “riassumere” senza clic.
Il punto centrale: riportare valore alla fonte
Dal click alla relazione
Non basta inseguire il click: serve costruire percorsi di ritorno e motivazioni forti per visitare la fonte. Wikipedia lo fa da sempre con la qualità verificata e la trasparenza delle revisioni. Ma oggi va ribadito: se il web vuole rimanere utile e affidabile, l’attribuzione deve trasformarsi in traffico reale, partecipazione e sostegno economico ai produttori di conoscenza.
Per chi crea contenuti, la lezione è la stessa: progettare esperienze che le overview non possano esaurire e che i social non possano sostituire. L’AI può essere un alleato, ma non può diventare l’unico intermediario tra chi crea e chi cerca.
👉 Per scoprire tutti i dettagli e l’opinione personale di Mario Moroni, ascolta la puntata completa su Spotify.