Bloccare il crawler ha pubblicato le vostre chat

Un operatore di ricerca ha restituito il lavoro altrui

Nel fine settimana del 25 luglio un utente ha digitato su Google un solo operatore di ricerca, site:claude.ai/share, e si è visto restituire centinaia di conversazioni altrui con Claude. Non erano anteprime né titoli. Erano trascrizioni integrali, poggiate sul web aperto, leggibili da chiunque ripetesse la stessa interrogazione. Le cronache fino al 27 luglio descrivevano strategie legali scritte da avvocati in attività, sessioni di ingegneria e di diagnostica, curriculum e dettagli finanziari indicizzati accanto a domande del tutto ordinarie.

Entro il 27 luglio i risultati di Google erano in gran parte spariti, dopo che Anthropic aveva modificato la configurazione delle proprie pagine di condivisione. Bing continuava a restituirne una parte. Quella distanza fra due motori è il primo segnale utile: l'esposizione non è mai dipesa dall'intenzione del fornitore, è dipesa da ciò che ogni crawler era già stato autorizzato a fare, e il permesso era stato concesso molto prima che qualcuno guardasse.

È il divieto ad aver fermato la correzione

Il meccanismo pesa più dell'incidente. Il robots.txt di Anthropic vietava già la scansione dei propri URL di condivisione. Sembra la protezione più forte ed è la più debole. La documentazione di Google Search Central è esplicita sull'interazione: perché la regola noindex sia efficace, la pagina non deve essere bloccata da un file robots.txt, perché un crawler a cui viene negato l'accesso non legge mai l'istruzione che gli chiede di starne fuori, e l'indirizzo può comparire ugualmente nei risultati quando altre pagine vi rimandano.

Il divieto quindi non si è limitato a non aiutare. Ha eliminato l'unico canale attraverso il quale l'istruzione corretta poteva arrivare. Basta che un collegamento condiviso venga pubblicato una volta in un forum aperto, in un thread di assistenza o in un registro di chat esportato per consegnare l'indirizzo a Google, e da quel momento una pagina bloccata è una pagina indicizzabile. La configurazione sicura è quella controintuitiva: lasciate che il crawler raggiunga la pagina, così da potergli dire, con un'intestazione o un meta tag, di non elencare ciò che trova.

Due fornitori, un archivio, lo stesso cablaggio

Un repository pubblico su GitHub chiamato Shared-Claude-Chats aveva già radunato 453 conversazioni di Claude e 519 chat di Grok estratte dai collegamenti esposti. È il secondo numero a meritare la riflessione più lunga. Due fornitori senza alcun rapporto fra loro, due funzioni di condivisione costruite separatamente, un guasto identico. Non è un difetto nel rilascio di una singola azienda. È uno schema progettuale nel modo in cui i prodotti conversazionali distribuiscono indirizzi.

Lo schema si riproduce senza sforzo. Una squadra aggiunge la condivisione tramite collegamento, considera privato l'URL che ne risulta perché è lungo e non indovinabile, e non scrive mai una regola di indicizzazione perché nessuno si aspetta che l'indirizzo viaggi. L'indirizzo viaggia sempre. Se il vostro prodotto, il vostro portale documentale, il vostro cruscotto di reportistica o il vostro sistema di consegna ai clienti genera collegamenti così, avete lo stesso cablaggio e con ogni probabilità la stessa assunzione sottostante.

Verificate ogni superficie che genera collegamenti

Deindicizzare non equivale a rimediare. Togliere un risultato ferma i ritrovamenti futuri attraverso quel solo motore. Non richiama nulla che sia già stato scaricato, messo in cache, archiviato o ripubblicato, e la raccolta su GitHub è la prova che lo scaricamento è avvenuto. Per un'impresa europea la lettura giuridica ne discende subito: in base al GDPR la piattaforma è titolare del trattamento per ciò che il suo stesso servizio pubblica sul web aperto, e chi preme condividi autorizza la comunicazione a un destinatario scelto, non la pubblicazione né l'indicizzazione. Sono due operazioni di trattamento distinte, e acconsentire alla prima non copre la seconda.

Il lavoro di questa settimana non consiste nell'attendere un comunicato del fornitore. Elencate ogni superficie della vostra azienda che trasforma un contenuto in un collegamento che un estraneo potrebbe avere in mano: le chat condivise che il vostro personale crea negli strumenti di IA, la funzione di condivisione del vostro prodotto, le esportazioni dal vostro sistema di ticket, i report generati per i clienti. Per ciascuna, accertate che la pagina sia raggiungibile dai crawler e porti un noindex esplicito, invece di nascondersi dietro un divieto che in silenzio garantisce il contrario. Poi lanciate l'operatore site: contro i vostri domini e leggete che cosa torna. Il Garante per la protezione dei dati personali valuta la notifica sull'esposizione effettiva, non sullo stato attuale del motore.

Da leggere ora: Cognizant ha formato 30.000 persone su 350.000  |  La soluzione per Claude non arriva prima del 2027