Menu Chiudi

IA e siti web: nuove regole su addestramento e grounding

Contenuto testuale generato con l’ausilio di sistemi di intelligenza artificiale e revisionato dal team WIT ICT, in conformità all’art. 50 del Regolamento UE 2024/1689 (AI Act) sulla trasparenza dei contenuti prodotti dall’IA. Anche l’immagine in evidenza di questo articolo è stata generata tramite IA.

Il 30 ottobre Microsoft ha annunciato che Bing distinguerà due usi dei contenuti web che finora erano confusi: l’addestramento dei modelli di IA e il loro impiego per costruire le risposte generate, il cosiddetto grounding. Lo stesso giorno OpenAI, Google e Microsoft hanno dichiarato di voler supportare un segnale comune nel file robots.txt per escludere un sito dall’addestramento. Per una PMI italiana con un sito aziendale, un e-commerce o un blog di settore, la domanda diventa concreta: i miei testi devono finire dentro i modelli, dentro le risposte di Copilot, in entrambi o in nessuno dei due? Ci sono alcuni mesi per decidere, e la scelta incide sia sulla tutela dei contenuti sia sulla visibilità.

Addestramento e grounding: due usi diversi dei contenuti del sito

Secondo la definizione pubblicata da Microsoft, l’addestramento modifica i parametri appresi da un modello generativo: il vostro testo diventa, in forma diluita, parte di ciò che il modello “sa”. Il grounding avviene invece al momento della domanda: la pagina viene letta come fonte per comporre una risposta, spesso con un link all’origine.

La differenza ha conseguenze pratiche. Chi pubblica guide tecniche, listini ragionati o schede prodotto curate può non voler regalare quel lavoro all’addestramento, ma desiderare comunque di comparire quando un potenziale cliente chiede a Copilot “chi installa impianti fotovoltaici a Siena”. Fino a oggi gli strumenti disponibili, come i tag NoArchive e NoCache, non permettevano di separare le due cose. Microsoft precisa inoltre che l’indicizzazione e il posizionamento nei risultati di ricerca tradizionali non rientrano nel grounding.

Come funzionano i nuovi controlli di Bing

Le preferenze sono due, con livelli di applicazione diversi:

  • AI Training: si imposta per tutto il sito o per singole cartelle in robots.txt, oppure pagina per pagina con un meta tag o un’intestazione HTTP. L’impostazione a livello di pagina prevale su robots.txt.
  • AI Grounding: solo a livello di pagina, con tre valori. Allow (predefinito), Disallow, oppure DisallowExtended, che limita l’uso ai servizi gestiti da Microsoft (Copilot, le risposte IA di Bing, Microsoft 365) ed esclude i servizi di grounding offerti a terze parti, per esempio tramite le API di Foundry.

Un dettaglio che spesso sfugge: se non pubblicate nulla, entrambe le preferenze valgono Allow. Restare fermi equivale quindi a dare il consenso a tutto. Microsoft chiarisce anche che queste impostazioni regolano l’uso dei contenuti, non la scansione: non sbloccano un Bingbot già bloccato in robots.txt e non creano alcun diritto a compensi o licenze.

Il segnale condiviso nel robots.txt

La novità più interessante riguarda tutto il settore, non solo Bing. Per l’esclusione dall’addestramento è previsto un “user agent” convenzionale, __usage_ai-training, pensato per essere letto da più fornitori. La standardizzazione è in discussione nel gruppo di lavoro AIPREF dell’IETF e non è ancora definitiva. I tempi di adozione annunciati sono diversi:

  • Microsoft lo applicherà dal 1° febbraio 2027;
  • OpenAI punta a implementarlo nei prossimi mesi;
  • Google prevede di supportarlo nel corso del 2027, trattandolo come un’esclusione Google-Extended per i siti che non hanno già configurato quel token.

Un esempio minimo per escludere l’intero sito dall’addestramento:

User-Agent: __usage_ai-training
Disallow: /

Si tratta di una dichiarazione di preferenza: i fornitori che aderiscono si impegnano a rispettarla, ma nulla obbliga chi non ha aderito.

Il calendario da segnare in agenda

Le date sono ravvicinate e conviene annotarle subito:

  • 15 dicembre 2026: in Bing Webmaster Tools si aprono le preferenze temporanee di grounding per i siti che oggi usano NoArchive o NoCache.
  • 1° febbraio 2027: le nuove preferenze entrano in vigore man mano che le pagine vengono scansionate. Se Bing trova le nuove direttive, ignora i vecchi tag su quel sito.
  • 1° marzo 2027: termine per pubblicare le preferenze di grounding o registrare quelle temporanee. Dopo questa data NoArchive e NoCache non verranno più interpretati come scelte sull’IA.
  • 30 settembre 2027: scadenza delle preferenze temporanee, o prima se la pagina viene riscansionata con la nuova direttiva.

Chi oggi usa NoArchive pensando di proteggersi dall’IA e non fa nulla entro marzo si ritroverà con le pagine considerate Allow per il grounding.

Proteggere i contenuti o cercare visibilità: una scelta di business

Non esiste un’impostazione giusta per tutti. Uno studio professionale che vive di nuovi contatti ha probabilmente interesse a essere citato nelle risposte di Copilot: lì il grounding è una vetrina. Un’azienda che vende corsi, manuali o contenuti premium può invece considerare quei testi un patrimonio da non cedere, almeno all’addestramento.

Microsoft stessa avverte che Disallow e DisallowExtended riducono la visibilità del marchio nelle esperienze IA. Allo stesso tempo, permettere tutto non garantisce né traffico né citazioni. Per molte PMI la soluzione più sensata è intermedia: escludere l’addestramento, lasciare il grounding aperto sulle pagine commerciali e valutare con più cautela le sezioni ad alto valore, come l’area riservata o i materiali formativi. In ogni caso la decisione va presa insieme a chi segue il marketing, non lasciata solo al tecnico.

Applicare le impostazioni su un sito WordPress

Su WordPress l’operazione è alla portata, ma richiede ordine. Il file robots.txt può essere fisico nella radice del sito oppure generato virtualmente da WordPress o da plugin SEO come Rank Math, che ne permettono la modifica dal pannello: prima di intervenire bisogna capire quale dei due è attivo, altrimenti le modifiche non hanno effetto.

Per le direttive a livello di pagina servono un meta tag nell’intestazione, ad esempio <meta name="Bingbot" content="ai-grounding:disallow">, oppure l’intestazione HTTP X-Robots-Tag configurata sul server. Su un sito con molte pagine conviene applicarle per tipo di contenuto o per categoria, tramite il tema figlio o un piccolo snippet, invece che a mano. Dopo la pubblicazione, il protocollo IndexNow può segnalare le modifiche a Bing e aumentare la probabilità di una nuova scansione, senza però garantire una data.

Da dove partire nelle prossime settimane

Il lavoro si può organizzare in pochi passaggi, senza aspettare l’ultimo momento:

  • verificare se il sito usa già NoArchive, NoCache o blocchi verso crawler IA come GPTBot o Google-Extended;
  • classificare le sezioni del sito in tre gruppi: da promuovere, da proteggere, indifferenti;
  • decidere le preferenze di addestramento e grounding per ciascun gruppo e documentare la scelta;
  • controllare l’accesso a Bing Webmaster Tools, spesso trascurato rispetto a Google Search Console;
  • pubblicare le direttive, testarle e ricontrollarle dopo ogni aggiornamento importante di tema o plugin.

Le nuove regole non risolvono la questione del valore economico dei contenuti, ma offrono finalmente uno strumento leggibile per dire ai sistemi di IA cosa possono fare con il vostro sito. Usarlo in modo consapevole, con una politica coerente con gli obiettivi aziendali, è un vantaggio rispetto a chi lascerà i valori predefiniti senza saperlo.


Vuoi saperne di più? Contattaci per una consulenza gratuita.