Limitazione del web scraping per l’addestramento dei modelli di Intelligenza Artificiale

Questo tipo di attività è comune nella navigazione online, in quanto essa è basata su protocolli aperti che consentono di reperire informazioni e dati pubblicati liberamente e disponibili online, i quali possono essere raccolti in modo sistematico attraverso bot. Nel maggio 2024, il Garante della privacy ha rilasciato un documento che offre informazioni sulla raccolta massiva di dati personali dal web.
Questa pratica è usata per addestrare modelli di intelligenza artificiale generativa. Il Garante suggerisce anche alcune misure che i gestori di siti web e piattaforme, pubbliche o private, possono adottare in Italia per proteggere i dati personali e prevenire raccolte di dati
indesiderate da parte di terzi.
All’interno del documento possiamo trovare questa tipologia di misure:
1. la creazione di aree riservate, nelle quali sia possibile accedere solo tramite una registrazione, in modo tale da sottrarre i dati dalla pubblica disponibilità;
2. l’inserimento di clausole anti-scraping nei termini di servizio, ossia clausole di divieto di utilizzo di tecniche di web scraping.
Questo tipo di clausola contrattuale, se non rispettata, può permettere ai gestori dei siti di agire in giudizio per far dichiarare l’inadempimento contrattuale della controparte. Questa misura opera ex post, ma può essere uno strumento di carattere preventivo e dunque
fungere da deterrente, contribuendo in maggior modo alla tutela dei dati personali;
3. il monitoraggio del traffico di rete. Si tratta di una cautela di natura tecnica che può consentire di rilevare alcuni flussi anomali di dati in ingresso e in uscita da un sito web;
4. l’effettuazione di interventi specifici sui bot. Siccome l’attività di web scraping si basa sull’utilizzo di questi, una loro limitazione nel loro
utilizzo potrebbe significare un metodo efficace per ostacolare l’attività automatizzata di raccolta di dati personali che viene effettuata tramite tali software. In conclusione, nonostante l’intelligenza artificiale generativa sia annunciatrice di benefici nei confronti della società odierna, l’addestramento di questi modelli di IAG richiede l’utilizzo di una mole ingente di dati, spesso personali, che vengono raccolti da banche dati sui siti web. Per contrastare un loro utilizzo illecito si consiglia l’utilizzo delle misure sopra citate.