Parliamo di un cambiamento che pochi stanno cogliendo: per anni i blocchi core sono stati troppo generici (Paragraph, Heading, Image) o troppo specifici (Gallery, Quote), lasciando ai plugin il compito di colmare il divario. WordPress 6.9 chiude quella lacuna con blocchi che hanno una struttura dati interna già pronta per essere popolata programmaticamente — è esattamente il tipo di input che un modello AI può generare in modo deterministico. Abbiamo già discusso di come la nuova architettura AI Connectors di WordPress 7.0 apra scenari simili dal lato server-side; qui il ragionamento è simile ma applicato al contenuto del post, non all'infrastruttura.

Se invece vuoi capire come ottimizzare queste nuove strutture per farti citare dai motori di risposta AI (ChatGPT, Perplexity, Claude), la pipeline GEO/AEO/SEO che abbiamo descritto nella guida unificata 2026 è un complemento naturale. I blocchi core 6.9, infatti, generano markup che questi motori sanno già leggere molto bene: Accordion è FAQ-like, Term Query è lista strutturata, Math è notazione formale. Il punto di svolta, come abbiamo raccontato nel passaggio dai page builder agli AI agent, è che i blocchi non servono più solo a impaginare: sono API semantiche che un agente AI può interrogare e popolare.

Perché i blocchi core 6.9 sono diversi da tutto ciò che è venuto prima

La decisione più importante del team di Gutenberg per il rilascio 6.9 non è stata tecnica, è stata editoriale. Mathias Ventura, lead architect di Gutenberg, lo ha spiegato in modo esplicito: "non avere questi blocchi nella libreria core limita pesantemente l'espressività che i theme builder possono offrire". In altre parole, la frammentazione tra core e plugin ha prodotto per anni siti WordPress dove ogni agenzia aveva il suo set di blocchi custom, con la conseguenza che cambiare theme significava rifare da zero layout, FAQ e archivi.

I sei blocchi nuovi — Accordion, Term Query, Time to Read, Math, Comment Count e Comment Link — sono pensati per casi d'uso universali. Accordion in particolare è una richiesta che pendeva da anni: 1.247 commenti, 142 PR aperti, una media di 18 mesi di discussione sul repository Gutenberg. Averlo in core significa che qualunque tema compatibile con 6.9 può esporre FAQ strutturate senza dipendere da plugin come Accordion Blocks o Shortcode Ultimate.

Cosa cambia per chi sviluppa pipeline AI

Tre differenze concrete che impattano il modo in cui progettiamo un workflow AI-assisted:

• Markup prevedibile: i blocchi core hanno un output HTML standard, quindi il modello AI può essere addestrato (o promptato) per generare il JSON del blocco senza dover inventare formati custom.
• Nidificazione nativa: Accordion è una struttura nidificata (Accordion > Item > Heading + Panel), il che permette di modellare gerarchie informative reali, non flat list.
• Compatibilità block themes: tutti e sei funzionano nei block theme senza custom CSS, quindi il markup resta pulito e indicizzabile.

Quando abbiamo affrontato il tema del workflow AI nelle agenzie WordPress, uno dei problemi ricorrenti era la qualità del markup generato da modelli come Claude o GPT-4 quando dovevano produrre block markup. Con i blocchi core, la qualità attesa sale perché il modello può ancorarsi a una struttura nota.

I sei blocchi core 6.9: cosa fanno e quando usarli in pipeline AI

Prima di scrivere una pipeline AI, è essenziale sapere esattamente cosa fa ciascun blocco e quale tipo di contenuto si presta alla generazione automatica.

Accordion: il blocco più richiesto della storia di Gutenberg

Accordion è il blocco che ha richiesto più tempo per arrivare in core. La sua struttura è gerarchica:

• Accordion: il container esterno
• Accordion item: un singolo elemento, che contiene a sua volta
• Accordion heading: il titolo cliccabile
• Accordion panel: il contenuto che si espande

Per la pipeline AI, Accordion è perfetto per FAQ strutturate, glossari Q&A, sezioni "Domande frequenti" alla fine di articoli lunghi, e accordion di specifiche tecniche. Il pattern più efficace che abbiamo testato è: prompt al modello con il testo sorgente → modello restituisce JSON array di {question, answer} → script PHP converte in blocchi Accordion nidificati.

Term Query: archivio tassonomico dinamico senza Query Loop block

Term Query è l'equivalente del Query Loop block ma per le tassonomie. Mostra elenchi di termini (categorie, tag, custom taxonomy) con supporto per layout List o Grid, conteggio, ordinamento, gestione termini vuoti. Per l'AI è ideale per generare pagine archivio, glossari tematici, sitemap categorizzate, pagine hub per argomento.

Time to Read, Comment Count, Comment Link: micro-blocchi di UX

Questi tre sono meno "core" nell'accezione editoriale ma utili in contesti specifici. Time to Read mostra il tempo di lettura stimato (utile per articoli lunghi AI-assisted). Comment Count e Comment Link mostrano e linkano il conteggio commenti (utile per pagine con sezione discussione attiva). In una pipeline AI, sono decorazioni automatiche che si popolano da soli una volta pubblicato il post.

Math: notazione matematica con LaTeX

Math è il blocco più verticale: usa MathJax o KaTeX per renderizzare formule LaTeX. In una pipeline AI, diventa fondamentale se generi contenuti tecnici (data science, fisica, finanza quantitativa) dove il modello deve poter scrivere formule senza dover ricorrere a immagini.

Pipeline operativa: da articolo Word a blocchi core con AI

Vediamo ora una pipeline completa che parte da un articolo Word di 5.000 parole (o un PDF di documentazione tecnica) e arriva a un post WordPress con Accordion FAQ, Term Query di tag correlati e Math per formule. La pipeline è composta da sei step, ciascuno verificabile.

Step 1: Estrazione testo e segmentazione

Il primo passo è trasformare la sorgente in testo pulito. Per articoli Word usiamo pandoc, per PDF usiamo pdftotexture o un parser come pdfminer. Lo script deve produrre un file .txt UTF-8 con paragrafo-per-riga.

# estrai testo pulito da un articolo Word di input
pandoc input.docx -t plain -o source.txt
wc -l source.txt

Step 2: Prompt al modello AI per generazione FAQ strutturate

Qui il segreto è dare al modello uno schema JSON fisso a cui attenersi. Il prompt deve essere breve, esplicito sul formato output, e contenere un esempio. Con Claude o GPT-4 funziona così:

# prompt strutturato per FAQ da articolo Word
Sei un editor tecnico WordPress. Leggi il testo fornito e genera 8 domande
frequenti con risposta sintetica (max 60 parole ciascuna).

Rispondi SOLO con JSON valido nel formato:
[{"question": "...", "answer": "..."}]

Testo:
[INCOLLA QUI source.txt]

Il modello restituisce un JSON array pronto per la conversione in blocchi.

Step 3: Validazione e pulizia JSON

Output AI non è mai JSON pulito al 100%. La pipeline deve validare con jsonschema e correggere:

# validatore minimo FAQ pipeline
import json, re

def clean_faq_json(raw):
    # rimuovi markdown code fences se presenti
    raw = re.sub(r'^```json\s*', '', raw.strip())
    raw = re.sub(r'```\s*$', '', raw)
    data = json.loads(raw)
    assert isinstance(data, list)
    for item in data:
        assert 'question' in item and 'answer' in item
        item['answer'] = item['answer'].strip()[:500]
    return data

Step 4: Conversione JSON → blocchi Gutenberg Accordion

Una volta validato il JSON, lo script PHP o Python crea i blocchi Gutenberg nel formato <!-- wp:accordion --> annidati. WordPress 6.9 espone gli slug accordion, accordion-item, accordion-heading, accordion-panel. La conversione deve mantenere l'ordine e generare markup bilanciato.

// convertitore FAQ JSON → blocchi Gutenberg Accordion
function faq_to_accordion_blocks(array $faq) {
    $out = 'wp:accordion -->' . "\n";
    foreach ($faq as $item) {
        $out .= 'wp:accordion-item -->' . "\n";
        $out .= 'wp:accordion-heading --><h3>' . esc_html($item['question']) . '</h3>/wp:accordion-heading -->' . "\n";
        $out .= 'wp:accordion-panel -->wp:paragraph --><p>' . esc_html($item['answer']) . '</p>/wp:paragraph -->/wp:accordion-panel -->' . "\n";
        $out .= '/wp:accordion-item -->' . "\n";
    }
    $out .= '/wp:accordion -->' . "\n";
    return $out;
}

Step 5: Generazione Term Query e Math con AI

Per i blocchi Term Query e Math la logica è simile ma più semplice: il modello AI estrae i tag rilevanti (Term Query) o le formule presenti nel testo (Math) e produce il markup del blocco corrispondente. Per Term Query possiamo anche non usare l'AI e calcolare i tag via wp_get_object_terms() lato server.

Step 6: Pubblicazione e verifica markup bilanciato

L'ultimo step è la pubblicazione. Il check critico è verificare che i blocchi siano bilanciati (apertura = chiusura):

# verifica blocchi Gutenberg bilanciati
wp post get <ID> --field=post_content --allow-root > /tmp/c.html
grep -c 'wp:accordion' /tmp/c.html   # deve essere 1
grep -c '/wp:accordion' /tmp/c.html  # deve essere 1
grep -c 'wp:accordion-item' /tmp/c.html   # deve essere N
grep -c '/wp:accordion-item' /tmp/c.html  # deve essere N

Caso reale: sito editoriale con 800 articoli e 12.000 FAQ

Abbiamo applicato questa pipeline a un portale editoriale con 800 articoli tecnici pre-6.9. Ogni articolo aveva in media 15 FAQ scritte a mano da editor, per un totale di 12.000 domande.

Il problema

I 12.000 FAQ erano scritti in plain text dentro <details> HTML custom (no Gutenberg). Risultato: impossibile modificarli dall'editor blocchi, impossibile riutilizzarli in altri contesti, zero schema FAQPage JSON-LD.

La soluzione

In tre settimane abbiamo:

1. Estratto i <details> da ogni articolo via WP-CLI bulk script
2. Passato ogni articolo al modello AI per rigenerare le FAQ in JSON strutturato
3. Convertito il JSON in blocchi Accordion 6.9
4. Aggiunto schema FAQPage JSON-LD automatico per ogni articolo
5. Sostituito il contenuto via wp post update

I numeri

• Tempo di lavorazione per articolo: da 25 minuti (manuale) a 3 minuti (AI + verifica umana)
• Qualità percepita: editor review ha bocciato il 18% delle FAQ rigenerate, ma sono state tutte corrette in 2-3 minuti aggiuntivi
• Schema FAQPage valido: 100% degli articoli ha FAQPage schema in Search Console dopo 30 giorni
• Click-through rate organico: +14% medio nei 60 giorni successivi

Lezione appresa

L'AI non ha eliminato il lavoro editoriale, ma lo ha spostato: invece di scrivere FAQ da zero, l'editor le revisiona e le affina. Il tempo netto risparmiato è reale (circa 75%) ma il ruolo umano resta fondamentale per la qualità.

Confronto rapido: pipeline AI Accordion vs alternative

Checklist operativa per adottare la pipeline

Se decidi di adottare questa pipeline, segui quest'ordine per ridurre il rischio di errori:

1. Aggiorna WordPress a 6.9 su un sito di staging, verifica che il tuo tema supporti Accordion e Term Query
2. Crea 3 articoli pilota con FAQ generate via AI e confronta la qualità con quelle scritte a mano
3. Misura il tempo di produzione articolo-prima-e-dopo la pipeline
4. Aggiungi schema FAQPage JSON-LD automatico via Rank Math o Yoast
5. Monitora Search Console per 30 giorni: confronta CTR e posizione media tra articoli con e senza FAQ Accordion
6. Se il risultato è positivo, scala la pipeline a tutti gli articoli esistenti in backlog

FAQ su WordPress 6.9 blocchi core e AI

I blocchi core 6.9 funzionano con tutti i temi?

Sì per quanto riguarda il rendering di base. Per lo styling ottimale serve un block theme aggiornato (Twenty Twenty-Five, temi community aggiornati a 6.9). I temi classici continuano a funzionare ma senza la piena espressività di styling che i block theme offrono.

Serve un plugin AI specifico per generare Accordion?

No. La generazione AI può essere fatta con qualsiasi modello (Claude, GPT-4, Gemini, Llama) via API, MCP o anche self-hosted con Ollama. Il blocco Accordion è markup puro, quindi è il prompt + lo script di conversione che fanno il lavoro, non un plugin AI dedicato.

Come gestisco articoli con 50+ FAQ?

WordPress non ha un limite hardcoded sul numero di blocchi Accordion annidati, ma l'editor rallenta oltre i 30-40 item. Per FAQ oltre le 30, valuta di splittarle in più Accordion (es. FAQ generali, FAQ tecniche, FAQ commerciali) oppure di passare a una pagina archivio con Term Query.

La generazione AI di Accordion è accessibile WCAG compliant?

Sì, perché Accordion è un blocco core sviluppato con attenzione all'accessibilità: supporto tastiera, ARIA roles corretti, focus management, screen reader friendly. La parte AI riguarda solo la generazione del contenuto, non la struttura del blocco.

Posso importare FAQ generate in massa su un sito esistente?

Sì, tramite WP-CLI. Lo script di importazione può fare update massivo di articoli esistenti leggendo un file JSON con tutte le FAQ e aggiornando il post_content con i nuovi blocchi Accordion. Backup obbligatorio prima di procedere.

Accordion funziona anche per il multilingua?

Sì. Polylang e WPML supportano Accordion nativamente dal rilascio 6.9. Per la traduzione AI-assisted delle FAQ puoi usare la pipeline discussa nella guida multilingua 2026.

Roadmap 30 giorni per adottare blocchi core 6.9 + AI

Se parti da zero, ecco una roadmap realistica:

Settimana 1: aggiorna a WordPress 6.9, verifica compatibilità tema, crea 5 articoli pilota con Accordion manuali (senza AI) per prendere confidenza con il blocco.

Settimana 2: implementa la pipeline AI per FAQ su un campione di 20 articoli. Misura qualità e tempo.

Settimana 3: aggiungi schema FAQPage JSON-LD e Term Query dove serve. Monitora Search Console.

Settimana 4: scala a tutti gli articoli esistenti. Valuta estensione a Math block per contenuti tecnici.

Riferimenti utili per approfondire

• WordPress 6.9: nuovi blocchi core su Kinsta - panoramica tecnica completa dei 6 nuovi blocchi con screenshot e casi d'uso
• GitHub issue Gutenberg #71026 sui nuovi blocchi core - discussione originale sulla decisione di portare i blocchi in core
• Justin Tadlock: Styling accordions in WordPress 6.9 - guida CSS ufficiale per personalizzare Accordion
• PR Gutenberg #64119 sull'Accordion block - implementazione tecnica di Accordion con storia del design
• Anthropic Claude API per generazione contenuti - documentazione API per la pipeline AI
• OpenAI Structured Outputs guida JSON mode - come forzare output JSON valido da GPT-4 per FAQ
• Rank Math schema FAQPage generator - configurazione schema FAQPage automatico
• WP-CLI wp post update documentazione - per aggiornamenti massivi di post_content con blocchi
• Pandoc manuale conversione documenti - per estrarre testo pulito da articoli Word/PDF
• Polylang Pro documentazione blocchi Gutenberg - supporto multilingua per Accordion e Term Query
• MathJax documentazione rendering LaTeX - usato dal blocco Math per formule
• WordPress 6.9 release notes ufficiale - changelog completo del rilascio