NEW YORK — 10 giugno 2026 — Gracenote, la divisione dedicata alla content intelligence di Nielsen, ha pubblicato oggi il suo ultimo rapporto, intitolato “Plot holes in AI: Why Ungrounded LLMs Can’t Fix Content Discovery” (Lacune nella trama dell’IA: perché i modelli linguistici di grandi dimensioni (LLM) privi di fondamento non possono risolvere il problema della scoperta dei contenuti). La ricerca esamina con quale accuratezza un modello linguistico di grandi dimensioni (LLM) leader del settore abbia risposto a domande su film e serie TV popolari, analizzando 2.600 titoli in 13 paesi. Confrontando le risposte basate esclusivamente sui dati di addestramento con quelle fondate sull’intelligenza dei contenuti di Gracenote , lo studio ha rilevato che il modello non contestualizzato LLM ha generato dati errati per tutti i metadati misurati relativi a 506 titoli, ovvero quasi uno su cinque.
Il rapporto arriva in un momento in cui i servizi di streaming e altri fornitori di intrattenimento stanno iniziando a ricorrere ai modelli di linguaggio di grandi dimensioni (LLM) per aiutare gli spettatori a orientarsi tra una scelta vastissima e cataloghi frammentati. Le informazioni testate — dai riassunti e dal cast al genere, agli anni di uscita e alla durata — sono le stesse che il pubblico utilizza per decidere cosa guardare e che i servizi impiegano per descrivere, organizzare e consigliare i contenuti. I risultati dimostrano che l'efficacia della scoperta di contenuti basata sull'intelligenza artificiale dipende interamente dalla qualità dei dati su cui si fonda l'esperienza.
«Agli utenti non interessa da dove provenga una risposta errata. Se è sbagliata, danno la colpa al servizio», ha affermato Tyler Bell, vicepresidente senior del reparto Prodotti di Gracenote. «Ecco perché è fondamentale basarsi su dati concreti. Per le aziende che stanno sviluppando la prossima generazione di strumenti di scoperta di contenuti di intrattenimento, l’IA generativa manterrà le sue promesse solo se si baserà su informazioni verificate che sostituiscano ipotesi plausibili con fatti accurati, riducendo così gli attriti, approfondendo il coinvolgimento e rafforzando la fedeltà».
Tra gli altri approfondimenti figurano:
Come chiarisce il rapporto, nel 2026 nessun modello di linguaggio generativo ( LLM ) sarà esente da allucinazioni — un rischio particolare per i sistemi di IA chiamati a fornire risposte accurate e aggiornate in ambito di intrattenimento su larga scala. Per le aziende che sviluppano esperienze di ricerca, scoperta e raccomandazione basate sull’IA, il “grounding” contribuisce a trasformare le capacità del modello in fiducia da parte degli spettatori. L’autorevole content intelligence di Gracenotefornisce tale base in due modi: tramite licenze dirette dei dati o tramite il suo Video MCP Server, che si collega al grafico di conoscenza globale dell’intrattenimento dell’azienda. Grazie a questo accesso, i modelli di linguaggio di grandi dimensioni (LLM) possono andare oltre le allucinazioni che sembrano plausibili e fornire risposte più affidabili che riducono l’attrito degli utenti, approfondiscono il coinvolgimento e rafforzano la fedeltà.
Gracenote i risultati del rapporto in occasione dello StreamTV Show, che si terrà il 18 giugno a Denver, dove Nandita Arora, Senior Director of Product di Gracenote, parteciperà alla tavola rotonda dal titolo“Reimagining Content Discovery”. La sessione analizzerà come l’intelligenza artificiale, la personalizzazione, la ricerca unificata e i nuovi approcci all’esperienza utente stiano ridefinendo il modo in cui i servizi di streaming mettono in contatto gli spettatori con i contenuti.
Il rapporto completo, intitolato «Plot Holes in AI: Why Ungrounded LLMs Can’t Fix Content Discovery» (Lacune nella trama dell’IA: perché i modelli di linguaggio generativo non fondati non possono risolvere il problema della scoperta dei contenuti), , è disponibile per il download qui.
Gracenote Sono stati analizzati 2.600 titoli cinematografici e televisivi di grande successo in 13 paesi: Australia, Brasile, Canada, Francia, Germania, Giappone, Messico, Paesi Bassi, Corea del Sud, Spagna, Svezia, Regno Unito e Stati Uniti. Lo studio ha messo a confronto le risposte fornite da un modello di rete neurale di ricerca ( LLM ) non calibrato, istruito a rispondere basandosi esclusivamente sui dati di addestramento, con le risposte calibrate sulla base di dati video globali Gracenote tramite un server MCP. Le risposte sono state valutate in base ad attributi oggettivi, tra cui titolo, descrizione, attori, generi, anno di uscita e durata, ove applicabile. Poiché questi attributi possono essere verificati in modo indipendente, i risultati forniscono una visione quantificata di come l’ancoraggio influisca sull’accuratezza e sull’affidabilità delle risposte relative all’intrattenimento generate dall’IA.
Gracenote la divisione di Nielsen dedicata all'analisi dei contenuti. Standardizziamo il modo in cui l'ecosistema globale dei media e dell'intrattenimento indicizza i contenuti e i metadati associati, consentendone la circolazione tra creatori, distributori, piattaforme e inserzionisti. Fornendo una copertura senza pari su oltre 50 milioni di titoli e oltre 80.000 canali e cataloghi, alimentiamo le moderne esperienze di ricerca, scoperta e navigazione che mettono in contatto le persone con la TV, i film, la musica e lo sport che amano, in oltre 70 lingue e in più di 80 paesi. Per ulteriori informazioni, visita Gracenote.com o seguici su LinkedIn.
Mark Yamada
mark.yamada@nielsen.com
Grazie a questo accordo, Gracenote continuerà ad aiutare DIRECTV a rendere più facile per gli appassionati trovare e godersi i contenuti che amano.
GracenoteIl rapporto “ State of Play ” del 2026 evidenzia un crescente rischio di perdita di abbonati, poiché gli spettatori faticano a trovare contenuti di loro interesse.
Questa espansione avviene in un momento in cui le aziende stanno adottando modelli di linguaggio generici (LLM) per migliorare l'esperienza degli utenti, orientare le decisioni relative ai contenuti e ottimizzare le operazioni.
Compila il modulo per contattarci
La richiesta è stata presa in carico. Una volta esaminata, risponderemo al più presto possibile.