Google paga circa 100 editori per i contenuti usati dall'AI, e le cifre variano moltissimo

Il programma pilota ha meno di un anno. Gli editori possono vedere quanto spesso Google usa i loro contenuti e quanto guadagnano tramite Google Search Console, ha riferito The Decoder il 30 settembre citando The Information. Quello che non riescono a vedere, hanno detto diversi partecipanti a The Information, è come viene calcolata la cifra.

I risultati variano molto. Per diversi blog e siti piccoli e medi, i pagamenti sono rimasti sotto lo 0,1% dei ricavi pubblicitari. Alcuni siti piccoli hanno ricevuto meno di 1.000 dollari in diversi mesi. All'estremo opposto, un editore ha incassato tra 50.000 e 60.000 dollari in pochi mesi, mentre un altro guadagna più di 1.000.000 di dollari l'anno. I temi di nicchia con un pubblico fedele, come anime e gaming, sembrano rendere di più, secondo lo stesso report. I pagamenti dipendono da quanto ciascuna fonte contribuisce a una risposta AI. I partecipanti hanno anche detto a The Information che gli importi possono cambiare da un mese all'altro senza spiegazione.

Non tutti firmano.

La pressione legale intorno al programma

Alcuni editori più grandi rifiutano di aderire per spingere Google a pagare di più, ha riferito The Decoder. Arrivano a farlo mentre il loro traffico da ricerca è già in calo e diversi studi mostrano che AI Overviews riduce nettamente le visite al web aperto. Il fronte regolatorio è già aperto. A luglio 2025 gli editori indipendenti hanno presentato una denuncia alla Commissione europea sulle AI Overviews, e a settembre Penske Media, la società che controlla Rolling Stone, ha citato Google per la perdita di traffico e ricavi pubblicitari. A dicembre 2025 la Commissione ha aperto un'indagine antitrust per stabilire se Google imponga condizioni inique usando i contenuti degli editori per le funzioni AI senza un pagamento adeguato né una vera possibilità di rinunciare.

Un tribunale tedesco ha stabilito che le AI Overviews sono contenuti di Google, non riassunti di materiale esistente, secondo The Decoder. Se questa interpretazione si diffonde, gli editori avrebbero una base giuridica per chiedere compensi di licenza ogni volta che il loro lavoro compare in una risposta AI. Tracciare l'esatto contributo di ogni fonte sarebbe difficile, gestire i pagamenti aggiungerebbe costi, e i compensi potrebbero erodere i margini di Google.

Per ora Google fissa le condizioni tramite accordi di licenza selettivi, una funzione di opt-out e un modello di pagamento che gli permette di decidere quali contenuti hanno valore. Matthias Bastian di The Decoder descrive la cosa come un approccio divide et impera che crea un dilemma del prigioniero: pochi editori ci guadagnano, la maggior parte ottiene poco o nulla, e chi se ne va non esercita grande pressione su Google perché altre fonti colmano il vuoto. Il contesto non è nuovo. I referral da ricerca si muovono contro gli editori da anni: i dati raccolti nel dossier indicano un calo del 40% su base annua del traffico da Google Search per gli editori al 24 settembre 2026, e servizi precedenti parlavano di siti piccoli con perdite intorno al 60%. Niente di tutto questo fa parte del pilota di settembre, ma è lo sfondo su cui agli editori viene chiesto di accettare le nuove tariffe.

Cosa dice il dibattito tecnico più ampio

La storia tra AI ed editori non riguarda solo i soldi. Il 30 settembre Martinelli ha pubblicato un articolo secondo cui gli agenti di coding AI stanno riportando gli ingegneri del software verso il ruolo generalista degli anni Novanta, quando una sola persona seguiva requisiti, architettura, codice e produzione. Il ragionamento conta per i media perché lo stesso cambiamento avviene dentro le redazioni e nei team delle piattaforme: meno passaggi di consegne, più automazione, e una specifica che diventa l'artefatto più importante del progetto. Un secondo post dello stesso giorno, di Gerben Rijpkema, arriva allo stesso punto dall'ingegneria dei controlli: i sistemi AI che funzionano sono costruiti intorno a un problema specifico, mentre gli strumenti generici pronti all'uso tendono a fallire. "Nei progetti andati a buon fine ho finito per progettare architetture specifiche per il caso d'uso, mentre quelli falliti erano costruiti sopra strumenti AI pronti all'uso che promettevano di risolvere tutte le mie sfide di ingegneria AI con una soluzione unica per tutti", ha scritto il 30 settembre. È una descrizione calzante anche del problema delle licenze. Il programma di Google è un'unica pipeline che serve molti tipi di editori, dai blog di anime alle grandi redazioni, e i pagamenti riflettono un calcolo che nessuno fuori dall'azienda può ispezionare.

Altre uscite del 30 settembre mostrano quanto rapidamente si muovono gli strumenti intorno.

Modal ha pubblicato i benchmark di Quail, un livello di inferenza consapevole della query che, secondo l'azienda, supera il miliardo di token elaborati al minuto per GPU H100 su una query multi-join, più di 10 volte la sua baseline vLLM sullo stesso hardware e sotto i 6 centesimi per miliardo di token su Modal. Sul suo benchmark AI-SQL, Modal riporta Quail a 1,84 volte la velocità di vLLM in media geometrica. Elastic, intanto, ha testato il modello Jev di TypeSafe AI come reranker di ricerca su 250 Amazon Shopping Queries e 4.754 coppie query/prodotto giudicate, portando nDCG@10 da 0,9351 a 0,9565 e Exact MRR da 0,9201 a 0,9616. Jev costa 0,042 dollari per milione di token in input, con i token in output gratuiti. Un'inferenza più economica sul lato piattaforma non risponde alla domanda degli editori. Semmai rende il riuso di contenuti su larga scala più accessibile per le aziende che lo fanno.

Segnali più piccoli, stessa settimana

Il 30 settembre il gruppo di ricerca VUSEC della VU Amsterdam ha pubblicato Branch Target Reuse, un attacco Spectre-v2 contro i compilatori just-in-time. Il team ha costruito due exploit end-to-end contro il kernel Linux e ha fatto trapelare 8 byte al secondo, abbastanza con il pointer chasing per estrarre l'hash della password di root da un processo "su" in esecuzione. Il documento nota che l'opzione bpf_jit_harden del kernel Linux, che nasconde i valori immediati, è disattivata per impostazione predefinita.

Il progetto OpenZL di Facebook ha rilasciato la v0.3.0 il 29 settembre con un nuovo motore LZ e un Compression Transformer neurale. Su 868 famiglie di flussi numerici, 34.737 file, 17,9 GB, il Transformer comprime in media il 35% meglio di zstd -19 e resta entro l'1,1% dai grafi OpenZL addestrati, secondo le note di rilascio. Flow Engineering, una startup di San Francisco attiva da tre anni che vende strumenti AI per la progettazione hardware, ha annunciato mercoledì un round Series B da 50.000.000 di dollari a una valutazione di 750.000.000 di dollari, ha riferito TechCrunch il 30 settembre. Il round è stato co-guidato da Antonio Gracias di Valor Equity Partners e Gavin Baker di Atreides Management, con la partecipazione di Sequoia Capital e dell'ex partner di Sequoia Roelof Botha. Anduril, Rivian, Joby Aviation, General Motors PPU, RV Tech e Stoke Space sono indicati come clienti.

OpenAI e Synopsys, intanto, hanno firmato una partnership pluriennale per costruire GPT-Synopsys, un modello per la progettazione di chip che unisce la tecnologia di OpenAI agli strumenti di electronic design automation di Synopsys, ha riferito The Decoder il 30 settembre. I dati dei clienti non saranno usati per l'addestramento e saranno archiviati in forma cifrata, hanno detto le due aziende, e i primi test con clienti del settore dei semiconduttori sono già in corso.

Per gli editori, niente di tutto questo cambia l'asimmetria di fondo. Google decide il prezzo, le condizioni e l'opt-out, e il mercato dei contenuti che usa non è un mercato in alcun senso normale. Il report di The Information, ripreso da The Decoder, è finora il quadro pubblico più chiaro di quanto renda questo accordo, e il quadro non è lusinghiero.