Perplexity ha copiato da Forbes e Wired

Le testate accusano il motore AI di aver riprodotto articoli integrali, mentre il dibattito sulla violazione del copyright infiamma l’industria

Immaginate di aver passato mesi a scavare in un’inchiesta, di averla pubblicata con la vostra firma, e poi di ritrovarla — parola per parola, struttura compresa — dentro la risposta di un chatbot, senza un link, senza una citazione, senza nemmeno un “fonte: noi”. È esattamente quello che è successo a Perplexity AI, il motore di ricerca potenziato dall’intelligenza artificiale che promette risposte invece di link blu, e che nei mesi scorsi si è trovato al centro di uno scandalo che ha coinvolto alcune delle testate più autorevoli del mondo. Non è stato un caso isolato: è stata la scintilla che ha fatto esplodere una tensione che covava da tempo tra chi produce informazione e chi la “digerisce” per restituirla agli utenti in una forma nuova, spesso senza chiedere permesso.

Il plagio perfetto: quando l’AI si è scoperta studente disonesto

Tutto è iniziato all’inizio di giugno 2024, quando Forbes ha minacciato Perplexity di azioni legali per plagio. La testata aveva scoperto che l’AI aveva riprodotto contenuti del suo lavoro giornalistico in modo sospettosamente fedele. Perplexity ha reagito in fretta: dopo la segnalazione di Forbes, ha aggiornato il layout delle sue pagine per dare più risalto ai crediti delle fonti, mettendoli finalmente in cima ai risultati. Il CEO Aravind Srinivas ha ammesso che il prodotto aveva “bordi ruvidi” (rough edges, ha detto testualmente) e che l’azienda avrebbe incorporato il feedback ricevuto. Una toppa rapida, ma non sufficiente a spegnere l’incendio.

Perché nel frattempo era arrivato anche il caso Wired, forse ancora più imbarazzante. Il giudizio più tagliente è arrivato non da un avvocato, ma da un professore di giornalismo: John Schwartz, che insegna alla scuola di giornalismo dell’Università del Texas ad Austin, ha detto che se uno dei suoi studenti gli avesse consegnato un pezzo come quello prodotto da Perplexity, lo avrebbe portato “davanti al comitato per la disonestà accademica per plagio”. È una frase che fotografa bene il paradosso di questi mesi: un’intelligenza artificiale miliardaria, presentata come il futuro della ricerca online, si comportava come lo studente che copia il tema dal compagno di banco senza nemmeno cambiare le virgole. Ma come ha fatto l’AI a “sbirciare” quegli articoli, magari protetti da paywall? La risposta, tutt’altro che rassicurante, è nel codice.

Robots.txt: perché il vecchio guardiano di Internet non funziona più

L’indignazione degli editori ha un fondamento tecnico preciso, e vale la pena capirlo perché riguarda tutti noi, non solo i giornalisti. Da decenni esiste un piccolo file, chiamato robots.txt, che ogni sito può mettere online per dire ai robot (i software che “leggono” automaticamente il web) quali pagine possono visitare e quali no. Secondo la definizione di Cloudflare, azienda di sicurezza informatica, un file robots.txt “contiene istruzioni per i bot che indicano quali pagine web possono o non possono accedere”. Per anni ha funzionato come un cartello di “vietato l’accesso” rispettato quasi religiosamente dai motori di ricerca tradizionali: Google lo legge, lo rispetta, e se un sito dice “non indicizzarmi”, Google non lo fa.

Il problema è che i nuovi crawler dell’intelligenza artificiale generativa hanno smesso di considerarlo un cartello vincolante e lo trattano più come un suggerimento facoltativo. La startup Tollbit, che si occupa di licenze per i contenuti, ha dichiarato che sempre più agenti AI “stanno scegliendo di bypassare il protocollo robots.txt per recuperare contenuti dai siti”. Non è un dettaglio da poco: significa che l’unico deterrente tecnico esistente su Internet contro lo scraping selvaggio sta diventando, di fatto, decorativo.

Gli esempi concreti non mancano. Secondo un’inchiesta di Wired, il chatbot Poe di Quora andava oltre il semplice riassunto: forniva agli utenti direttamente un file HTML degli articoli protetti da paywall, scaricabile senza pagare un centesimo alla testata che li aveva prodotti. Reddit, dal canto suo, ha risposto correndo ai ripari su due fronti: oltre ad aggiornare il proprio file robots.txt, ha iniziato a implementare una tecnica chiamata rate limiting, che limita quante volte un utente (o un bot) può compiere determinate azioni, come effettuare login, in un dato periodo di tempo. È una specie di tornello che si blocca se provi a passare troppe volte di fila: rallenta chi vuole raccogliere dati in massa. E la vicenda ha avuto ripercussioni anche più in alto nella catena: Amazon Web Services, che fornisce l’infrastruttura cloud a Perplexity, ha avviato una revisione delle accuse di scraping, e la portavoce Samantha Mayowa ha confermato che l’azienda stava valutando le informazioni ricevute proprio da Wired. Quando il tuo fornitore di cloud comincia a farti domande, è il segnale che la faccenda non è più solo una polemica da addetti ai lavori. Di fronte alle minacce legali, però, l’industria dell’informazione non ha scelto solo la trincea della difesa. Ha iniziato a chiedere una fetta della torta.

Dai ricatti ai ricavi: il nuovo patto tra AI e testate

Mentre gli avvocati affilavano le armi, i reparti commerciali hanno trovato una via d’uscita più pragmatica: i soldi. Il 30 luglio 2024 Perplexity ha lanciato un programma di condivisione dei ricavi pubblicitari con gli editori, dopo oltre un mese di accuse di plagio che ne avevano appannato la reputazione. Il cosiddetto “Publishers Program” condivide gli introiti pubblicitari con testate come Fortune e Time, trasformando in partner commerciali chi fino a poche settimane prima minacciava querele. Non è stata una mossa isolata: già in precedenza OpenAI aveva firmato un accordo pluriennale con News Corp per mostrare i contenuti delle testate del gruppo (tra cui Wall Street Journal e New York Post) in risposta alle domande degli utenti, un’intesa definita dalle due parti “storica” per la portata e la durata.

Il messaggio che arriva dal settore è chiaro: se lo scraping incontrollato non si può più fermare con un semplice file di testo, forse si può regolare con un contratto. Resta da capire se basterà a placare gli editori più piccoli, quelli senza il potere negoziale di un Forbes o di un News Corp, o se il web ha appena mostrato la prima crepa di una spaccatura più ampia tra chi ha la forza per farsi pagare e chi si limiterà a subire.

Il caso Perplexity ha segnato la fine dell’innocenza per le AI generative applicate alla ricerca: non si può più far finta che “riassumere” un articolo protetto da copyright sia un’operazione neutra e gratuita. Ora il confine tra innovazione e furto si decide a suon di assegni, accordi di licenza e programmi di revenue sharing. E noi lettori, che ogni giorno chiediamo a un chatbot di “spiegarci le notizie”, faremmo bene a chiederci una cosa semplice: chi sta davvero pagando l’informazione che stiamo leggendo?