Immagini generate con l'IA e SEO: cosa rischi e cosa funziona

Le immagini generate con l'intelligenza artificiale non ricevono una penalizzazione automatica da Google, ma il modo in cui le usi decide se aiutano o danneggiano una pagina. La differenza non è tra "IA sì" e "IA no": è tra un'immagine che aggiunge un contesto reale a chi cerca e un'immagine generica, intercambiabile con altre migliaia prodotte dallo stesso modello con un prompt simile.

Questo articolo guarda tre punti dove la scelta pesa davvero: la ricerca immagini e Discover, l'etichettatura tecnica tramite metadati - il campo IPTC digital source type, non le dichiarazioni testuali richieste altrove - e i contesti, come le schede prodotto, le testimonianze o le pagine team, dove una foto reale resta l'aspettativa implicita del lettore e, in alcuni casi, una richiesta esplicita della piattaforma.

Cosa succede davvero nella ricerca immagini

Google Immagini classifica in base alla rilevanza del contenuto visivo rispetto alla query, al testo circostante, al nome del file, all'alt text e al contesto della pagina che ospita il file, non in base al software che ha prodotto il pixel. Un'immagine generata con IA può comparire in alto quando risponde meglio all'intento di ricerca di una fotografia stock generica, per esempio un'illustrazione concettuale di un processo che nessuna foto reale può mostrare in modo altrettanto chiaro.

Il rischio non è l'origine sintetica in sé, ma la scala. Le linee guida sui contenuti spam di Google trattano come abuso di contenuti su scala la produzione massiva di pagine o asset con poco o nessun valore aggiunto per il lettore, indipendentemente dal fatto che il testo o le immagini siano generati con IA, copiati o assemblati automaticamente. Migliaia di blog che generano la stessa illustrazione con prompt quasi identici, per esempio due professionisti che si stringono la mano in stile digitale su sfondo blu, producono varianti visivamente intercambiabili: nessuna viola una regola specifica, ma nessuna aggiunge differenziazione reale a un settore già saturo di immagini simili.

• L'alt text e il nome del file restano i segnali principali: descrivono cosa mostra l'immagine, non come è stata creata.
• La pagina che circonda l'immagine, titolo e paragrafi vicini, pesa più del metodo di produzione.
• La sovrapproduzione di varianti quasi identiche penalizza l'insieme del sito, non la singola immagine.

Google Discover e le immagini: cosa cambia

Discover si comporta diversamente dalla ricerca classica perché mostra grandi anteprime visive prima ancora che l'utente legga il titolo, quindi la qualità percepita dell'immagine pesa sul clic più che altrove. Google richiede immagini di alta risoluzione, idealmente almeno 1200 pixel di larghezza, e disabilita di default le immagini piccole o di bassa qualità dal feed. Un'immagine generata con IA che presenta artefatti tipici, come mani con dita in eccesso, testo illeggibile su un cartello o texture troppo uniformi, abbassa la qualità percepita e di conseguenza il tasso di clic, anche quando soddisfa tecnicamente i requisiti dimensionali.

Non esiste una regola pubblica di Discover che escluda le immagini sintetiche, ma il feed premia contenuti che sembrano editoriali e specifici di un evento o di un dato reale, come un grafico con numeri concreti o uno screenshot autentico di un'interfaccia, rispetto a illustrazioni generiche che potrebbero accompagnare qualsiasi articolo dello stesso argomento. Se la scelta è tra un'immagine IA generica e uno screenshot reale del processo che stai descrivendo, il secondo comunica più contesto in una frazione di secondo, che è esattamente il tempo che un utente dedica a decidere se aprire una card in Discover.

Metadata di provenienza: il campo IPTC digital source type

Lo standard IPTC per i metadati fotografici include da alcuni anni un campo chiamato Digital Source Type, con un vocabolario controllato di valori: trainedAlgorithmicMedia per un'immagine generata da un modello addestrato, compositeWithTrainedAlgorithmicMedia per un fotomontaggio che combina elementi reali e sintetici, e valori distinti per fotografia digitale non modificata o per rendering 3D. Strumenti come Adobe Firefly, alcuni export di Midjourney e i generatori integrati in certi CMS scrivono questo campo automaticamente nel file quando lo esporti; altri strumenti non lo scrivono affatto, il che rende il metodo affidabile solo quando l'intera catena, generatore, editor, CMS, lo preserva senza interruzioni.

A questo si affianca C2PA, la Coalition for Content Provenance and Authenticity, uno standard che firma criptograficamente la cronologia di un file: chi l'ha creato, con quale strumento, quali modifiche ha subito, in modo che manomettere i metadati senza invalidare la firma sia difficile. Google Search usa questi segnali per mostrare, in alcuni risultati di Google Immagini, un'etichetta informativa quando il file porta metadati di provenienza sintetica riconosciuti. Il punto tecnico da capire è che questa etichetta si basa su dati incorporati nel file stesso, non su una dichiarazione testuale scritta dall'autore nella pagina: è un meccanismo diverso, e complementare, rispetto agli obblighi di trasparenza testuale che riguardano contenuti scritti con IA.

• Il metadato sopravvive solo se non viene rimosso: molti passaggi comuni, come uno screenshot, la conversione di formato o alcuni plugin di ottimizzazione immagini, lo eliminano senza che tu te ne accorga.
• Verificare la presenza del campo richiede un lettore di metadati EXIF o IPTC dedicato; i visualizzatori di immagini standard di solito non lo mostrano.
• Un'etichetta di provenienza mancante non prova che l'immagine sia reale: prova solo che i metadati non ci sono, per rimozione o perché non sono mai stati scritti.

Originalità contro le immagini stock: il problema della duplicazione

Le librerie stock avevano già un problema di sovraesposizione: la stessa foto di una strizzata di mano compariva su centinaia di siti concorrenti nello stesso settore. I generatori di immagini IA hanno reso il problema più sottile invece di risolverlo: due prompt quasi identici sullo stesso modello prevedibilmente producono composizioni molto simili nello stile, nella palette e nell'inquadratura, anche se il file risultante è tecnicamente unico bit per bit. Il risultato percepito da chi visita più siti dello stesso settore resta lo stesso di prima: immagini intercambiabili che non aggiungono nulla di specifico al contenuto che accompagnano.

Rendere un'immagine IA effettivamente originale richiede più lavoro di quanto suggerisca il prompt di default: descrivere elementi specifici del proprio contesto, come il layout reale di un dashboard che stai descrivendo, i colori del proprio brand o un dato numerico effettivamente citato nel testo, oppure editare manualmente il risultato per rimuovere gli elementi generici che il modello aggiunge per completare la composizione. Un'illustrazione che rappresenta esattamente il concetto discusso nel paragrafo adiacente, non un'astrazione decorativa, resta distinguibile anche quando altri cento siti hanno usato lo stesso strumento con prompt simili.

• I prompt generici, concetti astratti come successo, crescita o collaborazione, producono le composizioni più duplicate in assoluto.
• Aggiungere dettagli specifici del proprio contenuto riduce la somiglianza con le migliaia di varianti generate dallo stesso prompt di base.
• Mescolare screenshot reali, grafici con dati propri e illustrazioni IA nello stesso articolo riduce la dipendenza da un'unica fonte visiva.

Dove le foto reali restano l'aspettativa, non un'opzione

Alcuni contesti non tollerano un'immagine sintetica indipendentemente da quanto sia tecnicamente ben fatta, perché il lettore la interpreta implicitamente come una prova di qualcosa di reale. Una testimonianza con la foto di una persona che non esiste è una recensione fittizia indipendentemente da come è stata prodotta l'immagine, e rientra nelle pratiche che le policy sui contenuti ingannevoli, di Google come di qualunque piattaforma pubblicitaria, trattano come falsa rappresentazione. Lo stesso vale per pagine "chi siamo" e profili di autori su contenuti YMYL, salute, finanza, sicurezza: l'E-E-A-T che Google valuta in quei settori presuppone che l'esperienza e l'identità dichiarate corrispondano a persone reali, e una foto generata mina quella corrispondenza nel momento in cui viene scoperta.

Le schede prodotto e-commerce sono un caso a parte con una regola esplicita: Google Merchant Center richiede che l'immagine di un prodotto mostri il prodotto reale in vendita, non un rendering o un mockup generato, e le inserzioni che violano questo punto vengono disapprovate per immagine non conforme o rappresentazione ingannevole del prodotto. Le foto di sedi fisiche su Google Business Profile seguono la stessa logica implicita: rappresentano un luogo che il cliente visiterà di persona, quindi un'immagine generata al posto della foto reale del locale è un caso di rappresentazione ingannevole, anche quando la piattaforma non riesce a rilevarla automaticamente al momento del caricamento.

• Testimonianze, recensioni e casi studio con volto o nome di una persona: sempre foto reale, con consenso.
• Pagine team, autore, "chi siamo" su contenuti YMYL: foto reale collegata a un'identità verificabile.
• Schede prodotto e-commerce: foto del prodotto reale, richiesta esplicita di Google Merchant Center.
• Foto di sede, negozio o ufficio su Google Business Profile: foto reale del luogo.
• Contenuti "prima e dopo" in ambito estetico, salute o fitness: un'immagine generata al posto di un risultato reale è materialmente ingannevole, non solo rischiosa per il posizionamento.

Rischi legali da conoscere prima di pubblicare

La tutela del diritto d'autore su un'immagine puramente generata da un modello, senza intervento creativo umano sufficiente, è incerta o assente in diverse giurisdizioni: l'ufficio copyright statunitense, per esempio, ha negato la registrazione a opere prodotte da un prompt testuale senza ulteriore lavoro creativo umano, perché manca l'autorialità umana richiesta dalla legge. In pratica questo significa che potresti non avere titolo per impedire a un concorrente di usare un'immagine molto simile alla tua, se entrambe derivano dallo stesso modello con prompt paragonabili: la protezione che davi per scontata generando un'immagine "tua" potrebbe semplicemente non esserci.

Le licenze dei singoli strumenti variano e vanno lette, non presunte: alcuni generatori concedono uso commerciale pieno sull'output, altri lo vincolano al piano a pagamento, altri ancora impongono condizioni sui dati usati per l'addestramento che restano oggetto di contenziosi legali ancora in corso in più paesi. Un rischio distinto è la somiglianza involontaria con un volto reale riconoscibile: un modello addestrato su grandi quantità di fotografie può produrre, per coincidenza statistica, un volto molto vicino a quello di una persona reale, esponendo chi pubblica a rivendicazioni sul diritto all'immagine anche senza alcuna intenzione di ritrarre quella persona specifica.

Una checklist pratica per decidere caso per caso

La domanda operativa non è se l'IA sia accettabile in generale, ma cosa perde il lettore se scopre che una determinata immagine non è reale. Se la risposta è "niente, era chiaramente un'illustrazione concettuale", l'immagine generata è una scelta legittima ed efficiente. Se la risposta implica una prova di realtà, una persona, un prodotto, un luogo o un evento, la foto reale non è sostituibile senza un costo di fiducia che nessun risparmio di tempo compensa.

• Via libera senza esitazioni: diagrammi concettuali, illustrazioni di apertura per articoli astratti, mockup dichiaratamente ipotetici, sfondi decorativi senza alcuna pretesa di realtà.
• Da valutare caso per caso: immagini editoriali che accompagnano dati reali, dove un grafico con i tuoi numeri batte quasi sempre un'illustrazione generica, o copertine social dove l'estetica conta più della prova documentale.
• Da evitare sempre: volti di persone in testimonianze o pagine team, foto prodotto su schede e-commerce, foto di sede su profili locali, contenuti "prima e dopo", qualunque immagine presentata come documentazione di un evento realmente accaduto.
• Se il tuo generatore scrive il metadato Digital Source Type, lascialo intatto nella pipeline di pubblicazione: rimuoverlo non rende l'immagine "più reale", elimina solo un'informazione che altrimenti giocherebbe a tuo favore in caso di controllo.