Governance Leggibile dalla Macchina
Regole di governance che le macchine possono individuare ed eseguire: llms.txt, manifest /ai/, file di policy /.well-known/, JSON Schema, token di licenza firmati e formati di log di audit. Questo sito è esso stesso un esempio funzionante.
Domande allo studio
01
Da robots.txt a llms.txt, fino ai manifest dei diritti
02
Convenzioni di individuazione delle policy tramite /.well-known/
03
JSON Schema come formato di specifica normativo
04
Auditabilità: log, versioni, provenienza
Whitepaper correlati
- AICR / AICL come livello di connessione per la licenza dei contenuti IA e il pagamento agentico Un livello di specifica leggibile dalla macchina per dichiarare i diritti sui contenuti IA e i flussi di licenza — dalla scansione da parte dell'IA e dai diritti sui contenuti a un web di conoscenza transazionabile dalle macchine.
- Spettro dei Diritti dell'IA: da robots.txt a un Protocollo di Permesso di Apprendimento dell'IA AIRS e AILP esprimono autorizzazioni di apprendimento dell'IA sfumate, oltre il semplice binario consenti/nega — cosa l'IA può apprendere, a quale profondità, per quali usi, con quale compenso.
- Apertura Protocollata: perché «non proibito» non significa «apprendibile» nell'era dell'IA Un'apertura non definita viene letta come incertezza giuridica dalle pipeline di IA e viene eliminata; solo un permesso protocollato e leggibile dalla macchina rende i contenuti realmente apprendibili.
- AICL: livello di ingestion e capability dell'IA Un'architettura del sito a quattro sottolivelli — manifest, corpus, capability, governance — che consente a IA, agenti e crawler di acquisire, citare, invocare e verificare correttamente la conoscenza di un sito.
- Il pagamento dei contenuti IA e l'economia democratica delle reti Un argomento di economia politica: valutazioni dell'IA nell'ordine delle migliaia di miliardi creano una pressione di legittimità verso una licenza dei contenuti a livelli e una condivisione dei benefici pubblici — i dati diventano stratificati, non costosi.