// TOM'S HARDWARE ITALIA — INTELLIGENZA ARTIFICIALE
Meta vieta Claude Code ai propri ingegneri. Llama non deve imparare dai rivali
Meta ha limitato l'accesso dei propri ingegneri a Claude Code e Codex. La motivazione non è tecnica, ma strategica: secondo documenti interni ottenuti da The Information, il problema è la distillation — il rischio che gli output di modelli rivali finiscano, attraverso il lavoro quotidiano degli sviluppatori, nei dati di training di Llama. In certi casi, Meta ha anche temporaneamente sospeso specifici progetti che coinvolgevano questi strumenti.
Il meccanismo che preoccupa Meta è sottile ma reale. Quando un ingegnere usa Claude Code per scrivere o revisionare codice, l'output che ne risulta porta l'impronta del modello di Anthropic. Se quel codice (o il ragionamento dietro) entra nel corpus di dati su cui Llama viene addestrato, si crea una trasmissione non autorizzata di capacità da un modello a un altro. Un memo interno cita "gravi escalation con le aziende partner" come rischio concreto in caso di fuga di output nei dati di training.
La policy di Meta è già rigorosa: la politica aziendale vieta di usare output di AI per creare task di test o per analisi del codice. La revisione umana rimane obbligatoria. Ma la nuova restrizione su Claude Code e Codex aggiunge un livello: non si tratta solo di cosa fare con l'output, ma di quali tool possono essere usati in certi contesti produttivi. La preoccupazione non è l'output diretto, ma il flusso informativo che potrebbe contaminare il training attraverso percorsi indiretti.
Il progetto MetaCode — il coding assistant interno che Meta sta costruendo — è l'altra faccia della stessa decisione. Ridurre la dipendenza da strumenti esterni serve tanto per il risparmio quanto per il controllo dei dati. Secondo il memo, Meta è sulla traiettoria di spendere miliardi di dollari in uso interno di AI nel solo 2026 — una cifra che rende la costruzione di strumenti proprietari economicamente razionale già nel breve periodo.
Il caso Meta non è isolato. La distillation sta diventando il principale terreno di conflitto legale e strategico nell'industria AI. Anthropic ha recentemente accusato Alibaba del più grande attacco di distillation noto: output di modelli Claude estratti sistematicamente e usati per costruire capacità in modelli concorrenti. Elon Musk ha dovuto ammettere ad aprile, durante il processo contro OpenAI, che xAI aveva parzialmente distillato modelli OpenAI nel training dei propri sistemi.
I termini di servizio dei principali provider — OpenAI, Anthropic, Google — proibiscono esplicitamente di usare gli output per costruire sistemi concorrenti. Ma far rispettare quella clausola è tecnicamente complesso: come si dimostra che il codice prodotto da un ingegnere che usa Claude è finito nel training di un modello rivale? La catena causale è difficile da tracciare, e i meccanismi di verifica non esistono ancora come standard di settore.
Meta si trova in una posizione peculiare: Llama è open-weight, il che significa che il suo training data e i suoi pesi sono potenzialmente analizzabili in modo più diretto di un modello proprietario. Un'eventuale contaminazione da output Claude sarebbe più difficile da negare rispetto a un sistema closed. La scelta di blindare il training data è quindi anche una scelta di protezione legale preventiva, non solo di purezza tecnica.
Per il posizionamento di Llama 4 come alternativa competitiva ai modelli proprietari di Anthropic e OpenAI, la credibilità dell'approccio open-weight dipende anche dalla reputazione della pulizia dei dati di training. Un Llama "contaminato" da Claude sarebbe un problema legale, commerciale e reputazionale — ragione sufficiente per giustificare restrizioni che altrimenti sembrerebbero eccessivamente caute.
La vicenda Meta solleva un tema che riguarda qualsiasi organizzazione che usa tool AI su larga scala: dove finiscono gli output? Se gli ingegneri usano Claude Code su codebase proprietarie, e quegli output vengono poi usati per affinare modelli interni o per creare dataset, chi possiede quelle informazioni? La risposta dipen