Google paga un centinaio di editori per i contenuti usati dall'AI, e quasi tutti prendono poco

Il 30 settembre The Decoder ha riferito che Google paga circa 100 editori digitali per i contenuti usati nelle AI Overviews, in AI Mode e nel chatbot Gemini. Alcuni di questi editori non sanno come vengono calcolati i loro pagamenti. Il programma pilota è partito da meno di un anno, secondo The Information, e gli editori possono seguire utilizzo e guadagni dentro Google Search Console.

Le differenze tra un caso e l'altro sono enormi.

Per diversi blog e siti di piccole e medie dimensioni i pagamenti ammontano a meno dello 0,1 per cento dei ricavi pubblicitari, scrive The Information. Un editore ha ricevuto tra 50.000 e 60.000 dollari nell'arco di qualche mese, mentre un altro guadagna più di 1.000.000 di dollari all'anno. I siti piccoli hanno incassato meno di 1.000 dollari in diversi mesi. I contenuti su temi di nicchia con un pubblico fedele, come anime e videogiochi, sembrano rendere di più, secondo il rapporto.

Gli editori non vedono la formula

I pagamenti dovrebbero dipendere da quanto ciascuna fonte contribuisce a una risposta generata dall'AI. Ma alcuni partecipanti hanno detto a The Information di non sapere come Google li calcoli, e che gli importi possono cambiare da un mese all'altro senza spiegazioni. L'opacità pesa, perché su quelle cifre è già aperto un fascicolo antitrust. A luglio 2025 alcuni editori indipendenti hanno presentato un esposto alla Commissione europea sulle AI Overviews. A settembre 2025 Penske Media, la società che controlla Rolling Stone, ha citato Google per il traffico e i ricavi pubblicitari persi. A dicembre 2025 la Commissione europea ha avviato un'indagine antitrust per verificare se Google imponga condizioni inique usando i contenuti degli editori per le funzioni AI senza un pagamento adeguato né una vera possibilità di rinunciare al programma.

Alcuni editori più grandi rifiutano di aderire al programma per spingere Google ad alzare i prezzi, secondo The Information. Il loro traffico sta già calando, e diversi studi mostrano che le AI Overviews riducono nettamente le visite al web aperto. Il rifiuto è una scommessa: la pressione collettiva funzionerebbe meglio di un accordo individuale. Finora le prove che le tariffe di Google si siano mosse sono scarse.

Un tribunale tedesco ha anche stabilito che le AI Overviews sono contenuti di Google, non riassunti di materiale esistente. Se questa interpretazione si affermasse, gli editori avrebbero una base giuridica per chiedere compensi di licenza ogni volta che Google usa il loro lavoro in una risposta AI. The Decoder osserva che seguire il contributo esatto di ogni fonte a una risposta sarebbe difficile, se non impossibile, e che gestire quei pagamenti aggiungerebbe costi amministrativi alle cifre stesse.

Il traffico perso pesa più degli assegni

Gli importi dei pagamenti sono un lato del bilancio. L'altro è il traffico che non arriva più. I titoli seguiti di recente da questa redazione puntano tutti nella stessa direzione: un esposto antitrust sostiene che Google cannibalizza il traffico degli editori, i piccoli editori sono i più colpiti dal calo delle ricerche, e un'analisi di settembre ha calcolato un calo annuo del 40 per cento per gli editori. Sono cifre che restano fuori dai documenti primari di questo dossier e vanno lette come contesto, non come misure confermate.

Quello che il dossier conferma è il meccanismo. Le AI Overviews rispondono alle domande nella pagina dei risultati, quindi il clic che prima andava a un editore non avviene. Google poi paga una parte degli editori per i contenuti che hanno nutrito la risposta, con tariffe che stabilisce lei, secondo condizioni che scrive lei, con un'uscita dal programma che controlla lei. The Decoder descrive l'accordo come una strategia del divide et impera che crea un dilemma del prigioniero: pochi ci guadagnano, i più prendono poco o niente, e gli editori che si tirano fuori esercitano poca pressione su Google perché altre fonti riempiono il vuoto.

Gli accordi individuali servono anche a tenere gli editori a negoziare ognuno per conto proprio, invece che insieme.

L'argomento strutturale è che se Google concedesse in licenza tutto a una tariffa equa, i suoi margini ne risentirebbero. Così concede licenze in modo selettivo, scegliendo quale contenuto vale quanto. Non è una strategia nuova. The Decoder ricorda che serve all'azienda da decenni, da quando ha iniziato a portare sempre più contenuti dal web dentro la ricerca, e che le AI Overviews spingono quella tendenza molto più avanti, e molto più in fretta.

Il denaro si sposta verso l'infrastruttura

Mentre gli editori discutono di frazioni di punto percentuale, i capitali affluiscono nell'infrastruttura che costruisce e fa funzionare i sistemi di AI. Mercoledì TechCrunch ha riferito che Flow Engineering, una startup di San Francisco fondata tre anni fa che vende strumenti di AI per la progettazione hardware, ha raccolto un round Series B da 50.000.000 di dollari su una valutazione di 750.000.000 di dollari. Il round è stato co-guidato da Antonio Gracias di Valar Equity Partners e Gavin Baker di Atreides Management, con la partecipazione di Sequoia Capital insieme all'ex socio di Sequoia Roelof Botha, che ha investito personalmente ed è entrato nel consiglio. Flow indica tra i clienti Anduril, Rivian, Joby Aviation, General Motors PPU, RV Tech e Stoke Space.

Lo stesso giorno The Decoder ha riferito che OpenAI e Synopsys hanno firmato una partnership strategica pluriennale per costruire un modello specializzato nella progettazione di chip, chiamato GPT-Synopsys. Synopsys produce strumenti di electronic design automation, il software che gli ingegneri usano per progettare i chip. OpenAI concede in licenza quegli strumenti perché il modello possa ragionare sulla progettazione e sulla verifica dei chip e usare direttamente i tool, mentre gli ingegneri delegano gli obiettivi e rivedono il risultato. Il modello girerà sull'infrastruttura di OpenAI. Le due aziende hanno detto che i dati dei clienti non saranno usati per l'addestramento e saranno conservati cifrati. I primi test con clienti del settore dei semiconduttori sono già in corso, e le due società commercializzeranno il prodotto insieme, dividendo i ricavi. Sassine Ghazi, amministratore delegato di Synopsys, ha detto che l'AI potrebbe accelerare sensibilmente il processo di progettazione; Greg Brockman, cofondatore di OpenAI, ha presentato la partnership come una strada verso chip migliori e un'AI migliore.

Lo schema si ripete più in basso nella pila. Quail, un motore di inferenza costruito da Modal con il Full Stack Data Lab della Carnegie Mellon University, ha dichiarato di aver superato il miliardo di token elaborati al minuto per GPU H100 su una singola query AI-SQL con più join, oltre 10 volte più veloce di una baseline vLLM sullo stesso hardware, e meno di 6 centesimi per miliardo di token su Modal. Su un nuovo benchmark per le query AI-SQL è andato 1,84 volte più veloce di vLLM, con media geometrica sulle attività. Separatamente, un progetto open source chiamato Magnitude, pubblicato su GitHub il 30 settembre, dichiara un'inferenza fino a 2 volte più veloce di llama.cpp compilando e ottimizzando i kernel sull'hardware dell'utente, con una decodifica più rapida del 92 per cento su Metal e del 19 per cento su CUDA.

Niente di tutto questo paga le bollette di un editore. Spiega però dove viene catturato il valore.

I ricercatori di sicurezza trovano sempre la stessa apertura

C'è un altro filo da tirare. Il 30 settembre i ricercatori del VUSEC hanno pubblicato Branch Target Reuse, un nuovo attacco Spectre-v2 contro i compilatori just-in-time. L'intuizione è che le CPU moderne ripristinano la coerenza del codice architetturale dopo una modifica automatica, ma non invalidano necessariamente le voci di predizione dei salti indiretti ormai superate. Nei motori JIT quei bersagli vecchi possono sopravvivere al codice originale ed essere riusati quando la cache del codice viene ripopolata, producendo una primitiva speculativa di execute-after-free. Il gruppo ha analizzato Linux cBPF, Oracle GraalVM e SpiderMonkey, il motore JIT di Firefox, e ha costruito due exploit end-to-end contro il kernel Linux, ottenendo 8 byte al secondo e scorrendo la lista dei task del kernel per estrarre un hash della password di root. Ha anche aggirato l'opzione di offuscamento delle costanti bpf_jit_harden.

È un problema diverso dal programma per gli editori di Google, ma arriva nella stessa settimana e sulla stessa infrastruttura: i browser, i runtime e i kernel da cui le funzioni AI dipendono sempre di più. Il dossier contiene anche un articolo di machine.news, datato 30 settembre, su uno sviluppatore che sostiene di essere un ingegnere Apple e che ha costruito un progetto pubblico su GitHub per manipolare le attivazioni interne dei modelli Qwen3 di Alibaba, a pesi aperti, inducendo stati assimilabili al dolore; dopo le critiche ha cancellato un post promozionale. L'articolo dice che il lavoro si basa su uno studio intitolato The Pain Axis: LLMs Represent Self-Directed Harm and Act to Relieve It, i cui autori non sostengono che i modelli provino coscientemente dolore.

Per gli editori la domanda pratica resta più stretta. Un centinaio sono dentro il programma di Google. Gli altri guardano il traffico da ricerca calare e aspettano che un tribunale o un regolatore decida quanto vale il loro contenuto.