Chiarimenti sull’AI Act: Nuove soglie per l’AI generativa

Il Movimento dell’UE per Chiarire l’Applicazione della Legge sull’IA per l’IA Generativa

Il 29 aprile 2025, i responsabili politici dell’Unione Europea (UE) hanno annunciato l’intenzione di stabilire misure soglia relative alle risorse computazionali per aiutare le aziende a determinare se e in che misura i modelli di intelligenza artificiale (IA) che addestrano o modificano siano soggetti a requisiti normativi ai sensi della Legge sull’IA dell’UE.

Proposte e Consultazione

Le soglie proposte sono state delineate in un documento di lavoro dell’Ufficio dell’IA dell’UE, il quale espone il pensiero attuale, ma non definitivo o vincolante, riguardo all’ambito delle norme applicabili ai modelli di IA generativa (GPAI) sotto la Legge sull’IA. Le proposte sono oggetto di un sondaggio aperto dalla Commissione Europea, che cerca le opinioni di industria e altri portatori di interesse. Il feedback atteso aiuterà a modellare le nuove linee guida che chiariranno l’ambito del regime GPAI, che entrerà in vigore il 2 agosto 2025.

Obblighi per i Fornitori di GPAI

Sotto la Legge sull’IA, i fornitori di modelli GPAI affrontano una serie di obblighi di registrazione e disclosure, tra cui la documentazione del processo di addestramento e testing del modello, la condivisione di informazioni per aiutare i fornitori di sistemi IA a integrare i loro sistemi con il modello, e la redazione di una politica di copyright conforme alla legge dell’UE.

I modelli GPAI ‘con rischio sistemico’ affrontano ulteriori obblighi, che includono la valutazione del modello, testing e mitigazione del rischio, così come la segnalazione di incidenti e la sicurezza informatica.

Metriche e Misure di Soglia

Se le proposte dell’Ufficio dell’IA vengono adottate, i modelli di IA che possono generare testo o immagini sarebbero presumibilmente considerati modelli GPAI se la loro potenza computazionale di addestramento supera i 1022 operazioni in virgola mobile (FLOP). Il FLOP è una misura della potenza computazionale e, secondo le assunzioni dell’Ufficio dell’IA, non ci sono esempi di modifiche a modelli operativi oggi che porterebbero un modificatore a rientrare nell’ambito dei requisiti applicabili ai GPAI ‘con rischio sistemico’.

Critiche e Considerazioni

Esperti del settore hanno sollevato preoccupazioni riguardo alla scelta del FLOP come metrica per distinguere gli obblighi normativi. Alcuni esperti hanno affermato che questa misura non sembra essere ‘neutra rispetto alla tecnologia’, il che è stato lo standard per le leggi tecnologiche in Europa fino ad ora. Ci sono interrogativi su come la Commissione intenderà verificare la potenza computazionale utilizzata per addestrare il modello e se questa potenza sia informativa riguardo all’importanza o al livello di rischio del modello.

Supporto per i Fornitori di GPAI

L’Ufficio dell’IA ha riconosciuto che nei mesi successivi all’applicazione delle obbligazioni dei fornitori di modelli GPAI, alcuni fornitori potrebbero affrontare situazioni difficili per garantire la conformità tempestiva. Pertanto, l’Ufficio si impegna a supportare i fornitori nel prendere i necessari provvedimenti per rispettare le loro obbligazioni.

In particolare, per i modelli GPAI già sul mercato prima del 2 agosto 2025, i fornitori devono adottare le misure necessarie per rispettare le loro obbligazioni entro il 2 agosto 2027. Ciò non richiede la ri-addestramento o l’ ‘unlearning’ dei modelli già addestrati, dove l’implementazione delle misure per la conformità al copyright non è possibile per azioni eseguite in passato.

Conclusione

Le nuove linee guida e il codice di condotta GPAI stanno per arrivare, e la loro attuazione avrà un impatto significativo sulla regolamentazione dell’intelligenza artificiale in Europa. I fornitori dovranno prepararsi ad affrontare le nuove sfide e ad adattarsi a un panorama normativo in rapida evoluzione.

More Insights

Rafforzare la Sicurezza dell’IA: L’Allineamento Responsabile di phi-3

Il documento discute l'importanza della sicurezza nell'intelligenza artificiale attraverso il modello phi-3, sviluppato secondo i principi di AI responsabile di Microsoft. Viene evidenziato come il...

AI Sovrana: Il Futuro della Produzione Intelligente

Le nuvole AI sovrane offrono sia controllo che conformità, affrontando le crescenti preoccupazioni riguardo alla residenza dei dati e al rischio normativo. Per i fornitori di servizi gestiti, questa è...

Etica dell’IA: Progresso e Inclusività in Scozia

L'Allianza Scozzese per l'IA ha pubblicato il suo Rapporto di Impatto 2024/2025, evidenziando un anno di progressi nella promozione di un'intelligenza artificiale etica e inclusiva in Scozia. Il...

L’Urgenza del Regolamento sull’IA: Preparati al Cambiamento

L'annuncio della Commissione UE venerdì scorso che non ci sarà un ritardo nell'Atto sull'IA dell'UE ha suscitato reazioni contrastanti. È tempo di agire e ottenere alcuni fatti, poiché le scadenze di...

Affidabilità dei Modelli Linguistici nella Prospettiva della Legge AI dell’UE

Lo studio sistematico esamina la fiducia nei grandi modelli linguistici (LLM) alla luce del Regolamento sull'IA dell'UE, evidenziando le preoccupazioni relative all'affidabilità e ai principi di...

La pausa sull’AI Act dell’UE: opportunità o rischio?

Il 8 luglio 2025, la Commissione Europea ha ribadito il proprio impegno per rispettare il calendario dell'AI Act, nonostante le richieste di rinvio da parte di alcune aziende. Il Primo Ministro...

Controlli Trump sull’IA: Rischi e Opportunità nel Settore Tecnologico

L'amministrazione Trump si sta preparando a nuove restrizioni sulle esportazioni di chip AI verso Malesia e Thailandia, al fine di prevenire l'accesso della Cina a processori avanzati. Le nuove...

Governance AI: Fondamenti per un Futuro Etico

La governance dell'intelligenza artificiale e la governance dei dati sono diventate cruciali per garantire lo sviluppo di soluzioni AI affidabili ed etiche. Questi framework di governance sono...

LLMOps: Potenziare l’IA Responsabile con Python

In un panorama ipercompetitivo, non è sufficiente distribuire modelli di linguaggio di grandi dimensioni (LLM); è necessario un robusto framework LLMOps per garantire affidabilità e conformità...