Read in EnglishUn cantante ungherese, Kozsó, non aveva abbandonato l’idea di portare dei delfini in un acquario vicino al lago Balaton. Un portale di informazione locale ne aveva scritto. Poi è arrivata una richiesta a Gemini: puoi riassumere in ungherese quell’articolo? Il chatbot ha prodotto una risposta dettagliata, riprendendo anche informazioni apparse su altri siti dello stesso editore. Da lì è nata una controversia tra la società ungherese Like Company e Google Ireland, finita davanti alla Corte di giustizia dell’Unione europea. I delfini, almeno sulla carta, sono arrivati a Lussemburgo.
Il 3 novembre 2026 l’avvocato generale Maciej Szpunar ha presentato le sue conclusioni nella causa Like Company, C-250/25. Il caso riguarda i diritti degli editori sulle pubblicazioni giornalistiche utilizzate dai chatbot. A me, però, ha colpito soprattutto un aspetto tecnico che sta cambiando rapidamente il nostro modo di informarci: il RAG, ovvero Retrieval-Augmented Generation.
Il nome è poco invitante; l’idea, invece, è abbastanza semplice, e vale la pena capirla perché spiega una parte importante di ciò che oggi rende così utili sistemi come Gemini.
Un modello linguistico viene addestrato su grandi quantità di dati, attraverso le quali apprende regolarità linguistiche e relazioni che gli permettono di generare risposte. Questo non significa che abbia dentro di sé un archivio ordinato di articoli, pronti per essere consultati come i documenti di una biblioteca. Soprattutto, l’addestramento non garantisce che il modello conosca ciò che è successo stamattina. Quando gli chiediamo informazioni su una notizia recente, può quindi essere necessario recuperare materiale dall’esterno. È qui che entra in gioco il RAG: il sistema cerca contenuti pertinenti, li mette a disposizione del modello e utilizza quelle informazioni per costruire la risposta. Il modello continua a generare testo, ma lo fa avendo davanti anche materiale recuperato per quella specifica domanda.
Gemini può collegare la generazione del testo alla ricerca sul web, attraverso un meccanismo che Google chiama anche grounding. La documentazione tecnica di Google descrive un processo in cui il sistema valuta se effettuare una ricerca, recupera risultati pertinenti e li usa per formulare una risposta, eventualmente corredata da riferimenti alle fonti. Non ogni domanda comporta necessariamente una ricerca e i dettagli delle diverse versioni del servizio possono variare. È comunque questa la differenza decisiva rispetto all’immagine, ormai un po’ antiquata, del chatbot che risponde soltanto sulla base di ciò che ha appreso durante l’addestramento.
Pensiamo alla nostra domanda sui delfini. Un motore di ricerca tradizionale ci avrebbe mostrato alcuni collegamenti, lasciando a noi il compito di aprirli, leggere gli articoli e ricavarne una sintesi. Un chatbot con accesso a fonti esterne può svolgere buona parte di quel lavoro e presentarci direttamente il risultato. Il vantaggio è evidente: si risparmia tempo, soprattutto quando le informazioni sono sparse in più pagine. C’è anche un vantaggio per l’affidabilità, almeno in linea di principio, perché una risposta ancorata a documenti verificabili può essere più aggiornata e controllabile. Il RAG, però, non rende automaticamente vera una risposta: il sistema può scegliere fonti poco affidabili, leggerle male o trarne conclusioni scorrette.
La controversia giuridica nasce dal fatto che, mentre per noi quella risposta è un servizio, per l’editore il giornale è anche il risultato di un investimento. L’articolo 15 della direttiva (UE) 2019/790 riconosce agli editori di pubblicazioni giornalistiche determinati diritti sull’uso online dei loro contenuti da parte dei prestatori di servizi della società dell’informazione. Sono esclusi, tra l’altro, i collegamenti ipertestuali e l’uso di singole parole o estratti molto brevi; il diritto non attribuisce agli editori alcun monopolio sui fatti raccontati. La domanda, allora, è fino a che punto il testo prodotto da un chatbot continui a riferire fatti e quando invece riutilizzi la particolare forma espressiva della pubblicazione protetta.
Szpunar invita a guardare proprio a ciò che succede quando Gemini recupera contenuti per rispondere, distinguendolo dall’addestramento del modello. Secondo le sue conclusioni, il diritto di riproduzione dell’editore può essere coinvolto, in particolare, in relazione alle modalità di accesso al materiale — ad esempio quando vengono eluse misure tecniche efficaci come un paywall — e al grado in cui la risposta ripropone in modo riconoscibile l’espressione dell’articolo originale, fino a rendere inutile leggerlo. Quanto alla messa a disposizione del pubblico, l’avvocato generale considera rilevante che questa forma espressiva ricompaia sistematicamente nelle risposte. La possibile responsabilità del fornitore dipende anche dal fatto che tali utilizzazioni siano parte della sua strategia commerciale o che non abbia adottato misure credibili ed efficaci per contrastarle. Non sta dicendo che ogni riassunto di una notizia costituisca una violazione.
È significativo anche ciò che l’avvocato generale propone di non decidere. Le due questioni sull’addestramentodovrebbero essere dichiarate irricevibili: nel procedimento mancano prove che gli articoli di Like Company siano stati impiegati per addestrare i modelli di Gemini, e Szpunar ritiene che l’addestramento non costituisca, di per sé, un «utilizzo online» delle pubblicazioni nel senso dell’articolo 15. Per completezza, osserva che l’eccezione sul text and data miningprevista dall’articolo 4 della direttiva può normalmente coprire l’uso di materiali protetti per l’addestramento, alle condizioni previste dalla disposizione, compresa la possibilità di riservarne espressamente l’utilizzo. Sarebbe dunque sbagliato leggere queste conclusioni come una soluzione definitiva dell’intera questione del copyright e dell’addestramento dell’intelligenza artificiale.
Trovo interessante il divario che resta tra il problema giuridico e quello economico. Una risposta può limitarsi a descrivere fedelmente dei fatti, senza riprodurre la forma espressiva protetta, e tuttavia convincerci che non abbiamo più bisogno di aprire il giornale. Viceversa, un chatbot che indica chiaramente le fonti e invita a consultarle può anche indirizzare lettori verso gli editori. Il risultato dipende dal modo in cui il servizio è progettato e da come noi lo utilizziamo. È qui che il RAG cambia le cose: il contenuto giornalistico può contribuire a una risposta che il lettore consuma altrove, nell’interfaccia del chatbot, anziché sul sito di chi lo ha prodotto.
Per anni ci siamo abituati a cercare una notizia e poi a scegliere quale pagina aprire. Ora spesso chiediamo direttamente la risposta. Anch’io lo faccio, e non penso che abbia senso rinunciare a uno strumento così comodo. Mi domando però che cosa succederà ai giornali, soprattutto a quelli piccoli, se una parte crescente del valore del loro lavoro verrà utilizzata senza generare visite o ricavi sufficienti a sostenerlo. Il diritto connesso degli editori può affrontare alcuni usi dei contenuti; non può, da solo, garantire un modello economico sostenibile per l’informazione.
Per ora abbiamo le conclusioni dell’avvocato generale, che non vincolano la Corte. La sentenza arriverà successivamente. Quanto ai delfini del Balaton, non so se vedranno mai quell’acquario. Hanno però già fatto emergere una domanda assai meno esotica: quando il chatbot ha letto il giornale per noi, chi continuerà a pagare perché qualcuno lo scriva?
Fonti e approfondimenti: Corte di giustizia dell’Unione europea, conclusioni dell’avvocato generale Maciej Szpunar del 3 novembre 2026, causa Like Company, C-250/25, comunicato stampa n. 155/26; scheda ufficiale della causa; sintesi del rinvio pregiudiziale, con il caso dei delfini; direttiva (UE) 2019/790, artt. 4 e 15; Google, Grounding with Google Search; Google Cloud, What is Retrieval-Augmented Generation?.