Come sono trapelati i registri delle chat private dell’intelligenza artificiale: perché Google e Bing hanno indicizzato i collegamenti pubblici di Claude

Pensi che le tue conversazioni con un’intelligenza artificiale rimangano private.

Non sempre lo fanno.

Basta chiedere alle persone che hanno visto i loro scambi intimi o politicamente carichi con Claude di Anthropic apparire nei risultati di ricerca di Google e Bing questo fine settimana. La scoperta non è stata sottile. Tutto è iniziato quando un Redditor ha notato che URL specifici, destinati alla condivisione di “istantanee” della chat, erano rimasti allo scoperto.

Queste non erano solo chat. Includevano utenti che chiedevano consigli sull’affiliazione a partiti politici. Domande legali da parte degli avvocati del Kansas sull’opportunità di autodenunciare violazioni etiche. E sì, scenari di giochi di ruolo erotici.

Se apprezzi la privacy nell’era dell’intelligenza artificiale generativa, questa è una lezione fondamentale su come i meccanismi del web prevalgono sulle buone intenzioni.

L’idea sbagliata di Robots.txt

Ecco la realtà tecnica che la maggior parte degli utenti, e spesso le aziende che costruiscono questi strumenti, non vedono.

Anthropic utilizza un file “robots.txt” per dire ai crawler dei motori di ricerca di stare lontano dagli URL di chat condivisi. Questo file è in vigore almeno da settembre 2024 (il testo originale citava il 2025, il che è probabilmente un errore o un errore di battitura con data futura per la sequenza temporale attuale, ma il meccanismo rimane lo stesso). “robots.txt” è lo standard del settore per dire: “Non raschiare questa parte del sito”.

Funziona la maggior parte del tempo.

Non è un muro. È una richiesta cortese.

I motori di ricerca come Google e Bing sono programmati per ignorare robots.txt se trovano un collegamento a una pagina altrove su Internet. Se qualcuno si collega a quell’istantanea “pubblica” di Claude in un forum, un’e-mail o un post sui social media, il motore di ricerca ne esegue comunque la scansione.

Per interrompere effettivamente l’indicizzazione, gli sviluppatori devono utilizzare un tag HTML specifico.

Perché mancava “Noindex”.

Secondo WIRED, le chat trapelate mancavano del meta tag “noindex”.

Sia Google che Bing richiedono questa direttiva esplicita. Se una pagina non ha il tag “noindex” (o un tag “x-robots” nell’intestazione HTTP), i motori di ricerca presumono che il webmaster desideri che la pagina venga indicizzata e visualizzata nei risultati di ricerca.

“Né Google né nessun altro motore di ricerca controlla ciò che viene reso pubblico sul web… Diamo ai proprietari dei siti controlli chiari… e rispettiamo sempre quelle direttive.”

Questa è una posizione difendibile da un motore di ricerca. È meno difendibile da parte di Anthropic, soprattutto da quando hanno affrontato lo stesso caldo lo scorso settembre.

Il portavoce di Google Ned Adriance ha detto a WIRED che l’indicizzazione è a carico del proprietario del sito. I collegamenti alla chat sono pubblici per impostazione predefinita. Se l’URL è accessibile, è indicizzabile.

Microsoft non ha commentato. Antropico non ha risposto.

Il divario tra privacy e indicizzazione

Il problema principale qui non è l’intento dannoso. È una collisione di funzionalità.

Claude consente agli utenti di generare URL pubblici per condividere conversazioni. Questo è utile per la collaborazione. Ma la generazione di un URL pubblico attiva il comportamento di indicizzazione web standard, a meno che non venga esplicitamente bloccato a un livello più profondo.

La maggior parte degli utenti presuppone che “condiviso” significhi “solo collegamento privato”. Non è così. Nel mondo della SEO, “URL pubblico” equivale a “risultato di ricerca potenziale”.

Questo è successo a Bing, che ha comunque mostrato circa 612 risultati per site:claude.ai/share quando è stato segnalato. I risultati di Google per la specifica query “condividi” sembrano essere stati chiariti dopo che WIRED li ha esaminati, probabilmente dopo che i collegamenti sono stati eliminati o aggiornati.

Ma i dati sono là fuori. Esistono copie memorizzate nella cache. La lezione è dura per chiunque utilizzi i chatbot AI per argomenti delicati:

1. Dai per scontato che nulla sia veramente privato.
2. Gli URL pubblici sono indicizzabili per impostazione predefinita a meno che le garanzie tecniche non siano implementate correttamente.
3. robots.txt non è sufficiente. È necessario noindex.

I laboratori di intelligenza artificiale affermano di rispettare le regole dei crawler. Lo fanno. Ma fanno affidamento sugli sviluppatori affinché utilizzino le regole giuste. Se l’implementazione è difettosa, la cronologia del tuo gioco di ruolo erotico finisce nella pagina dei risultati del motore di ricerca.

E non puoi deselezionarlo su Google.

L’implicazione più ampia? Man mano che gli agenti IA diventano sempre più integrati nella vita quotidiana, dai flussi di lavoro controllati dagli smartphone all’utilizzo dei token governativi, la superficie di attacco per le fughe di privacy si espande. Stiamo costruendo sistemi che ci rispondono, mentre il web aperto indicizza ogni conversazione.

Chi controlla l’indice? Chi possiede la memoria?

Probabilmente non tu.