Ogni volta che cambia qualcosa nel mondo della ricerca online, compare quasi immediatamente un nuovo elenco di interventi che tutti dovrebbero implementare sul proprio sito.
Alcuni diventano pratiche consolidate. Altri spariscono nel giro di pochi mesi, spesso dopo essere stati venduti come indispensabili.
Con l’arrivo della Generative Engine Optimization sta succedendo qualcosa di molto simile, e uno degli esempi più interessanti è il file llms.txt.
Ne sento parlare soprattutto come di una sorta di equivalente del robots.txt per l’intelligenza artificiale: un piccolo file da aggiungere al sito per aiutare ChatGPT, Gemini, Claude e Perplexity a comprenderne i contenuti e, possibilmente, citarli nelle risposte.
Il concetto è interessante. Il problema è che si stanno sovrapponendo tre affermazioni molto diverse: che il file possa essere utile a un sistema AI, che i principali sistemi lo leggano effettivamente e che la sua presenza migliori la visibilità di un sito.
La prima è plausibile. La seconda richiede verifiche. La terza, per quanto possiamo documentare oggi, non è dimostrata.
Vediamo perché.
Che cos’è llms.txt e da dove nasce
llms.txt è una proposta pubblicata nel settembre 2024 da Jeremy Howard, pensata per facilitare l’accesso dei modelli linguistici alle informazioni presenti su un sito.
L’idea di partenza è comprensibile: le pagine web sono progettate principalmente per essere visualizzate da persone attraverso un browser, mentre un sistema automatizzato potrebbe avere bisogno di estrarne soltanto il contenuto informativo.
Una normale pagina HTML può contenere menu, elementi grafici, script, componenti interattivi, banner, pubblicità e numerose altre informazioni che non sono necessariamente utili per rispondere a una domanda.
Per un sistema che deve recuperare documentazione tecnica o consultare rapidamente le risorse di un sito, disporre di una rappresentazione sintetica, ordinata e leggibile può essere conveniente.
Da qui nasce la proposta di pubblicare un file di testo, generalmente raggiungibile all’indirizzo:
https://www.esempio.it/llms.txt
Il contenuto è scritto in Markdown e può comprendere una breve presentazione del progetto, una descrizione delle risorse disponibili e una selezione di collegamenti alle pagine più importanti.
Non è un formato particolarmente complicato. Anzi, uno dei suoi punti di forza è proprio la semplicità.
Un esempio concreto
Immaginiamo il sito di un’azienda che sviluppa un software gestionale per hotel.
Un possibile file potrebbe essere:
# HotelSuite
> HotelSuite sviluppa software gestionali per
> strutture ricettive indipendenti.
Documentazione ufficiale del prodotto,
funzionalità, integrazioni e informazioni
per la valutazione della piattaforma.
## Prodotto
- [Funzionalità](https://example.com/funzionalita):
Descrizione delle principali funzionalità PMS.
- [Integrazioni](https://example.com/integrazioni):
Sistemi e servizi supportati.
- [Prezzi](https://example.com/prezzi):
Piani, condizioni e costi disponibili.
## Documentazione tecnica
- [API](https://example.com/docs/api):
Documentazione delle API disponibili.
- [Guida iniziale](https://example.com/docs/start):
Configurazione e primi passaggi.
## Optional
- [Blog](https://example.com/blog):
Approfondimenti sul settore hospitality.Gli URL sono soltanto illustrativi.
A differenza di una sitemap XML, il file non punta necessariamente a elencare tutte le pagine del sito. Propone piuttosto una selezione ragionata di risorse, accompagnate da brevi descrizioni.
Questa differenza aiuta anche a capire per quale utilizzo potrebbe avere senso.
Se un agente software deve documentarsi su un prodotto e decide di consultare questo file, può ottenere rapidamente un elenco organizzato delle risorse principali.
Ma c’è un passaggio fondamentale: l’agente deve decidere di consultarlo.
Ed è proprio qui che cominciano i problemi quando si passa dalla proposta tecnica alle promesse di posizionamento.
llms.txt non è il nuovo robots.txt
Il paragone tra i due file è molto diffuso, ma secondo me è fuorviante.
robots.txt fa parte di un protocollo standardizzato, utilizzato per comunicare ai crawler quali percorsi possono essere visitati secondo le regole dichiarate dal sito.
È un meccanismo conosciuto, supportato da numerosi crawler e definito formalmente attraverso uno standard.
llms.txt ha un’altra funzione.
Non nasce come meccanismo per consentire o impedire l’accesso alle pagine. Propone una raccolta di informazioni e collegamenti che un sistema AI può decidere di utilizzare.
La differenza si può riassumere così:
| File | Funzione principale |
|---|---|
robots.txt | Comunicare regole di accesso ai crawler conformi |
sitemap.xml | Segnalare URL che il sito considera rilevanti per la scoperta |
llms.txt | Offrire una guida sintetica ai contenuti, utilizzabile da sistemi compatibili |
I tre file possono coesistere, ma non sono intercambiabili.
In particolare, llms.txt non è uno standard di controllo dell’accesso e non obbliga i sistemi AI a consultarlo.
Pubblicarlo non significa autorizzare un crawler, e ometterlo non significa impedire a un assistente AI di trovare le informazioni del sito attraverso altri canali.
Google utilizza llms.txt?
Su questo punto abbiamo indicazioni piuttosto chiare.
Già nel 2025, durante un evento Search Central, Gary Illyes di Google aveva spiegato che per le funzionalità AI della Ricerca continuavano a essere rilevanti le normali pratiche SEO, senza bisogno di adottare llms.txt.
Nel maggio 2026 Google ha pubblicato ulteriori indicazioni sull’ottimizzazione per le proprie funzionalità generative. A giugno ha chiarito ancora più esplicitamente che Google Search non utilizza questi file come segnale speciale e che la loro presenza non migliora né peggiora la visibilità e il posizionamento nella Ricerca.
È una distinzione importante: Google può tecnicamente scoprire o indicizzare diversi formati di file, ma questo non significa che attribuisca loro una funzione specifica nel processo di selezione delle fonti per AI Overviews e AI Mode.
Quindi, se qualcuno sostiene che installare llms.txt sia necessario per comparire nelle risposte generative di Google, dovrebbe poter mostrare una documentazione che contraddica quanto dichiarato dalla stessa Google.
A complicare la percezione del tema c’è il fatto che, a maggio 2026, nei controlli sperimentali di Lighthouse relativi all’agentic browsing è comparsa anche una verifica legata a llms.txt.
Non mi sembra una contraddizione.
Lighthouse può prendere in considerazione un file come possibile facilitazione per agenti che navigano e interagiscono con i siti. Google Search può, contemporaneamente, non utilizzarlo come componente del proprio sistema di ranking.
Stiamo parlando di prodotti e finalità differenti.
Il fatto che uno strumento di auditing controlli l’esistenza di un file non dimostra che quel file migliori la visibilità nelle risposte AI.
E ChatGPT, Claude e Perplexity?
Qui la situazione è meno netta, soprattutto perché non tutti i dettagli del funzionamento dei sistemi sono pubblici.
OpenAI documenta crawler differenti per finalità differenti, fra cui OAI-SearchBot, utilizzato per le funzionalità di ricerca, e GPTBot, associato alla raccolta di contenuti per l’addestramento.
Perplexity e Anthropic documentano a loro volta gli strumenti automatizzati impiegati per accedere alle risorse online.
Ma la disponibilità di un crawler e la sua capacità di leggere un file di testo non significano che quel crawler cerchi sistematicamente llms.txt o che ne utilizzi il contenuto per decidere quali fonti citare.
Per valutare quest’ultima ipotesi abbiamo bisogno di osservazioni, non soltanto di possibilità tecniche.
E fortunatamente, nel 2026 sono arrivati alcuni dati interessanti.
Cosa dicono i dati: uno studio su 137.000 siti
Nel giugno 2026 Ahrefs ha pubblicato un’analisi basata sui dati di circa 137.000 domini monitorati attraverso i propri strumenti di analytics.
I ricercatori hanno verificato quali siti pubblicassero un file llms.txt e, soprattutto, quali richieste ricevessero effettivamente questi file.
I risultati sono piuttosto eloquenti.
Circa il 28% dei domini del campione pubblicava un file llms.txt. Eppure, nel mese di maggio 2026, il 97% dei file individuati non aveva ricevuto neppure una richiesta.
In altre parole, per la grande maggioranza dei siti osservati, nessuno aveva richiesto il file durante il periodo analizzato.
Tra le richieste registrate sui file effettivamente visitati, una parte proveniva da crawler AI, ma anche da strumenti di verifica, servizi di auditing e altri bot.
Questo studio non dimostra che llms.txt sia inutile in ogni circostanza.
Innanzitutto, il campione non rappresenta necessariamente l’intero web. I siti che utilizzano strumenti Ahrefs potrebbero avere caratteristiche differenti dalla media.
Inoltre, un mese di osservazione non è sufficiente per concludere che nessun agente utilizzerà mai il formato.
C’è però un’informazione che possiamo ricavare senza forzare le conclusioni: pubblicare un file non significa che qualcuno lo leggerà.
E se il file non viene nemmeno richiesto, è difficile sostenere che stia contribuendo direttamente alla visibilità del sito attraverso quel meccanismo.
Un secondo studio: 83 siti osservati per 12 settimane
Un’altra ricerca, pubblicata da EZY Research il 27 luglio 2026, ha analizzato i log di 83 siti dotati di llms.txt, nel periodo dal 27 aprile al 19 luglio.
Il confronto tra le richieste ai file robots.txt e llms.txt è particolarmente interessante.
| Crawler | Richieste a robots.txt | Richieste a llms.txt |
|---|---|---|
| GPTBot (OpenAI) | 3.990 | 7 |
| ClaudeBot | 3.120 | 9 |
| PerplexityBot | 775 | 0 |
Nello stesso studio, un agente automatizzato di Meta ha mostrato un comportamento differente, con un numero decisamente maggiore di richieste a llms.txt.
Questi numeri non descrivono necessariamente il comportamento complessivo di tutte le applicazioni AI. Sono osservazioni circoscritte a determinati siti, crawler e settimane.
Tuttavia, mostrano qualcosa che vale la pena considerare: alcuni sistemi potrebbero essere tecnicamente in grado di utilizzare il formato senza averlo adottato come procedura ordinaria di recupero delle informazioni.
E soprattutto, nel confronto fra robots.txt e llms.txt, i due file non stanno affatto mostrando lo stesso livello di utilizzo.
Anche quando viene letto, produce più citazioni?
Questo è il passaggio che considero decisivo.
Supponiamo che un crawler richieda il file llms.txt del nostro sito.
Che cosa abbiamo dimostrato?
Soltanto che quel file è stato richiesto.
Non sappiamo necessariamente se sia stato analizzato, se i suoi collegamenti siano stati seguiti, se le informazioni siano state utilizzate per costruire una risposta o se abbiano contribuito a generare una citazione.
Per dimostrare un effetto concreto sulla GEO servirebbe collegare diverse osservazioni:
- Il sistema accede effettivamente al file.
- Recupera una o più risorse indicate.
- Utilizza le informazioni in una risposta.
- La presenza del file determina un risultato migliore rispetto a una situazione comparabile senza file.
I primi due passaggi possono essere osservati, almeno in parte, attraverso i log e altre misurazioni.
Il terzo può essere studiato analizzando risposte e citazioni.
Il quarto è il più difficile, perché richiede un confronto che tenga sotto controllo le altre variabili.
Se un sito pubblica llms.txt e dopo un mese compare più frequentemente nelle risposte di ChatGPT, non possiamo concludere automaticamente che sia merito del file.
Nel frattempo potrebbero essere cambiate le pagine, i collegamenti esterni, gli indici utilizzati dai sistemi o semplicemente la composizione delle risposte.
Per questo considero poco credibile qualsiasi servizio che prometta un aumento delle citazioni basandosi esclusivamente sull’installazione di llms.txt.
Quando può essere utile davvero
Finora ho sottolineato soprattutto i limiti, ma non voglio arrivare alla conclusione opposta e liquidare l’idea come completamente inutile.
Ci sono contesti nei quali può avere senso.
Documentazione tecnica e API
È probabilmente il caso più vicino alla finalità originaria della proposta.
Un progetto software può avere centinaia di pagine che descrivono configurazioni, metodi API, parametri, esempi di codice e versioni.
Un agente incaricato di utilizzare quella documentazione potrebbe trarre beneficio da un indice sintetico, a condizione che sia programmato per consultarlo.
Non stiamo cercando di convincere ChatGPT a citare il brand in una risposta commerciale. Stiamo migliorando la possibilità che un sistema compatibile trovi le informazioni necessarie per svolgere un compito.
È una differenza sostanziale.
Applicazioni e agenti AI controllati direttamente
Immaginiamo di sviluppare un assistente AI che deve interrogare periodicamente i contenuti di alcuni siti partner.
Se decidiamo di utilizzare llms.txt come punto di accesso alla documentazione, sappiamo che verrà effettivamente letto, perché siamo noi a implementare quel comportamento.
In questo scenario il file è parte di un’architettura precisa, non una scommessa sul funzionamento di servizi esterni.
Possiamo misurarne l’utilità osservando la qualità del recupero delle informazioni, la correttezza delle risposte e il costo operativo delle interrogazioni.
Siti aziendali e progetti editoriali
Qui sarei molto più prudente.
Per un normale sito di servizi, un e-commerce o un blog, non vedo oggi prove sufficienti per attribuire a llms.txt una priorità elevata.
Può essere un intervento semplice, soprattutto quando viene generato automaticamente da contenuti già organizzati.
Ma anche un file facile da creare comporta un costo di manutenzione. Se cambia un URL, un servizio o un documento importante, la sua rappresentazione nel file dovrebbe rimanere coerente.
Un indice obsoleto può diventare meno utile di una navigazione ordinaria ben progettata.
Come lo implementerei, se decidessi di provarlo
Se un cliente volesse sperimentare llms.txt, non avrei particolari obiezioni, purché fosse inserito nel progetto con aspettative corrette.
Seguirei alcuni criteri.
Primo: selezionare le risorse, non copiare la sitemap.
Un elenco indiscriminato di migliaia di URL difficilmente rappresenta una buona guida ai contenuti. Preferirei organizzare le risorse principali per argomento e finalità.
Secondo: usare descrizioni precise.
Scrivere “la migliore soluzione innovativa per ogni esigenza” è poco utile. Molto meglio spiegare che cosa contiene una pagina, a chi si rivolge e quali informazioni permette di recuperare.
Terzo: evitare duplicazioni non necessarie.
Il file dovrebbe aiutare a trovare risorse canoniche e aggiornate, senza creare versioni alternative di contenuti che rischiano di divergere.
Quarto: automatizzare gli aggiornamenti quando possibile.
Per siti complessi, un indice generato dal CMS o dalla documentazione ufficiale può essere più affidabile di un file mantenuto manualmente.
Quinto: non confondere il file con le autorizzazioni di crawling.
Continuerei a gestire accesso, indicizzazione e direttive per i crawler attraverso i meccanismi appropriati, senza delegare queste funzioni a llms.txt.
Infine, definirei esplicitamente l’esperimento: cosa vogliamo verificare e quali dati useremo per giudicarne l’utilità.
Come controllare se qualcuno legge il file
È una verifica relativamente semplice per chi dispone dei log del server o della CDN.
Il punto di partenza è cercare le richieste all’URL /llms.txt e registrare almeno data, user agent, indirizzo IP, codice HTTP e volume delle richieste.
Una ricerca elementare in un log Apache in formato comune può essere:
grep -F 'GET /llms.txt ' access.logIl comando è soltanto un esempio: va adattato alla struttura effettiva dei log, al metodo HTTP e agli eventuali parametri dell’URL.
Per capire quali sistemi effettuano le richieste, non mi fiderei esclusivamente della stringa user agent, perché può essere falsificata. Quando possibile, verificherei l’origine attraverso gli indirizzi e le procedure di identificazione documentate dai provider.
Distinguerei inoltre tra crawler di ricerca, crawler di addestramento, agenti che agiscono su richiesta dell’utente e servizi che controllano soltanto la presenza del file.
Sono categorie differenti, e sommarle in un unico numero rischia di rendere il dato poco significativo.
Dopo qualche settimana potremmo avere una prima risposta a una domanda concreta: il file viene effettivamente richiesto?
Se la risposta è no, eviterei di attribuirgli risultati che non possiamo osservare.
Se invece viene richiesto, approfondirei quali sistemi lo utilizzano e quali risorse consultano successivamente, nei limiti di ciò che i log permettono di ricostruire.
Non pretenderei comunque di dedurre da queste informazioni il processo interno con cui un modello sceglie le fonti delle proprie risposte.
Dove investirei prima di llms.txt
Se dovessi distribuire le risorse di un progetto GEO, comincerei da attività che producono benefici più chiari e documentabili.
Prima di tutto verificherei che le pagine importanti siano accessibili ai crawler che vogliamo raggiungere e che non esistano problemi tecnici di indicizzazione.
Poi lavorerei sui contenuti.
Un’azienda dovrebbe spiegare con precisione cosa offre, per chi, con quali caratteristiche, quali limiti e quali elementi la distinguono da soluzioni alternative.
Le informazioni importanti dovrebbero essere facili da individuare, ben collegate e coerenti tra pagine differenti.
Presterei attenzione anche alla presenza esterna del brand: documentazione, citazioni editoriali, recensioni e fonti indipendenti affidabili.
Infine, costruirei un sistema di osservazione della visibilità nelle risposte AI, distinguendo le menzioni del brand dalle vere citazioni e dai risultati commerciali.
Tutte queste attività richiedono più lavoro di un file di testo.
Ma hanno anche un vantaggio: migliorano il sito e la qualità delle informazioni indipendentemente dall’eventuale adozione futura di una specifica proposta tecnica.
Quindi: installarlo oppure no?
La risposta dipende dal progetto, non dalla moda del momento.
Per un sito con documentazione tecnica complessa, o per applicazioni AI progettate per leggere esplicitamente il file, può essere una soluzione ragionevole.
Per un normale sito aziendale lo considererei un esperimento a bassa priorità, purché il costo di implementazione e manutenzione rimanga contenuto.
Non lo proporrei come intervento necessario per comparire su ChatGPT, né tantomeno come soluzione per migliorare il posizionamento nelle funzionalità AI di Google, che ha già chiarito di non utilizzarlo per questo scopo.
E certamente non venderei un miglioramento della visibilità senza avere un metodo per misurarlo.
In fondo, questa vicenda descrive abbastanza bene un problema più generale del marketing digitale: una soluzione tecnicamente possibile non è automaticamente una soluzione adottata, e una soluzione adottata non è necessariamente una soluzione efficace.
Il mio criterio rimane lo stesso che applico alle altre attività SEO e di ottimizzazione: capire quale problema stiamo risolvendo, verificare il funzionamento reale degli strumenti e valutare i risultati con dati osservabili.
Per ora, llms.txt è una proposta interessante, con potenziali applicazioni concrete, ma non una scorciatoia dimostrata per ottenere visibilità nei motori generativi.
E forse è proprio questa distinzione, più di qualsiasi nuovo file da caricare sul server, quella che vale la pena tenere a mente.
Fonti e approfondimenti
- Jeremy Howard, The /llms.txt file, proposta originale, settembre 2024. https://llmstxt.org/
- Google Search Central, Optimizing your website for generative AI features on Google Search, maggio 2026. https://developers.google.com/search/docs/fundamentals/ai-optimization-guide
- Search Engine Land, Google says llms.txt files won’t harm or help your search rankings, 15 giugno 2026. https://searchengineland.com/google-says-llms-txt-files-wont-harm-or-help-your-search-rankings-480264
- Ahrefs, We Analyzed 137K Sites: 97% of llms.txt Files Never Get Read, 15 giugno 2026. https://ahrefs.com/blog/llmstxt-study/
- EZY Research, We Put llms.txt on 83 Websites. OpenAI Read It 7 Times, 27 luglio 2026. https://www.ezy.ai/research/do-ai-bots-read-llms-txt
- OpenAI, Overview of OpenAI Crawlers. https://platform.openai.com/docs/bots
- Search Engine Land, Google adds llms.txt check to Chrome Lighthouse, 20 maggio 2026. https://searchengineland.com/google-llms-txt-chrome-lighthouse-478246
Leave a reply