Bloquear o rastreador publicou as suas conversas

Um operador de pesquisa devolveu o trabalho alheio

No fim de semana de 25 de julho, um utilizador escreveu no Google um único operador de pesquisa, site:claude.ai/share, e recebeu centenas de conversas alheias com o Claude. Não eram pré-visualizações nem títulos. Eram transcrições completas, assentes na web aberta, legíveis por qualquer pessoa que repetisse a mesma consulta. As notícias publicadas até 27 de julho descreviam estratégias jurídicas redigidas por advogados no exercício da profissão, sessões de engenharia e de deteção de avarias, currículos e pormenores financeiros indexados ao lado de perguntas inteiramente banais.

A 27 de julho, os resultados do Google tinham desaparecido em grande parte, depois de a Anthropic ter alterado a configuração das suas páginas de partilha. O Bing continuava a devolver uma parte deles. Essa diferença entre dois motores é o primeiro sinal aproveitável: a exposição nunca dependeu da intenção do fornecedor, dependeu daquilo que cada rastreador já tinha autorização para fazer, e essa autorização fora concedida muito antes de alguém reparar.

Foi a proibição que travou a correção

O mecanismo pesa mais do que o incidente. O robots.txt da Anthropic já proibia o rastreio dos seus endereços de partilha. Parece a proteção mais forte e é a mais fraca. A própria documentação do Google Search Central é explícita quanto a esta interação: para que a regra noindex produza efeito, a página não pode estar bloqueada por um ficheiro robots.txt, porque um rastreador a quem o acesso é recusado nunca lê a instrução que lhe pede para se manter afastado, e o endereço pode surgir na mesma nos resultados quando outras páginas lhe fazem ligação.

A proibição, portanto, não se limitou a não ajudar. Eliminou o único canal por onde a instrução correta poderia chegar. Basta que uma ligação de partilha seja publicada uma vez num fórum aberto, num tópico de apoio ou num registo de conversa exportado para entregar o endereço à Google, e a partir desse momento uma página bloqueada é uma página indexável. A configuração segura é a contraintuitiva: deixe o rastreador chegar à página, para lhe poder dizer, num cabeçalho ou numa etiqueta meta, que não liste aquilo que encontrar.

Dois fornecedores, um arquivo, a mesma montagem

Um repositório público no GitHub chamado Shared-Claude-Chats já tinha reunido 453 conversas do Claude e 519 conversas do Grok retiradas das ligações expostas. É o segundo número que merece a reflexão mais demorada. Dois fornecedores sem qualquer relação entre si, duas funções de partilha construídas em separado, uma falha idêntica. Não é um defeito na entrega de uma só empresa. É um padrão de conceção no modo como os produtos de conversação distribuem endereços.

O padrão repete-se sem esforço. Uma equipa acrescenta a partilha por ligação, considera privado o endereço que daí resulta por ser longo e impossível de adivinhar, e nunca escreve uma regra de indexação porque ninguém espera que o endereço viaje. O endereço viaja sempre. Se o seu produto, o seu portal documental, o seu painel de relatórios ou o seu sistema de entrega a clientes gera ligações desta maneira, tem a mesma montagem e muito provavelmente o mesmo pressuposto por baixo.

Audite todas as superfícies que geram ligações

Desindexar não é sanar. Retirar um resultado trava as descobertas futuras através daquele motor em concreto. Não recupera nada que já tenha sido descarregado, guardado em cache, arquivado ou republicado, e a recolha no GitHub é a prova de que o descarregamento aconteceu. Para uma empresa europeia, a leitura jurídica decorre de imediato: ao abrigo do RGPD, a plataforma é responsável pelo tratamento daquilo que o seu próprio serviço publica na web aberta, e quem carrega em partilhar autoriza a comunicação a um destinatário escolhido, não a publicação nem a indexação. São duas operações de tratamento distintas, e consentir na primeira não abrange a segunda.

O trabalho desta semana não passa por esperar por um comunicado do fornecedor. Enumere todas as superfícies do seu negócio que transformam conteúdo numa ligação que um estranho poderia ter em mãos: as conversas partilhadas que a sua equipa cria em ferramentas de IA, a função de partilha do seu próprio produto, as exportações do seu sistema de tíquetes, os relatórios gerados para clientes. Confirme em cada uma que a página está acessível aos rastreadores e leva um noindex explícito, em vez de se esconder atrás de uma proibição que garante em silêncio o contrário. Depois, execute o operador site: contra os seus próprios domínios e leia o que volta. A Comissão Nacional de Proteção de Dados avalia a notificação pela exposição efetiva, não pelo estado atual do motor de busca.

Leia a seguir: Cognizant formou 30.000 de 350.000 em Claude  |  A solução para as falhas do Claude só chega em 2027