Piattaforma · Fact Checking
Verifica che l’AI dica il vero su di te
Estraiamo le affermazioni verificabili e le confrontiamo con quello che il tuo sito ufficiale dichiara.
I brand che misuriamo ogni giorno
Le metriche
Non ti citano soltanto: affermano fatti su di te
Estraiamo le affermazioni verificabili dalle risposte, le confrontiamo con le tue fonti ufficiali e diciamo quale modello sbaglia, su quale tipo di claim e da dove nasce l’errore.
-
Il tasso di errore è una metrica di rischio
Su centinaia di risposte analizzate ogni periodo, un 6% di errori fattuali significa una risposta su sedici con un dato che il tuo stesso sito smentisce.
599 risposte analizzate ultimi 30 giorni6,3% errori- Verificate 93,7%
- False 6,3%
-
Quale modello sbaglia, e su cosa
Gli errori non sono distribuiti: si concentrano su un assistente e su un tipo di claim. È il dato che dice dove intervenire prima.
Errori per modello e tipo di claim claim falsi · per tipo- Azienda
- Prodotto
- Servizio
- Modello A 16
- Modello B 8
- Modello C 8
- Modello D 4
- AI Overview 1
-
Ogni errore è una riga, con prompt e modello
Il tipo di claim è la chiave di priorità: una caratteristica di prodotto inesistente pesa sulla scelta, un dato aziendale superato pesa sulla credibilità.
Dettaglio errori fattuali prompt · tipo · modello- “quale prodotto per uso X” · prodotto Modello A 1 errore
- “esiste la versione Y” · prodotto Modello C 1 errore
- “chi produce Z” · azienda Modello B 1 errore
-
Il verdetto arriva con la fonte autorevole
Ogni errore riporta l’affermazione del modello, la contraddizione e gli URL ufficiali che la smentiscono: senza la fonte è un’opinione, con la fonte è un documento da portare in revisione.
Errore · fonte di verità estratto del verdetto- Attributo di prodotto inesistente sito ufficiale Errata
- Dato di listino superato pagina prezzi Obsoleta
- Copertura dichiarata parziale pagina rete Imprecisa
-
La priorità è diffusione per peso decisionale
Un errore ripetuto da più assistenti su un claim che pesa sulla scelta viene prima di un’imprecisione isolata. Nei settori regolamentati il dato osservato resta separato dalla raccomandazione.
Claim × assistente errori rilevatiProdotto Prezzo Copertura Policy Modello A 62 30 18 10 Modello B 12 44 8 0 Modello C 24 16 34 6 Modello D 8 12 10 0 -
Il miglioramento è dimostrabile
Gli errori nuovi generano un alert, quelli risolti restano nello storico: l’effetto di una correzione si legge sullo stesso set di prompt, modello per modello.
Tasso di errore fattuale ultimi 12 mesi24% da 86%- Ott
- Gen
- Apr
- Set
Un dato sbagliato detto da un assistente pesa come una dichiarazione ufficiale: nessuno in azienda l’ha scritto, tutti lo leggono.
Domande frequenti
Riprese letteralmente dai prompt monitorati. Schema FAQPage.
Da dove viene la fonte di verità?
Dagli URL ufficiali che indichi in fase di setup, più eventuali documenti caricati. Ogni verdetto riporta le fonti su cui è costruito.
È utilizzabile in pharma?
Sì, ed è il caso d’uso più richiesto, con workflow di review dedicato e tracciabilità delle verifiche.
Posso segnalare una correzione al modello?
Non esiste un canale diretto affidabile. Si interviene sulle fonti che il modello cita.
Quanto spesso viene eseguito?
Con la stessa cadenza del monitoraggio: le divergenze nuove generano un alert, quelle risolte restano nello storico.
Provala sui tuoi dati
Attivi la prova gratuita di 7 giorni in autonomia, con carta e senza call: vedi i tuoi dati reali prima di scegliere un piano.
