Jeden operator wyszukiwania wydał cudzą pracę

W weekend 25 lipca użytkownik wpisał w Google jeden operator wyszukiwania, site:claude.ai/share, i otrzymał setki cudzych rozmów z Claude. Nie były to zapowiedzi ani nagłówki. Były to pełne zapisy, umieszczone w otwartej sieci, czytelne dla każdego, kto powtórzył to samo zapytanie. Doniesienia do 27 lipca opisywały strategie prawne pisane przez czynnych adwokatów, sesje inżynierskie i diagnostyczne, życiorysy oraz szczegóły finansowe zaindeksowane obok całkiem zwyczajnych pytań.

Do 27 lipca wyniki w Google w większości zniknęły, po tym jak Anthropic zmienił konfigurację swoich stron udostępniania. Bing nadal zwracał ich część. Ta różnica między dwiema wyszukiwarkami jest tu pierwszym użytecznym sygnałem: ujawnienie nigdy nie zależało od intencji dostawcy, zależało od tego, na co każdy robot miał już wcześniej pozwolenie, a pozwolenia udzielono na długo przed tym, zanim ktokolwiek zajrzał.

To zakaz zatrzymał poprawkę

Mechanizm waży więcej niż samo zdarzenie. Plik robots.txt firmy Anthropic już wcześniej zabraniał indeksowania jej adresów udostępniania. Brzmi to jak silniejsza ochrona, a jest słabsza. Własna dokumentacja Google Search Central wypowiada się o tym zależności wprost: aby reguła noindex zadziałała, strona nie może być zablokowana plikiem robots.txt, ponieważ robot, któremu odmówiono dostępu, nigdy nie odczyta polecenia nakazującego mu trzymać się z daleka, a adres i tak może pojawić się w wynikach, gdy odsyłają do niego inne strony.

Zakaz zatem nie tylko nie pomógł. Usunął jedyny kanał, którym mogła dotrzeć właściwa instrukcja. Wystarczy, że odnośnik udostępniania trafi raz na otwarte forum, do wątku pomocy technicznej albo do wyeksportowanego zapisu rozmowy, aby oddać adres w ręce Google, i od tej chwili strona zablokowana jest stroną możliwą do zaindeksowania. Bezpieczne ustawienie jest tym wbrew intuicji: pozwólcie robotowi dotrzeć do strony, żeby dało się mu powiedzieć, w nagłówku albo w znaczniku meta, aby nie umieszczał na liście tego, co znajdzie.

Dwaj dostawcy, jedno archiwum, to samo okablowanie

Publiczne repozytorium na GitHubie o nazwie Shared-Claude-Chats zebrało już 453 rozmowy z Claude i 519 czatów z Grokiem wyciągniętych z ujawnionych odnośników. To druga liczba zasługuje na najdłuższy namysł. Dwaj niepowiązani ze sobą dostawcy, dwie budowane osobno funkcje udostępniania, jedna identyczna awaria. To nie jest usterka we wdrożeniu pojedynczej firmy. To wzorzec projektowy w sposobie, w jaki produkty konwersacyjne rozdają adresy.

Wzorzec powiela się bez wysiłku. Zespół dokłada udostępnianie odnośnikiem, uznaje powstały adres za prywatny, bo jest długi i nie do odgadnięcia, i nigdy nie zapisuje reguły indeksowania, bo nikt nie spodziewa się, że adres ruszy w podróż. Adres zawsze rusza w podróż. Jeżeli wasz własny produkt, wasz portal dokumentów, wasz panel raportowy albo wasz system przekazywania materiałów klientom tworzy odnośniki w ten sposób, macie to samo okablowanie i z dużym prawdopodobieństwem to samo założenie pod spodem.

Zbadajcie każdą powierzchnię tworzącą odnośnik

Usunięcie z indeksu to nie naprawa. Zdjęcie wyniku zatrzymuje przyszłe znaleziska przez tę jedną wyszukiwarkę. Nie odzyskuje niczego, co już pobrano, zapisano w pamięci podręcznej, zarchiwizowano albo opublikowano ponownie, a zbiór na GitHubie jest dowodem, że pobieranie miało miejsce. Dla europejskiego przedsiębiorstwa wykładnia prawna wynika z tego natychmiast: zgodnie z RODO to platforma jest administratorem danych w zakresie tego, co jej własna usługa publikuje w otwartej sieci, a osoba naciskająca udostępnianie zezwala na ujawnienie wybranemu odbiorcy, nie na publikację i indeksowanie. To dwie różne operacje przetwarzania, a zgoda na pierwszą nie obejmuje drugiej.

Praca na ten tydzień nie polega na czekaniu na oświadczenie dostawcy. Wypiszcie każdą powierzchnię w firmie, która zamienia treść w odnośnik możliwy do trzymania przez obcą osobę: udostępnione czaty tworzone przez pracowników w narzędziach sztucznej inteligencji, funkcję udostępniania we własnym produkcie, eksporty z systemu zgłoszeń, generowane raporty dla klientów. Przy każdej potwierdźcie, że strona jest osiągalna dla robotów i nosi wyraźny noindex, zamiast chować się za zakazem, który po cichu gwarantuje coś odwrotnego. Następnie uruchomcie operator site: na własnych domenach i przeczytajcie, co wróci. Urząd Ochrony Danych Osobowych ocenia zgłoszenie na podstawie rzeczywistego ujawnienia, a nie obecnego stanu wyszukiwarki.

Czytaj dalej: Cognizant przeszkolił 30 000 z 350 000 osób  |  Naprawa awarii Claude nadejdzie dopiero w 2027