🔍 Meta sta scansionando il tuo sito per addestrare la sua AI: ecco cosa devi sapereSe gestisci un sito web oppure un e-commerce e ultimamente hai notato un picco anomalo di traffico, potresti aver ricevuto la visita di un ospite inatteso:
meta-externalagent/1.1.No, non è il solito crawler di Facebook che genera le anteprime quando condividi un link. Quello lo conosciamo bene, si chiama facebookexternalhit e fa il suo lavoro da anni senza dare troppo fastidio. Questo è diverso. Ed è il motivo per cui ho deciso di scrivere questo post.
Chi è meta-externalagent/1.1?È un crawler ufficiale di Meta, documentato nella loro pagina dedicata ai web crawlers (
https://developers.facebook.com/docs/sharing/webmasters/web-crawlers/).
Il suo scopo principale non è generare anteprime social: è indicizzare contenuti web per addestrare modelli di intelligenza artificiale e migliorare i prodotti dell'ecosistema Meta, quindi Facebook, Instagram e tutto ciò che ci gira intorno.
In pratica, Meta sta facendo quello che fanno anche altri big player: raccogliere dati dal web aperto per alimentare i propri sistemi di AI.
La differenza è che molti webmaster se ne sono accorti nel modo peggiore, cioè guardando i log del server e trovando migliaia di richieste in poco tempo.
Perché dovresti preoccupartene?Per due motivi concreti.
Il primo è il traffico: dopo alcuni test, ma soprattutto dopo che diversi colleghi e clienti mi hanno segnalato un incremento spropositato di visite da questo bot, al punto da rallentare il server.
Se hai un hosting condiviso o risorse limitate, questo può diventare un problema serio.
Il secondo è una questione di principio: i tuoi contenuti vengono utilizzati per addestrare modelli AI senza che tu debba necessariamente accettarlo.
Come gestirlo?La buona notizia è che il crawler rispetta il file robots.txt. Quindi puoi intervenire in modo semplice e pulito.
Opzione 1 – robots.txt (la più semplice):Aggiungi queste righe al tuo file robots.txt:
User-agent: meta-externalagent
Disallow: /
Se vuoi bloccare anche meta-externalfetcher, puoi aggiungere:
User-agent: meta-externalfetcher
Disallow: /
⚠️ Attenzione però: meta-externalfetcher è spesso legato al recupero dei metadati per le anteprime social. Bloccarlo potrebbe impedire la corretta visualizzazione delle immagini quando qualcuno condivide i tuoi link su Facebook. Valuta bene.
Opzione 2 – .htaccess (per chi usa Apache):Se il traffico è davvero aggressivo e vuoi un blocco più deciso a livello server:
RewriteEngine On
RewriteCond %{HTTP_USER_AGENT} ^.meta-externalagent. [NC,OR]
RewriteCond %{HTTP_USER_AGENT} ^.meta-externalfetcher. [NC]
RewriteRule ^.* - [F,L]
Opzione 3 – Cloudflare o firewall:Se usi Cloudflare, puoi creare una regola di Rate Limiting specifica per questo user-agent, limitando il numero di richieste al minuto senza bloccare tutto. È l'approccio più flessibile.
Il mio consiglioPrima di bloccare qualsiasi cosa, vai a controllare i log del tuo server. Verifica quante richieste stai ricevendo da meta-externalagent e se stanno effettivamente impattando le performance.
Non agire alla cieca: assicurati soprattutto di non toccare facebookexternalhit, altrimenti le anteprime dei tuoi link su Facebook smetteranno di funzionare.
E soprattutto, tieni d'occhio la documentazione ufficiale di Meta per restare aggiornato su eventuali cambiamenti:
https://developers.facebook.com/docs/sharing/webmasters/crawler/La questione AI e scraping dei contenuti web è appena iniziata. Meglio sapere cosa succede sul proprio sito prima che sia qualcun altro a deciderlo per noi.
Tag: #AI #MetaAI #AIscraping #Scraping #MetaAIscraping
@whatstechblog 
