Per anni gli editori hanno potuto misurare quasi tutto: copie vendute, utenti entrati nei siti, articoli più letti, tempo trascorso sulle pagine, impression pubblicitarie e conversioni in abbonamenti. Con l’arrivo dell’intelligenza artificiale una parte di questa capacità di misurazione rischia invece di scomparire proprio nel momento in cui diventa economicamente più importante. Un sistema AI può utilizzare un contenuto per costruire una risposta, ma per l’editore può essere molto difficile sapere quanto quel contenuto sia stato effettivamente utilizzato, in quale prodotto e quale valore abbia generato.
È da questo problema che nasce SPUR, Standards for Publisher Usage Rights, iniziativa sostenuta da importanti protagonisti dell’informazione internazionale come The Guardian, Financial Times, BBC, Sky, The Times, Associated Press e Mediahuis. Il progetto punta a sviluppare standard tecnici attraverso i quali gli editori possano definire meglio le condizioni di utilizzo dei propri contenuti da parte dei sistemi di intelligenza artificiale e ottenere maggiore trasparenza su ciò che accade dopo che una macchina ha avuto accesso a un articolo. Dietro una questione apparentemente tecnica c’è quindi una questione molto più grande: come può nascere un mercato dei contenuti per l’AI se chi produce quei contenuti non riesce a misurarne l’utilizzo?
Il problema è abbastanza semplice. Se un editore concede attraverso un accordo i propri articoli a una piattaforma, deve poter comprendere cosa succede successivamente: quali contenuti vengono utilizzati, con quale frequenza, all’interno di quali servizi e con quale funzione. Senza informazioni sufficienti diventa difficile stabilire il valore di una licenza. È come concedere l’accesso a un enorme archivio senza avere strumenti adeguati per capire quanto materiale venga effettivamente utilizzato. Gli editori, in sostanza, vogliono costruire un “contatore” dell’AI.
SPUR punta proprio a rendere più trasparente e verificabile questo rapporto. L’obiettivo non è costruire semplicemente un muro contro le aziende tecnologiche, ma arrivare a regole utilizzabili da entrambe le parti. Per questo nel confronto vengono coinvolti anche i grandi protagonisti dell’intelligenza artificiale, tra cui OpenAI, Google, Anthropic, Meta e Microsoft. Se editori e piattaforme dovranno costruire un vero mercato delle licenze, avranno infatti bisogno di un linguaggio tecnico comune attraverso il quale definire autorizzazioni, condizioni di utilizzo e informazioni necessarie a verificare il rispetto degli accordi.
È un passaggio importante perché la battaglia tra editoria e intelligenza artificiale sta cambiando rapidamente. La prima domanda è stata quella del copyright: le aziende AI possono utilizzare milioni di articoli disponibili online? La seconda è diventata quella del consenso: un editore deve poter impedire alle macchine di utilizzare i propri contenuti? Adesso sta arrivando inevitabilmente la terza: se l’utilizzo viene autorizzato, quanto vale?
Per rispondere seriamente bisogna però sapere cosa viene utilizzato. Ed è qui che la misurazione diventa decisiva. L’editoria digitale ha costruito buona parte della propria economia proprio sulle metriche: una pagina vista può essere conteggiata, un’impression pubblicitaria può essere venduta, un clic può essere misurato e un abbonamento possiede un prezzo preciso. Il contenuto utilizzato dall’intelligenza artificiale, invece, non possiede ancora una metrica economica universalmente riconosciuta.
Eppure può produrre un valore considerevole. Una risposta di poche righe fornita da un chatbot può incorporare informazioni provenienti da un’inchiesta costata settimane di lavoro, da un’intervista esclusiva, da una notizia raccolta sul territorio o da un archivio costruito durante decenni di attività editoriale. Per la macchina quelle informazioni possono essere elaborate in pochi istanti, mentre per chi le ha prodotte possono rappresentare investimenti rilevanti in giornalisti, strutture, verifiche, tecnologia e responsabilità editoriale.
La questione diventa ancora più importante mentre cominciano a nascere sistemi di remunerazione dei contenuti utilizzati dall’AI. Alcune piattaforme stanno sperimentando pagamenti agli editori, mentre altre hanno concluso accordi di licensing con gruppi editoriali e agenzie di stampa. Ma anche in presenza di un compenso rimane una domanda fondamentale: chi misura il valore prodotto dal contenuto? Se soltanto la piattaforma dispone dei dati necessari per stabilire quanto un articolo abbia contribuito a una risposta, sarà inevitabilmente la piattaforma ad avere una posizione molto forte anche nella determinazione del prezzo.
Uno standard condiviso potrebbe modificare questo equilibrio. Gli editori potrebbero disporre di maggiori informazioni per negoziare accordi e verificare il rispetto delle condizioni stabilite, mentre le piattaforme avrebbero regole più uniformi invece di dover gestire sistemi differenti per ogni singolo editore. Potrebbe così nascere progressivamente un mercato nel quale il valore non dipende semplicemente dalla presenza di un articolo online, ma dal modo in cui quel contenuto viene effettivamente utilizzato dall’intelligenza artificiale.
Non significa necessariamente arrivare a una tariffa identica per ogni articolo. Una notizia esclusiva potrebbe avere un valore diverso da un contenuto facilmente reperibile altrove, un archivio specialistico potrebbe essere valutato diversamente da una notizia quotidiana e l’utilizzo per generare una risposta potrebbe essere distinto da quello destinato ad altri impieghi dell’intelligenza artificiale. Ma per costruire qualunque modello economico occorre partire dalla stessa condizione: sapere cosa viene utilizzato e poterlo misurare.
La questione interessa direttamente anche l’Italia. Il confronto aperto dall’AGCOM sull’utilizzo dei contenuti protetti da parte delle piattaforme che impiegano sistemi di intelligenza artificiale mette al centro temi come trasparenza, diritto d’autore, opt-out, pluralismo ed equa remunerazione. Prima o poi anche questo dibattito dovrà confrontarsi con un problema concreto: non basta stabilire in linea di principio che un contenuto possiede un valore, bisogna trovare strumenti capaci di determinare quando quel valore viene trasferito a una macchina.
Per l’industria editoriale potrebbe essere un passaggio simile a quello vissuto con la nascita del Web. Prima sono arrivati i siti dei giornali, poi è diventato indispensabile sapere quanti lettori li visitavano e come si comportavano. Da quella misurazione è nata una parte importante dell’economia dell’editoria digitale. Oggi sta accadendo qualcosa di simile con l’intelligenza artificiale: prima le macchine hanno cominciato a leggere i contenuti, adesso gli editori vogliono sapere quanto li leggono, come li utilizzano e quale valore producono.
Perché dopo copyright, consenso e diritto di esclusione, la prossima grande battaglia sarà inevitabilmente quella economica. E per stabilire quanto deve pagare una macchina bisogna prima sapere quanto sta utilizzando ciò che altri hanno prodotto. Se gli articoli stanno diventando una materia prima dell’intelligenza artificiale, gli editori vogliono finalmente avere il contatore acceso.
