In sintesi
- Il regolamento europeo sull’IA definisce i sistemi di IA all’
articolo 3, paragrafo 1con una formula funzionale e neutra rispetto alla tecnologia: conta ciò che il sistema fa, non il modo in cui è costruito. - L’elemento che separa un sistema di IA da un software tradizionale è l’inferenza, ossia la capacità di dedurre dagli input come generare output quali previsioni, contenuti, raccomandazioni o decisioni.
- Le linee guida della Commissione europea (febbraio 2025) individuano sette caratteristiche; l’adattabilità dopo la messa in servizio è possibile ma non richiesta, perché il testo usa il verbo «può».
- Il regolamento classifica i sistemi per livello di rischio (pratiche vietate, alto rischio, rischio limitato, rischio minimo) e ripartisce gli obblighi tra due ruoli, il fornitore e il deployer.
- La governance parte da un inventario aggiornato che registra, per ogni sistema, finalità, dati, ruolo giuridico e livello di rischio; AI Sigil mantiene questo registro in forma dinamica e lo collega ai framework applicabili.
Che cos’è un sistema di IA?
L’espressione sistemi di IA ricorre ormai in contratti, capitolati di gara e policy interne, spesso senza una definizione condivisa tra le parti. Il regolamento europeo sull’IA (Regolamento (UE) 2024/1689) ne fornisce una, vincolante in tutta l’Unione: da essa dipende l’intero perimetro di applicazione della normativa, cioè la risposta alla domanda «questo strumento rientra o no nelle regole?».
«sistema di IA»: un sistema automatizzato progettato per funzionare con livelli di autonomia variabili e che può presentare adattabilità dopo la diffusione e che, per obiettivi espliciti o impliciti, deduce, dall’input che riceve, come generare output quali previsioni, contenuti, raccomandazioni o decisioni che possono influenzare ambienti fisici o virtuali.
Questa è la definizione dell’articolo 3, paragrafo 1 del regolamento europeo sull’IA, il cui testo integrale è consultabile nella raccolta ufficiale dell’AI Act. Conviene scomporla lungo tre momenti logici, perché è così che il legislatore ha costruito la nozione.
Il primo momento è l’input: un sistema di IA riceve dati, strutturati (una tabella, una serie di misure) o non strutturati (testo libero, immagini, segnali audio), provenienti dall’ambiente o da un operatore. Il secondo momento è l’inferenza: il sistema non esegue soltanto istruzioni predeterminate, ma deduce dagli input come arrivare a un risultato. È qui la sostanza giuridica della definizione, ed è la ragione per cui una funzione di foglio di calcolo o una procedura scritta interamente a mano non ricade nella nozione.
Il terzo momento è l’output che influenza un ambiente: il risultato assume la forma di una previsione, di un contenuto, di una raccomandazione o di una decisione, e produce effetti su un ambiente fisico (un impianto, un veicolo) o virtuale (un sistema informativo, un’altra applicazione).
Un punto orienta ogni valutazione: la definizione è funzionale, e quindi neutra rispetto alla tecnologia. Descrive un comportamento, non un’architettura, e tecniche molto diverse possono qualificarsi come sistemi di IA se e solo se realizzano quella catena input, inferenza, output. Per collocarla nel quadro più ampio delle regole europee si veda l’analisi dedicata al regolamento europeo sull’IA.
Le sette caratteristiche di un sistema di IA
Per ridurre l’incertezza applicativa, la Commissione europea ha pubblicato nel febbraio 2025 le linee guida sulla definizione di sistema di IA, che scompongono la definizione dell’articolo 3, paragrafo 1 in sette caratteristiche. Non vanno soddisfatte tutte con la stessa intensità: alcune sono costitutive, altre facoltative, e comprenderne il peso relativo consente una qualificazione corretta.
Basato su macchina e autonomo
La prima caratteristica è l’essere basato su macchina. Ogni sistema di IA gira su un supporto computazionale, dai processori ordinari fino alle architetture emergenti: le linee guida precisano che la formula copre anche i sistemi di calcolo quantistico. Nessuna tecnologia hardware è esclusa a priori; la caratteristica serve a escludere processi puramente umani od organizzativi.
La seconda caratteristica è l’autonomia. La definizione parla di «livelli di autonomia variabili»: un sistema è autonomo quando opera con un certo grado di indipendenza dall’intervento umano diretto, anche se limitato. La soglia è bassa, basta che non sia pilotato passo per passo da un operatore. I sistemi che agiscono con margini più ampi, fino a concatenare azioni verso un obiettivo, rientrano nella categoria degli agenti di IA autonomi, che pongono questioni di controllo specifiche.
L’inferenza: l’elemento determinante
La terza caratteristica, e la più importante sul piano pratico, è l’inferenza: le linee guida la indicano come l’elemento che distingue un sistema di IA da un software ordinario. Inferire significa ricavare output dagli input attraverso una logica non interamente specificata da un essere umano per ogni caso possibile.
L’inferenza copre due grandi famiglie di tecniche. La prima è l’apprendimento automatico (machine learning): il sistema costruisce la propria logica a partire dai dati, attraverso l’addestramento, e generalizza a situazioni nuove. La seconda comprende gli approcci basati su conoscenza e logica, in cui l’inferenza deriva da regole, ontologie o motori di ragionamento simbolico; entrambe rientrano nella nozione.
Altrettanto importante è ciò che resta fuori. Le linee guida escludono espressamente i sistemi basati su regole interamente specificate da esseri umani, le euristiche semplici e le operazioni di elaborazione dati di base. Un modulo che applica una formula fissa o un filtro con soglie definite a mano non inferisce nulla, esegue. Il criterio guida è chiaro: se la logica del risultato è stata scritta per intero da una persona, non c’è inferenza e, di norma, non c’è un sistema di IA.
Adattabilità, obiettivi e output
La quarta caratteristica è l’adattabilità dopo la messa in servizio, dove è essenziale la scelta lessicale del legislatore: il sistema «può» presentare adattabilità. La capacità di modificarsi con l’uso non è quindi un requisito necessario, e un sistema che resta statico dopo l’addestramento è a pieno titolo un sistema di IA. Confondere adattabilità e qualificazione è un errore frequente.
La quinta caratteristica sono gli obiettivi, espliciti o impliciti: ogni sistema persegue finalità, talvolta dichiarate, talvolta desumibili dalla configurazione e dai dati di addestramento. La distinzione tra obiettivo del sistema e finalità d’uso dell’organizzazione conta molto nella classificazione del rischio.
La sesta e la settima caratteristica riguardano gli output e la loro capacità di influenzare l’ambiente. Gli output tipici sono quattro: previsioni, contenuti, raccomandazioni, decisioni. La loro influenza su ambienti fisici o virtuali completa la catena: il sistema è un attore che produce effetti, non un semplice strumento passivo, ed è questa incidenza sul mondo a giustificare l’attenzione regolatoria e la necessità di governance dell’IA strutturata.
I tipi di sistemi di IA
Accanto alla definizione giuridica esistono due tassonomie tecniche diffuse. Non sostituiscono la classificazione per rischio del regolamento, unica rilevante ai fini della conformità, ma chiariscono di quale oggetto parliamo quando diciamo sistemi di IA.
Per capacità: IA ristretta, generale e super-IA
La prima tassonomia ordina i sistemi in base all’ampiezza delle capacità cognitive.
L’IA ristretta (narrow AI, o IA debole) designa i sistemi progettati per un compito o un insieme circoscritto di compiti: un traduttore automatico, un motore di raccomandazione, un assistente conversazionale. Il punto va detto con nettezza: tutti i sistemi di IA oggi effettivamente in uso appartengono a questa categoria, compresi i modelli linguistici più avanzati.
L’IA generale (Artificial General Intelligence, AGI) indica un sistema ipotetico capace di svolgere qualsiasi compito intellettuale alla stregua di un essere umano, trasferendo competenze da un dominio all’altro: resta un concetto teorico, non una realtà disponibile. La super-IA (superintelligence) descrive un’intelligenza che supererebbe le capacità umane in ogni ambito, prospettiva puramente speculativa. Distinguere le tre categorie serve a riportare le aspettative alla realtà, perché la governance si esercita oggi su sistemi ristretti, per quanto potenti.
Per funzionalità: reattiva, a memoria limitata, teoria della mente, autocosciente
La seconda tassonomia, di origine accademica, ordina i sistemi in base al modo in cui trattano informazioni ed esperienza. Le macchine reattive rispondono agli stimoli presenti senza conservare memoria delle interazioni passate. I sistemi a memoria limitata utilizzano invece dati storici, entro una finestra definita: a questa categoria appartiene la quasi totalità dei sistemi di apprendimento automatico moderni, dai grandi modelli linguistici ai motori di raccomandazione, fino alla percezione dei veicoli a guida autonoma. La teoria della mente, capace di modellare stati mentali e intenzioni degli interlocutori, è un obiettivo di ricerca, non una tecnologia consolidata; i sistemi autocoscienti, dotati di coscienza di sé, restano un’ipotesi speculativa. L’attività reale si concentra nelle prime due categorie.
Come il regolamento europeo sull’IA classifica i sistemi di IA per rischio
Chiarito che cosa sia un sistema di IA, la domanda operativa diventa quali obblighi si applichino. Il regolamento adotta un approccio basato sul rischio, distribuendo i sistemi su quattro livelli a intensità crescente.
Il primo livello raccoglie le pratiche vietate. L’articolo 5 elenca otto pratiche incompatibili con i valori dell’Unione, tra cui alcune forme di manipolazione subliminale, il social scoring generalizzato da parte delle autorità pubbliche e determinati usi dell’identificazione biometrica. Il divieto si applica dal 2 febbraio 2025: questi sistemi non possono essere immessi sul mercato né utilizzati.
Il secondo livello è l’alto rischio, disciplinato dagli articoli 6-49. Un sistema è ad alto rischio in due casi. Nel primo è un componente di sicurezza di un prodotto già regolato dalla normativa di armonizzazione dell’Unione elencata nell’allegato I (macchinari, dispositivi medici, giocattoli). Nel secondo rientra in una delle otto aree dell’allegato III: identificazione e categorizzazione biometrica; infrastrutture critiche; istruzione e formazione professionale; occupazione e gestione dei lavoratori; accesso a servizi essenziali privati e pubblici, compresa la valutazione del merito creditizio e l’accesso alle assicurazioni; attività di contrasto; migrazione, asilo e controllo delle frontiere; amministrazione della giustizia e processi democratici. È il livello che concentra la maggior parte degli adempimenti sostanziali e richiede una gestione del rischio e conformità organica.
Il terzo livello è il rischio limitato, incentrato sulla trasparenza. L’articolo 50 impone obblighi informativi: chi interagisce con un chatbot deve poterlo sapere, i contenuti sintetici e i deepfake devono essere etichettati come generati o manipolati dall’IA. L’obiettivo non è vietare, ma garantire che la persona sappia di trovarsi di fronte a un output artificiale.
Il quarto livello è il rischio minimo: la grande maggioranza dei sistemi (filtri antispam, videogiochi) non è soggetta a obblighi specifici del regolamento. Resta però fermo che altre normative continuano ad applicarsi, in primo luogo la disciplina sulla protezione dei dati personali, presidiata in Italia dal Garante per la protezione dei dati personali.
Chi è responsabile: fornitori e deployer
Il regolamento non attribuisce gli obblighi al sistema in astratto, ma a chi lo mette in circolazione e a chi lo usa.
Il fornitore, definito all’articolo 3, paragrafo 3, è il soggetto che sviluppa un sistema di IA, o lo fa sviluppare, e lo immette sul mercato o lo mette in servizio con il proprio nome o marchio: su di lui gravano gli obblighi più corposi, perché controlla la progettazione. Il deployer, definito all’articolo 3, paragrafo 4, è il soggetto che utilizza un sistema di IA sotto la propria autorità, nell’ambito di un’attività professionale; l’uso puramente personale resta fuori dalla nozione. Nella pratica la maggior parte delle organizzazioni è deployer: adotta strumenti sviluppati da terzi e li integra nei propri processi.
Il confine tra i due ruoli non è rigido. L’articolo 25 prevede che un deployer diventi fornitore, assumendone i relativi obblighi, in tre situazioni: quando appone il proprio nome o marchio su un sistema ad alto rischio già immesso sul mercato; quando lo modifica in modo sostanziale; quando lo destina a una finalità ad alto rischio non prevista in origine. La conseguenza è pratica: personalizzare pesantemente uno strumento acquistato, o piegarlo a un uso diverso da quello dichiarato, può spostare l’organizzazione dalla parte del fornitore. Mappare il proprio ruolo per ciascun sistema è quindi un presupposto di qualsiasi programma di conformità, e un tassello dei più ampi framework di governance dell’IA.
Gli obblighi di governance per i sistemi di IA
Per i sistemi ad alto rischio il regolamento delinea un insieme di obblighi che, letti insieme, disegnano un vero e proprio sistema di gestione. A carico del fornitore ricadono, tra gli altri: l’istituzione di un sistema di gestione del rischio lungo l’intero ciclo di vita (Art 9); la governance dei dati, con attenzione alla qualità e alla riduzione dei bias nei set di addestramento, convalida e prova (Art 10); la documentazione tecnica del sistema (Art 11); la registrazione automatica degli eventi, il logging (Art 12); la trasparenza e le istruzioni per l’uso destinate al deployer (Art 13); la sorveglianza umana, progettata affinché una persona possa comprendere e, se necessario, contrastare il funzionamento del sistema (Art 14); accuratezza, robustezza e cibersicurezza adeguate (Art 15); un sistema di gestione della qualità (Art 17); la valutazione della conformità prima dell’immissione sul mercato (Art 43); la marcatura CE; e la registrazione nella banca dati dell’Unione (Art 49).
La sorveglianza umana merita una nota, perché tocca da vicino l’organizzazione del lavoro. Non basta un pulsante di arresto: occorre decidere se l’intervento umano avvenga nel ciclo decisionale (human-in-the-loop) o in supervisione (human-on-the-loop). La distinzione tra supervisione umana nel ciclo e sul ciclo va calibrata sul livello di rischio del sistema.
Il deployer non è esente. L’articolo 26 gli impone, tra l’altro, di usare il sistema conformemente alle istruzioni, garantire la sorveglianza umana e monitorarne il funzionamento. L’articolo 27 aggiunge, per le autorità pubbliche e alcuni soggetti che erogano servizi essenziali, una valutazione d’impatto sui diritti fondamentali prima della messa in uso di determinati sistemi ad alto rischio.
Un capitolo a parte riguarda i modelli di IA per finalità generali (GPAI). I loro fornitori devono predisporre documentazione tecnica e rispettare gli obblighi in materia di diritto d’autore. Quando un modello presenta un rischio sistemico, presunto al superamento della soglia di 10^25 FLOP di potenza di calcolo impiegata nell’addestramento (Art 55), si aggiungono obblighi di valutazione del modello e di segnalazione degli incidenti gravi. La tempistica è scaglionata: divieti dal febbraio 2025, obblighi GPAI dall’agosto 2025, regole sui sistemi ad alto rischio dell’allegato III dall’agosto 2026 e sui sistemi ad alto rischio legati a prodotti dell’allegato I dall’agosto 2027. Molte organizzazioni ancorano questi adempimenti a standard riconosciuti come la norma ISO 42001 o il NIST AI Risk Management Framework, che offrono una struttura di controlli allineabile al regolamento.
Dalla definizione alla governance: costruire un inventario dei sistemi di IA
Tra la definizione giuridica e la conformità concreta si frappone un ostacolo pratico che le organizzazioni sottovalutano: la maggior parte di esse non sa quali sistemi di IA utilizza davvero. I modelli entrano in azienda per vie poco visibili: attraverso gli acquisti, incorporati in software gestionali e piattaforme di terzi come funzionalità accessorie, e attraverso strumenti adottati spontaneamente dai dipendenti, il fenomeno noto come shadow AI, l’IA ombra che sfugge al controllo centrale. Il perimetro reale è quasi sempre più ampio di quello percepito.
Per questa ragione il fondamento della governance non è un documento di policy, ma un inventario vivo. Un registro utile annota, per ciascun sistema: la finalità; i dati in input e in output; il ruolo giuridico dell’organizzazione, fornitore o deployer; e il livello di rischio secondo la classificazione del regolamento. Senza questa base fattuale ogni valutazione di conformità resta un esercizio teorico, perché manca l’oggetto su cui applicarla.
È qui che si colloca AI Sigil: la piattaforma mantiene un registro dinamico dei sistemi di IA e dei loro componenti, aggiornato man mano che l’inventario cambia, classifica ogni sistema rispetto ai framework applicabili, dal regolamento europeo agli standard internazionali, e vi collega i controlli da attuare e le evidenze che ne dimostrano l’attuazione. Così la definizione dell’articolo 3, paragrafo 1, che sulla carta è un’astrazione, diventa il punto di partenza di un processo tracciabile: dall’identificazione del sistema alla classificazione, fino alla prova documentata della conformità.
Domande frequenti
Qual è la definizione ufficiale di sistema di IA nel regolamento europeo? La definizione si trova all’articolo 3, paragrafo 1 del Regolamento (UE) 2024/1689: un sistema automatizzato, progettato per operare con livelli di autonomia variabili, che può presentare adattabilità dopo la messa in servizio e che, per obiettivi espliciti o impliciti, deduce dagli input come generare output quali previsioni, contenuti, raccomandazioni o decisioni capaci di influenzare ambienti fisici o virtuali. È una definizione funzionale e neutra rispetto alla tecnologia, valida anche di fronte all’evoluzione degli strumenti.
Un software basato su regole è un sistema di IA? In genere no. Le linee guida della Commissione europea escludono espressamente i sistemi basati su regole interamente specificate da esseri umani, le euristiche semplici e le operazioni di elaborazione dati di base. Il discrimine è l’inferenza: se la logica del risultato è stata scritta per intero da una persona, il programma esegue e non deduce, quindi resta fuori dalla nozione. Un sistema vi rientra invece quando ricava i propri output attraverso apprendimento automatico oppure approcci basati su conoscenza e logica che superano l’applicazione di regole fisse.
Che differenza c’è tra un sistema di IA e un modello di IA per finalità generali (GPAI)? Un modello è un componente, un sistema è ciò che lo rende utilizzabile. Un modello di IA per finalità generali è addestrato su grandi quantità di dati e può svolgere molti compiti, ma da solo non ha un’interfaccia né una finalità d’uso definita: diventa parte di un sistema di IA quando viene integrato con altri elementi e destinato a uno scopo concreto. Il regolamento tratta le due figure con regimi distinti, con obblighi dedicati per i fornitori di modelli GPAI (documentazione, diritto d’autore e, per i modelli con rischio sistemico, valutazione e segnalazione).
Chi deve rispettare gli obblighi: il fornitore o il deployer? Entrambi, ma in misura diversa. Il fornitore (articolo 3, paragrafo 3) sviluppa il sistema e lo immette sul mercato con il proprio nome: su di lui gravano gli obblighi più estesi, dalla gestione del rischio alla valutazione di conformità. Il deployer (articolo 3, paragrafo 4) lo usa sotto la propria autorità nell’ambito professionale, con obblighi centrati su uso conforme, sorveglianza umana e monitoraggio. Attenzione però all’articolo 25: un deployer diventa fornitore se appone il proprio marchio su un sistema ad alto rischio, lo modifica in modo sostanziale o lo destina a una finalità ad alto rischio nuova.
Tutti i sistemi di IA sono soggetti agli stessi obblighi? No, il regolamento adotta un approccio proporzionato al rischio su quattro livelli. Le pratiche vietate (articolo 5) sono proibite dal 2 febbraio 2025. I sistemi ad alto rischio (articoli 6-49) sopportano gli obblighi sostanziali: gestione del rischio, governance dei dati, documentazione, sorveglianza umana, valutazione di conformità. I sistemi a rischio limitato devono rispettare obblighi di trasparenza (articolo 50), come segnalare l’interazione con un chatbot o etichettare i deepfake. I sistemi a rischio minimo non hanno obblighi specifici del regolamento, ma restano soggetti alle altre normative, a partire dalla protezione dei dati personali.
Da quando si applicano le regole del regolamento europeo sull’IA? L’applicazione è scaglionata nel tempo. I divieti sulle pratiche vietate si applicano dal 2 febbraio 2025. Gli obblighi relativi ai modelli di IA per finalità generali decorrono dall’agosto 2025. Le regole sui sistemi ad alto rischio elencati nell’allegato III si applicano dall’agosto 2026. Le regole sui sistemi ad alto rischio che costituiscono componenti di sicurezza di prodotti disciplinati dall’allegato I si applicano dall’agosto 2027. La progressione dà tempo per prepararsi, ma i primi adempimenti, i divieti e l’alfabetizzazione in materia di IA, sono già operativi.
Conclusione
Definire con precisione che cosa sia un sistema di IA non è un esercizio accademico: è la prima decisione di governance che ogni organizzazione deve prendere, perché stabilisce quali strumenti ricadono nel regolamento europeo e con quale intensità. La definizione dell’articolo 3, paragrafo 1, con il suo baricentro sull’inferenza, e le sette caratteristiche chiarite dalla Commissione offrono i criteri per qualificare correttamente ogni caso. Ma la qualificazione, da sola, non basta. Il valore nasce quando la definizione si traduce in un inventario aggiornato, in una classificazione per rischio, in ruoli assegnati e in controlli documentati. AI Sigil accompagna questo passaggio, dal riconoscimento del sistema alla prova della conformità, così che i sistemi di IA restino sempre visibili, classificati e governati.