LinkedIn rivoluziona ricerca e feed con intelligenza artificiale generativa

LinkedIn introduce ricerca conversazionale basata su AI e un nuovo algoritmo LLM da 150 miliardi di parametri chiamato 360Brew. Il cambiamento riguarda modalit…

Contenuto

LinkedIn rivoluziona ricerca e feed con intelligenza artificiale generativa

Scopri anche

LinkedIn rivoluziona ricerca e feed con intelligenza artificiale generativa

LinkedIn rivoluziona ricerca e feed con intelligenza artificiale generativa

In questo articolo:

LinkedIn ha lanciato una nuova funzionalità di ricerca conversazionale che utilizza l'intelligenza artificiale generativa per interpretare le richieste formulate in linguaggio naturale. La barra di ricerca aggiornata permette agli utenti di interagire con la piattaforma come se si rivolgessero a un assistente virtuale, eliminando la necessità di applicare manualmente numerosi filtri. La novità è attualmente disponibile per tutti gli abbonati LinkedIn Premium negli Stati Uniti, con un rollout globale previsto nei prossimi mesi.

Come funziona la ricerca conversazionale

⬆ Torna su

La nuova ricerca permette di trovare persone, pagine e contenuti scrivendo richieste dettagliate in linguaggio naturale. Un utente può digitare query come "ex colleghi che sono diventati founder nel settore healthcare a New York" oppure "angel investor con esperienza FDA per biotech early stage". L'AI interpreta la domanda e restituisce risultati pertinenti basati sull'analisi dei dati presenti nel network professionale dell'utente.

La funzione consente di trovare professionisti senza dover necessariamente conoscerne nome e cognome. È possibile cercare persone in base a competenze, percorso formativo, ruolo, settore o area geografica. Esempi pratici includono la ricerca di "graphic designer esperti in branding nella mia zona" per ampliare la propria rete locale, o "professionisti con esperienza nella logistica sostenibile" per scoprire potenziali consulenti.

Questa evoluzione segue l'introduzione, avvenuta a maggio, di query conversazionali specifiche per chi cerca lavoro. LinkedIn aveva già applicato l'AI alle ricerche di lavoro, permettendo agli utenti di trovare nuove opportunità descrivendo il proprio ruolo ideale o le proprie aspirazioni professionali.

L'algoritmo 360Brew: un LLM da 150 miliardi di parametri

⬆ Torna su

Dietro le quinte, LinkedIn ha introdotto un nuovo modello di intelligenza artificiale basato su Large Language Models chiamato 360Brew. Si tratta di un LLM di 150 miliardi di parametri, inizialmente molto grande nella fase di training, poi distillato in versioni più piccole per essere messo in produzione. LinkedIn ha definito questo modello come il proprio "large foundation model" per la personalizzazione e il ranking sulla piattaforma.

Il modello unifica tutte le attività di raccomandazione e ranking: feed, job, contenuti, persone, messaggi, corsi LinkedIn Learning. Non esistono più "mini algoritmi separati" per post, articoli e commenti, ma un unico cervello centrale che comprende il percorso dell'utente su LinkedIn. I dati vengono trasformati in un prompt testuale simile a quelli usati con ChatGPT, che spiega al modello: "Questo è l'utente, questi sono i contenuti: valuta la rilevanza tra i due". Il modello elabora il prompt e produce una previsione di rilevanza semantica tra utente e contenuto.

Il modello originale da 150 miliardi di parametri risulta troppo grande per lavorare in tempo reale, quindi LinkedIn lo distilla gradualmente in modelli più piccoli, da 8 miliardi a 1 miliardo di parametri, per bilanciare prestazioni e latenza. L'Engineering Blog di LinkedIn ha documentato l'evoluzione verso rappresentazioni LLM e infrastrutture capaci di sostenere personalizzazione su larga scala.

Retrieval e ranking integrati

⬆ Torna su

Il sistema integra retrieval e ranking in un unico modello. Il retrieval seleziona, tra miliardi di post e profili, un sottoinsieme potenzialmente rilevante per l'utente. Il ranking ordina questi risultati e decide in che posizione mostrarli nel feed. Con 360Brew, LinkedIn passa da un algoritmo di ranking statistico, basato su pattern di like e commenti, a un sistema semantico e cognitivo.

Il feed si aggiorna in base a cosa l'utente sta facendo e leggendo in quel momento, non solo in base all'orario di pubblicazione. Se un utente legge un post di un collegamento, LinkedIn propone altri post di quella persona anche meno recenti. Lo stesso accade per i contenuti relativi a determinati argomenti.

Zero-shot learning e rappresentazioni semantiche

⬆ Torna su

Il modello utilizza rappresentazioni semantiche (embedding) che permettono di suggerire contenuti rilevanti anche senza esempi precedenti diretti. Questo approccio, definito zero-shot learning, consente a LinkedIn di capire che chi interagisce spesso con contenuti di "leadership" ha alta probabilità di leggere articoli su "career growth" o "HR culture".

LinkedIn definisce questo sistema come "multi-task": lo stesso modello è addestrato per risolvere più compiti contemporaneamente, predire l'engagement sui post, la probabilità di clic su un'offerta di lavoro, la risposta a un messaggio. Il modello impara relazioni trasversali tra questi comportamenti.

Cambiamenti nella strategia dei contenuti

⬆ Torna su

Il nuovo algoritmo 360Brew modifica il concetto di post vincente: non più il post con tante impression, ma il post che raggiunge il pubblico giusto. Molti utilizzatori attivi lamentano un calo delle impression, sempre più evidente negli ultimi mesi. Questo non è un bug, ma una scelta strategica: meno visibilità diffusa, più visibilità mirata.

L'algoritmo mostra i contenuti a chi ha interagito di recente, o a chi è più vicino ai topic di interesse dell'utente. LinkedIn preferisce mostrare 500 visualizzazioni di qualità invece di 5.000 casuali. Le interazioni recenti (commenti, salvataggi, messaggi) hanno un peso maggiore: sono segnali "freschi" che aiutano l'algoritmo a capire chi trova valore nei contenuti.

La freschezza diventa cruciale: il feed si adatta rapidamente ai nuovi temi e alle attività recenti. Contemporaneamente, viene mostrata anche una maggiore storicità, proponendo più post dello stesso profilo o pagina su cui l'utente ha mostrato interesse, anche se si tratta di contenuti meno recenti.

Il profilo come mappa semantica

⬆ Torna su

LinkedIn legge il profilo come una "mappa semantica". Ogni sezione aiuta il modello a capire di cosa parla l'utente e con chi dovrebbe entrare in contatto. I contenuti coerenti con quella mappa vengono premiati. Headline, about, competenze e servizi devono parlare la stessa lingua dei contenuti pubblicati.

L'approccio ricorda il concetto Google di EEAT: Experience, Expertise, Authoritativeness, Trustworthiness. I professionisti "tematici" vengono considerati esperti di dominio e il loro contenuto viene offerto con più continuità alle persone giuste. Verticalizzarsi su un argomento e pubblicare con regolarità diventa ancora più premiante.

Declino dei POD e contenuti virali

⬆ Torna su

L'algoritmo penalizza i gruppi POD, dove gli iscritti si notificano reciprocamente ogni nuova pubblicazione per aumentare le interazioni nei primi minuti dopo la pubblicazione. Se non c'è coerenza tra le interazioni e le tematiche dei contenuti in relazione al proprio profilo, il valore che l'algoritmo assegna all'interazione risulta potenzialmente inferiore.

Dan Roth, Editor in Chief di LinkedIn, ha dichiarato che la piattaforma combatte i contenuti virali in stile Facebook a vantaggio di contenuti di reale valore. Roth ha affermato: "È utile pensare a LinkedIn come a una versione digitale del luogo di lavoro, ci sono tanti team e tante conversazioni parallele. Nessuna discussione interessa tutti, proprio come nessun contenuto deve essere rilevante per chiunque".

Il contesto più ampio: GEO, AEO, VEO

⬆ Torna su

Le modifiche di LinkedIn si inseriscono in un contesto più ampio di evoluzione della ricerca digitale. Nel 2026 si sono affermati quattro nuovi paradigmi: GEO (Generative Engine Optimization), l'ottimizzazione per essere citati dai motori di ricerca generativi come Google AI Overview, ChatGPT e Perplexity; AEO (Answer Engine Optimization), l'ottimizzazione per diventare la risposta diretta alle domande degli utenti; VEO (Voice Engine Optimization), l'ottimizzazione per le ricerche vocali; e Search Everywhere Optimization, la presenza su tutti i canali digitali.

Secondo una ricerca interna di Google, il 40% della Generazione Z inizia la propria ricerca di prodotti su TikTok o Instagram, non su Google. Il 58,5% delle ricerche su Google termina senza click su un sito esterno. Posizionarsi bene nei risultati organici non è più sufficiente per portare traffico.

Il ruolo di Microsoft

⬆ Torna su

Il rilascio della ricerca conversazionale fa parte di una strategia che vede LinkedIn investire nell'intelligenza artificiale, supportata dal contributo tecnologico di Microsoft, proprietaria della piattaforma. Con un database professionale senza rivali e gli investimenti AI continui di Microsoft, LinkedIn punta a diventare un hub di ricerca intelligente nel panorama professionale digitale.

Ricerca avanzata e lead generation

⬆ Torna su

La ricerca avanzata su LinkedIn permette di trovare utenti attraverso filtri di ricerca per fare lead generation. È possibile combinare più filtri: parole chiave, azienda, settore, località, qualifica. Il filtro "Qualifica" individua le parole inserite nell'attuale esperienza lavorativa. I risultati vengono presentati in base alla pertinenza della parola chiave e alla rilevanza sociale, ovvero la potenziale affinità tra chi ha fatto la ricerca e le persone mostrate.

Il motore di ricerca di LinkedIn non è semantico: cercare "HR" o "Risorse umane" dà risultati diversi. Per aggirare questo limite, si possono usare operatori booleani come AND, NOT e OR per costruire ricerche più mirate. Sales Navigator, l'abbonamento Premium pensato per il social selling, offre filtri aggiuntivi e la possibilità di inviare InMail per un approccio personalizzato.

Nuovi KPI per professionisti e marketer

⬆ Torna su

Gli indicatori di successo cambiano con il nuovo algoritmo. I KPI da monitorare includono metriche che rilevano un reale interesse da parte delle connessioni e dei follower, oltre al suggerimento del profilo tra quelli interessanti per la rete di secondo grado. L'engagement autentico e coerente conta più del volume delle impression.

Per i marketer, il messaggio è chiaro: la direzione è tracciata verso LLM, rappresentazioni unificate, segnali ricorrenti. Meglio meno post, ma con conversazioni vere. Stimolare i lettori con domande concrete, sondaggi, call to action chiare. Un messaggio privato o una menzione strategica riaccendono il segnale di interesse e aumentano la visibilità dei contenuti nel feed.

Questo articolo è una sintesi basata esclusivamente sulle fonti elencate.

Implicazioni e scenari

⬆ Torna su

L'introduzione della ricerca conversazionale e del sistema 360Brew ridefinisce il rapporto tra utenti e piattaforma, spostando il baricentro dalla quantità delle interazioni alla qualità della rilevanza semantica.

  • Scenario 1: la ricerca conversazionale potrebbe estendersi agli utenti gratuiti, trasformando le aspettative di navigazione e riducendo il vantaggio competitivo degli abbonamenti Premium.
  • Scenario 2: professionisti e brand potrebbero rivedere le strategie editoriali, privilegiando verticalità e coerenza tematica rispetto alla produzione di contenuti virali.
  • Scenario 3: i gruppi POD rischiano un declino irreversibile, costringendo chi ha basato la propria crescita su tattiche di amplificazione artificiale a ripensare l'approccio.

Cosa monitorare

⬆ Torna su
  • Tempi e modalità del rollout globale della ricerca conversazionale.
  • Variazioni nei KPI di engagement dopo l'adozione del nuovo algoritmo.
  • Reazioni dei professionisti che utilizzano LinkedIn per lead generation e personal branding.

Nota editoriale: questa sezione propone una lettura analitica dei temi trattati, senza introdurre dati fattuali non presenti nelle fonti.

Fonti

⬆ Torna su

In breve

  • ai
  • llm
  • microsoft
  • chatgpt

Link utili

Apri l'articolo su DeafNews