Knowledge Graph di Google, lo strumento che fa ordine tra entità, fatti e contesti
Cerca su Google il nome di un’azienda, di un professionista, di un brand: in molti casi non trovi solo risultati, ma subito una scheda che mette ordine. Logo, sito, sede, profili, persone collegate, immagini, dettagli rapidi di contesto. Non devi andare altrove, una parte della domanda si chiude lì, davanti a te.
Quello è il Knowledge Panel, che però è solo l’ultimo passaggio visibile di un sistema più ampio, che dal 2012 aiuta Search a riconoscere soggetti, collegare fatti e organizzare informazioni attorno alle entità. Il fulcro è il Knowledge Graph, il livello che rende operativo il passaggio da “strings” a “things”.
Capire come funziona il grafo diventa ancora più utile oggi, in era AI, perché un attributo errato, un omonimo agganciato male, un link ufficiale sbagliato sono deviazioni nella lettura dell’identità del tuo brand: se la scheda sbaglia, l’errore si propaga in un punto della SERP che concentra più fiducia e orienta più rapidamente la scelta.
Che cos’è il Knowledge Graph di Google
Il Knowledge Graph di Google è una base di conoscenza con cui Search rappresenta e organizza il mondo come entità e relazioni: persone, aziende, luoghi, opere, concetti, con i loro attributi e collegamenti. Il sistema prova a riconoscere di chi o di che cosa stai parlando, poi usa quella lettura per collegare fatti e presentare una risposta più ordinata.
Google lo introduce nel 2012 per risolvere un problema pratico: la ricerca basata solo su parole è fragile, perché la stessa sequenza può indicare soggetti diversi e il contesto cambia l’interpretazione.
Il grafo è quindi una rete di informazioni, un incrocio tra un’enciclopedia e un database; è una mappa interconnessa di dati in cui i punti associati sono collegati semanticamente, si diramano in tutte le direzioni e si connettono a molti altri elementi. In questo modo riesce a fornire un contesto pertinente alla query, risolvendo iniziali ambiguità e fornendo maggiore senso alle risposte – ovvero, trasforma i dati in conoscenza.
La storia del Knowledge Graph di Google
Google ha annunciato il suo Knowledge Graph il 16 maggio 2012 con un articolo di Amit Singhal, all’epoca Senior VP della compagnia, che presentava la funzionalità come “un modello intelligente, un grafo in gergo geek, che comprende le entità del mondo reale e le loro relazioni reciproche”. Inizialmente disponibile solo in inglese, lo strumento è stato ampliato a fine 2012 per le lingue spagnolo, francese, tedesco, portoghese, giapponese, russo e italiano, continuando poi a espandersi per le altre versioni di Google (ad esempio, il supporto bengalese è stato aggiunto a marzo 2017).
Il titolo dell’articolo – “Introducing the Knowledge Graph: things, not strings” – ne anticipava già la portata rivoluzionaria, segnando il passaggio dalla ricerca basata sulla corrispondenza testuale alla ricerca semantica.
Fino a quel momento, Google interpretava le query come stringhe, sequenze arbitrarie di caratteri prive di un significato intrinseco per la macchina. Se cercavi “Taj Mahal”, l’algoritmo si limitava a scansionare il web alla ricerca di pagine che contenessero esattamente quella successione di lettere, senza comprendere se ti riferissi al monumento in India o al musicista blues statunitense.
Con il Knowledge Graph il motore inizia a trattare la query come una cosa, cioè come un’entità del mondo reale dotata di attributi e relazioni, e l’analisi è passata da “quali pagine contengono questa parola” a “a quale soggetto si riferisce questa ricerca”.
Perché Google ha cambiato paradigma
La necessità di superare la stringa nasceva da tre limiti strutturali della ricerca tradizionale:
- Risoluzione dell’ambiguità: molte parole possiedono significati diversi in base al contesto. “Mercurio” identifica un pianeta, un elemento chimico o un brand automobilistico. Il sistema a entità permette di distinguere il nodo corretto analizzando le relazioni con altri concetti.
- Sintesi delle risposte: una stringa non possiede dati, una “cosa” sì. Se cerchi “altezza Torre Eiffel”, Google non deve più rimandarti a una pagina che ne parla; estrae l’attributo “altezza” direttamente dal nodo “Torre Eiffel” nel grafo e ti fornisce la risposta immediata.
- Scoperta di connessioni: le entità vivono in una rete. Se cerchi un regista, Google può proporti i suoi film perché il grafo contiene la tripla relazionale che lega l’entità “Persona” all’entità “Opera cinematografica”.
L’evoluzione del sistema e il significato attuale
Le informazioni coperte dal Knowledge Graph di Google sono cresciute rapidamente: alla partenza conteneva 500 milioni di oggetti, oltre a più di 3,5 miliardi di fatti e relazioni tra questi diversi oggetti, ma già alla fine del 2012 includeva 570 milioni di entità e 18 miliardi di fatti; a metà 2016, poi, Google riferiva di detenere 70 miliardi di fatti e di rispondere tramite grafico a “circa un terzo” dei 100 miliardi di ricerche mensili che gestisce; in una delle ultime informative sul tema, poi, a maggio 2020, la portata era aumentata fino ad accumulare oltre 500 miliardi di fatti su 5 miliardi di entità, coprendo gran parte dello scibile umano, da argomenti di nicchia ad argomenti di interesse pubblico come la medicina e la scienza.
L’espressione “Things, not strings” costituisce ancora oggi la base di ogni interazione con l’intelligenza artificiale. Quando interroghi Gemini, il modello non si limita a prevedere la parola successiva; utilizza il Knowledge Graph per ancorare la propria generazione probabilistica a entità reali e verificate.
Se il tuo brand viene trattato come una “stringa”, la tua visibilità dipende esclusivamente dalla presenza di parole chiave nel testo. Se il tuo brand viene riconosciuto come una “cosa”, Google gli assegna un posto fisso nella sua memoria, permettendoti di apparire nei Knowledge Panel e di essere citato nelle risposte sintetiche come fonte di verità. Governi la ricerca solo quando smetti di ottimizzare testi e inizi a consolidare la tua identità come entità.
Come funziona il grafo di Google
Il grafo della conoscenza è una funzione di ricerca semantica che, sin dal principio, ha avuto lo scopo di fornire agli utenti delle risposte precise e complete; è come uno strato della ricerca che prova a dare un’identità precisa a ciò che stai cercando. Più precisamente, come dice la pagina ufficiale di supporto, l’obiettivo è far emergere informazione fattuale, pubblicamente nota, nel momento in cui i sistemi la ritengono utile.
Questa formulazione mette un confine importante: il grafo non è una bacheca in cui un soggetto inserisce la propria versione di sé, ma un sistema che tenta di ricostruire una rappresentazione coerente a partire da ciò che risulta pubblicamente disponibile e verificabile.
Quando Google scansiona una pagina, non cerca solo termini semanticamente rilevanti, ma tenta di capire se quei nomi corrispondono a entità già note oppure se aprono un contesto nuovo che va collocato e messo in relazione. In questo senso il Knowledge Graph funziona davvero come un risolutore di ambiguità: il mondo, per il motore, è fatto di soggetti, attributi, categorie e legami. Ogni nodo del grafo rappresenta un’entità univoca, identificata da un codice alfanumerico che impedisce ogni confusione linguistica.
Da dove arrivano i dati e come vengono messi insieme
La documentazione ufficiale non entra nel dettaglio dell’implementazione tecnica, però chiarisce con sufficiente precisione da dove arrivano i dati e a quale scopo vengono usati.
Google spiega che il Knowledge Graph comprende fatti e informazioni sulle entità a partire da materiali condivisi sul web, database open source e fonti in licenza. Questo passaggio è decisivo perché chiude due equivoci molto diffusi. Il primo è che “sia tutto Wikipedia”. Il secondo è che basti dichiarare qualcosa sul proprio sito per entrare automaticamente nella rappresentazione del soggetto. Il sistema, in realtà, costruisce il quadro incrociando più sorgenti e cercando coerenza tra loro.
Tra le basi iniziali la guida cita esplicitamente Freebase, Wikipedia e CIA World Factbook, fonti che aiutano a dare struttura, soprattutto nelle entità già ben descritte in forma enciclopedica o catalogabile. Accanto a loro entrano i materiali pubblici del web: siti ufficiali, schede, profili, citazioni, archivi, riferimenti amministrativi, menzioni. Un terzo gruppo riguarda invece i dati in licenza e i partner dati, che pesano in modo particolare nei domini in cui aggiornamento e precisione fattuale richiedono dataset più rigidi, come sport, finanza, meteo o alcuni altri ambiti fortemente strutturati. Inoltre, com’è facile intuire, Google non può limitarsi a leggere i siti ufficiali, ma incrocia i segnali provenienti da testate giornalistiche, profili social e recensioni per arricchire i nodi esistenti e verificare la corrispondenza.
C’è un altro dettaglio utile per leggere meglio il prodotto: il sistema riceve informazioni fattuali direttamente dai proprietari dei contenuti in vari modi, per esempio da chi suggerisce modifiche alle schede informative che ha rivendicato. Questo non sposta il baricentro del grafo verso l’autodichiarazione, ma chiarisce che il soggetto rappresentato può entrare nel processo di correzione e manutenzione della propria scheda.
La query attiva il grafo e decide il contesto
Il Knowledge Graph si attiva sempre a partire dalla query, ma la sua presenza visibile dipende da un secondo passaggio: la capacità di Search di riconoscere il soggetto corretto e di ritenere utile mostrare una sintesi in alto. Questo spiega perché lo stesso soggetto può produrre risultati diversi a seconda di come viene cercato. Una query sul nome ufficiale tende a restringere il campo. Una sigla ambigua, un cognome diffuso, un termine troppo generico o contaminato da più significati aprono invece altre letture.
In questo punto il grafo incide davvero sul modo in cui si costruisce la SERP. Cambiano gli attributi che vengono portati in primo piano, cambiano i collegamenti tra entità, cambiano le scorciatoie informative che il motore ritiene pertinenti. Google, nella documentazione generale sulla Search, lega i risultati a significato, rilevanza, qualità e contesto. Il Knowledge Graph lavora proprio in quel livello in cui la ricerca deve trasformare una query in un soggetto leggibile.
La tripla informativa come mattone elementare della conoscenza
Come nel caso degli altri knowledge graph, anche qui l’unità minima di informazione è la tripla che scompone la realtà in tre elementi: soggetto, predicato e oggetto. In termini tecnici, ogni fatto registrato nel grafo segue questo schema rigido: l’entità A (soggetto) possiede una relazione B (predicato) con l’entità C (oggetto).
Ad esempio, l’informazione “SEOZoom ha sede a Napoli” viene tradotta in: [SEOZoom] -> [sede_in] -> [Napoli]. Tale rigore permette a Google di archiviare miliardi di fatti atomici che, una volta connessi, formano la conoscenza universale. Ogni attributo che vedi in un Knowledge Panel — come la data di fondazione di un’azienda o l’altezza di una montagna — i collegamenti tra entità, alcune scorciatoie informative e persino la quantità di contesto disponibile dipendono da questo livello preliminare.
Una volta individuata l’entità più probabile, il sistema prova a separarla dalle alternative che potrebbero confonderla. Questa fase conta più di quanto sembri, perché decide il contesto con cui la SERP presenterà il soggetto. Una query pulita sul nome ufficiale di un’azienda tende a produrre una lettura più stabile. Una variante abbreviata, un termine ambiguo o un nome troppo generico aprono invece più strade e riducono la forza della rappresentazione.
È questa struttura a rendere possibile la sintesi del pannello. Data di fondazione, occupazione, città, squadra, film diretti, libri scritti, collegamenti tra persone e organizzazioni: tutto dipende dal fatto che Search riesce a trattare il soggetto come un nodo collegato ad attributi e relazioni coerenti.
Il grafo prende forma dalla convergenza delle fonti
Il Knowledge Graph non “somma” informazioni in modo neutro. Cerca convergenza, coerenza e utilità pubblica. Un soggetto descritto in modo compatibile da più fonti tende a produrre una rappresentazione più stabile. Un soggetto raccontato in modi divergenti, con varianti di nome, immagini concorrenti, profili non allineati o attributi amministrativi poco chiari, lascia più spazio a oscillazioni e agganci sbagliati. La qualità della rappresentazione dipende quindi meno dal numero assoluto di tracce e più dalla loro capacità di raccontare la stessa identità senza attrito.
Questo passaggio spiega anche perché gli errori possono avere genealogie diverse. Una foto sbagliata può dipendere da un aggancio visivo infelice tra fonti aperte. Un collegamento ufficiale errato può nascere da una mappatura sbagliata di una proprietà più strutturata. Una descrizione poco rappresentativa può riflettere una sorgente pubblica non abbastanza pulita. Tutte queste situazioni si vedono nello stesso pannello, ma non nascono tutte nello stesso modo.
Quali query generano il grafo?
Il Knowledge Graph entra in gioco soprattutto nelle ricerche che ruotano attorno a entità riconoscibili: persone note, organizzazioni, aziende, attività locali, luoghi, prodotti, opere, ricette, città, squadre, eventi, libri, film. A queste si aggiungono molte domande più specifiche che sottintendono una richiesta di attributi o relazioni, per esempio età, sede, fondazione, cast, autore, altezza, localizzazione, proprietà. In tutti questi casi il motore può usare il grafo per ricostruire rapidamente il soggetto e i fatti pertinenti, e da lì decidere come organizzare la risposta in SERP.
Questo non significa che esista una lista fissa e chiusa di query che “generano il grafo”. La formulazione più corretta resta quella ufficiale: i Knowledge Panel compaiono quando c’è abbastanza informazione disponibile sul web aperto e quando quell’informazione è altamente rilevante per la query. Il punto utile da tenere è quindi un altro: il grafo entra in campo quando Search riesce a leggere la query come il nome di un soggetto e trova abbastanza contesto per presentarlo.
La traduzione visuale nel Knowledge Panel
Il processo di interpretazione, selezione e collegamento delle informazioni confluisce nel pannello che vedi in SERP. Attenzione, però: quello non è il Knowledge Graph, ma uno degli output che il sistema rende visibili quando ritiene utile presentare in alto una sintesi del soggetto.
Si chiama Knowledge Panel ed è un box informativo che aiuta a ottenere una rapida istantanea di un argomento in base alla comprensione dei contenuti disponibili sul web.
Due dettagli sono decisivi: il primo è che i panel compaiono per entità presenti nel Knowledge Graph; il secondo è che vengono creati automaticamente quando c’è abbastanza informazione disponibile sul web aperto. Questo chiarisce subito che la scheda non è un oggetto autonomo, separato dal sistema che la alimenta: è il risultato visibile di una scelta fatta a monte, sulla base della query e della qualità delle fonti disponibili.
Il Knowledge Panel non compare perché “te lo sei meritato” o perché hai completato una serie di passaggi. Compare perché Google ritiene che, per quella ricerca, esista abbastanza informazione rilevante da giustificare una scheda sintetica.
Come e perché cambia la scheda informativa
Sono i sistemi automatici che decidono quando, dove e come mostrare uno specifico pannello e questo spiega perché la scheda non è fissa. Può apparire su una query e non su un’altra, può cambiare forma, può sparire, può tornare. Non perché qualcuno “te l’ha tolta”, ma perché Google ricalcola la combinazione tra rilevanza della query, qualità delle fonti disponibili e formato di risposta ritenuto più utile. Una ricerca sul nome ufficiale di un soggetto tende a produrre una lettura più stabile. Una ricerca più vaga o contaminata da significati concorrenti può aprire interpretazioni alternative e indebolire il panel.
Anche il contenuto della scheda segue questa logica dinamica. Google spiega che i knowledge panel sono risultati generati automaticamente da informazioni provenienti da varie fonti sul web e, in alcuni ambiti, da data partner. Una descrizione può quindi cambiare perché cambia la sorgente usata per rappresentare il soggetto. Un’immagine può sparire o essere sostituita. Un sottotitolo può essere aggiornato perché Google lo genera automaticamente e non lo tratta come un campo da compilare a mano. La documentazione di supporto è netta anche su questo: molte descrizioni non si correggono direttamente nel pannello, ma intervenendo sulla fonte originaria.
Che cosa cambia in SERP e nella SEO
Il Knowledge Graph non posiziona una pagina come farebbe un fattore di ranking da aggiungere in elenco. Cambia il modo in cui Search interpreta la ricerca e costruisce la SERP: prima prova a capire di quale soggetto si sta parlando, poi decide come presentare l’informazione. La differenza è forte. Una pagina dei risultati smette di essere soltanto una lista di documenti e diventa anche una superficie che propone una sintesi, un set di attributi, collegamenti e scorciatoie utili per orientarsi.
Per questo la competizione non si gioca solo sul contenuto migliore. Si gioca anche sulla leggibilità del soggetto. Nomi ambigui, sigle, brand che coincidono con termini comuni o con entità concorrenti aumentano il rischio di collisione. In quel punto il problema va oltre il ranking: Search può costruire una rappresentazione debole, oscillante o contaminata, e quella rappresentazione incide sulla fiducia prima ancora che l’utente apra la pagina. Il panel pesa proprio perché anticipa la scelta. Non chiude sempre il bisogno, ma prepara il terreno su cui la pagina ufficiale viene letta, scelta o ignorata.
I dati strutturati entrano in questo quadro con un ruolo preciso: servono a dichiarare in modo più pulito informazioni già presenti nella pagina, come organizzazione, sito ufficiale, contatti, dettagli del business e profili. Search Central chiarisce però che il markup corretto rende il contenuto più leggibile, non garantisce la comparsa di una feature in SERP. Il suo valore sta nell’aiutare il sistema a leggere meglio una rappresentazione già coerente, non nel sostituire il lavoro sulle fonti pubbliche
Perché conta ancora di più in una Search che sintetizza
Il Knowledge Graph nasce per far emergere informazioni fattuali e pubblicamente note quando risultano utili. Oggi questa funzione pesa di più perché la Search concentra sempre più contesto in alto: knowledge panel, risultati arricchiti, superfici informative, e ora anche nuove esperienze AI.
E, soprattutto, non si limita più a ordinare documenti: sintetizza, collega, anticipa. Anche alla presentazione di AI Mode è stato chiarito che questa esperienza combina i modelli con i suoi sistemi informativi e può attingere anche al Knowledge Graph. Anche fuori da Google la direzione è simile: approcci come GraphRAG mostrano che i grafi restano utili quando un sistema generativo deve orientarsi dentro grandi masse di informazioni e mantenere relazioni più stabili tra entità e contesto.
Il punto non è immaginare il grafo come una bacchetta magica che governa tutta l’AI, ma riconoscere il suo ruolo dentro una ricerca che deve ancora distinguere soggetti, collegare fatti e ridurre ambiguità.
Il punto utile non sta in una formula assoluta tipo “l’AI usa il Knowledge Graph”. È che in una ricerca che sintetizza di più, una rappresentazione coerente del soggetto conta di più. Più Search anticipa il contesto, più pesa la qualità con cui riesce a distinguere un’entità, collegarla ai fatti giusti e presentarla senza ambiguità. Per questo il Knowledge Graph continua a essere centrale. Non è una feature da ottenere, ma uno dei livelli in cui la ricerca costruisce identità pubblica, contesto e fiducia prima della pagina.
Come consolidare il tuo nodo nel grafo
La stabilità di un soggetto nel Knowledge Graph dipende dalla coerenza con cui le fonti pubbliche lo descrivono. Il punto non sta nell’entrare nel grafo come se esistesse un varco tecnico da sbloccare. Il punto sta nel rendere il soggetto più leggibile, più riconducibile e meno esposto a collisioni.
Quando sito ufficiale, profili, riferimenti amministrativi, menzioni e descrizioni pubbliche convergono, Search trova una base più pulita su cui costruire il pannello e gli altri output informativi. Quando divergono, gli errori diventano più probabili e più persistenti.
Tra gli strumenti utili rientrano anche i dati strutturati; in particolare, proprietà come sameAs servono a indicare collegamenti ufficiali tra il sito del soggetto e i suoi profili o riferimenti esterni. Questo non equivale a una “fusione automatica” garantita, ma offre a Search un segnale molto più pulito sulla corrispondenza tra diverse manifestazioni pubbliche della stessa entità. Il loro valore cresce quando i profili puntati sono davvero ufficiali, coerenti e riconoscibili, non quando vengono usati come scorciatoia per gonfiare la presenza del soggetto.
L’altro principio è che la qualità delle fonti continua a pesare più della quantità: non basta distribuire la tua presenza pubblica su molte piattaforme, perché è più utile la qualità con cui quelle piattaforme raccontano la stessa identità. Se il tuo markup Schema punta a un’entità già validata su Wikidata tramite sameAs, Google non deve più “indovinare” la tua natura; deve solo confermarla. Una scheda accurata in un archivio autorevole, un profilo sociale allineato, un sito ufficiale con markup corretto, informazioni amministrative coerenti e riferimenti pubblici compatibili tra loro aiutano Search a ridurre l’attrito. La forza non nasce dall’accumulo di tracce, ma dalla loro capacità di confermarsi a vicenda.
Come gestire gli errori
Quando il pannello sbaglia, la correzione non passa da una richiesta generica “a Google”. Il flusso più realistico passa da feedback, verifica del soggetto e convergenza delle fonti che lo descrivono. Google consente di inviare segnalazioni, di rivendicare la scheda e di ottenere ruoli come owner, manager e contributor. Queste leve sono utili soprattutto quando l’errore è evidente: una foto sbagliata, un sito ufficiale errato, un attributo fuori contesto, un profilo associato male.
La parte più efficace resta però spesso la più lenta: ridurre le varianti del soggetto nelle fonti pubbliche che Search usa per ricostruirlo. Se il web racconta due versioni diverse della stessa entità, l’errore tende a tornare. Se le fonti convergono, il sistema trova una base più stabile su cui correggere la rappresentazione.
Per le attività locali esiste anche una leva ulteriore. Business Profile e gli altri dettagli ufficiali del business possono comparire in Search, Maps e nel pannello informativo dell’attività. Questo non sostituisce il Knowledge Graph, ma incide direttamente su attributi molto visibili e molto usati nella decisione rapida: indirizzo, orari, contatti, sito ufficiale, categoria, foto. In questi casi la manutenzione del soggetto passa anche da una gestione precisa e continua di questi dettagli amministrativi.
Come seguire i segnali del soggetto tra SERP e motori AI con SEOZoom
Il Knowledge Graph non si vede direttamente, quello che puoi osservare sono gli effetti che produce nella ricerca: stabilità del soggetto, qualità delle citazioni, comparsa nelle superfici informative, tenuta dei collegamenti ufficiali, capacità di entrare nelle risposte sintetiche.
È un monitoraggio in cui ti può aiutare SEOZoom, che ti permette di leggere i segnali che si muovono attorno alla rappresentazione del soggetto tra ricerca classica e nuovi motori AI.
Per la parte Search classica, strumenti come Time Machine e Osservatorio Volatilità aiutano a capire quando la SERP cambia, se una variazione riguarda il tuo sito o l’intero scenario, e quanto quei movimenti dipendano da update, test o nuovi asset informativi mostrati da Google. Questo passaggio è utile perché molti segnali che incidono sulla leggibilità del soggetto si vedono prima come cambiamento di scenario che come semplice perdita di posizione.
Per la parte più attuale della Search, AI Overview ti permette di monitorare le risposte AI di Google su keyword specifiche, vedere se la funzione è attiva, quali siti vengono citati, in che posizione compaiono e quale traffico stimato generano.
Identità del brand e citazioni nei motori generativi
La sezione SEO for AI apre un secondo livello di osservazione. GEO Audit lavora sull’identità del brand secondo l’AI: confronta la conoscenza che i modelli hanno acquisito con i dati recuperati tramite web search istantanea e mette in evidenza frizioni su settore, mission, rilevanza geografica, argomenti principali e percezione del brand. È un uso molto coerente con il tema dell’articolo, perché ti aiuta a capire dove il soggetto viene letto in modo confuso o distorto.
AEO Audit, invece, misura il risultato finale: se e quanto il brand viene scelto e citato come fonte da ChatGPT, Gemini e Perplexity. Insieme a AI Prompt Tracker, che monitora i prompt, le fonti concorrenti e la copertura fan-out, ti permette di uscire da una lettura schiacciata sulla sola SERP di Google e di allargare il ragionamento alla visibilità del soggetto nei motori generativi.
Una rappresentazione forte continua a poggiare su segnali pubblici coerenti. Da questo punto di vista, Analisi backlink, Valuta lista domini e Link Monitor servono a presidiare la qualità delle conferme esterne, mentre Opportunità Social e Monitora Profili Social aiutano a capire dove il soggetto prende spazio anche attraverso contenuti social che Google porta in SERP. La piattaforma, quindi, non ti mostra il grafo, ma ti mette davanti i segnali che aiutano a leggere come un’identità si distribuisce e si consolida nel web e nelle risposte AI.
