Non è una notifica, è un silenzio. Meta ha iniziato a utilizzare le foto pubbliche caricate su Instagram per alimentare il proprio generatore di immagini basato su intelligenza artificiale. L’unico modo per fermare la cosa è un opt-out attivo, sepolto tra le impostazioni dell’account, in una schermata che la piattaforma non spinge certo a visitare.

Il meccanismo è emblematico: il modello di business si fonda sull’inazione dell’utente. Chi non sa, chi non cerca, chi non si oppone contribuisce — senza volerlo — a ingrossare il dataset che permette a Meta di addestrare modelli sempre più capaci. Non si tratta solo di una mossa tecnica, ma di un posizionamento normativo implicito: le immagini pubbliche vengono trattate come materiale liberamente disponibile, al di là del contesto in cui sono state condivise e delle aspettative di chi le ha pubblicate.

Un’architettura del consenso al ribasso

Questa architettura del consenso non è casuale. Le impostazioni predefinite a favore del prelievo dati sono ormai uno standard nell’industria dei social media. Ma l’estensione al training di modelli generativi segna un salto di qualità: non si usano più solo i dati per profilazione pubblicitaria, ma per creare sistemi in grado di replicare stili visivi e produrre contenuti sintetici. Il confine tra “pubblico” e “disponibile per l’addestramento” diventa labile, e la scappatoia dell’opt-out scarica sull’utente l’onere di difendere la propria sfera di controllo.

Chi ci guadagna è evidente: Meta ottiene un flusso costante di materiale visivo autentico, vario e geolocalizzato, senza dover negoziare licenze con creatori o agenzie. Questo permette di ridurre i costi di approvvigionamento dati per l’AI, aumentando al contempo la qualità dei modelli. Chi ci perde sono gli utenti inconsapevoli, ma anche fotografi e artisti che vedono le proprie immagini finite in un bacino di addestramento senza poter esercitare un vero controllo. Più in generale, l’intero ecosistema della creazione visiva perde ancoraggio giuridico, perché le regole d’ingaggio vengono ridefinite di fatto dalle piattaforme.

Il nodo della sovranità dei dati

La vicenda tocca un nervo scoperto per chiunque oggi valuti strategie di adozione dell’intelligenza artificiale: la sovranità dei dati. Affidarsi ai servizi cloud di grandi vendor significa accettare logiche di utilizzo spesso opache, dove il confine tra servizio offerto e valorizzazione interna dei dati non è trasparente. Per le organizzazioni — aziende, enti pubblici, istituti di ricerca — il caso Meta è un promemoria: senza un controllo pieno sull’infrastruttura e sulle policy di trattamento, i dati rischiano di diventare carburante per modelli altrui.

Non sorprende, quindi, che il dibattito sull’on-premise e sul self-hosting di modelli di AI sia in costante crescita. La possibilità di mantenere i dati dentro i propri server, in ambienti air-gapped o su hardware dedicato, diventa la contromisura strutturale a un modello di consenso ribaltato. Non è una questione solo tecnica: è una scelta di architettura del potere informativo, che determina chi può decidere come e se un dato diventerà addestramento.

Il generatore di immagini di Meta, con il suo opt-out nascosto, è solo l’ultimo segnale di una tensione che continuerà a crescere. Mentre i regolatori provano a inseguire, la partita si gioca sul terreno dell’infrastruttura: chi possiede lo stack hardware e software da cui partono le pipeline di training ha l’ultima parola su cosa entra nel modello. Per questo, strumenti e framework per il deployment locale non sono più una nicchia, ma un presidio di autonomia strategica.