Come gestire l'intelligenza artificiale: responsabilità, trasparenza e conti veri per imprese e PA

L’intelligenza artificiale entra nelle decisioni pubbliche e nelle attività aziendali con effetti pratici su responsabilità, trasparenza dei contenuti e modello di prezzo. Questo articolo spiega cosa cambia per le imprese e per le amministrazioni pubbliche. L’articolo mette insieme la norma italiana, il nuovo quadro europeo, le dispute internazionali e la contabilità dei token. Qui trovi indicazioni pratiche e verificabili per contratti, compliance e controllo dei costi.

Quando la firma deve provare supervisione sull’intelligenza artificiale

La legge 132/2025 stabilisce che l’uso dell’intelligenza artificiale serve a supportare l’attività amministrativa, ma la responsabilità resta della persona che firma il provvedimento. La persona che firma rimane l’unica responsabile dell’atto amministrativo. Il Consiglio di Stato, con la sentenza 2270 dell’8 aprile 2019, aveva già qualificato come atto amministrativo informatico un output algoritmico e definito i principi di conoscibilità, non esclusività e non discriminazione.

Per dimostrare questa responsabilità in giudizio serve più della motivazione formale. Occorre conservare la versione del sistema usata e la data. Occorre conservare i dati di input, l’output mostrato al firmatario e la traccia delle verifiche svolte dal funzionario. Senza una traccia documentale, la supervisione appare solo formale. Le PMI forniscono servizi alla pubblica amministrazione. La clausola contrattuale che garantisce accesso ai log diventa un elemento negoziale essenziale.

La motivazione deve spiegare quale esito ha prodotto il sistema e quali controlli ha fatto il funzionario. Un fascicolo con casi di rettifica documentata dimostra supervisione sostanziale.

Trasparenza sui contenuti e obblighi pratici per il marketing

Dal 2 agosto 2026 l’articolo 50 dell’AI Act impone obblighi di trasparenza su immagini, testi e video generati dall’intelligenza artificiale. In diversi casi i contenuti generati dall’intelligenza artificiale devono essere dichiarati esplicitamente. La responsabilità della segnalazione grava su chi pubblica il contenuto e la marcatura tecnica del fornitore non esime dalla etichettatura visibile verso gli utenti.

Per un responsabile marketing questo significa aggiornare i processi editoriali. Serve distinguere la marcatura tecnica fornita dal provider dall’etichettatura visibile verso il pubblico. Si devono predisporre procedure per i deepfake. Occorre documentare la revisione editoriale per ogni contenuto generato. La trasparenza sui contenuti è un elemento di credibilità competitiva. Ne traggono vantaggio i marchi che mostrano i processi. Restano esposti i fornitori che non rilasciano log di revisione.

La marcatura tecnica del fornitore non esime chi pubblica dall’etichettatura visibile. Etichettare i contenuti protegge reputazione e riduce rischio legale.

Conti veri: token, LCOAI e il negoziato che serve alle PMI

Il modo in cui oggi si paga l’uso dei modelli pone un problema pratico: il token è definito, contato e fatturato dal fornitore, e lo stesso testo può produrre numeri diversi secondo il tokenizer. Il token viene definito, contato e fatturato dal fornitore. Un fornitore che annuncia una riduzione del 15% dei token a parità di compito comunica uno spostamento dell’unità di misura, non necessariamente un risparmio reale.

La variabilità nasce anche dall’architettura del modello. I token di input, i token di output e i token usati per ragionare hanno prezzi diversi. I token recuperati dalla cache possono avere prezzi fino a due ordini di grandezza differenti. Inoltre alcuni studi del settore indicano che l’utilizzo medio delle GPU aziendali può fermarsi attorno al 5%, cioè una quota importante dell’hardware resta inattiva. Serve una misura indipendente per confrontare costi e qualità. In Italia l’AgID propone il costo livellato dell’intelligenza artificiale, LCOAI. L’indicatore considera investimenti e costi operativi divisi per l’output effettivamente prodotto.

Per le PMI le azioni concrete sono tre e collegate: contrattare telemetria disaggregata, misurare l’output reale e documentare audit ripetibili. Negoziate clausole che impongano la fornitura della telemetria per tipologia di token e metriche per chiamata. Esigete retention dei log per poter ricostruire la versione del modello. Stabilite procedure di audit indipendente. Richiedere telemetria disaggregata è una difesa contrattuale pratica.

Il contesto internazionale condiziona i diritti d’uso. L’intervento del Dipartimento di Giustizia americano nel contenzioso tra New York Times, autori, OpenAI e Microsoft ha spostato l’asse del dibattito. La lettura estesa del fair use ha impatto sulle licenze e sull’accesso alle opere da cui i modelli apprendono. Le PMI devono quindi costruire pratiche difendibili che combinino contratti rigorosi, metriche di qualità e fascicoli di decisione pronti per il contenzioso.

Il prossimo passo operativo riguarda l’adozione. Aggiornare contratti, procedure editoriali e fascicoli decisionali oggi significa essere pronti domani, quando un audit o un ricorso verificheranno la sostanza della supervisione. Restano aperte le questioni sullo standard di misurazione condiviso e sul ruolo delle amministrazioni nel tavolo che definirà le regole economiche.

Fonti:

• AI e copyright, cosa insegna la nuova mossa di Trump | agendadigitale.eu
• Contenuti generati dall’AI, quando vanno dichiarati secondo l’AI Act | agendadigitale.eu
• Provvedimenti assistiti da AI, chi risponde davanti al giudice | agendadigitale.eu
• Token, il “chilo variabile” con cui imprese e PA pagano l’AI | agendadigitale.eu