Il patrimonio informativo non si protegge soltanto chiudendo i file
Un sistema di intelligenza artificiale collegato all’archivio aziendale può trovare in pochi secondi contratti, procedure, listini e specifiche tecniche. Il vantaggio è evidente. La domanda decisiva è un’altra: può trovare soltanto ciò che l’utente ha il diritto di conoscere?
Prima pubblicazione: 23 ottobre 2026 · Ultimo aggiornamento: 23 ottobre 2026 · Quadro UE comprensivo del regolamento (UE) 2026/1744.
Assistente AI o agente AI? Una precisazione sui termini. In questo articolo «assistente AI» indica un sistema conversazionale che interroga l’archivio aziendale, di norma con un RAG, e risponde con un testo. Un «agente AI» è un sistema che, oltre a rispondere, può pianificare e compiere azioni tramite strumenti: inviare email, creare o modificare file, aprire ticket, interrogare altri applicativi, spesso in più passaggi e con un margine di autonomia.
I rischi descritti valgono per entrambi, ma con un agente AI aumentano, perché un errore o una manipolazione producono effetti concreti e non soltanto una risposta sbagliata. Dove la differenza conta, il testo lo indica; la sezione dedicata agli agenti è più avanti.
Immaginiamo un responsabile commerciale che chieda all’assistente AI: «Qual è lo sconto massimo che possiamo concedere a questo cliente?». Il sistema risponde combinando un listino, una nota della direzione e una bozza di negoziazione riservata. La risposta è utile, ma contiene informazioni che quel dipendente non era autorizzato a consultare.
Non serve un attacco esterno perché si produca una divulgazione impropria. Può bastare una ricerca efficace su un archivio con permessi mal progettati. È qui che l’architettura dell’AI incontra la tutela dei segreti commerciali, la protezione dei dati e la contrattualistica tecnologica.
Il problema non è semplicemente impedire all’AI di leggere. È costruire un sistema capace di leggere per conto della persona giusta, per una finalità autorizzata e senza trasformare ogni documento in conoscenza disponibile a tutti.
LLM, RAG e knowledge base: tre concetti, tre funzioni diverse
LLM: Large Language Model
È un modello linguistico di grandi dimensioni, addestrato su dati per apprendere regolarità e generare sequenze di testo in funzione del contesto ricevuto.
Può riassumere, confrontare e redigere contenuti. Non è però, di per sé, un archivio aziendale affidabile: può produrre risposte plausibili ma inesatte.
Knowledge base
È una base di conoscenza organizzata: documenti, procedure, schede tecniche, contratti e informazioni su origine, versione, validità e accessi.
Non coincide necessariamente con un database vettoriale. Può comprendere archivi documentali, dati strutturati, motori di ricerca e grafi di conoscenza.
RAG: Retrieval-Augmented Generation
È un’architettura che recupera contenuti pertinenti da fonti esterne al modello e li inserisce nel contesto utilizzato per generare la risposta.
Il modello risponde anche sulla base dei materiali recuperati al momento della domanda. Il recupero può essere lessicale, vettoriale o ibrido.
Per il funzionamento tecnico: documentazione RAG e controlli sugli accessi.
Consultare un documento non significa necessariamente addestrare il modello
Nel fine-tuning si aggiornano parametri del modello mediante un processo di addestramento. In un RAG ordinario, invece, il sistema recupera passaggi documentali e li fornisce al modello durante l’elaborazione della richiesta: questo non comporta, di per sé, l’aggiornamento dei suoi parametri.
La distinzione evita un equivoco: collegare un archivio non significa automaticamente incorporarne il contenuto nei pesi del modello. Ma non risolve la riservatezza. Passaggi recuperati, domande e risposte possono transitare attraverso servizi esterni, log, cache e sistemi di assistenza.
«Non usiamo i tuoi dati per il training» è quindi una garanzia specifica. Non equivale a «non conserviamo nulla», «nessuno può accedere» o «nessun dato lascia il tuo ambiente». Occorre verificare servizio, configurazione e condizioni acquistate.
Diagramma 1 — Come i documenti diventano interrogabili
Un possibile percorso di ingestione. L’indicizzazione vettoriale è una scelta frequente, non un requisito di ogni RAG.
Fonti autorizzate, categorie documentali e responsabili dei contenuti.
Estrazione dei testi e, se necessario, suddivisione in porzioni chiamate chunk.
Contenuti, metadati e permessi alimentano l’indice. Gli eventuali embedding rappresentano numericamente i testi.
Aggiornamenti, revoche e cancellazioni devono propagarsi a copie e indici pertinenti.
Un embedding non è automaticamente anonimo né costituisce, da solo, una misura di cifratura. Natura dei dati e possibilità di ricondurli a persone richiedono una valutazione concreta. Il pulsante di sospensione vale anche per il diagramma successivo.
Diagramma 2 — Prima il diritto di accesso, poi la risposta
I contenuti non autorizzati non devono arrivare al modello. Il solo invito nel prompt a “non divulgarli” non sostituisce i controlli di autorizzazione.
Su smartphone scorri orizzontalmente. Schema illustrativo, non certificazione di sicurezza.
Il rischio meno visibile: aggirare i confini interni dell’impresa
Un archivio può essere protetto nel sistema originario e diventare eccessivamente accessibile dopo l’indicizzazione. Accade se, per esempio, un connettore acquisisce documenti con un account amministratore e il motore di ricerca non conserva o non applica i permessi dei singoli utenti.
L’assistente AI non dovrebbe ampliare i diritti informativi dell’utente. Occorre verificare autorizzazioni a livello di documento e, quando necessario, di porzione documentale, insieme a separazione degli ambienti, revoche e gestione delle cache.
Dimostrazione — Stessa domanda, diritti diversi
«Quali condizioni possiamo offrire al cliente Alfa?». Seleziona un ruolo per vedere un esempio di risposta. Persone e dati sono fittizi.
Dimostrazione editoriale: i pulsanti non applicano controlli di sicurezza. In un sistema reale le autorizzazioni devono essere verificate dai servizi applicativi.
Know-how: la riservatezza deve essere dimostrabile
La direttiva (UE) 2016/943 non tutela qualsiasi informazione etichettata come “confidenziale”. L’articolo 2 richiede congiuntamente segretezza, valore commerciale derivante dalla segretezza e misure ragionevoli per mantenerla. In Italia il riferimento è agli articoli 98 e 99 del Codice della proprietà industriale. [1]
Un RAG può valorizzare il know-how senza distruggerne la riservatezza, se accessi, destinatari e usi restano governati. Un’indicizzazione indiscriminata può invece aumentare l’esposizione e rendere più difficile dimostrare l’adeguatezza delle misure.
Non ogni incidente determina automaticamente la perdita della tutela: contano circostanze, diffusione e requisiti residui. NDA e clausole generiche non sostituiscono però classificazione, accessi selettivi, formazione e verifiche. Restano ferme le eccezioni e le divulgazioni lecite previste dall’ordinamento.
GDPR: l’archivio interno non è una zona franca
Contratti, email, verbali e documenti HR possono contenere dati personali. Selezionarli, estrarli, indicizzarli e utilizzarli per una risposta costituisce trattamento quando riguarda persone identificate o identificabili. [2]
| Questione | Riferimento GDPR | Verifica concreta |
|---|---|---|
| Finalità e base giuridica | Articoli 5, 6 e, se pertinenti, 9 e 10 | Necessità dei dati, compatibilità degli usi ulteriori e presenza di una base appropriata. |
| Minimizzazione e progettazione | Articoli 5 e 25 | Escludere categorie non necessarie e limitare i passaggi inviati al modello. |
| Fornitori e sicurezza | Articoli 28 e 32 | Ruoli effettivi, istruzioni, subresponsabili e misure proporzionate. |
| Informazione e diritti | Articoli 12–22, secondo applicabilità | Informative, accesso, rettifica, opposizione e cancellazione gestibili. |
| Valutazione d’impatto | Articolo 35 | Accertare se il trattamento possa presentare un rischio elevato per le persone. |
| Trasferimenti internazionali | Articoli 44–49 | Flussi, accessi da paesi terzi e meccanismi applicabili. |
Il legittimo interesse non è una scorciatoia generalizzata. L’EDPB, nel parere 28/2024 sui modelli AI, richiama la verifica dell’interesse, della necessità e del bilanciamento. Il parere non sostituisce la distinta valutazione del trattamento documentale nel RAG. [3]
Anche la cancellazione va progettata: eliminare il file originario non dimostra che siano stati rimossi chunk, copie nell’indice, cache e log. Tempi e modalità devono considerare finalità, obblighi di conservazione e limiti applicabili ai diritti.
Lavoratori e log: l’assistente AI interno non è uno strumento neutro
Un assistente AI aziendale registra, di norma, domande, documenti consultati e risposte. Questi log possono riferirsi a lavoratori identificabili e consentire di ricostruire l’attività individuale. Oltre al GDPR occorre quindi considerare l’articolo 4 dello Statuto dei lavoratori (legge n. 300/1970), quando dagli strumenti utilizzati derivi anche la possibilità di controllo a distanza, e gli obblighi informativi verso i lavoratori, tra cui quelli connessi all’uso dell’intelligenza artificiale in ambito lavorativo (legge n. 132/2025 e articolo 1-bis del decreto legislativo n. 152/1997), secondo i presupposti di ciascuna disposizione. [9]
Sono scelte di progettazione, non dettagli: chi può consultare i log, per quanto tempo vengono conservati, se è possibile pseudonimizzarli e quali regole d’uso vengono comunicate al personale. Un sistema progettato per proteggere il know-how non deve diventare, senza una decisione consapevole, uno strumento di monitoraggio delle persone.
AI Act: calendario aggiornato e obblighi da distinguere
Il regolamento (UE) 2026/1744, noto come Digital Omnibus on AI, è entrato in vigore il 27 luglio 2026 e ha modificato il regolamento (UE) 2024/1689. Il progetto deve quindi essere valutato sul quadro modificato, non sul solo testo originario. [4]
| Profilo | Calendario | Significato operativo |
|---|---|---|
| Trasparenza dell’articolo 50 | Dal 2 agosto 2026 | Gli obblighi pertinenti sono già applicabili. Identificare ruolo, interazione, contenuto ed eccezioni. |
| Marcatura dell’articolo 50, paragrafo 2 | Entro il 2 dicembre 2026 per i sistemi immessi sul mercato prima del 2 agosto 2026 (nuovo articolo 111, paragrafo 4) | Transitorio specifico per i sistemi preesistenti: non rinvia tutti gli obblighi di trasparenza. Per i sistemi sviluppati per uso interno va verificato se rientrino nella nozione di “immissione sul mercato”. |
| Sistemi ad alto rischio dell’Allegato III | 2 dicembre 2027 | Termine rinviato dalla disciplina modificativa; la classificazione dipende dal caso d’uso. |
| Sistemi ad alto rischio dell’Allegato I (prodotti) | 2 agosto 2028 | Riguarda sistemi integrati in prodotti disciplinati dalla normativa di armonizzazione: raramente pertinente a un assistente AI documentale. |
| GPAI immessi sul mercato prima del 2 agosto 2025 | Adeguamento entro il 2 agosto 2027 | Regime dell’articolo 111, paragrafo 3: non confonderlo con il transitorio dell’articolo 50. |
La trasparenza non equivale a un’etichetta universale
L’articolo 50 distingue obblighi dei fornitori e dei deployer. La marcatura leggibile dalle macchine del paragrafo 2 non coincide con l’informazione sull’interazione con un sistema AI né con la divulgazione della natura artificiale dei contenuti disciplinati dal paragrafo 4.
Quest’ultimo riguarda, tra l’altro, deepfake e determinati testi pubblicati per informare il pubblico su questioni di interesse pubblico. Per questi testi l’eccezione relativa al controllo umano non va descritta in modo incompleto: rilevano il processo di revisione umana o controllo editoriale e la responsabilità editoriale della pubblicazione, secondo le condizioni normative.
Un assistente AI documentale interno non è dunque soggetto, per il solo fatto di usare RAG, a un obbligo uniforme di etichettare visibilmente ogni risposta. Il quadro va però verificato caso per caso: il paragrafo 1 riguarda i sistemi destinati a interagire direttamente con persone fisiche e non si applica quando l’interazione è evidente dal contesto; il paragrafo 2 grava sui fornitori, con eccezioni, tra l’altro, per le funzioni di mera assistenza all’editing standard o che non modificano in modo sostanziale i dati forniti. L’ambito concreto va verificato anche alla luce delle linee guida della Commissione. I rinvii per l’alto rischio non sospendono gli obblighi di trasparenza già applicabili.
RAG non è una categoria di alto rischio
La qualificazione dipende dal sistema e dalla finalità prevista. Un assistente AI per procedure tecniche non va equiparato automaticamente a uno strumento destinato a selezionare candidati o valutare lavoratori. Gli obblighi dei deployer dell’articolo 26 richiedono l’accertamento dei relativi presupposti.
Competenze e ruoli: attenzione al testo modificato
L’articolo 4 sull’alfabetizzazione AI è stato riformulato dall’Omnibus: nel nuovo testo, fornitori e deployer adottano misure per sostenere lo sviluppo delle competenze del personale e di chi opera per loro conto, e non sono più tenuti ad “assicurare” un livello sufficiente. L’articolo è applicabile dal 2 febbraio 2025: conviene documentare le misure adottate, come istruzioni e formazione su documenti riservati, limiti delle risposte, fonti non affidabili e possibili incidenti.
Integrare un modello non rende automaticamente l’impresa fornitore di quel modello. Ma l’impresa che sviluppa un sistema RAG e lo mette in servizio con il proprio nome, anche per uso interno, può essere qualificata come fornitore del sistema di AI (articolo 3, nn. 3 e 11), con le conseguenze del caso; negli altri casi sarà tipicamente deployer. Se il progetto comprende fine-tuning o altre modifiche, occorre inoltre riesaminare separatamente il ruolo rispetto al modello e al sistema finale. L’etichetta tecnica della modifica non determina da sola la qualificazione giuridica.
Documenti di terzi: accesso, estrazione e divulgazione non coincidono
Manuali acquistati, report, banche dati e materiali dei clienti non diventano liberamente riutilizzabili perché presenti nei sistemi aziendali. Occorre distinguere accesso, riproduzione, estrazione, indicizzazione e distribuzione del contenuto negli output.
Gli articoli 3 e 4 della direttiva (UE) 2019/790 disciplinano eccezioni per il text and data mining con presupposti differenti. La disciplina italiana degli articoli 70-ter e 70-quater della legge n. 633/1941 deriva dal recepimento operato con il decreto legislativo n. 177/2021. [5]
Fuori dalla ricerca scientifica, l’eccezione generale opera soltanto se il titolare non ha riservato i propri diritti in modo appropriato: per i contenuti pubblicati online, ad esempio, con strumenti leggibili dalle macchine. Va inoltre ricordato che non è pacifico che il solo recupero di passaggi in un RAG rientri nel text and data mining nel senso della direttiva, e che licenze e condizioni contrattuali possono limitare l’uso a prescindere dalle eccezioni.
Il riferimento italiano: articolo 70-septies
L’articolo 25 della legge n. 132/2025 ha introdotto l’articolo 70-septies nella legge sul diritto d’autore. La disposizione contempla riproduzioni ed estrazioni per il text and data mining attraverso modelli e sistemi AI, anche generativa, su materiali ai quali si abbia legittimamente accesso e nel rispetto degli articoli 70-ter e 70-quater.
Non è un’autorizzazione generale a divulgare contenuti nei risultati di un assistente AI. Licenze, eventuali riserve, diritti sulle banche dati e operazioni effettive devono essere valutati distintamente. [6]
Il profilo penale: articolo 171, non articolo 171-ter
L’articolo 26, comma 3, della legge n. 132/2025 ha introdotto nell’articolo 171, primo comma, della legge n. 633/1941 la lettera a-ter). La previsione riguarda la riproduzione o estrazione di testo o dati da opere o altri materiali disponibili in rete o in banche di dati, in violazione degli articoli 70-ter e 70-quater, anche attraverso sistemi AI.
Il riferimento è quindi all’articolo 171, primo comma, lettera a-ter), non all’articolo 171-ter. La configurabilità dell’illecito richiede l’accertamento dei suoi presupposti: non deriva automaticamente da qualsiasi indicizzazione. [7]
Le clausole da negoziare prima di collegare gli archivi
| Area | Questione da disciplinare |
|---|---|
| Uso dei contenuti | Separare servizio, training, valutazione, feedback e miglioramento del prodotto. Definire gli usi esclusi. |
| Riservatezza | Coprire documenti, query, chunk, indici, output e metadati; regolare accessi umani e assistenza. |
| Catena dei servizi | Identificare hosting, modello, embedding, ricerca, subfornitori, localizzazioni e cambiamenti. |
| Incidenti e prova | Evidenze, audit proporzionati, notifiche, collaborazione e gestione delle violazioni. |
| Continuità ed exit | Esportazione, formati, metadati, configurazioni, cancellazione e gestione delle copie residue. Verificare l’applicabilità delle regole del Data Act sul passaggio tra fornitori di servizi di elaborazione dati. [10] |
| Responsabilità | Limiti, esclusioni e rimedi coerenti con il rischio economico del patrimonio informativo. |
Cloud europeo o modello locale? Non basta la geografia
Un’infrastruttura locale può ridurre alcune esposizioni verso servizi esterni, ma richiede gestione di accessi, aggiornamenti, backup, log e sicurezza operativa. Un hosting nell’UE, da solo, non dimostra l’assenza di accessi da paesi terzi o di ulteriori flussi.
La scelta deve partire da sensibilità dei documenti, modello di minaccia, continuità e capacità di amministrazione. Privacy, segreto commerciale e affidabilità non si esauriscono nelle etichette “on-premise” o “EU region”.
Prompt injection: quando il documento contiene un ordine
Un documento può contenere istruzioni manipolate che tentano di influenzare l’assistente AI: è il problema della prompt injection indiretta. Materiale recuperato come fonte viene trattato come comando.
Le fonti devono quindi essere considerate input non fidati. Verifica della provenienza, separazione tra dati e istruzioni, autorizzazioni e limitazione degli strumenti devono operare insieme. Se il sistema è un agente AI, cioè può inviare email o esportare file, i limiti alle azioni esterne diventano particolarmente importanti. [8]
Quando l’assistente AI diventa agente: leggere non basta più
Un assistente AI che si limita a rispondere può, nel caso peggiore, mostrare informazioni a chi non dovrebbe vederle. Un agente AI può anche usarle: inviarle all’esterno, copiarle in un altro sistema, modificare o cancellare documenti, avviare processi. Il tema non è più soltanto «cosa può leggere», ma «con quali diritti agisce e chi risponde di ciò che fa».
- Identità e permessi. L’agente AI dovrebbe operare con i diritti della persona che lo usa, o con permessi ridotti e specifici, non con un account amministrativo generico.
- Strumenti limitati. Ogni azione disponibile (email, esportazioni, scrittura su archivi) amplia la superficie di rischio: vanno abilitate solo quelle necessarie.
- Conferma umana. Per azioni irreversibili o con effetti verso l’esterno, come invii, cancellazioni ed esportazioni, è prudente prevedere un’approvazione esplicita.
- Tracciabilità. Occorre poter ricostruire cosa è stato chiesto, quali fonti sono state usate e quali azioni sono state compiute, nel rispetto dei profili sui lavoratori e sui dati personali già richiamati.
- Prompt injection con effetti concreti. Un documento manipolato che induce una risposta scorretta è un problema; uno che induce l’invio di un file riservato è un incidente. I test devono includere questo scenario.
Sul piano giuridico, l’agente AI non è una categoria autonoma che sposti da sola ruoli o classificazioni: restano decisivi finalità prevista, ruolo dell’impresa (fornitore o deployer), dati trattati e decisioni che incidono sulle persone. Se l’agente AI adotta o prepara decisioni su persone, vanno valutati anche gli articoli 22 e 35 del GDPR e, secondo il caso d’uso, la possibile qualificazione come sistema ad alto rischio.
Prima del go-live: nove evidenze da chiedere
Uno strumento per coordinare management, legale, privacy, HR e IT. Non è una certificazione di conformità o di sicurezza.
0 di 9 evidenze selezionate
Lo script non salva e non trasmette le selezioni.
Domande che il management dovrebbe porre
Se il fornitore esclude il training, siamo protetti?
È una garanzia rilevante ma parziale. Restano da verificare conservazione, accessi, log, subfornitori, sicurezza, autorizzazioni interne e usi effettivi.
Le citazioni eliminano le risposte inventate?
No. Rendono la risposta più controllabile, ma occorre verificare che la fonte esista, sia aggiornata e sostenga l’affermazione. Il recupero può essere incompleto e il modello può interpretare male i passaggi.
Possiamo indicizzare tutto e limitare gli accessi dopo?
Il perimetro va definito prima. L’indicizzazione può creare copie, coinvolgere servizi esterni e trattare dati personali o riservati: i controlli sulla sola risposta finale arrivano troppo tardi per governare questi passaggi.
Il rinvio dell’alto rischio sospende anche la trasparenza?
No. Le decorrenze vanno distinte. L’articolo 50 è applicabile dal 2 agosto 2026; il transitorio al 2 dicembre 2026 riguarda specificamente la marcatura del paragrafo 2 per i sistemi preesistenti indicati dalla norma.
Un assistente interno deve dichiarare di essere un sistema di AI?
Dipende dal caso. L’articolo 50, paragrafo 1, non si applica quando l’interazione con un sistema di AI è evidente dal contesto, ma ruoli, eccezioni e linee guida vanno verificati. Restano comunque opportune istruzioni chiare al personale e, se pertinenti, le informative previste in materia di lavoro e di protezione dei dati.
Dall’esperimento alla knowledge infrastructure
Il valore non consiste nell’avere un chatbot che “sa tutto”. Consiste nel rendere interrogabile il patrimonio informativo senza perdere controllo su accessi, diritti, qualità e prova.
Una Knowledge Base & AI Governance Review dovrebbe produrre risultati verificabili: mappa di dati e flussi, matrice dei permessi, analisi dei ruoli, revisione dei contratti, requisiti di sicurezza, valutazione dei profili giuslavoristici e piano di rilascio con responsabilità e criteri di accettazione.
Per un’impresa che affronta crescita internazionale, investimento o due diligence, questa documentazione consente di spiegare non soltanto cosa l’AI può fare, ma perché l’organizzazione ha il diritto e la capacità di farlo.
Fonti normative, istituzionali e tecniche
- Direttiva (UE) 2016/943 , articoli 2–5; Codice della proprietà industriale , articoli 98 e 99.
- Regolamento (UE) 2016/679 — GDPR , in particolare articoli 5, 6, 9, 10, 12–22, 25, 28, 32, 35 e 44–49.
- EDPB — Opinion 28/2024 sui modelli AI , adottato il 17 dicembre 2024. Atto interpretativo, distinto dalle fonti legislative.
- Regolamento (UE) 2024/1689 — AI Act , da leggere con le modifiche del regolamento (UE) 2026/1744 — Digital Omnibus on AI , pubblicato nella Gazzetta ufficiale dell’Unione europea il 24 luglio 2026. Rilevano, secondo il caso, articoli 3, 4, 6, 26, 50, 53, 111 e 113 e allegati I e III.
- Direttiva (UE) 2019/790 , articoli 2, 3 e 4; decreto legislativo 8 novembre 2021, n. 177 ; direttiva 96/9/CE sulle banche dati .
- Legge 22 aprile 1941, n. 633 , articoli 70-ter, 70-quater e 70-septies; legge 23 settembre 2025, n. 132 , articolo 25.
- Legge n. 132/2025 , articolo 26, comma 3: introduzione della lettera a-ter) nell’articolo 171, primo comma, della legge n. 633/1941 . Il riferimento non è all’articolo 171-ter.
- Microsoft Learn — Retrieval augmented generation e indici ; Document-level access control ; Input, context and retrieval hygiene ; OWASP — LLM01 Prompt Injection . Documentazione tecnica, non fonte normativa né certificazione di un progetto.
- Legge 20 maggio 1970, n. 300 (Statuto dei lavoratori) , articolo 4; decreto legislativo 26 febbraio 1997, n. 152 , articolo 1-bis; legge n. 132/2025, disposizioni in materia di lavoro.
- Regolamento (UE) 2023/2854 — Data Act , disposizioni sul passaggio tra servizi di elaborazione dati.
Avvertenza per il lettore
Il contributo ha finalità informative generali e non costituisce parere legale, certificazione di conformità o valutazione di sicurezza di uno specifico sistema. I presidi descritti devono essere adattati a documenti, dati, settore, contratti, architettura e ruoli effettivamente coinvolti.
La conformità non dipende dal solo impiego di RAG, da un modello locale o dalla localizzazione europea dell’hosting. Prima di collegare archivi riservati occorre un’analisi coordinata degli aspetti giuridici, organizzativi e tecnici, sul quadro applicabile al momento del progetto.
Le date richiamate distinguono regimi diversi e non esauriscono tutte le disposizioni transitorie dell’AI Act, che ha inoltre introdotto, con decorrenza dal 2 dicembre 2026, una nuova pratica vietata relativa a determinati contenuti generati con AI, di regola non pertinente a un assistente AI documentale. La qualificazione del sistema e dei soggetti deve precedere l’individuazione delle scadenze e degli adempimenti pertinenti.
// Commenti