---
title: "Si può vietare all’AI di addestrarsi sui testi del sito aziendale? Che cosa dice la legge, e come si fa"
description: "Manuali e articoli pubblicati online possono addestrare l’AI di altri, se non dite di no. Che cosa chiede la legge, come si scrive il no, dove non arriva."
url: https://csidia.com/note-operative/vietare-ai-addestramento-testi-sito-aziendale/
lang: it
date: 2026-11-05
label: "Normativa"
publisher: CSIDIA S.r.l. (https://csidia.com/)
---

# Si può vietare all’AI di addestrarsi sui testi del sito aziendale? Che cosa dice la legge, e come si fa

Se sul sito della vostra azienda pubblicate manuali, schede tecniche o articoli dei vostri tecnici, la domanda vi riguarda: quei testi possono servire ad addestrare l’AI di qualcun altro, e potete impedirlo? La legge europea e quella italiana dicono che si può. Ma il no va detto, in un modo preciso, e non copre tutto.

## Se non dite niente, è permesso

La direttiva europea sul diritto d’autore del 2019 permette a chiunque, anche a un’azienda che addestra modelli di AI, di copiare e analizzare in modo automatico opere e altri materiali a cui ha accesso legalmente: è l’estrazione di testo e di dati. La condizione sta all’articolo 4, paragrafo 3: vale purché l’uso «non sia stato espressamente riservato dai titolari dei diritti in modo appropriato, ad esempio attraverso strumenti che consentano lettura automatizzata in caso di contenuti resi pubblicamente disponibili online».

In Italia la stessa regola è nell’articolo 70-quater della legge sul diritto d’autore: «L'estrazione di testo e di dati è consentita quando l'utilizzo delle opere e degli altri materiali non è stato espressamente riservato» dai titolari. Dal 10 ottobre 2025 la legge 132/2025 sull’intelligenza artificiale ha aggiunto l’articolo 70-septies, che lo dice in chiaro anche per l’estrazione fatta «attraverso modelli e sistemi di intelligenza artificiale, anche generativa».

Quindi il silenzio vale come permesso, e per i testi pubblicati online la riserva deve poterla leggere un programma. C’è anche un limite che non si toglie: università e centri di ricerca non commerciali, biblioteche e archivi possono fare estrazione per la ricerca scientifica anche se avete scritto la riserva (art. 70-ter).

## Chi la deve rispettare

Dal 2 agosto 2025 l’AI Act obbliga chi fornisce modelli per finalità generali, come i grandi modelli linguistici, ad avere una politica sul diritto d’autore e a «individuare e rispettare» queste riserve (art. 53, paragrafo 1, lettera c). Vale per chiunque metta un modello sul mercato europeo, ovunque l’abbia addestrato (considerando 106); i modelli già sul mercato prima di quella data hanno più tempo (art. 111).

Il codice di buone pratiche, pubblicato il 10 luglio 2025 e giudicato adeguato dalla Commissione europea, ne fa un impegno pratico. Chi lo firma si impegna «to employ web-crawlers that read and follow instructions expressed in accordance with the Robot Exclusion Protocol (robots.txt)», *a usare robot che leggono e seguono le istruzioni del file robots.txt*, e a dire pubblicamente quali robot usa. Fra i firmatari ci sono OpenAI, Google, Microsoft, Anthropic, Amazon e Mistral AI.

## Come si scrive il no

Il file robots.txt sta nella cartella principale del sito e dice ai robot dove non entrare. I fornitori pubblicano il nome da usare per l’addestramento, distinto da quello per la ricerca:

- **OpenAI.** «Disallowing GPTBot indicates a site’s content should not be used in training generative AI foundation models», *escludere GPTBot indica che i contenuti del sito non vanno usati per addestrare modelli di AI generativa*. Il robot della ricerca dentro ChatGPT è un altro, OAI-SearchBot.
- **Google.** Google-Extended non è un robot ma un nome da usare nel file: decide se i testi raccolti da Google possono addestrare i futuri modelli Gemini e servire alle risposte delle app Gemini; «Google-Extended does not impact a site's inclusion in Google Search», *non tocca la presenza del sito nella ricerca Google*.
- **Gli altri.** Anthropic usa ClaudeBot, Apple il nome Applebot-Extended; CCBot è il robot di Common Crawl, un archivio pubblico del web.

Per ogni nome bastano due righe: `User-agent: GPTBot` e sotto `Disallow: /` chiudono tutto il sito; `Disallow: /manuali/` solo la cartella dei manuali.

Poi scrivete la riserva anche nelle note legali del sito, citando l’articolo 70-quater: un testo chiaro è una prova in più. Attenti però ai robot della ricerca: i siti che escludono OAI-SearchBot, scrive OpenAI, non compaiono nelle risposte di ricerca di ChatGPT.

## Che cosa il no non fa

- **Vale da adesso in poi.** Anthropic scrive che escludere ClaudeBot «signals that the site's future materials should be excluded from our AI model training datasets», *segnala che i materiali futuri del sito vanno esclusi dall’addestramento*. Su quello che è già stato raccolto, il file non dice niente.
- **Non ferma chi apre la pagina per conto di una persona.** Quando un utente chiede a ChatGPT di leggere una pagina, OpenAI avverte che, essendo un’azione chiesta da lui, «robots.txt rules may not apply», *le regole del robots.txt possono non valere*. Il testo della pagina arriva lo stesso a ChatGPT.
- **È un’istruzione, non una serratura.** La rispetta chi si è impegnato a farlo, e chi rispetta la legge.
- **Protegge solo il vostro sito.** Se un distributore ripubblica il vostro manuale sul suo, vale il robots.txt del distributore.

## Come lo facciamo noi

La riserva serve per quello che pubblicate. Per il resto la regola è più semplice: non farlo uscire. I manuali tecnici che i clienti ci affidano li legge solo l’AI che gira sulle nostre macchine, mai un modello in cloud: è una regola scritta, in vigore al 20 ottobre 2026.

*Il vostro sapere è il vostro vantaggio: non deve diventare materiale di addestramento per l’AI di altri.* Può invece addestrare un modello vostro: un modello a pesi aperti, rifinito sui vostri documenti, su quel lavoro fa meglio dei grandi modelli generalisti e resta in casa vostra, come abbiamo raccontato in [un modello piccolo può battere i grandi modelli?](https://csidia.com/note-operative/modello-piccolo-addestrato-sul-compito-batte-grandi-modelli/) E quello che non pubblicate può restare un [segreto industriale](https://csidia.com/note-operative/dati-addestramento-ai-segreto-industriale-cosa-cambia/), se lo proteggete.

## Che cosa fare questa settimana

1. Fate l’elenco di quello che sul sito è tecnico e vostro: manuali, schede, disegni, articoli.
2. Decidete cartella per cartella e robot per robot: per manuali e schede, addestramento no; per gli articoli che volete far conoscere, può convenire il sì.
3. Aggiornate robots.txt e note legali, poi controllate nei registri del sito quali robot continuano a passare.

Se volete capire che cosa del vostro sito conviene chiudere, il passo è uno: [scriveteci l’indirizzo del sito](https://csidia.com/contatti/).

*Scritto con l’aiuto dell’AI e verificato da CSIDIA.*

## Fonti

- [Direttiva (UE) 2019/790 sul diritto d’autore nel mercato unico digitale, art. 4: estrazione di testo e di dati e riserva dei titolari (EUR-Lex)](https://eur-lex.europa.eu/eli/dir/2019/790/oj)
- [Commissione europea, «The General-Purpose AI Code of Practice»: capitolo sul diritto d’autore, misura 1.3, ed elenco dei firmatari](https://digital-strategy.ec.europa.eu/en/policies/contents-code-gpai)
- [OpenAI, «Overview of OpenAI Crawlers»: GPTBot, OAI-SearchBot e ChatGPT-User](https://developers.openai.com/api/docs/bots)
- [Google, «Google’s common crawlers»: Google-Extended](https://developers.google.com/crawling/docs/crawlers-fetchers/google-common-crawlers)
- [Anthropic, «Does Anthropic crawl data from the web, and how can site owners block the crawler?» (Claude Help Center)](https://support.claude.com/en/articles/8896518-does-anthropic-crawl-data-from-the-web-and-how-can-site-owners-block-the-crawler)

Nota di CSIDIA S.r.l. (Vignola, MO): https://csidia.com/note-operative/vietare-ai-addestramento-testi-sito-aziendale/ · Chi siamo e che cosa facciamo: https://csidia.com/in-breve/ · engagement@csidia.com