Dal 30 ottobre 2026 un’azienda che usa i servizi business di Meta potrebbe concedere permessi più ampi sul sito associato al proprio account. Per una PMI il punto non è inseguire ogni aggiornamento legale: è decidere quali crawler possono leggere il sito WordPress, applicare la scelta senza rompere SEO e anteprime social, poi verificare dai log che la regola produca l’effetto atteso.

Il problema è tecnico prima che legale

The Verge ha riportato che i nuovi Commercial Terms di Meta, previsti dal 30 ottobre 2026, includono un linguaggio abbastanza ampio da sollevare dubbi sull’uso dei contenuti dei siti collegati agli account business, anche per sviluppo e addestramento di prodotti. Meta sostiene che l’aggiornamento riguardi soprattutto informazioni accurate su prodotti e servizi, non un nuovo piano per acquisire articoli editoriali. Questa distinzione va mantenuta: un permesso contrattuale non dimostra che una pagina sia stata usata per addestrare un modello.

La decisione operativa, però, resta. Se sul sito pubblichi guide, cataloghi, documentazione o analisi che hanno valore proprietario, non lasciare l’accesso dei crawler al caso. Prima definisci una policy: consentire, limitare a determinate aree oppure bloccare il crawler di training. Per questioni contrattuali serve un legale; per il controllo tecnico servono configurazione e misure verificabili.

Misura cosa succede davvero sul sito

Apri https://tuodominio.it/robots.txt e salva la configurazione attuale. Poi controlla i log del server o del CDN cercando il token meta-externalagent, senza confonderlo con gli user agent usati per anteprime dei link o richieste avviate dagli utenti. La documentazione Meta sui crawler distingue più agenti con funzioni diverse; una regola troppo larga può quindi eliminare un servizio che volevi mantenere.

Registra almeno data, URL richiesto, user agent, codice HTTP e numero di richieste. Il confronto utile non è «vedo un bot, quindi ho un problema», ma quante pagine legge, quali aree visita e quanto carico produce. Se non hai accesso ai log, chiedi al provider un estratto di sette giorni oppure usa il pannello bot del CDN. Questo passaggio evita di installare plugin WordPress a tentativi e crea una baseline da confrontare dopo la modifica.

Blocca solo il crawler che hai deciso

Se la scelta è escludere il crawler di training Meta, aggiungi al robots.txt questo gruppo specifico:

User-agent: Meta-ExternalAgent
Disallow: /

WordPress può generare un robots.txt virtuale; il file può anche essere gestito dal plugin SEO, dall’hosting o da un file fisico nella root. Modifica un solo livello, altrimenti diventa difficile capire quale configurazione viene servita. Subito dopo, apri l’URL pubblico in una finestra anonima e verifica che risponda 200 e contenga esattamente il nuovo gruppo. Non aggiungere Disallow: / sotto User-agent: *: bloccheresti anche crawler che ti servono per la ricerca.

La specifica documentata da Google chiarisce inoltre che robots.txt è una direttiva per crawler cooperativi, non una misura di sicurezza. Contenuti riservati, bozze e aree clienti devono restare dietro autenticazione. Per separare controllo dei crawler e protezione applicativa, può essere utile anche questa guida su come limitare i bot AI in WordPress.

L’errore da evitare e il take finale

L’errore classico è pubblicare una lista copiata di dieci o venti bot e considerare chiuso il lavoro. Gli user agent cambiano, possono essere falsificati e non tutti rispettano le direttive. Dopo sette giorni torna ai log: confronta volume, URL e codici HTTP con la baseline. Se Meta-ExternalAgent continua a generare traffico indesiderato, valuta una regola mirata sul CDN o sul web server, prima in modalità log e poi in blocco, evitando filtri generici sulle parole «Meta» o «Facebook».

Il take operativo è semplice: tratta l’accesso dei crawler come una policy di pubblicazione, non come uno snippet da copiare. Decidi lo scopo, applica la regola più stretta possibile, misura l’esito e conserva una data di revisione. In questo modo proteggi il valore dei contenuti senza compromettere per errore indicizzazione, anteprime social o accesso degli utenti reali. Fonti consultate: Commercial Terms riportati da The Verge, documentazione crawler di Meta e specifica robots.txt di Google.