Vai al contenuto
Ora nel mondoEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portale su IA e tecnologiaeventi · analisi · interviste · approfondimenti tecnici

Cerca
LIVE
›

Il traffico da ricerca per gli editori continua a calare mentre il settore si ricostruisce

Gli editori sono costretti a ricostruire il proprio business su un traffico da ricerca sempre minore. Le ricerche e i reportage del 29 settembre indicano uno spostamento strutturale, non un calo temporaneo.

Media e internetAnalisiGiulia FerrariPubblicato: 29 settembre 20263 min di letturaFonti 5
Il traffico da ricerca per gli editori continua a calare mentre il settore si ricostruisce

Il 29 settembre MongoDB ha pubblicato un post sul blog firmato dal suo amministratore delegato ad interim. Descrive quella che lui stesso ha definito la più grande espansione di sempre della piattaforma della società: MongoDB 9.0, una nuova opzione di deployment chiamata Atlas Infinite e Atlas Agent Engine.

La proposta è rivolta alle aziende i cui carichi di lavoro basati su agenti rendono il traffico imprevedibile. In apparenza non è una notizia per il mondo dei media.

Ma il linguaggio di quel post parla di agenti capaci di risolvere i problemi dei clienti ed eseguire processi aziendali con un intervento umano sempre minore. È lo stesso spostamento che gli editori raccontano da tutto l'anno come motivo del calo dei referral dalle ricerche.

Cosa mostrano i materiali più recenti

Il documento più fresco del dossier che parla direttamente di editoria non è un editore. È un post del 29 settembre sul blog Unblocked, dedicato all'instradamento del traffico LLM tra fornitori di inferenza in base a costo, velocità e affidabilità. Il post descrive un sistema che sceglie un fornitore per ogni richiesta, con un punteggio di 0.7 sul costo e 0.3 sulla velocità, e sposta il traffico quando un fornitore inizia a restituire errori. È questo tipo di lavoro infrastrutturale a rendere le risposte AI abbastanza economiche da inserirsi tra i lettori e gli editori.

Il quadro non è uniforme. Un repository GitHub, OpenJev, pubblicato il 29 settembre, descrive un motore decisionale open source che risponde a domande tipizzate in un singolo forward pass invece di generare testo.

Il README del progetto afferma che Jev ha dimostrato come un modello System One possa rispondere a domande tipizzate in circa 100 millisecondi con probabilità calibrate, e che OpenJev porta questa capacità ai modelli open-weight. Meno token per decisione significa meno occasioni perché compaia un link a un editore.

Non tutti leggono questo spostamento come una perdita netta. In un'intervista pubblicata il 29 settembre, il CTO di Picnic Daniel Gebler ha dichiarato a The Global Move che l'azienda assume ingegneri proprio per il vantaggio che l'AI le offre, non nonostante quel vantaggio. Picnic ha circa 400 sviluppatori, e Gebler ha detto che il confine tra chi può e chi non può costruire software sta diventando più fluido. È un argomento che riguarda i posti di lavoro nell'ingegneria, non i ricavi dell'editoria, ma è lo stesso argomento che gli editori usano per i propri team di prodotto.

I dati sotto il dibattito

I numeri che sostengono la vicenda degli editori sono più vecchi, ma restano i più concreti disponibili. VDE, l'associazione tecnologica tedesca, ha pubblicato il 21 settembre delle stime. Secondo queste stime, ogni euro investito nella formazione di uno studente internazionale di ingegneria elettrica genera circa 16 euro di valore aggiunto in seguito, e il 55.5 percento dei laureati magistrali internazionali lascia la Germania dopo aver concluso gli studi.

È un problema di pipeline di competenze, non di ricerca, eppure alimenta la stessa ansia su chi costruirà la prossima generazione di piattaforme.

Il dossier non contiene un dato autorevole unico su quanto sia calato il traffico da ricerca degli editori. Contiene reportage sulla direzione del fenomeno e sull'infrastruttura che lo accelera. È proprio questo vuoto a essere la notizia: il settore si sta ricostruendo per un'era post-ricerca sulla base di tendenze, non di una misurazione consolidata.

Commenti 0

Fonti

5
  1. 01MongoDB Launches Atlas Infinite and Atlas Agent EngineEN
  2. 02Routing LLM traffic across inference providers by cost, speed and reliabilityEN
  3. 03OpenJev: An open-source, Jev-compatible System One decision engineEN
  4. 04We Are Hiring Engineers Because of AI, Not Despite It: Inside Picnic's AI TransformationEN
  5. 05VDE Figures: Electrical Engineering Programs Are Popular Internationally, But the Majority Leave Germany AgainEN

Tutti i numeri e le citazioni di questo testo provengono dalle fonti elencate sotto.

I contenuti sono stati preparati dalla redazione con il supporto dell'IA.

Giulia Ferrari

Giulia Ferrari

IA, modelli e tecnologie

Giulia Ferrari scrive di tecnologia, IA e modelli e media e internet per FLASH24, partendo da dataset pubblici, preprint e registri di versioni dei modelli. Controlla ogni numero confrontando benchmark dichiarati e risultati riproducibili, e scarta le stime senza fonte. Segue le audizioni in calendario, parla con ricercatori e ingegneri, e mette a confronto release e changelog prima di pubblicare. Fuori dalla redazione smonta stampanti 3D, recupera vecchi computer e studia come i modelli imparano dai rifiuti del web. Non pubblica un dato se non può ricostruirne il percorso.

Redazione →

Commenti

0
  1. Nessun commento — sii il primo.

Scrivi un commento

I commenti sono pubblici. Non pubblichiamo insulti, spam né pubblicità.