22/11/2026, 09.52
di Stefanosegue ricerca, modelli e nuove tecnologie
Condividi su Facebook Condividi su Twitter Condividi su Pinterest Condividi su Telegram Condividi su WhatsApp

AI Training Opt-Out: Google, Microsoft e OpenAI e il nuovo standard

Google, Microsoft e OpenAI concordano un unico comando robots.txt per bloccare l'addestramento AI. Analisi tecnica, scadenze e implicazioni per il business.
AI Training Opt-Out: Google, Microsoft e OpenAI e il nuovo standard
In sintesi
  • Google, Microsoft e OpenAI supporteranno una riga condivisa nel file robots.txt per gestire l'opt-out dall'addestramento AI.
  • La proposta nasce da un Internet Draft di Kevin Kelley (Anthropic) presentato all'IETF.
  • Microsoft introduce nuove preferenze di training e grounding, sostituendo NoArchive e NoCache entro marzo 2027.
  • Google interpreterà il comando condiviso come un blocco 'Google-Extended' se non diversamente specificato.

Il controllo sui dati proprietari è diventato la priorità strategica per ogni imprenditore che pubblichi contenuti online. La domanda che molti si pongono oggi è se sia effettivamente possibile impedire che l'intelligenza artificiale generativa utilizzi i propri asset digitali per addestrarsi. La risposta tecnica risiede nel file robots.txt, un semplice documento di testo che istruisce i crawler su quali parti di un sito possono essere scansionate. Fino a questo momento, ogni azienda di AI ha imposto le proprie regole, costringendo i proprietari di siti a scrivere righe di codice diverse per ogni singolo provider.

La novità annunciata da Google, Microsoft e OpenAI introduce un tentativo di standardizzazione. Le tre aziende intendono onorare una riga condivisa nel robots.txt per le preferenze di addestramento AI. Questo significa che un sito web potrà dichiarare una singola preferenza valida per tutti i provider partecipanti, eliminando la necessità di gestire regole separate per ogni crawler. Non si tratta però di un sistema uniforme nell'esecuzione: ogni colosso sta interpretando l'implementazione secondo i propri interessi strategici.

Il funzionamento tecnico di __usage_ai-training

Il cuore di questa proposta è l'introduzione di un token specifico: __usage_ai-training. Contrariamente a quanto si potrebbe pensare, non viene aggiunta una nuova direttiva al protocollo robots.txt, ma si utilizza una struttura di gruppo ordinaria. Sotto questo token, l'imprenditore può utilizzare i classici comandi 'Allow' e 'Disallow' per definire quali aree del sito sono accessibili per l'addestramento.

Secondo il documento, l'addestramento AI è definito specificamente come l'uso di contenuti per modificare i parametri appresi di un modello di AI generativa. Questo esclude, peraltro, i modelli che svolgono compiti non generativi, come la semplice classificazione o il ranking. Un esempio pratico di implementazione vedrebbe l'utente bloccare l'intero sito, mantenendo però accessibile la cartella dedicata ai kit stampa: User-Agent: __usage_ai-training Disallow: / Allow: /press-kit/.

Analisi strategica: Per un'azienda, questa distinzione è fondamentale. Permettere l'accesso ai press-kit significa favorire la visibilità mediatica e l'indicizzazione corretta dei fatti aziendali, mentre bloccare il resto del sito protegge il know-how proprietario, i case study dettagliati e i contenuti a valore aggiunto che costituiscono il vantaggio competitivo del business. La sfida sarà monitorare se i crawler rispetteranno effettivamente queste istruzioni o se troveranno scappatoie tecniche.

Microsoft sposta i pali della recinzione

Mentre Google e OpenAI sembrano muoversi verso una semplificazione, Microsoft sta operando una ristrutturazione più profonda delle proprie preferenze di scansione. L'azienda di Redmond ha annunciato l'intenzione di sostituire i tag NoArchive e NoCache con nuove preferenze distinte per il training (addestramento) e il grounding (l'uso di dati in tempo reale per fornire risposte accurate).

Il passaggio non è immediato, ma è fissato un termine perentorio: i siti che utilizzano attualmente NoArchive e NoCache dovranno migrare alle nuove preferenze entro il 1° marzo 2027. Questo spostamento indica una volontà di separare nettamente ciò che serve per costruire il modello da ciò che serve per alimentare le risposte istantanee di Microsoft.

Questa mossa suggerisce che Microsoft consideri il grounding come un servizio di valore per l'utente finale (e potenzialmente per il traffico di rimando verso il sito), mentre l'addestramento sia visto come un processo di acquisizione di asset. Spingere i proprietari di siti verso una scelta binaria tra training e grounding è un modo per mantenere l'utilità dei propri strumenti di ricerca senza incorrere in accuse di furto di proprietà intellettuale per l'addestramento dei modelli.

Perché Google e OpenAI accettano un compromesso?

L'accettazione di uno standard condiviso non è un atto di generosità, ma una necessità operativa. Gestire centinaia di eccezioni diverse per ogni sito web aumenta la complessità computazionale e il rischio di dispute legali. Google, in particolare, ha chiarito la sua posizione: se un sito implementa la riga di opt-out condivisa senza specificare esplicitamente 'Google-Extended', Google tratterà tale comando come un blocco Google-Extended. Questo controllo si estenderà anche al grounding all'interno delle Gemini Apps.

OpenAI e Google si trovano in una posizione delicata. Da un lato, hanno bisogno di enormi quantità di dati freschi per mantenere la competitività dei loro LLM; dall'altro, devono evitare che l'intero web diventi un "giardino recintato" dove ogni sito blocca ogni crawler. Un accordo su un formato condiviso riduce l'attrito tra i produttori di contenuti e i provider di AI, creando un'illusione di controllo che potrebbe disinnescare molte tensioni legali.

Analisi di business: Il rischio per l'imprenditore è che l'opt-out diventi una trappola di visibilità. Se bloccare l'AI training comporta anche l'esclusione dai risultati di ricerca generativa (SGE), il costo del "diritto alla privacy dei dati" potrebbe essere un crollo drastico del traffico organico. È un trade-off tra protezione del copyright e acquisizione di lead.

Kevin Kelley e la bozza che mette d'accordo i giganti

Dietro questa iniziativa non c'è un accordo segreto tra i CEO, ma il lavoro di un singolo protagonista: Kevin Kelley di Anthropic. È Kelley ad aver presentato l'Internet Draft al gruppo di lavoro AI Preferences dell'IETF (Internet Engineering Task Force). Sebbene il documento sia attualmente classificato come un draft individuale e non rappresenti un'attività di standardizzazione ufficiale dell'IETF, ha avuto un impatto immediato.

Kelley ha comunicato tramite la mailing list del gruppo di lavoro che Anthropic ha già iniziato lo sviluppo per supportare questa funzionalità. Il fatto che un'azienda più piccola rispetto a Google o Microsoft abbia dettato l'agenda tecnica dimostra che l'ecosistema AI è ancora in una fase di definizione fluida, dove l'interoperabilità è vista come l'unico modo per evitare la frammentazione totale del web.

Il ritratto che emerge è quello di un approccio pragmatico: invece di creare nuovi protocolli complessi, Kelley ha proposto di usare ciò che già esiste (il robots.txt) aggiungendo solo un token di significato. Questa semplicità è ciò che ha reso la proposta appetibile per i giganti della Silicon Valley, che preferiscono standard leggeri a regolamentazioni rigide.

Il diritto di opt-out tra copyright europeo e AI Act

Per le imprese che operano nel mercato europeo, questa evoluzione tecnica si inserisce in un quadro normativo estremamente complesso. L'AI Act dell'Unione Europea pone l'accento sulla trasparenza e sul rispetto del copyright. In particolare, la normativa europea tende a favorire il diritto degli autori di opporsi all'estrazione di dati (TDM - Text and Data Mining) per scopi commerciali.

L'introduzione di un comando di opt-out standardizzato come quello proposto da Kelley e accettato da Google e Microsoft potrebbe diventare lo strumento tecnico con cui le aziende europee dimostrano la loro volontà di non concedere i dati, facilitando l'applicazione delle norme UE. Tuttavia, resta il problema della verifica: come può un'impresa italiana sapere se un modello AI ha effettivamente smesso di usare i suoi dati dopo l'inserimento della riga __usage_ai-training?

In un contesto di conformità a NIS2 e AI Act, l'adozione di questi standard non è solo una scelta tecnica, ma una misura di governance dei dati. Le aziende dovranno decidere se accettare il compromesso dei giganti americani o spingere per meccanismi di certificazione più stringenti.

Scenari futuri e indicatori:

  • Scenario A: L'adozione di massa del token __usage_ai-training diventa lo standard de facto. Indicatore: Inserimento del token nelle documentazioni ufficiali di SEO di Search Engine Journal entro i prossimi 6 mesi.
  • Scenario B: Microsoft impone una migrazione forzata che penalizza chi non aggiorna i tag entro il 2027. Indicatore: Calo di indicizzazione per i siti che mantengono NoArchive/NoCache dopo marzo 2027.
  • Scenario C: L'UE dichiara il robots.txt insufficiente come prova di opt-out legale. Indicatore: Pubblicazione di linee guida della Commissione Europea che richiedono protocolli di opt-out crittografati o certificati.

Per l'imprenditore italiano, l'azione immediata non è l'implementazione (dato che i provider non supportano ancora pienamente la riga), ma la mappatura dei contenuti. Occorre decidere cosa è "addestrabile" e cosa no, preparando il file robots.txt per quando lo standard diventerà operativo. La gestione dei dati non è più un compito del reparto IT, ma una decisione di business che impatta direttamente sulla proprietà intellettuale dell'azienda.

Domande frequenti

Posso già inserire la riga __usage_ai-training nel mio sito?

Sebbene Google, Microsoft e OpenAI abbiano annunciato l'intenzione di onorarla, le fonti indicano che attualmente nessuna delle tre aziende supporta ancora operativamente tale riga. È consigliabile attendere l'attivazione ufficiale.

Qual è la differenza tra training e grounding citata da Microsoft?

Il training consiste nell'usare i contenuti per modificare i parametri permanenti di un modello AI. Il grounding è l'uso di dati aggiornati per fornire risposte precise in tempo reale senza modificare il modello stesso.

Cosa succede se uso l'opt-out condiviso ma voglio che Google continui a leggere i miei dati?

Google ha dichiarato che tratterà la riga condivisa come un blocco Google-Extended, a meno che il sito non specifichi diversamente le preferenze per Google-Extended.


Fonti: Searchenginejournal, Geeksforgeeks, Forms ·

glacom · Intelligenza artificiale per aziende: i modelli girano sui tuoi server, i dati non escono →
Hai una domanda su questo dossier?

Scrivila qui: Susanna, l assistente AI di glacom, ti risponde via email con un approfondimento gratuito.

Nessuna consulenza personalizzata (finanziaria, legale o medica): solo informazione e fonti. Email usata solo per rispondere.

oppure scrivile su: WhatsApp · Telegram · SimpleX · Delta Chat · Email

Condividi su Facebook Condividi su Twitter Condividi su Pinterest Condividi su Telegram Condividi su WhatsApp
Visualizza per la stampa
CLOSE X
Vedi anche
Attacco DebugBear e furto Polymarket: i rischi dei DNS Hijacking
Analisi del cyber-attacco a DebugBear: come il dirottamento DNS ha permesso il furto di 2,6 milioni di dollari su Polymarket e i rischi per la supply …
21/11/2026 17:45
Nvidia e Nscale: la residual value guarantee per finanziare l'AI
Nvidia valuta di fare da garante per i miliardi di dollari di debito di Nscale in West Virginia. Analisi di un rischio strategico tra chip e infrastru…
21/11/2026 11:15
Discord indicizza i server pubblici su Google: impatto e privacy
Discord apre i server pubblici ai motori di ricerca e all'AI. Analisi su privacy, GDPR e strategie di visibilità per le community di oltre 1.000 membr…
19/11/2026 18:52
Agentic Commerce: Shopify e le commissioni per gli agenti AI
Shopify introduce l'Agentic Commerce: AI agent che acquistano per l'utente. Analisi del sistema di commissioni, trasparenza e impatto per gli imprendi…
19/11/2026 15:36
OpenAI ChatGPT Ads: l'algoritmo riscrive i tuoi annunci per default
OpenAI attiva le 'creative enhancements' per ChatGPT Ads: l'IA modifica testi e URL senza approvazione. Analisi su brand safety, ricavi e impatto busi…
19/11/2026 12:17