Google e il monopolio dei dati AI: Cloudflare accusa il gigante della ricerca

Il suo crawler, Googlebot, raccoglierebbe una quantità di informazioni senza pari, sfruttando la posizione dominante nella ricerca online e costringendo gli editori a una scelta forzata per la visibilità dei loro contenuti.

Quando si parla di intelligenza artificiale, si pensa subito a chip potentissimi, algoritmi rivoluzionari e investimenti da capogiro.

Ma c’è un ingrediente fondamentale, spesso meno glamour, che può determinare il successo o il fallimento di un modello: i dati su cui viene addestrato.

E se l’accesso a questi dati non fosse affatto un campo di gioco livellato?

È la domanda che Cloudflare, una delle principali aziende di infrastrutture internet, ha sollevato con forza a fine gennaio, puntando il dito contro il colosso di Mountain View.

Secondo i dati raccolti dalla sua rete, che gestisce il traffico di una fetta enorme del web, Google avrebbe un vantaggio schiacciante e potenzialmente sleale nella corsa all’AI.

Il suo crawler, il software che scandaglia il web per indicizzarlo sul motore di ricerca, accederebbe a una quantità di informazioni senza pari rispetto ai concorrenti.

Numeri alla mano: Googlebot vedrebbe 3,2 volte più pagine web di OpenAI e 4,8 volte più pagine di Microsoft Bing.

Una disparità che, secondo Cloudflare, non è frutto di una tecnologia superiore, ma dello strapotere di Google nella ricerca online, un mercato in cui detiene stabilmente oltre l’85% delle quote a livello globale.

In pratica, il gigante userebbe il suo monopolio di fatto in un settore per costruirne un altro, quello dell’AI generativa, dove pure Microsoft e OpenAI sembrano inseguitori.

Non possiamo avere un mercato equo per l’IA quando Google sfrutta il suo monopolio nella ricerca.

— Matthew Prince, CEO di Cloudflare

La questione, però, va oltre una semplice classifica di chi “naviga” di più.

Il punto sollevato da Cloudflare tocca un nervo scoperto del digitale moderno: il controllo.

Per un editore o un creatore di contenuti, essere indicizzati da Google è vitale per il traffico.

Bloccare il crawler di Google significa, in molti casi, scomparire dalla vista del pubblico.

E qui sta il trucco, secondo gli accusatori.

Google utilizzerebbe un unico crawler, Googlebot, per due scopi distinti ma indivisibili: indicizzare il web per il motore di ricerca e raccogliere dati per addestrare i suoi modelli di intelligenza artificiale, come Gemini.

Un sito web che volesse impedire a Google di usare i suoi contenuti per l’AI si troverebbe di fronte a un dilemma impossibile: sparire dai risultati di ricerca o cedere i propri dati.

Una scelta che, di fatto, non è una scelta.

Mentre altri operatori, come OpenAI con GPTBot o Anthropic con ClaudeBot, hanno crawler dedicati e separati che i gestori dei siti possono bloccare senza conseguenze sulla visibilità organica, Google mescolerebbe le carte in modo da rendere il rifiuto estremamente costoso.

È una strategia che, se confermata, trasformerebbe il consenso in una finzione.

Il motore di ricerca come miniera d’oro per l’ai

Per capire la portata del vantaggio, bisogna guardare come funziona un motore di ricerca.

Google, come spiega nelle sue guide tecniche, scopre le pagine web pubbliche seguendo i link da un sito all’altro, portando indietro i dati per costruire un indice mastodontico di centinaia di miliardi di pagine.

Questo processo, noto come crawling, è la linfa vitale della ricerca.

Ma quella stessa linfa – miliardi di testi, immagini, strutture di siti – è anche il carburante perfetto per addestrare modelli linguistici.

Più dati di alta qualità e diversificati hai, più il tuo modello può diventare intelligente, preciso e aggiornato.

Cloudflare, osservando il traffico sulla sua rete per due mesi, ha notato che Googlebot non solo raggiunge più siti, ma riesce ad accedere con successo alle singole pagine con una frequenza schiacciante: quasi il doppio rispetto a ClaudeBot e GPTBot, il triplo rispetto all’agente di Meta e oltre il triplo rispetto a Bingbot.

In alcuni casi, il divario è abissale: Googlebot ha visto 167 volte più pagine uniche del crawler di Perplexity.

Questi numeri dipingono un panorama in cui Google ha accesso a una mappa del web incomparabilmente più dettagliata di chiunque altro.

E mentre Microsoft può contare sul suo motore Bing e su partnership strategiche, i suoi dati di partenza sembrano essere significativamente inferiori.

La risposta di Google a queste critiche si articola su due piani.

Dall’altro, nelle sue politiche sulla privacy, Google chiarisce di utilizzare le informazioni raccolte per “migliorare i nostri servizi e sviluppare nuovi prodotti, funzionalità e tecnologie a beneficio dei nostri utenti e del pubblico”.

In pratica, l’uso dei dati di crawling per l’AI rientrerebbe in questa ampia missione.

Tuttavia, questa giustificazione non convince i critici, che vedono nella posizione dominante in ricerca un acceleratore ingiusto.

Il problema non è che Google usi i dati pubblici – lo fanno tutti – ma che la sua capacità di raccoglierli sia amplificata da una posizione di mercato che costringe gli editori a una collaborazione forzata.

È come se un unico attore controllasse sia l’unica biblioteca pubblica sia la più grande fabbrica di enciclopedie, avendo il diritto di copiare ogni libro in entrata per la sua produzione commerciale, mentre i concorrenti devono accontentarsi degli scaffali più vuoti.

L’europa indaga, ma il vero banco di prova è il mercato

La controversia non è rimasta confinata alle discussioni tecniche.

A dicembre 2025, la Commissione Europea ha avviato un’indagine antitrust formale proprio sulle pratiche di Google nell’uso dei contenuti per l’AI.

I regolatori di Bruxelles stanno esaminando se il gigante imponga condizioni sleali a editori e creatori, utilizzando i loro contenuti per addestrare modelli (come le funzionalità “AI Overviews” nella ricerca) senza un compenso adeguato e senza offrire un meccanismo di opt-out praticabile che non penalizzi la visibilità.

L’indagine si estende anche a YouTube, per verificare se i termini di servizio obblighino i creator a concedere a Google i diritti di usare il loro materiale per l’AI, mentre si nega lo stesso accesso agli sviluppatori concorrenti.

Se l’UE dovesse stabilire che si tratta di abuso di posizione dominante, potrebbe costringere Google a scindere le sue attività di crawling per la ricerca da quelle per l’AI, o a introdurre regole di compensazione chiare.

Sarebbe un precedente enorme per tutto il mercato digitale.

Nel frattempo, la battaglia si gioca anche sui numeri dei bilanci.

Microsoft, nonostante lo svantaggio iniziale nei dati di crawling, sta investendo somme colossali – decine di miliardi di dollari in infrastrutture cloud e chip – per mantenere la sua posizione nell’AI, trainata dalla partnership con OpenAI.

Tuttavia, questi investimenti stanno mettendo sotto pressione i suoi margini di profitto, mentre Google Cloud, partendo da una base minore, sta crescendo a ritmi vertiginosi.

La corsa sembra dimostrare che, sebbene i dati grezzi siano un vantaggio potente, non sono l’unico fattore.

Servono anche capitali per trasformarli in modelli efficienti e una strategia per integrarli nei prodotti.

Google sta spingendo per integrare Gemini in tutti i suoi servizi, da Workspace alla ricerca, cercando di tradurre il suo vantaggio in dati in un vantaggio in esperienza utente.

Alla fine, la domanda che rimane sospesa è più filosofica che tecnologica: fino a che punto il successo in un settore tecnologico dovrebbe poter determinare il successo in quello successivo?

L’era dell’AI rischia di essere plasmata non solo dal talento degli ingegneri e dalla bontà degli algoritmi, ma anche dalle posizioni di monopolio costruite nell’era di internet che l’ha preceduta.

Cloudflare, con il suo allarme, ha sollevato il coperchio su una dinamica di potere spesso invisibile agli utenti finali.

Ma se per avere un’intelligenza artificiale davvero innovativa e pluralista serve un mercato equo dei dati, chi sarà in grado di garantirlo?

I regolatori europei con le loro indagini, o la concorrenza stessa, costretta a trovare strade alternative per raccogliere informazioni?

La risposta definirà non solo chi vincerà la corsa all’AI, ma anche quanto questa tecnologia sarà davvero diversificata e al servizio di tutti.