Google, OpenAI, Anthropic e Microsoft sostengono un unico interruttore per tenere il tuo sito fuori dall'addestramento dell'IA
Una proposta di direttiva robots.txt consentirebbe agli editori di bloccare i crawler di addestramento dell'intelligenza artificiale con una regola invece di una regola per azienda.
Google, OpenAI, Anthropic e Microsoft si sono impegnati a rispettare una nuova impostazione che consente ai proprietari di siti web di dire se i loro contenuti possono essere utilizzati per addestrare l’intelligenza artificiale. Secondo Engadget, le aziende stanno adottando una proposta all’esame dell’IETF, l’organismo che fissa gli standard Internet. È stato scritto dal responsabile degli standard Anthropic Kevin Kelley.
Oggi un editore che vuole rinunciare deve trovare il crawler di ciascuna azienda (il programma automatico che visita le pagine) e scrivere una regola separata per esso. La proposta lo sostituisce con un segnale condiviso nel robots.txt file, il piccolo file di testo alla radice di un sito web che dice ai crawler cosa possono visitare. L’esempio assomiglia a questo: un agente utente chiamato __usage_ai-training, con Disallow: / per bloccare tutto e, se lo si desidera, Allow: /press-kit/ per consentire una sezione.
L’implementazione varia a seconda dell’azienda. Anthropic ha già iniziato a supportarlo. Microsoft prevede di iniziare il 1° febbraio 2027, Google all’inizio del 2027 e OpenAI ha dichiarato “nei prossimi mesi”.
Cosa c’è dietro: Per anni la domanda “le aziende di intelligenza artificiale possono formarsi sul mio sito?” ha avuto una risposta confusa, perché ogni fornitore aveva le proprie regole e i propri nomi. Un’etichetta condivisa rende più semplice per un piccolo editore dire di no una volta e basta. Vale la pena conoscere due limiti. La direttiva si applica solo all’addestramento AI: non interrompe tutta la scansione e non rimuove le pagine da Google Search. Google afferma che leggerà il segnale come un blocco per Google-Extended, l’agente che raccoglie materiale per addestrare Gemini. E non può annullare il passato. Il contenuto già raccolto rimane raccolto; la regola copre solo la scansione futura. Inoltre, robots.txt è una richiesta seguita dai crawler onesti, non un blocco.
Che cosa significa per te: Se gestisci un blog, un negozio o un sito portfolio, chiedi a chi lo gestisce se la nuova regola verrà aggiunta una volta che sarà definitiva oppure controlla le impostazioni robots.txt nella piattaforma del tuo sito web. Se vuoi che il tuo lavoro sia disponibile per gli strumenti di intelligenza artificiale, non devi fare nulla. Se sei solo un lettore, è un piccolo segno che i grandi laboratori sono d’accordo sull’etichetta di base, anche se i dettagli richiederanno mesi per arrivare.
Fonti
Fonti: https://www.engadget.com/2303225/google-openai-anthropic-ai-crawling-controls/
I numeri di Anthropic prima della sua IPO: ricavi in aumento di dodici volte, perdita di 23 miliardi di dollari
I rapporti sulla presentazione IPO aggiornata di Anthropic mostrano quasi 17 miliardi di dollari di entrate trimestrali, una perdita netta di 23,3 miliardi di dollari e 895 miliardi di dollari di impegni di calcolo.
