Addestramento AI: un solo no per quattro aziende

Fino a ieri, per chiedere a un’intelligenza artificiale di non allenarsi sui tuoi testi dovevi sapere come si chiamava. Non lei: il programma che manda in giro per il web a leggere le pagine. Uno per azienda, ognuno con il suo nome, e regole separate da scrivere per ciascuno.

Il 30 ottobre 2026 quattro aziende, OpenAI, Google, Microsoft e Anthropic, hanno annunciato il loro sostegno a un segnale comune, ciascuna con i suoi tempi. Un nome solo, sempre lo stesso, da scrivere nel robots.txt, il file che da tempo i siti usano per dare indicazioni ai programmi che li visitano. Con quel nome dici una cosa precisa: queste pagine, per addestrare le AI generative, sì o no.

Sembra una notizia per tecnici. È una notizia sulle parole: su chi le definisce, e su cosa succede a chi tace.

Cosa è successo il 30 ottobre

Alle 16:39 ora italiana Kevin Kelley, che in Anthropic si occupa di standard tecnici, ha scritto alla lista di discussione del gruppo IETF che lavora sulle preferenze per l’AI. L’IETF, Internet Engineering Task Force, è l’ente dove si scrivono le regole tecniche comuni della rete. Il messaggio annunciava una bozza nuova: un modo per esprimere nel robots.txt le preferenze sull’addestramento AI «senza aggiungere nessuna grammatica nuova». Nello stesso messaggio Kelley scriveva che Anthropic aveva già cominciato a introdurre il supporto, avvertendo che ci vorrà tempo per estenderlo a tutti i suoi servizi.

Nella stessa giornata hanno annunciato il loro sostegno anche gli altri tre. Google, sul blog per chi gestisce i siti, ha presentato il piano di sostenere il nuovo controllo, con l’obiettivo di farlo «insieme ad altri fornitori di AI nel 2027»; nella documentazione dei suoi crawler, i programmi automatici che raccolgono le pagine, ha indicato «all’inizio del 2027». Microsoft, sul blog di Bing, ha fissato una data: dal 1° febbraio 2027 rispetterà le nuove preferenze man mano che rivisita le pagine. OpenAI ha scritto che rispetterà il segnale e che punta a introdurlo «nei prossimi mesi», con un aggiornamento quando lo farà. Google e OpenAI hanno precisato che i controlli che offrono già restano validi. Microsoft invece sostituirà le sue vecchie indicazioni, NoArchive e NoCache, con le preferenze nuove, secondo un calendario che trovi più avanti.

Poi c’è Meta. A The Verge il suo capo della comunicazione, Andy Stone, ha detto che creare un segnale comune, capace di portare queste preferenze a più aziende in una volta, è «un passo importante», e che Meta vuole lavorare con le altre aziende sullo standard. Se lo rispetterà, non l’ha detto.

Chi legge questo blog sa perché quella frase pesa. Da settimane racconto le condizioni commerciali con cui Meta si autorizza a far leggere ai suoi crawler i siti collegati alle attività, e il rinvio arrivato dopo le proteste e l’ordinanza di Oslo. Lì Meta ricordava che il robots.txt resta valido. Qui, davanti a una proposta di segnale comune a più aziende, si ferma un passo prima dell’impegno.

Quattro annunci e un sostegno a parole. Il più interessante è l’ultimo.

Come si scrive, in pratica

Il robots.txt è un file di testo che sta alla radice del sito: lo trovi scrivendo l’indirizzo del sito seguito da /robots.txt. Lo leggono i crawler, i programmi automatici che girano per il web a raccogliere pagine per i motori di ricerca, per gli archivi e, negli ultimi anni, per le aziende di AI. Dentro ci sono gruppi di righe: il primo rigo dice a chi ti rivolgi, quelli dopo cosa permetti e cosa no.

La bozza usa esattamente questo meccanismo. Invece del nome di un crawler, nel primo rigo metti un nome nuovo, uguale per tutti. L’esempio del documento è questo:

User-Agent: __usage_ai-training
Disallow: /
Allow: /press-kit/

Tradotto: preferisco che nessuna pagina del sito venga usata per addestrare un’AI generativa, tranne quelle nella cartella dei materiali per la stampa, dove invece va bene. Il nome con i due trattini bassi davanti la bozza lo chiama «policy token», un contrassegno che non indica un programma ma uno scopo. Le regole sui percorsi restano quelle di sempre, compresa quella per cui vince l’indicazione più precisa. E i programmi che non conoscono il meccanismo lo ignorano, come ignorano qualsiasi nome che non riconoscono.

C’è un dettaglio che vale più di tutto il resto. Molti robots.txt cominciano con «User-Agent: *», l’asterisco che vuol dire «tutti». Per la bozza quell’asterisco non vale come preferenza sull’addestramento. È una scelta voluta, e Kelley la spiega così: un robots.txt che non usa il nuovo nome, «come ogni file pubblicato oggi», non esprime nessuna preferenza.

Ho aperto il mio. Quattro righe: una si rivolge a tutti i crawler, una chiede di non visitare la cartella di amministrazione di WordPress, una consente un file tecnico, l’ultima indica la mappa del sito. Sull’addestramento non c’è una parola. Per questo meccanismo, oggi, io non ho detto niente.

Microsoft aggiunge un’altra via, per chi vuole decidere pagina per pagina: un’indicazione dentro il codice della pagina stessa, che su quella pagina vale più del robots.txt. È utile se hai un sito dove convivono testi che vuoi proteggere e testi che vuoi far girare il più possibile.

Il file è sempre lo stesso. Cambia quello che gli fai dire.

La parola che decide tutto

Adesso la parte che nessun comunicato mette nel titolo. Il segnale non dice «niente AI». Dice «niente addestramento», e l’addestramento ha una definizione scritta, presa dal vocabolario su cui lavora il gruppo IETF: usare un contenuto per modificare i parametri appresi di un modello di AI generativa. I parametri sono, in parole semplici, le regolazioni interne che il modello sistema mentre impara.

La definizione poi toglie. Resta fuori l’addestramento dei modelli usati solo per compiti non generativi, anche se quei modelli saprebbero generare. E un modello che classifica, ordina o dà punteggi non conta come generativo, anche quando accompagna il risultato con una spiegazione scritta.

E resta fuori una cosa che per chi lavora pesa parecchio: il cosiddetto grounding. Microsoft lo definisce come l’uso di un contenuto per informare le risposte generate dall’AI. In pratica: qualcuno fa una domanda, l’assistente va a leggere la tua pagina e la usa per costruire la risposta. Qui il contenuto serve alla risposta; l’addestramento, invece, cambia le regolazioni interne del modello. Sono due usi diversi, e Microsoft li tratta infatti in modo diverso: per il grounding c’è una preferenza a parte, solo pagina per pagina, con tre scelte: sì, sì solo nei prodotti gestiti da Microsoft, oppure no.

Google aggiunge una frase da leggere due volte. Quando un sito usa il nuovo segnale per dire no all’addestramento e non scrive niente di specifico per Google-Extended, il controllo sull’addestramento che Google offre dal 2023, Google prevede di leggerlo come un no a Google-Extended. Poi: i siti che consentono espressamente Google-Extended possono comparire nelle risposte delle app Gemini e ricevere clic attraverso il grounding. La frase parla di chi consente. Cosa succede a chi nega, nelle app Gemini, non lo scrive. Io la leggo come un invito a pensarci prima di chiudere tutto, ed è una mia lettura, non una regola dichiarata.

Anche dentro il gruppo di lavoro il confine fa discutere. Nate Hake, editore indipendente che ha partecipato ai lavori ed è citato nei ringraziamenti della bozza, ha scritto su X che il percorso all’IETF non è finito e che restano punti di disaccordo importanti. Il suo, in particolare: criticando il lavoro in corso all’IETF, Hake sostiene che la formulazione attuale esenti dalle preferenze tutto quello che fa un utente, e che questo danneggi gli artisti e i creatori presi di mira da chi copia con l’AI.

Chi ha passato qualche anno a trattare lo sa: la partita si decide quando si scrivono le definizioni, molto prima di firmare. È lo stesso motivo per cui le parole creano la realtà anche quando sembrano solo etichette. Qui la parola è «addestramento», e al suo perimetro hanno lavorato in molti, aziende di AI comprese.

Con quella riga dici no a un verbo. Uno solo, e con i confini scritti da altri.

Chi tace, cosa dice?

Torna al mio robots.txt, quello senza una parola sull’addestramento. Cosa sto dicendo, con quel silenzio?

Per la bozza, niente: nessuna preferenza espressa. Per Microsoft la risposta è più netta. Sia l’addestramento sia il grounding, quando manca un’indicazione, valgono come «Allow», cioè sì. Lo scrive due volte, nella stessa guida: per consentire non serve fare niente, è il predefinito.

Il predefinito è la decisione che prende chi non ha tempo di decidere. E chi lo stabilisce lo sa: è la logica della casella già spuntata, che conta sul fatto che molti lasceranno le cose come le trovano. Qui il meccanismo è lo stesso, con una differenza. La casella sta in un file che molti titolari di un sito non hanno mai aperto.

Se nel robots.txt di uno che si occupa di comunicazione per mestiere non c’era una riga, è probabile che non ci sia neanche in quello di molti studi professionali e negozi. È una mia stima, non un dato. Ma basta a capire dove stia la vera notizia: lo strumento per dire no adesso c’è, ed è semplice. Usarlo resta un compito tuo.

Per Microsoft il silenzio è già una risposta. E la risposta è sì.

Quanto vale una preferenza

Conviene essere precisi su cosa compri con quella riga. OpenAI chiama tutta l’operazione «un’iniziativa volontaria». La bozza la definisce una preferenza sull’uso, separata dalle regole su chi può entrare: il nuovo nome «non è una direttiva sul comportamento dei crawler». Per chiedere a un crawler di non visitare le pagine, il documento rimanda alle regole con il nome di quel crawler; anche quelle valgono solo se il programma le rispetta. E un’altra riga, breve, merita attenzione: gli accordi privati possono scavalcare le preferenze espresse con questo meccanismo.

Microsoft dice la stessa cosa con parole sue. Queste impostazioni governano l’uso dei contenuti, non l’accesso. E pubblicarle non basta ad attivarle: Microsoft deve ripassare dalla pagina per accorgersene, e non garantisce quando lo farà.

Poi ci sono i tempi della tecnica. È una bozza, cioè un documento di lavoro che per le regole dell’IETF vale al massimo sei mesi e può essere aggiornato, sostituito o superato in qualsiasi momento; Kelley la propone come contributo al lavoro del gruppo, non come standard approvato. E lui stesso avverte che il modo in cui Anthropic interpreta questi segnali potrà cambiare insieme agli standard.

Accanto a questa strada ne esistono altre, e The Verge le ricorda: c’è uno standard, Really Simple Licensing, che permette ai siti di far pagare i crawler, e c’è Cloudflare che blocca in modo predefinito i crawler dell’AI. Il segnale comune fa un’altra cosa: mette per iscritto una preferenza sull’uso dei tuoi contenuti, in una lingua che le aziende che lo adottano hanno detto di voler leggere.

Un cartello sulla porta funziona con chi bussa. È già molto: fino a ieri ne serviva uno per ogni visitatore.

Farsi leggere, farsi citare, farsi usare

La tentazione, davanti a una notizia così, è dire no a tutto per principio. La capisco. Prima di farlo, però, guarda cosa scrive Microsoft a chi chiude il grounding: vedrà ridursi la visibilità del suo marchio nelle esperienze di AI. Consentire il grounding, prosegue, rende i contenuti idonei a informare le risposte, con link e citazioni che portano alla fonte originale. Consentire l’addestramento può aiutare a migliorare i modelli futuri. E nessuna delle due scelte garantisce di essere inclusi, di ricevere traffico o di essere pagati.

L’ultima frase è la più onesta del pacchetto. Dire sì all’uso nelle risposte non ti porta niente di sicuro. Dire no, secondo Microsoft, ti toglie visibilità.

Per chi vive di farsi trovare, un commercialista, un fisioterapista, un’agenzia, la domanda vera allora diventa un’altra: vuoi che i tuoi testi servano ad addestrare il modello, o vuoi che un assistente li usi per rispondere, magari citandoti, quando qualcuno chiede qualcosa che tu sai fare? Sono due cose diverse, e almeno con Microsoft si possono decidere separatamente. Ne avevo parlato raccontando come Google ha rimesso i link nelle risposte AI: essere la fonte citata è un modo di farsi trovare. E secondo Microsoft limitare l’uso nelle risposte riduce la visibilità nelle sue esperienze di AI.

Le due preferenze, poi, non toccano i risultati classici. Microsoft scrive che queste scelte non cambiano l’idoneità a comparire nei risultati di Bing. Google scrive che Google-Extended non incide sull’inclusione nella Ricerca Google né sul posizionamento.

Dire no all’addestramento è una scelta di principio. Dire no all’uso nelle risposte è una scelta di mercato. Conviene tenerle separate.

Come portarlo nel tuo lavoro

Guardare costa pochi minuti; decidere, un po’ di più. Conviene farlo adesso, prima che le date di Microsoft e Google arrivino addosso.

1. Apri il tuo robots.txt. Scrivi l’indirizzo del sito seguito da /robots.txt. Guarda se ci sono già regole per i crawler delle aziende di AI. Se non capisci cosa c’è scritto, chiedi a chi ti segue il sito di spiegartelo riga per riga.
2. Decidi due cose, non una. Addestramento: vuoi che i tuoi testi servano a migliorare i modelli? Uso nelle risposte: vuoi che un assistente possa usarli per costruire le sue risposte, eventualmente citandoti? Scrivi le due risposte prima di toccare il file.
3. Se all’addestramento dici no, il gruppo da aggiungere è User-Agent: __usage_ai-training seguito da Disallow: /. Se hai una cartella che vuoi far girare, per esempio comunicati o materiali per la stampa, aggiungi un Allow con il suo percorso.
4. Tieni le regole che hai già. Google e OpenAI scrivono che i loro controlli specifici continuano a valere accanto al segnale comune, e per la bozza l’indicazione specifica dovrebbe pesare più di quella generale.
5. Segnati le date. Anthropic ha cominciato a introdurlo; OpenAI punta ai prossimi mesi; Microsoft parte dal 1° febbraio 2027; Google punta al 2027. Fino ad allora la riga è una dichiarazione che qualcuno legge e qualcuno ancora no.
6. Se per Bing usi NoArchive o NoCache, le vecchie indicazioni di Microsoft per tenere i contenuti fuori dall’AI, entro il 1° marzo 2027 devi pubblicare le preferenze nuove: dopo quella data Microsoft smette di leggerle come preferenze su addestramento e grounding. Se vuoi mantenere anche le restrizioni sul grounding, prima di quella data servono due passi: pubblicare la preferenza nelle pagine e registrare quella temporanea in Bing Webmaster Tools, lo strumento di Microsoft per chi gestisce i siti. La preferenza temporanea si apre il 15 dicembre 2026, solo per i siti che a quella data usano NoArchive o NoCache, e vale finché Microsoft non ripassa dalla pagina o, al più tardi, fino al 30 settembre 2027. Se entro il 1° marzo la preferenza temporanea non c’è, le pagine con NoArchive o NoCache valgono come «sì» al grounding finché Microsoft non ripassa e trova la preferenza nuova. E quando Microsoft trova sul sito le preferenze nuove, ignora le NoArchive e NoCache rimaste.
7. Se fai siti per i clienti, mettilo nella lista delle cose da chiedere alla consegna. Sembra una scelta tecnica. È una scelta su come il cliente vuole farsi trovare, e va presa da lui, con le informazioni giuste.

La parte tecnica puoi lasciarla a chi segue il sito. La distinzione fra addestramento e uso nelle risposte, invece, falla tu. Il segnale è uguale per tutti; le preferenze sono le tue.

👉 Leggi anche: Gemini e i giornali: il parere guarda la risposta, cosa dice l’avvocato generale della Corte Ue sull’addestramento e sulle risposte dei chatbot.

Domande frequenti

Cos’è il robots.txt e dove lo trovo?

È un file di testo alla radice del sito che dà indicazioni ai programmi automatici, i crawler, su dove possono entrare. Lo vedi scrivendo nel browser l’indirizzo del tuo sito seguito da /robots.txt. Con la nuova bozza può contenere anche la tua preferenza sull’addestramento delle AI generative.

Se aggiungo la riga, le AI smettono subito di usare i miei testi?

No. Anthropic ha cominciato a introdurre il segnale e avverte che servirà tempo per estenderlo a tutti i servizi; OpenAI punta a introdurlo nei prossimi mesi, Microsoft lo rispetterà dal 1° febbraio 2027, Google punta al 2027. È una preferenza che le aziende hanno annunciato di voler rispettare, con tempi diversi; un blocco tecnico è un’altra cosa. Microsoft, poi, deve ripassare dalla pagina per accorgersene e parla di addestramento futuro.

Dire no all’addestramento mi fa sparire da Google o da Bing?

Secondo le due aziende, no. Microsoft scrive che queste preferenze non cambiano l’idoneità a comparire nei risultati di Bing. Google prevede di leggere il no comune come un divieto a Google-Extended quando nel file manca un’indicazione esplicita per Google-Extended, e Google-Extended non incide sull’inclusione nella Ricerca né sul posizionamento.

Che differenza c’è tra addestramento e grounding?

L’addestramento usa i tuoi contenuti per modificare le regolazioni interne del modello. Il grounding li usa nel momento in cui qualcuno fa una domanda, per costruire la risposta; per Microsoft, chi lo consente può comparire in quelle risposte con link e citazioni verso la fonte originale. Il segnale comune riguarda solo l’addestramento; Microsoft offre per il grounding una preferenza separata, da mettere pagina per pagina.

La riga «User-Agent: *» con «Disallow: /» non basta già?

Per la bozza, no. Quella regola dice a tutti i programmi che la rispettano di non entrare: riguarda il passaggio, non l’uso, e la bozza esclude espressamente che l’asterisco valga come preferenza sull’addestramento. Per esprimere quella preferenza serve il nome nuovo, __usage_ai-training.

Meta rispetterà il segnale?

Non l’ha detto. Il suo capo della comunicazione ha definito il segnale comune un passo importante e ha detto che Meta vuole lavorare con le altre aziende sullo standard, senza impegnarsi a rispettarlo.

Fonti

• IETF, K. Kelley (Anthropic), «Machine-Readable Training Preference Signal», bozza del 30 ottobre 2026: datatracker.ietf.org
• Kevin Kelley, messaggio alla lista IETF ai-control, 30 ottobre 2026: mailarchive.ietf.org
• Google Search Central Blog, «Supporting a shared AI training control for websites», ottobre 2026: developers.google.com
• Google, pagina dei crawler comuni (Google-Extended): developers.google.com
• OpenAI, «Making it easier for websites to express AI training preferences», 30 ottobre 2026: openai.com
• Microsoft Bing Blog, «Your content, your choice: clearer preferences for training and grounding», 30 ottobre 2026: blogs.bing.com
• Search Engine Roundtable, «Google Adopts New AI Training Control», 30 ottobre 2026: seroundtable.com
• The Verge, «The biggest names in AI are backing a new way to opt out of scraping», 30 ottobre 2026: theverge.com