Ho ricostruito Hi, Moose attorno a una convinzione: uno strumento AEO deve fare il lavoro, e può permettersi di farlo tutto il giorno solo se l'IA gira sulla sua macchina. Oggi esce quella versione - un'app desktop per Windows e macOS con un vero modello di IA a bordo.
È la cosa più grande che abbia costruito da quando ho fondato l'azienda, e quella di cui vado più fiero. Moose non è più una scheda da visitare con un compito in mente. È un collega che è già lì quando si siede e che ricorda a cosa sta lavorando. Non fa ancora tutti i lavori, ma quelli che fa, li fa dall'inizio alla fine.
Gli strumenti che si fermano al pannello perderanno i loro clienti a favore degli strumenti che fanno anche il lavoro.
Dove credo stiano andando gli strumenti AEO
Le domande che un tempo iniziavano con una ricerca su Google ora iniziano o finiscono in ChatGPT o Claude, e comparire in quelle risposte richiede un approccio diverso dal manuale SEO tradizionale. Il mercato se n'è accorto. Sembra che ogni settimana esca un nuovo strumento di visibilità IA, e sospetto che molti siano progetti da weekend programmati a istinto - per tastare il terreno, per vedere cosa può rendere qualcosa. Non c'è niente di male in questa intraprendenza, è imprenditoria. Ma dice quanto vale oggi un grafico di visibilità da solo: poco. Quando così tante persone possono consegnarne uno in un weekend, è un prodotto commodity.
Ecco la mia previsione. Gli strumenti che non si adattano e non vanno oltre il pannello perderanno i loro clienti a favore di strumenti che offrono entrambe le cose: il monitoraggio della visibilità e il lavoro operativo che ne segue. Un grafico può dirle che è scesa in ChatGPT, ma il vero lavoro comincia dopo il grafico, ed è lì che la maggior parte degli strumenti timbra il cartellino e se ne va. Anche il vecchio Hi, Moose smetteva troppo presto. Sul suo sito il vero lavoro è un ciclo - osservare, notare, scrivere, approvare, pubblicare, osservare di nuovo. Fuori dal suo sito è guadagnarsi le menzioni e le citazioni su cui i motori di risposta si appoggiano pesantemente.
Alcuni team lo vedono già. Il lato operativo dell'AEO si è riempito nell'ultimo anno, e gli strumenti che lo fanno bene, come AirOps, prendono le decisioni di prodotto sulla base di dati reali e casi di studio, invece che di ciò che va di moda su LinkedIn. Rispetto ciò che AirOps sta costruendo, è un'ottima soluzione. Ci sovrapponiamo in alcuni punti, ma io costruisco per un cliente diverso: le PMI. Creare un legame con i team piccoli e crescere insieme a loro significa di più per me, ed è lì che preferisco spendere le mie energie quando ha senso anche per il business.
Così, un anno dopo aver avviato Hi, Moose come un insieme di strumenti puntuali per il mio team SEO, ho buttato via la vecchia forma e ho ricostruito l'intero prodotto attorno a dove credo che tutto questo stia andando. Per me, creare qualcosa che le persone amano usare, da cui traggono valore e con cui alla fine creano un legame è una forma d'arte. È questo che sto cercando di fare.
Perché l'IA deve vivere sulla sua macchina
La ricostruzione parte da una decisione che suona tecnica ma che in realtà riguarda ciò che il prodotto può permettersi di fare: Moose esegue un vero modello di IA in locale, sul suo computer.
Il costo è la ragione più grande. I team di marketing che si appoggiano a Claude stanno incontrando proprio ora limiti di utilizzo reali. Ogni token a pagamento è una ragione per cui uno strumento fa di meno: scansiona meno pagine, verifica meno richieste. Un modello locale ribalta la logica. Gli LLM sono potenti, e averne uno sempre disponibile, senza costi aggiuntivi per token, apre un mondo di possibilità. Moose può permettersi di riscansionare il suo sito e ricontrollare i motori tutte le volte che il lavoro lo richiede, perché fare di più non costa niente, né a lei né a me.
La velocità viene di conseguenza. Nessun viaggio di andata e ritorno verso un server, e funziona offline.
Anche la privacy ne fa parte. Le sue richieste e le sue bozze restano sul suo disco, insieme a tutti i dati che collega. E qui c'è ancora da costruire: i piani a pagamento possono inviare singoli compiti a modelli cloud, e voglio dare a quei clienti un blocco rigido che tenga tutto esclusivamente in locale. È sulla mia lista.
Cosa esce oggi
Il modello è Gemma, in tre taglie per adattarsi al portatile che ha:
- Gemma 2B - gira in 8 GB di RAM, risposte quasi istantanee. Ottimo per macchine più vecchie e compiti quotidiani leggeri.
- Gemma 4B - la scelta di tutti i giorni. Brief e analisi solide in circa un secondo, su una macchina da 16 GB. La maggior parte resta qui.
- Gemma 26B - muscoli da workstation per documenti lunghi e ricerca densa, con 32 GB.
Si scarica una volta, poi funziona completamente offline per sempre. Usa la sua GPU quando può e la sua CPU quando non può. Non c'è contatore, e può parlare con Moose tutto il giorno a costo zero.
Arrivarci è stata una battaglia in alcuni punti. Le macchine Apple con Intel sono state la difficoltà più grande: niente Apple Silicon su cui appoggiarsi, quindi l'efficienza smette di essere facoltativa. Dobbiamo essere estremamente efficienti con i prompt di sistema, bilanciando il restare utili con il dare al modello abbastanza contesto per lavorare. Ogni token speso in istruzioni è un token che il modello non può dedicare ai suoi contenuti.
Moose impara anche il suo intero sito. Ogni pagina, scaricata e archiviata in locale, così come la vedono i crawler IA. Chieda a un chatbot generico come sta andando il suo sito e non può sapere cosa abbia guardato: a volte scarica qualche pagina, a volte risponde a memoria. Moose legge ogni pagina, ed è così che coglie i problemi silenziosi - un CDN che respinge in sordina il crawler di OpenAI, o contenuti che compaiono solo dopo l'esecuzione del JavaScript. Vettorizza ciò che trova, così può chiedere quali pagine coprono un argomento e ottenere una risposta presa dal suo sito reale. E le verifiche di visibilità girano dalla sua macchina e archiviano le risposte sulla sua macchina, così non paga un servizio di monitoraggio a richiesta.
Quando un lavoro richiede un modello frontier, ha due modi per raggiungerne uno, ed entrambi restano sotto il suo controllo. Porti la sua chiave OpenRouter (per OpenAI, Claude, Gemini e diversi altri) e Moose instrada quel singolo compito lì - paga direttamente il fornitore, alla sua tariffa, e io non applico ricarichi. Oppure scelga la versione gestita, e un piano a pagamento esegue i modelli frontier per lei, senza chiavi da gestire. In ogni caso, il modello locale è sempre lì sotto.
Il prossimo passo, sulla stessa fondazione: un grafo delle entità di ciò che il suo sito copre e di come tutto si collega, e workflow agentici più profondi che eseguono lavori multi-passaggio più lunghi.
Moose è il suo collega
Ciò che più volevo che questo lancio trasmettesse: un esperto AEO sempre disponibile. Moose la saluta quando accede, e ricorda i suoi progetti e la sua voce.
Due impegni restano validi, qualunque cosa Moose diventi: niente viene pubblicato senza la sua approvazione, e ogni raccomandazione è etichettata in base alle prove che la sostengono - dimostrata, direzionale o buona pratica. Non spingo trucchi che la ricerca ha smentito, e Moose non inventa mai una citazione per sembrare intelligente.
Venga a dire ciao
Ho dato all'azienda il nome del mio cane - un cane tranquillo e fedele che resta sdraiato sotto la scrivania per tutte le notti lunghe. È il temperamento verso cui ho costruito: qualcosa che è semplicemente lì, dalla sua parte.
Hi, Moose per desktop è disponibile da ora su Windows e macOS, e il modello locale è davvero gratuito - non una prova. Lo scarichi, lo metta al lavoro su un progetto vero e mi dica cosa ne pensa. Parlo con chiunque: a [email protected] rispondo io.
Di giorno fa SEO e di notte ha costruito Hi, Moose. Niente investitori, nessun grande team, solo strumenti pratici per i problemi di AEO che continuava a incontrare. Ha dato all'azienda il nome del suo cane.