In questo articolo Indice dei contenuti 3 sezioni
Il timore di un doom loop dell’AI circolava dentro Microsoft ben prima che finisse agli atti di un tribunale: meno clic verso i siti degli editori, meno soldi per produrre notizie, e quindi meno contenuti di qualità da dare in pasto ai modelli. È questo il nodo che emerge dai documenti interni di Microsoft e OpenAI depositati nel procedimento federale statunitense, dove la discussione non ruota più soltanto attorno alla liceità dell’addestramento su materiale protetto da copyright. Dentro le aziende, qualcuno aveva messo nero su bianco il sospetto che gli assistenti basati su intelligenza artificiale stessero togliendo traffico e ricavi proprio a chi forniva la materia prima.
La vicenda parte dalla causa avviata dal New York Times contro OpenAI e Microsoft alla fine del 2023, poi confluita insieme ad altri ricorsi di editori e autori nella controversia multidistrettuale davanti alla Corte federale del distretto sud di New York. Nell’aprile 2025 il giudice Sidney H. Stein aveva lasciato proseguire diverse contestazioni sul copyright, scartandone altre. A settembre 2026 si è arrivati alla fase delle richieste di summary judgment, con le parti che chiedono decisioni sulla base delle prove già raccolte. Il documento depositato dagli editori e reso parzialmente pubblico il 17 settembre 2026 conta 92 pagine tra email, memorandum, deposizioni e dati aziendali. Va detto subito: è la ricostruzione degli attori, non una verità accertata.
Il dirigente Microsoft che parlava di furto del lavoro
Il passaggio più pesante porta la firma di Brent Hecht, Director of Applied Science di Microsoft. In un documento interno del 2023 descriveva la raccolta massiccia di contenuti per l’AI come un furto sbalorditivo di proporzioni senza precedenti, spingendosi a ipotizzare che potesse trattarsi del più grande furto di lavoro nella storia umana. Microsoft ha chiarito che si trattava del punto di vista personale di un dipendente, non di una posizione societaria né di un’analisi legale. Resta il fatto che dentro l’azienda quella discussione esisteva, ed era esplicita.
Hecht avrebbe anche notato una cosa piuttosto ovvia e insieme scomoda: quasi nessuno, scrivendo, immaginava che il proprio testo sarebbe servito ad addestrare un sistema di intelligenza artificiale, e praticamente nessuno è stato pagato per quell’uso. Da qui l’effetto di ritorno, il famoso doom loop. Un editore paga giornalisti, redattori, fotografi, verifiche dei fatti, server. Pubblica. I crawler raccolgono. L’assistente AI risponde all’utente e l’utente non apre più il sito. Meno visite, meno pubblicità, meno abbonamenti, meno articoli nuovi. Un documento Microsoft citato dagli editori lo riassume così: sarebbe insolito che un prodotto minacci le basi economiche dei propri fornitori essenziali, eppure è quello che i modelli linguistici starebbero facendo con la loro catena di fornitura di contenuti.
I numeri sul crollo dei clic e le ammissioni interne
La parte più concreta riguarda alcune misurazioni attribuite a Microsoft. Le interfacce basate su AI avrebbero prodotto cali del click through rate verso le fonti compresi tra l’87% e il 93% per i siti del New York Times, tra l’83% e il 91% per quelli riconducibili a Daily News e tra il 51% e il 94% per i domini di Ziff Davis. Da soli questi dati non dimostrano un nesso causale valido per tutto il web, ma raccontano bene il fenomeno. Satya Nadella, in una deposizione citata negli atti, avrebbe riconosciuto il meccanismo di fondo: l’informazione arriva sulla piattaforma AI e la pagina originale resta chiusa.
Anche in OpenAI se ne parlava. Nick Turley, responsabile di ChatGPT, avrebbe definito i prodotti AI un problema esistenziale per gli editori, con chatbot largamente sostitutivi e destinati a esserlo sempre di più. Un ingegnere osservava che, per quanto visibili si rendano i link, molti utenti non li apriranno comunque.
Training, grounding e il terreno scivoloso del fair use
Nei documenti torna una distinzione tecnica che spesso si perde. Nel training i contenuti contribuiscono ad aggiornare i pesi del modello, senza che resti un archivio interrogabile frase per frase, pur non escludendo casi di memorizzazione su sequenze rare o molto ripetute. Il grounding funziona in altro modo: il sistema interroga un indice esterno al momento della domanda, recupera pagine e passa estratti al modello, secondo le logiche del Retrieval Augmented Generation. Gli editori chiedono al tribunale di valutare separatamente acquisizione, addestramento, grounding, output e passaggio dei dataset tra le società.
Microsoft e OpenAI puntano sul fair use previsto dalla Section 107 del Copyright Act, insistendo sull’uso trasformativo. Gli editori ribattono sul quarto fattore, quello che impone di pesare l’effetto sul mercato attuale e potenziale dell’opera originale. In Europa il discorso cambia, perché un equivalente generale del fair use non esiste e le eccezioni sono definite in modo più puntuale, a partire dalla Direttiva 2019/790 sul copyright nel mercato unico digitale.
Fonte: TecnoAndroid
