FAQ sul blocco dell'addestramento dell'IA.

Puoi ridurre l'esposizione, ma non puoi garantire il controllo completo una volta che le foto sono pubbliche. Mantieni private le foto sensibili, controlla le impostazioni delle piattaforme, evita di caricare pubblicamente immagini ad alta risoluzione e usa i controlli per i crawler sul tuo sito web.

Solo dopo aver rimosso i dettagli che non ti servono per il compito. Nomi, indirizzi, numeri di telefono, date di nascita, firme, segreti del datore di lavoro e referenze possono spesso essere sostituiti con segnaposto.

Fai attenzione. Referti medici, passaporti, documenti scolastici, atti legali, file bancari e documenti di famiglia possono contenere dati sensibili su altre persone. Usa impostazioni sulla privacy approvate oppure non caricarli.

Dipende dal prodotto, dal tipo di account e dalle impostazioni. Alcuni fornitori offrono controlli, piani team o condizioni API che trattano i dati in modo diverso. Controlla le impostazioni attuali prima di digitare informazioni sensibili.

Non con un unico interruttore tecnico. Il robots.txt può chiedere ai crawler conformi di stare alla larga, ma è volontario e non rimuove le copie che esistono già altrove.

Il robots.txt è una convenzione tecnica, non un contratto di per sé. Può sostenere la tua posizione politica, ma le questioni legali dipendono dalla giurisdizione, dalle condizioni, dal diritto d'autore, dai contratti e dall'applicazione.

Bloccare gli agenti specifici dell'IA non dovrebbe essere trattato allo stesso modo del blocco di Googlebot. Se blocchi i normali crawler di ricerca, la visibilità nella ricerca può risentirne. Controlla attentamente ogni user agent.

Solo se comprendi il compromesso. Gli agenti attivati dall'utente possono recuperare pagine quando una persona chiede a uno strumento IA di leggere il tuo sito. Bloccarli può ridurre la scoperta assistita dall'IA.

Google descrive Google-Extended come un controllo relativo ad alcuni usi dell'IA generativa. È diverso dal normale crawling della Ricerca Google, ma dovresti verificare la documentazione più recente di Google.

Usa i controlli sui dati dell'account, i controlli business o enterprise dove necessario, le impostazioni di conservazione, l'oscuramento e regole di caricamento rigorose. Non affidarti alle regole per i crawler del sito web per i caricamenti privati.

Di solito ciò dovrebbe essere regolato da una policy aziendale. Documenti sensibili di clienti, risorse umane, ambito legale, finanziario, medico o coperti da segreto commerciale non dovrebbero essere caricati senza approvazione.

Le policy differiscono in base al prodotto, al tipo di account e alle impostazioni. I prodotti consumer, team, enterprise e API possono gestire i dati in modo diverso. Controlla sempre le condizioni attuali del fornitore.

Puoi ridurre il rischio con controlli per i crawler, gallerie autenticate, condizioni di licenza, filigrane, metadati di provenienza e impostazioni delle piattaforme, ma le immagini pubbliche possono comunque essere copiate da attori non conformi.

No. Alcuni strumenti possono rispettare determinati metadati, ma il supporto non è universale. Consideralo un segnale, non uno scudo.

Non sempre. Se i motori di risposta IA portano traffico, citazioni o scoperta del marchio, un blocco totale può costare visibilità. Decidi in base al tipo di pagina: privata, a pagamento, marketing pubblico, documentazione o notizie.

Inizia da ciò che controlli: non caricare file sensibili, mantieni privati gli album privati, usa segnaposto nei prompt, controlla le impostazioni del tuo account IA e aggiungi controlli per i crawler se gestisci un sito web.

Sì, le regole lato server possono essere più efficaci del robots.txt per il controllo del traffico. Richiedono comunque manutenzione perché gli user agent e gli intervalli di IP cambiano.

Sì. I blocchi dei crawler valgono solo per il futuro e solo per i crawler conformi. Non cancellano vecchi set di dati, mirror, archivi, screenshot o testo copiato.

No. Questo sito è una checklist educativa. Per contratti, controversie sul diritto d'autore, dati regolamentati o policy per i dipendenti, rivolgiti a un avvocato qualificato.

Di solito sono cose diverse. Un opt-out in genere chiede a un fornitore di non usare i dati futuri per l'addestramento, mentre una cancellazione chiede di rimuovere i dati che già detiene. L'uno non comporta automaticamente l'altra, e ciascuno può avere una propria procedura di richiesta, quindi controlla i controlli specifici del fornitore.

Dipende dal prodotto e da come viene definita quella modalità. Alcuni strumenti descrivono le chat temporanee come escluse dall'addestramento o dalla cronologia, ma i dettagli variano tra i fornitori e possono cambiare. Verifica la documentazione ufficiale dello strumento e del tipo di account specifici prima di dare per scontato che una chat temporanea sia esclusa.

Bloccare un crawler incide sul crawling conforme futuro, non sulle copie che esistono già. I dati raccolti in precedenza potrebbero già trovarsi in set di dati, archivi, mirror o copie di terze parti. Gli strumenti di opt-out e di blocco in genere non possono raggiungere quelle copie esistenti, ed è per questo che riducono anziché eliminare l'esposizione.

A volte esistono percorsi di opt-out o di richiesta di rimozione per specifici set di dati o fornitori, ma la copertura è disomogenea e volontaria. Una richiesta a un set di dati non incide su copie non correlate. Verifica se il set di dati o il fornitore specifico offre una procedura di rimozione documentata e mantieni aspettative realistiche.

Spesso le impostazioni predefinite differiscono per livello, ma non dovresti darlo per scontato. Alcuni livelli consumer possono usare gli input per migliorare i modelli a meno che tu non modifichi un'impostazione, mentre alcuni livelli business, enterprise o API pubblicizzano impostazioni predefinite senza addestramento. L'unica fonte affidabile sono le condizioni attuali per quel preciso prodotto e piano.

Common Crawl è un ampio crawl del web, disponibile pubblicamente, che molti ricercatori e progetti hanno usato come fonte di dati. Essere in un tale set di dati non significa di per sé che un modello specifico si sia addestrato sulla tua pagina, ma le pagine pubbliche possono finire in set di dati ampi. I controlli robots possono influenzare il crawling futuro ma non le copie esistenti.

Non necessariamente. I crawler di addestramento, gli agenti di navigazione in tempo reale e le conoscenze generali sono cose diverse. Bloccare un crawler di addestramento può ridurre l'uso futuro per l'addestramento, ma uno strumento potrebbe comunque descrivere il tuo sito a partire da dati precedenti, da testo fornito dall'utente o da un agente di navigazione separato. Verifica il ruolo di ciascun user agent nella documentazione del fornitore.

Non proprio. I rilevatori di IA cercano di indovinare se un testo sia stato generato dall'IA, un tema separato dalla questione se i tuoi dati vengano usati per l'addestramento. I rilevatori sono inoltre noti per essere inaffidabili, quindi trattali con cautela e non confonderli con i controlli di opt-out o per i crawler.

Le leggi sulla protezione dei dati come il GDPR dell'UE e il CCPA/CPRA della California possono conferire diritti sui dati personali, il che può essere rilevante quando i dati personali vengono trattati per l'IA. Come si applichino all'addestramento è complesso, dipende dai fatti specifici ed è ancora in evoluzione. Questa pagina è solo educativa; per qualsiasi aspetto rilevante, rivolgiti a un professionista qualificato in materia di protezione dei dati o legale.

I dati sui minori sono spesso trattati come particolarmente sensibili in base a molte norme e policy delle piattaforme. Sii molto cauto nel caricare documenti scolastici, foto o documenti che identificano minori, e preferibilmente non inserire affatto tali dati negli strumenti IA consumer. Dove possano applicarsi obblighi, chiedi una consulenza qualificata.

Dipende dagli strumenti, dai livelli e dai dati coinvolti. Una breve policy interna che indichi gli strumenti approvati, definisca i dati vietati e richieda l'oscuramento di solito aiuta più di un divieto totale che le persone ignorano di nascosto. I dati sensibili di clienti, risorse umane, legali o finanziari dovrebbero restare fuori dagli strumenti non approvati.

Le immagini possono essere raccolte tramite lo stesso crawling del web usato per il testo, quindi controlli per i crawler, gallerie autenticate e condizioni di licenza possono ridurre l'esposizione delle immagini che ospiti. Tuttavia, le immagini copiate e ri-ospitate altrove, o già presenti nei set di dati, sono al di fuori di questi controlli. I segnali nei metadati come noai sono volontari e supportati in modo disomogeneo.

I log del server, gli strumenti di analisi e una dashboard di firewall o CDN possono mostrare quali user agent richiedono le tue pagine, inclusi i crawler IA con nome. Poiché gli user agent e gli intervalli di IP cambiano e possono essere falsificati, tratta il monitoraggio come un'attività continua anziché una configurazione una tantum, e verifica i nomi attuali dei crawler nella documentazione ufficiale.