^{SALVATORE PROCOPIO – formatore AI}

La crescita dei modelli open weight cinesi mette sotto pressione i grandi operatori americani. Dietro le richieste di nuove regole si intrecciano rischi reali, interessi industriali e difesa delle posizioni di mercato. L’Europa, con l’AI Act, prova a costruire una terza via, ma deve evitare che la trasparenza si trasformi in burocrazia inefficace.

Il dibattito internazionale sulla regolamentazione dell’intelligenza artificiale viene generalmente presentato come una risposta ai rischi legati alla cybersicurezza, alla disinformazione, all’automazione delle decisioni e agli impieghi malevoli dei modelli più avanzati. Ma dietro le proposte formulate dai principali operatori americani potrebbe esserci anche un obiettivo più strettamente economico: proteggere un mercato costruito attraverso investimenti colossali e limitare l’ingresso di nuovi concorrenti, in particolare quelli cinesi.

Negli Stati Uniti, lo sviluppo dell’intelligenza artificiale generativa è stato finora dominato da società che hanno privilegiato modelli chiusi e proprietari. OpenAI e Anthropic rappresentano gli esempi più evidenti. Google mantiene invece una posizione più articolata, operando sia con sistemi proprietari sia con modelli aperti. Microsoft, dopo aver investito ingenti risorse nei principali laboratori di intelligenza artificiale, sta rafforzando una propria strategia industriale, affiancando ai servizi chiusi, come Copilot, anche modelli più piccoli e aperti.

Meta costituisce un caso particolare. È stata la principale sostenitrice occidentale dei modelli open weight, pur avendo progressivamente modificato il proprio approccio e le condizioni di utilizzo delle diverse generazioni dei suoi modelli. Il punto centrale, tuttavia, resta invariato. Il mercato americano dell’intelligenza artificiale continua a essere guidato soprattutto da piattaforme proprietarie, controllate da un numero ristretto di imprese.

In questo contesto, le richieste di introdurre regole paragonabili a quelle dell’aviazione civile o dell’industria nucleare devono essere valutate con attenzione. La sicurezza è un’esigenza reale, ma la regolamentazione può diventare anche una barriera all’ingresso. Requisiti patrimoniali, obblighi di certificazione, autorizzazioni preventive e costi di conformità particolarmente elevati potrebbero essere sostenibili per le grandi società tecnologiche, ma non per startup, centri di ricerca indipendenti e nuovi operatori.

Il rischio è che la regolazione finisca per consolidare le posizioni di chi possiede già capitali, infrastrutture, dati e capacità computazionale.

La risposta cinese: fare di più con meno

Il confronto si è intensificato con la rapida crescita dei modelli cinesi. Le restrizioni all’esportazione di semiconduttori avanzati e di tecnologie per il calcolo ad alte prestazioni avrebbero dovuto rallentare la capacità della Cina di competere con gli Stati Uniti. In parte, però, quelle limitazioni hanno prodotto un effetto diverso. Hanno spinto le imprese cinesi a cercare architetture più efficienti, capaci di ottenere risultati elevati utilizzando una quantità inferiore di risorse computazionali.

Di fronte alla minore disponibilità delle GPU occidentali più avanzate, i laboratori cinesi hanno lavorato sull’efficienza degli algoritmi, sull’organizzazione delle architetture, sulla specializzazione dei modelli e sull’ottimizzazione dei processi di addestramento e inferenza. Parallelamente, la Cina ha accelerato lo sviluppo di chip e infrastrutture proprietarie.

Il risultato è l’arrivo sul mercato di modelli open weight capaci di avvicinarsi, in alcune attività, alle prestazioni dei migliori sistemi occidentali. Il termine open source, in questo campo, si deve comunque utilizzare con cautela. Spesso vengono pubblicati i pesi del modello, ma non necessariamente i dati di addestramento, il codice completo, le procedure utilizzate e tutte le informazioni necessarie per riprodurre il sistema.

La disponibilità dei pesi rappresenta comunque un cambiamento importante. Permette a imprese, professionisti e sviluppatori di eseguire i modelli su infrastrutture proprie, adattarli a esigenze specifiche e ridurre la dipendenza dalle piattaforme cloud controllate dai grandi operatori internazionali.

Il mercato dei modelli locali

La crescita dei modelli open weight non riguarda soltanto il confronto geopolitico tra Stati Uniti e Cina. Sta modificando anche le scelte tecnologiche delle imprese.

Le prestazioni dei modelli eseguibili in locale sono diventate sufficientemente elevate da renderli utilizzabili in numerosi ambiti professionali: produzione di codice, gestione documentale, ricerca interna, classificazione dei dati, automazione dei processi e supporto alle attività amministrative.

L’utilizzo locale offre inoltre alcuni vantaggi rilevanti. I dati possono rimanere all’interno dell’organizzazione, i costi ricorrenti delle API possono essere ridotti e il funzionamento del sistema non dipende necessariamente dalla disponibilità di una connessione Internet o dalle decisioni commerciali di un unico fornitore.

Attorno a questi modelli si sta sviluppando un ecosistema di strumenti destinati a migliorarne velocità ed efficienza. Tecniche di quantizzazione, inferenza ottimizzata, architetture sparse e sistemi di gestione della memoria consentono oggi di far funzionare modelli relativamente avanzati anche su computer di fascia consumer.

In questo settore sono presenti competenze italiane di livello internazionale. Sviluppatori come Salvatore Sanfilippo e altri protagonisti della comunità tecnologica stanno contribuendo alla creazione di soluzioni capaci di rendere più accessibile l’esecuzione locale dei modelli, riducendo la quantità di memoria e di potenza di calcolo necessaria.

Questa tendenza costituisce una minaccia diretta per il modello di business basato esclusivamente sull’accesso a piattaforme proprietarie tramite abbonamento o API. La concorrenza dei modelli cinesi, distribuiti gratuitamente o offerti attraverso servizi cloud a prezzi molto bassi, sta già esercitando una pressione sui listini degli operatori americani.

La riduzione dei prezzi non deriva soltanto dal progresso tecnologico. È anche il risultato di una competizione sempre più intensa per conquistare sviluppatori, imprese e piattaforme software.

Sicurezza o difesa del mercato?

I sostenitori di una regolamentazione più severa osservano che la disponibilità dei pesi può facilitare l’eliminazione delle protezioni inserite nei modelli e favorire utilizzi malevoli. Un sistema aperto può essere modificato, addestrato nuovamente o adattato a compiti che il produttore originario non avrebbe autorizzato.

Si tratta di un rischio che non può essere ignorato. Tuttavia, secondo una lettura più critica, l’allarme sulla cybersicurezza viene talvolta amplificato e utilizzato come strumento di politica commerciale.

I modelli di intelligenza artificiale possono aiutare a scrivere codice, individuare vulnerabilità e automatizzare alcune fasi di un attacco informatico. Ma non trasformano automaticamente un utilizzatore inesperto in un hacker capace di compromettere sistemi complessi. Le operazioni più sofisticate continuano a richiedere conoscenze tecniche, accessi, infrastrutture e capacità operative specifiche.

La questione, quindi, non è stabilire se esistano dei rischi, ma capire se le misure proposte siano proporzionate e se vengano applicate in modo neutrale. Una regolamentazione costruita intorno alle caratteristiche dei modelli proprietari potrebbe penalizzare le soluzioni aperte senza ridurre concretamente le minacce.

Il precedente degli ultimi anni alimenta inoltre una certa diffidenza. Le grandi imprese tecnologiche hanno potuto addestrare i propri sistemi utilizzando enormi quantità di contenuti reperiti online, spesso in un quadro giuridico ancora incerto. Le contestazioni degli autori, degli editori e dei titolari dei diritti sono arrivate quando i modelli erano già stati sviluppati e commercializzati.

Dopo una fase di espansione scarsamente regolamentata, gli stessi operatori che hanno beneficiato dell’assenza di regole chiedono ora requisiti più severi. È legittimo domandarsi se queste richieste rispondano esclusivamente a esigenze etiche e di sicurezza o anche alla necessità di proteggere gli investimenti già effettuati.

L’Europa e l’AI Act

In questo scenario l’Unione europea ha scelto una strada diversa. Con il regolamento europeo sull’intelligenza artificiale, l’AI Act, Bruxelles ha introdotto un sistema fondato sul livello di rischio degli impieghi.

L’impostazione generale rappresenta un punto di forza. Alcuni utilizzi sono vietati, altri sono sottoposti a requisiti particolarmente rigorosi e altri ancora rimangono sostanzialmente liberi. L’obiettivo è evitare una regolazione indistinta di tutta l’intelligenza artificiale e concentrare i controlli nei settori in cui le conseguenze sulle persone possono essere più gravi.

Particolarmente condivisibile è l’attenzione dedicata ai sistemi ad alto rischio, soprattutto quando vengono utilizzati nel lavoro, nella selezione del personale, nella valutazione dei dipendenti, nei servizi essenziali, nell’accesso al credito, nella giustizia o nella sicurezza pubblica.

In questi ambiti l’intelligenza artificiale può incidere direttamente sui diritti fondamentali. Sono quindi necessari obblighi di documentazione, supervisione umana, controllo dei dati, verifica dell’affidabilità e possibilità di contestare le decisioni.

Più problematica appare invece l’efficacia di alcune disposizioni sulla trasparenza.

Il nodo dell’articolo 50

L’articolo 50 dell’AI Act impone, in diversi casi, di informare gli utenti quando interagiscono con un sistema di intelligenza artificiale o quando un contenuto è stato generato o manipolato artificialmente.

Il principio è corretto. Le persone devono sapere se stanno parlando con un essere umano oppure con un chatbot. L’esigenza è diventata ancora più importante con la diffusione dei sistemi vocali, capaci ormai di sostenere conversazioni fluide e difficilmente distinguibili da quelle umane.

Più controverso è il ricorso a watermark e marcatori tecnici per identificare i contenuti generati dall’intelligenza artificiale. Questi strumenti possono essere rimossi, alterati o neutralizzati con relativa facilità. Il rischio è costruire un apparato burocratico costoso, che grava soprattutto sugli operatori rispettosi delle regole, senza impedire a chi agisce in malafede di cancellare le tracce della generazione artificiale.

Esiste anche un problema di riservatezza. Un sistema capace di riconoscere l’origine tecnologica di un testo potrebbe, in prospettiva, essere utilizzato per ricostruire informazioni più dettagliate: il modello impiegato, il servizio utilizzato e, almeno teoricamente, l’identità o il profilo dell’utilizzatore.

Non significa che bisogna abbandonare ogni forma di marcatura. Significa che l’obbligo dovrebbe essere sottoposto a una verifica rigorosa di efficacia, proporzionalità e tutela della privacy. Diversamente, il watermark rischia di diventare un adempimento formale, facilmente aggirabile e incapace di raggiungere l’obiettivo dichiarato.

Lavoro, biometria e rinvii normativi

Se sulle regole relative ai contenuti sintetici è opportuno evitare eccessi burocratici, nei sistemi ad alto rischio serve invece maggiore fermezza.

I rinvii nell’applicazione di alcune disposizioni europee, compresi quelli discussi nell’ambito dei provvedimenti di semplificazione digitale, potrebbero rallentare la tutela dei lavoratori proprio mentre gli strumenti di intelligenza artificiale entrano nei processi di selezione, controllo, valutazione e organizzazione delle attività.

Anche il riconoscimento biometrico richiede regole più chiare. Le distinzioni tra identificazione in tempo reale, analisi successiva delle immagini e ricerca all’interno di archivi digitali possono creare zone grigie. Definizioni troppo elastiche rischiano di consentire utilizzi invasivi attraverso interpretazioni tecniche o procedurali, riducendo l’efficacia del controllo giudiziario.

L’Europa deve quindi trovare un equilibrio: semplificare gli obblighi che non producono benefici concreti e, nello stesso tempo, mantenere garanzie elevate negli ambiti in cui l’intelligenza artificiale può incidere sulla libertà, sull’occupazione e sui diritti delle persone.

La fine dello scaling illimitato

Sul piano industriale, il settore sta intanto entrando in una nuova fase. Per diversi anni il progresso degli LLM è stato guidato soprattutto dall’aumento delle dimensioni: più dati, più parametri, più GPU e più energia.

Questo modello sta però mostrando rendimenti decrescenti. Per ottenere miglioramenti proporzionalmente più piccoli sono necessari investimenti sempre più elevati. La corsa verso l’intelligenza artificiale generale richiederebbe quindi data center più grandi, infrastrutture energetiche dedicate e capitali difficili da sostenere persino per le principali società tecnologiche.

Per questo l’attenzione si sta spostando dall’addestramento massivo al post-training, all’uso di dati sintetici, al ragionamento durante l’inferenza, all’integrazione con strumenti esterni e alla costruzione di harness, cioè infrastrutture software capaci di organizzare il lavoro del modello, verificarne i risultati e collegarlo ad applicazioni, database e ambienti di sviluppo.

Il fenomeno è particolarmente evidente nella produzione di codice. Le prestazioni non dipendono più soltanto dalla qualità del modello di base, ma dall’intero sistema che lo circonda: gestione del contesto, accesso ai file, esecuzione dei test, correzione degli errori e interazione con altri strumenti.

Una partita industriale e geopolitica

La regolamentazione dell’intelligenza artificiale non può essere separata dalla competizione per i semiconduttori, l’energia e le infrastrutture di calcolo. Il vantaggio occidentale continua a dipendere anche dalle tecnologie per la produzione dei chip più avanzati, comprese le macchine per la litografia ultravioletta estrema che realizza l’olandese ASML.

Ma questo vantaggio non è necessariamente permanente. La Cina sta investendo per ridurre la dipendenza dalle tecnologie occidentali, mentre i suoi laboratori stanno dimostrando che l’efficienza del software può compensare, almeno in parte, la minore disponibilità di hardware avanzato.

In questa prospettiva, l’allarme sulla sicurezza può diventare anche un mezzo per difendere il primato tecnologico occidentale. La sfida consiste nel distinguere le misure realmente necessarie da quelle che utilizzano la sicurezza come giustificazione per limitare la concorrenza.

L’intelligenza artificiale richiede regole, ma regole fondate su rischi verificabili, risultati misurabili e neutralità tecnologica. La trasparenza deve proteggere le persone senza trasformarsi in un insieme di obblighi inefficaci. La sicurezza deve essere garantita senza impedire la ricerca indipendente e l’esecuzione locale dei modelli. La tutela dei diritti deve prevalere soprattutto nei settori ad alto rischio, dal lavoro alla biometria.

La vera questione non è scegliere tra regolamentazione e assenza di regole. È stabilire chi scrive quelle regole, quali interessi vengono protetti e chi potrà continuare a competere nel mercato dell’intelligenza artificiale.