Questa lettera anticipa l’introduzione di un libro a cui sto lavorando, «Per un’ecologia materialista dell’informazione».
Il 29 agosto 2025 João Tomé, analista di Cloudflare, ha pubblicato quante pagine copiano i programmi automatici delle grandi imprese della rete per ogni lettore che rimandano ai siti da cui le hanno prese. Cloudflare protegge e accelera una parte dei siti del mondo facendone passare il traffico per i propri server, e quei conti li può fare dall’interno. Nel luglio del 2025 il crawler di Google (il programma che percorre la rete da solo e ne copia le pagine) ne scaricava 5,4 per ogni visita restituita. Il crawler di Perplexity ne scaricava 195, quello di OpenAI 1.091, quello di Anthropic 38.066. Per Anthropic era già un miglioramento, perché fra gennaio e luglio la media era stata di 147.755 pagine per visita. Nei dodici mesi precedenti, sempre secondo Cloudflare, l’80 per cento delle pagine copiate dai crawler dell’intelligenza artificiale era servito ad addestrare i modelli.¹
La fiaba che i fratelli Grimm raccolsero al numero quindici dei loro racconti per bambini comincia con il pane che manca. Quando la matrigna decide di abbandonare Hänsel e Gretel nel bosco, Hänsel si riempie le tasche dei ciottoli bianchi che davanti a casa brillano sotto la luna, e li lascia cadere uno per uno lungo la strada; la notte i ciottoli riportano i bambini a casa. La seconda volta la porta è chiusa a chiave e quindi Hänsel può servirsi soltanto del pezzo di pane della giornata, che sbriciola in tasca e semina lungo il cammino. Quando la luna sorge il sentiero non c’è più, perché le briciole se le sono mangiate «le molte migliaia di uccelli che volano nel bosco e nei campi».² Il ciottolo resta dove lo si posa e restituisce la strada a chi l’ha segnata; la briciola è un segno commestibile, che vale per chi la semina soltanto finché nessuno la mangia.
Per trent’anni abbiamo seminato la rete di testi, fotografie, recensioni, codice, risposte nei forum e voci di enciclopedia, contando su uno scambio: un lettore cita, la citazione rimanda, il rimando porta visite, e le visite fanno vivere i siti che pubblicano le informazioni. Su quello scambio i motori di ricerca hanno costruito la rete aperta; il loro crawler copia le pagine, ma le restituisce sotto forma di collegamenti: l’utente che interroga il motore riceve un elenco di indirizzi, ci clicca sopra e arriva sul sito che ha scritto la risposta, sicché la pagina copiata torna indietro come visita. Il crawler di un modello linguistico copia allo stesso modo, ma per addestrare il modello e farlo rispondere al posto dei siti. La risposta arriva già confezionata nella finestra della chat, e l’utente non ha più motivo di andare a vedere da dove venga. Nei conti di Cloudflare il motore di ricerca lascia un ciottolo ogni cinque briciole, il crawler di Anthropic uno ogni trentottomila.
Il 22 luglio 2025 il Pew Research Center, un istituto di ricerca statunitense, ha pubblicato i dati di navigazione di 900 adulti seguiti nel marzo dello stesso anno. Su 68.879 ricerche fatte su Google, il 18 per cento mostrava in cima un riassunto scritto dall’intelligenza artificiale. Quando il riassunto c’era, gli utenti cliccavano un risultato tradizionale nell’8 per cento delle visite, contro il 15 per cento quando non c’era; cliccavano uno dei collegamenti citati nel riassunto nell’1 per cento dei casi; e chiudevano la sessione, senza andare da nessuna parte, nel 26 per cento dei casi, contro il 16.³ Il campione riguarda soltanto gli Stati Uniti e un solo mese, ma misura il gesto da cui dipendevano le visite: il clic che riporta il lettore al sito.
Il 17 ottobre 2025 Marshall Miller, della Wikimedia Foundation, la fondazione che sostiene Wikipedia, ha pubblicato i dati sul traffico dell’enciclopedia. Rivedendo la classificazione delle visite fra marzo e agosto, la Fondazione aveva scoperto che una parte di quelle contate come umane, soprattutto in maggio e giugno e in gran parte dal Brasile, veniva da programmi di estrazione costruiti per non farsi riconoscere. Tolti quelli, le pagine viste da persone risultavano in calo di circa l’8 per cento rispetto agli stessi mesi del 2024. Fra le cause, la Fondazione indicava i motori di ricerca che rispondono direttamente, spesso con i contenuti di Wikipedia, e chiedeva ai modelli linguistici, ai chatbot e ai motori di ricerca di rimandare i visitatori alle voci e di citare le fonti.⁴ Qualche mese prima aveva registrato che i programmi automatici producevano circa il 35 per cento delle pagine viste, ma almeno il 65 per cento del traffico più costoso. Le voci lette spesso restano in memoria nei data center vicini ai lettori; i programmi che copiano in blocco leggono anche le voci che nessuno consulta da tempo, e quelle vanno prese ogni volta dal data center centrale della Fondazione.⁵ Wikipedia paga così due volte: con il lavoro dei volontari che scrivono l’enciclopedia e con i server che la consegnano ai programmi che la copiano. E perde i lettori che, aperta una voce, avrebbero visto un errore da correggere o la richiesta di donazione.
Stack Overflow è il sito di domande e risposte su cui per anni i programmatori hanno pubblicato, a disposizione di tutti, le soluzioni a problemi comuni. Maria del Rio-Chanona, Nadzeya Laurentsyeva e Johannes Wachs ne hanno confrontato l’attività dopo l’uscita di ChatGPT con quella di siti analoghi in Russia e in Cina, dove l’accesso al modello era limitato, e con i forum di matematica, dove il modello era meno capace di rubacchiare. Entro sei mesi l’attività su Stack Overflow era calata di circa il 25 per cento rispetto a quanto sarebbe stato prevedibile senza ChatGPT, e gli autori considerano la stima un limite inferiore.⁶ Le domande non spariscono: si spostano dalle pagine pubbliche alle conversazioni private con un modello. La risposta che prima restava sul sito, a disposizione di chiunque, compresi i modelli futuri, ora resta nella cronologia di un utente e nei server di un’impresa.
Shayne Longpre, Robert Mahari e gli altri ricercatori della Data Provenance Initiative hanno misurato fra il 2023 e il 2024 le restrizioni comparse nei file robots.txt (il file con cui un sito indica ai programmi automatici quali pagine possono copiare) e nei termini di servizio delle fonti di C4, una raccolta di pagine web ripulite che Google ha ricavato dagli archivi pubblici della rete e che è servita ad addestrare molti modelli. In un anno i siti avevano reso del tutto inaccessibile almeno il 5 per cento dei token di C4 (le unità di testo, parole o frammenti di parola, con cui i modelli contano il materiale), e il 28 per cento e oltre fra le fonti più attive e più importanti; i termini di servizio limitavano la copia sul 45 per cento della raccolta.⁷ La chiusura arriva dopo il raccolto, e ferma i nuovi arrivati: i ricercatori, gli enti senza scopo di lucro, le imprese nuove. Le imprese che hanno copiato la rete prima della chiusura hanno già la dispensa piena, e gli accordi di licenza con i grandi editori riaprono la porta a chi può pagarli.
Dal 2 agosto 2025 l’AI Act, il regolamento europeo sull’intelligenza artificiale, obbliga le imprese che sviluppano modelli per finalità generali a pubblicare una sintesi dei contenuti usati per addestrarli, secondo un modello che l’Ufficio europeo per l’intelligenza artificiale ha fissato il 24 luglio 2025. La sintesi elenca i grandi insiemi di dati usati e, per i testi raccolti in rete, il 10 per cento dei domini principali (il 5 per cento, o mille domini, per le piccole e medie imprese), insieme ai contenuti presi sotto licenza, a quelli generati dagli utenti e a quelli sintetici. L’obbligo vale subito per i modelli nuovi e dal 2 agosto 2027 per quelli già sul mercato; dal 2 agosto 2026 l’Ufficio può verificarlo, con sanzioni fino a 15 milioni di euro o al 3 per cento del fatturato mondiale.⁸ Nel modello europeo c’è un campo per i siti da cui il modello ha preso, e non ce n’è uno per le visite che ha restituito: il numero che Cloudflare ha misurato dall’esterno, le pagine copiate per ogni lettore rimandato, nessuno è tenuto a dichiararlo.
Note
João Tomé, «The crawl-to-click gap: Cloudflare data on AI bots, training, and referrals», blog di Cloudflare, 29 agosto 2025. Rapporto fra pagine scansionate e visite rimandate nel luglio 2025: Google 5,4; Perplexity 194,8; OpenAI 1.091,4; Anthropic 38.065,7. Media gennaio-luglio 2025: Google 11,8; Anthropic 147.754,7. In originale: "Over the past 12 months, 80% of AI crawling was for training". Riscontrato alla fonte primaria il 20 ottobre 2026.
Jacob e Wilhelm Grimm, «Hänsel und Gretel», in Kinder- und Hausmärchen, n. 15, edizione definitiva del 1857. In originale: "denn die viel tausend Vögel, die im Walde und im Felde umherfliegen, die hatten sie weggepickt". Traduzione mia.
Pew Research Center, «Google users are less likely to click on links when an AI summary appears in the results», 22 luglio 2025. Campione di 900 adulti statunitensi, navigazione del marzo 2025; i riassunti compaiono in 12.593 ricerche su 68.879. Riscontrato alla fonte primaria il 20 ottobre 2026.
Marshall Miller, «New user trends on Wikipedia», «Diff», Wikimedia Foundation, 17 ottobre 2025, aggiornato il 13 febbraio 2026. In originale: "a decrease of roughly 8% as compared to the same months in 2024" e "bots that were built to evade detection". Riscontrato alla fonte primaria il 20 ottobre 2026.
Wikimedia Foundation, «How crawlers impact the operations of the Wikimedia projects», «Diff», 1 aprile 2025. In originale: "65% of our most expensive traffic comes from bots" e "crawler bots tend to 'bulk read' larger numbers of pages". Riscontrato alla fonte primaria il 20 ottobre 2026.
R. Maria del Rio-Chanona, Nadzeya Laurentsyeva, Johannes Wachs, «Large language models reduce public knowledge sharing on online Q&A platforms», «PNAS Nexus», 3, 9, 2024, pgae400. In originale: "We interpret this estimate as a lower bound of the true impact of ChatGPT on Stack Overflow". Riscontrato alla fonte primaria il 20 ottobre 2026.
Shayne Longpre, Robert Mahari, Ariel Lee, Campbell Lund e altri, «Consent in Crisis: The Rapid Decline of the AI Data Commons», NeurIPS 2024, Datasets and Benchmarks Track, arXiv 2407.14933. In originale: "a full 45% of C4 is now restricted". Riscontrato alla fonte primaria il 20 ottobre 2026.
Regolamento (UE) 2024/1689, art. 53, par. 1, lett. d, e art. 101; Commissione europea, modello di sintesi pubblica dei contenuti di addestramento, 24 luglio 2025, nella sintesi di WilmerHale: "list of the top 10% of domain names used" e "the top 5% or 1,000 domains for small and medium-sized enterprises". Riscontrato su fonte di seconda mano il 20 ottobre 2026.

