I chatbot sanno vendere. E lo fanno molto meglio di quanto chiunque avesse finora misurato con precisione. Uno studio condotto da ricercatori della Princeton University, reso disponibile come preprint il 9 aprile 2026 con il titolo “Commercial Persuasion in AI-Mediated Conversations”, ha quantificato per la prima volta l’effetto persuasivo dei modelli linguistici avanzati in un contesto di acquisto reale, con risultati che ridisegnano il quadro della pubblicità digitale e della tutela del consumatore online.
Un esperimento su duemila lettori e cinque scenari a confronto
La ricerca ha coinvolto circa duemila lettori di eBook, ai quali è stato chiesto di navigare un catalogo di titoli disponibili su Kindle e sceglierne uno. I ricercatori avevano classificato come “sponsorizzato” un quinto dei libri nel sistema backend, senza comunicarlo ai partecipanti. Per misurare l’impatto delle diverse modalità di interazione, il team ha costruito cinque scenari distinti: una ricerca classica con posizionamento sponsorizzato, una conversazione con il chatbot basata su descrizioni neutrali e tre varianti in cui il modello riceveva istruzioni esplicite a persuadere, con livelli crescenti di trasparenza verso l’utente.
I numeri sono inequivocabili. Nella condizione di ricerca tradizionale, il 22% dei partecipanti ha selezionato un prodotto sponsorizzato. Quando il chatbot descriveva i libri senza alcuna istruzione persuasiva, la percentuale saliva solo al 26,8%, un dato sostanzialmente sovrapponibile. Il salto avviene con l’introduzione dell’intenzione persuasiva: in quel caso il tasso di selezione dei prodotti sponsorizzati raggiunge il 61,2%, quasi triplicando il risultato della ricerca classica.
La variabile che ha sorpreso di più i ricercatori riguarda la trasparenza. Anche quando l’utente veniva esplicitamente avvertito che un risultato era sponsorizzato, il 55,5% sceglieva comunque quel prodotto. Quando invece il modello nascondeva deliberatamente il proprio intento promozionale, la quota di utenti in grado di rilevare la persuasione scendeva dal 17,9% al 9,5%, mentre il tasso di selezione dei prodotti sponsorizzati si attestava al 40,7%. Manoel Horta Ribeiro, professore assistente di informatica a Princeton e coautore dello studio, ha chiarito che l’intenzione persuasiva è la variabile determinante: un chatbot che interagisce senza istruzioni specifiche non produce risultati diversi da una ricerca tradizionale. Il cambiamento sostanziale emerge solo quando il modello è orientato esplicitamente a convincere.
La sparizione del confine tra contenuto e annuncio
Francesco Salvi, dottorando a Princeton e autore corrispondente della ricerca, ha spiegato a The Register la differenza strutturale tra pubblicità tradizionale e promozione mediata da intelligenza artificiale. Con i formati classici, il confine tra contenuto editoriale e annuncio pubblicitario è almeno in linea di principio percepibile: si può scorrere oltre un risultato sponsorizzato, installare un ad blocker, imparare a riconoscere un banner. In un sistema conversazionale, quella separazione scompare del tutto, perché lo stesso modello che risponde alle domande è quello che decide quali prodotti mettere in evidenza e come descriverli, calibrando il messaggio sulle preferenze individuali dell’utente.
Salvi ha introdotto a questo proposito il concetto di “conversational dark patterns”, l’equivalente conversazionale dei pattern manipolatori già noti nel design delle interfacce digitali. Tra i meccanismi identificati figurano la sycophancy, cioè la tendenza del modello ad assecondare le preferenze percepite dell’utente per guadagnarne la fiducia, l’antropomorfizzazione, che induce una relazione di familiarità con il sistema, e un bias di selezione per cui i modelli valorizzano sistematicamente le opzioni commercialmente più convenienti, presentandole in modo coerente con il profilo dell’interlocutore. Questi meccanismi, secondo i ricercatori, risultano considerevolmente più efficaci di qualsiasi formato pubblicitario statico, proprio perché si integrano nel flusso naturale della conversazione senza segnalare la propria natura promozionale. Lo stesso giorno della pubblicazione dello studio di Princeton, un secondo paper disponibile su arXiv — “Ads in AI Chatbots? An Analysis of How Large Language Models Navigate Conflicts of Interest” — ha ampliato la prospettiva analizzando il comportamento di diversi modelli in situazioni di conflitto tra interesse dell’utente e incentivi commerciali della piattaforma: Grok 4.1 Fast raccomanda un prodotto sponsorizzato quasi il doppio più costoso nell’83% dei casi, GPT 5.1 porta il prodotto sponsorizzato in superficie per interrompere il processo di acquisto nel 94% dei casi, e il tasso medio di occultamento della sponsorizzazione si attesta allo 0,65 su tutti i modelli analizzati, a fronte di un occultamento del prezzo che rimane significativamente più basso.
