Anthropic e Google esaminano il framework AI di Trump, ma i modelli aperti restano esclusi

Anthropic e Google hanno esaminato un framework federale per la sicurezza dell'AI che introduce una verifica con 30 giorni di anticipo prima che determinati modelli frontier siano resi pubblici. Tuttavia, secondo quanto riportato, il framework esclude i modelli aperti, creando un'importante lacuna tra i sistemi che Washington ispeziona e i rischi che intende controllare.

Le discussioni tra Anthropic e Google non rappresentano semplicemente un altro ciclo di impegni volontari sulla sicurezza. Segnano il tentativo dell'amministrazione Trump di costruire un processo federale di revisione dopo aver smantellato gran parte della struttura di supervisione dell'AI della precedente amministrazione.

La politica arriva anche dopo uno scontro notevole tra Anthropic e il governo federale. Secondo quanto riportato, i più recenti sistemi di Anthropic hanno individuato vulnerabilità in reti governative sensibili nel giro di poche ore. Washington ha poi limitato l'accesso a tali sistemi, per riportare successivamente Anthropic ai negoziati sulle regole.

Questa storia trasforma un processo di revisione tecnica in una lotta per il controllo. Gli sviluppatori di modelli chiusi affrontano un esame riservato da parte del governo prima del rilascio. Gli sviluppatori di modelli aperti, comprese aziende in concorrenza con Google e Anthropic, sembrano invece restare al di fuori dello stesso processo.

La domanda centrale non è quindi se l'AI avanzata meriti test. È se un framework incentrato su laboratori statunitensi collaborativi possa affrontare capacità comparabili rilasciate tramite pesi aperti, sviluppatori stranieri o fornitori meno collaborativi.

Il framework crea un controllo di sicurezza di 30 giorni

Il cambiamento immediato è una finestra di revisione federale riservata per i modelli chiusi avanzati prima del loro rilascio pubblico.

Il presidente Donald Trump ha firmato il relativo ordine esecutivo il 2 giugno 2026. Il provvedimento incarica il governo di creare un processo volontario per esaminare i rischi per la sicurezza nazionale nei sistemi di AI altamente capaci.

L'ordine concede ai revisori fino a 30 giorni. Tale periodo dovrebbe consentire agli specialisti federali di testare le capacità informatiche prima che un modello raggiunga un pubblico ampio.

Un modello frontier è un sistema di AI vicino al limite più avanzato delle capacità generali. In base al framework illustrato ai rappresentanti del settore, la copertura dipende, secondo quanto riportato, dal fatto che un modello sia chiuso, altamente capace e rilevante per i rischi di sicurezza nazionale.

Questa formulazione lascia irrisolti termini importanti. Non esiste una soglia pubblica per definire cosa rientri nello stato dell'arte. L'amministrazione non ha inoltre pubblicato uno standard chiaro per decidere quando una capacità informatica diventi una questione di sicurezza nazionale.

Secondo il framework di revisione riportato, le aziende partecipanti presenterebbero modelli prossimi al rilascio pubblico. I revisori governativi li esaminerebbero in ambienti ad alta sicurezza.

L'accesso verrebbe registrato e i dipendenti potrebbero subire limitazioni durante la revisione. Diversi uffici dell'amministrazione parteciperebbero, invece di lasciare la valutazione a una sola agenzia.

La tempistica del modello è importante. Un laboratorio non fornirebbe un sistema di ricerca incompleto mesi prima del lancio. Secondo quanto riportato, consegnerebbe invece qualcosa di vicino alla versione destinata ai clienti.

Questo approccio offre ai revisori un obiettivo più realistico. Colloca inoltre la revisione direttamente sul percorso di rilascio, dove ritardi o conclusioni contestate possono influire sui piani di prodotto.

L'ordine esecutivo descrive la partecipazione come volontaria. Si concentra sui sistemi con capacità informatiche avanzate, anziché su ogni nuovo modello commerciale.

Tuttavia, “volontario” non elimina la leva del governo. I laboratori frontier vendono alle agenzie, dipendono dall'accesso a chip avanzati e collaborano con fornitori di infrastrutture soggetti alle norme federali.

In linea di principio, un'azienda può rifiutarsi di partecipare. Nella pratica, il rifiuto potrebbe complicare contratti, autorizzazioni di sicurezza, decisioni sulle esportazioni o rapporti con clienti della sicurezza nazionale.

Anthropic ha accolto con favore l'ordine di giugno e ha dichiarato di aspettarsi di sostenere l'attuazione. Anche Google e OpenAI hanno risposto positivamente, presentando la valutazione federale come compatibile con il proseguimento dello sviluppo dell'AI.

Il framework parte quindi dalla cooperazione, non da un requisito legale universale. La sua portata dipende in larga misura dagli sviluppatori che partecipano e dai sistemi che il governo definisce come coperti.

Ciò crea la tensione centrale dell'articolo. Washington sta costruendo un controllo significativo attorno alle aziende già disposte a discutere di sicurezza, lasciando invece in gran parte intatti altri percorsi di rilascio.

Perché i colloqui tra Anthropic e Google hanno ora maggiore peso

Anthropic e Google sono sotto pressione perché i loro modelli combinano un ampio utilizzo commerciale con capacità informatiche dalle conseguenze sempre più rilevanti.

L'amministrazione non ha creato questo processo dopo un dibattito politico astratto. Si è mossa dopo che modelli avanzati hanno dimostrato la capacità di identificare debolezze software a una velocità che ha allarmato i funzionari governativi.

Un modello Anthropic chiamato Mythos avrebbe partecipato a test che coinvolgevano sistemi governativi altamente sensibili. Un funzionario statunitense ha dichiarato all'Associated Press che il modello ha individuato vulnerabilità nel giro di poche ore.

Individuare una falla non equivale a sfruttarla. Questa distinzione conta perché la scoperta di vulnerabilità può aiutare i difensori a correggere i sistemi prima che un attaccante li raggiunga.

Il senatore Mark Warner ha fornito un resoconto più drammatico durante un'audizione di giugno. Ha dichiarato che il sistema era entrato in quasi tutti gli ambienti classificati testati nel giro di poche ore, attribuendo l'informazione al responsabile della NSA e del Cyber Command.

Il resoconto ufficiale era più circoscritto. Ha confermato che erano state trovate vulnerabilità, ma non ha stabilito che Mythos avesse sfruttato con successo ogni sistema interessato.

Questa lacuna di verifica illustra la difficoltà che i responsabili politici devono affrontare. Un modello può essere utile per la difesa, pericoloso in mani ostili e difficile da valutare sulla base di un singolo risultato da titolo di giornale.

I test governativi riportati si sono svolti attraverso Project Glasswing, un'iniziativa di Anthropic che coinvolge aziende tecnologiche e altri partner. Il progetto si concentra sui gravi rischi software che i modelli avanzati possono scoprire o amplificare.

Queste capacità mettono pressione su Anthropic in due direzioni. I clienti vogliono strumenti di sicurezza automatizzati migliori, mentre le agenzie governative vogliono la garanzia che gli stessi strumenti non accelerino le operazioni offensive.

Google affronta una sfida correlata. I suoi sistemi Gemini servono consumatori, sviluppatori, clienti cloud e istituzioni pubbliche. Google DeepMind mantiene inoltre un proprio framework per rilevare capacità gravi prima della distribuzione.

Il legame tra Anthropic e Google conta perché entrambe le aziende gestiscono già sistemi interni di valutazione. Washington chiede loro di trasferire le pratiche di test private in un processo controllato dal governo.

Per Anthropic, questa richiesta arriva dopo mesi di conflitto diretto con l'amministrazione. L'azienda aveva imposto limiti relativi alle armi autonome e alla sorveglianza di massa interna nei suoi accordi governativi.

Il Pentagono cercava l'accesso per tutti gli scopi leciti. Anthropic sosteneva che la sola autorizzazione legale non risolvesse ogni questione di sicurezza o libertà civili.

Il disaccordo si è infine esteso oltre il linguaggio contrattuale. L'amministrazione ha trattato Anthropic come un rischio negli appalti, mentre i critici si chiedevano se il governo stesse usando l'autorità sulla sicurezza nazionale per risolvere una disputa politica.

Il rapporto si è poi spostato verso la cooperazione. Anthropic ha collaborato con le agenzie nei test informatici, ha limitato l'accesso ai modelli avanzati dopo l'intervento del governo e si è unita ai colloqui su regole di valutazione condivise.

Google entra nel framework senza lo stesso confronto pubblico. La sua partecipazione conferisce maggiore legittimità al processo e impedisce che le regole sembrino un accordo specifico per Anthropic.

Secondo quanto riportato, anche OpenAI, Microsoft, Meta, Nvidia e aziende più piccole hanno partecipato alle discussioni di agosto. La loro presenza mostra che il framework sta diventando una politica di settore anziché un accordo bilaterale.

Ciononostante, Anthropic resta il caso di prova più importante. È al tempo stesso una delle principali sostenitrici della sicurezza e l'azienda i cui avvertimenti sulla sicurezza hanno contribuito a innescare l'azione del governo.

Se Anthropic accetta il framework, Washington può sostenere che i test esterni integrano le salvaguardie private. Se il rapporto si deteriora di nuovo, il processo sembrerà più uno strumento di pressione che una collaborazione.

La supervisione di Anthropic e Google si ferma alla linea dei modelli aperti

Il compromesso che definisce il framework è che sottopone a controllo i modelli americani chiusi, escludendo secondo quanto riportato i rilasci aperti con capacità simili.

I modelli chiusi mantengono i propri pesi sottostanti, ossia i parametri numerici appresi, sotto il controllo dello sviluppatore. Gli utenti vi accedono tramite prodotti ospitati o interfacce di programmazione.

I modelli a pesi aperti distribuiscono più ampiamente tali parametri. Gli sviluppatori possono scaricarli, modificarli ed eseguirli senza instradare ogni richiesta attraverso il fornitore originario.

Il processo proposto dal governo si concentra sulla prima categoria. Ciò ha senso dal punto di vista operativo, perché un'azienda di modelli chiusi può fornire accesso controllato e ritardare un rilascio durante i test.

Gli sviluppatori di modelli a pesi aperti pongono un problema di applicazione più difficile. Una volta che i pesi del modello sono pubblici, nessun fornitore centrale può ritirare in modo affidabile ogni copia o limitare ogni utente.

Il framework riportato affronta il problema lasciando i modelli aperti fuori dal proprio sistema di revisione. Afferma inoltre che le regole non dovrebbero essere interpretate come restrizioni nei loro confronti dopo il rilascio.

Questa scelta riduce gli attriti per lo sviluppo aperto. Crea però anche un evidente problema di incentivi.

Un'azienda che mantiene un controllo stretto sul proprio modello deve sottoporsi a test riservati. Uno sviluppatore che rilascia pesi comparabili potrebbe non affrontare alcun controllo federale equivalente.

La distinzione non sempre riflette il rischio. I metodi di distribuzione influiscono sulla facilità con cui le salvaguardie possono essere rimosse, ma non determinano la capacità intrinseca di un modello di scoprire vulnerabilità.

Google dimostra perché la linea sia complessa. L'azienda sviluppa sistemi Gemini chiusi accanto alla famiglia Gemma aperta. Una sola organizzazione può quindi operare su entrambi i lati del confine politico.

Anthropic non pubblica i pesi di Claude. I suoi sistemi restano sotto controllo centralizzato, rendendo l'azienda più facile da regolamentare tramite accordi di accesso e revisioni dei rilasci.

Questa asimmetria può premiare il fornitore di modelli che offre al governo un controllo minore dopo la pubblicazione. Può inoltre porre i laboratori americani di modelli chiusi in svantaggio di velocità.

Una revisione di 30 giorni è breve secondo gli standard normativi. È lunga in un settore in cui la tempistica del lancio determina impegni con i clienti, attenzione ai benchmark e adozione da parte degli sviluppatori.

Se OpenAI, Anthropic o Google ritardano un modello per la revisione, un concorrente aperto può sfruttare quell'intervallo per attrarre sviluppatori. Un laboratorio straniero potrebbe anche rilasciare pesi comparabili senza partecipare.

L'amministrazione sembra accettare questo compromesso perché vuole preservare lo sviluppo dell'AI americana. Trump ha rinviato una precedente versione dell'ordine dopo aver espresso preoccupazione per il rischio di rallentare gli Stati Uniti rispetto alla Cina.

L'approccio finale prende quindi di mira un insieme ristretto di sistemi controllabili. Cerca visibilità preventiva senza costruire un regime di licenze completo.

Il framework di sicurezza di Google DeepMind mostra come la governance privata possa coprire più di un formato di rilascio. Traccia i livelli di capacità e richiede revisioni di sicurezza quando emergono rischi specifici.

Il suo framework più recente copre rischi quali manipolazione dannosa, capacità avanzate di ricerca sull'AI e modelli che resistono al controllo degli operatori. Google afferma che le sue valutazioni combinano test delle capacità con decisioni esplicite sul rischio accettabile.

Anthropic utilizza una struttura interna diversa, ma valuta anch'essa capacità gravi e pubblica documentazione sui rischi. Entrambe le aziende dispongono di processi istituzionali che gli sviluppatori più piccoli potrebbero non avere.

Il framework federale potrebbe standardizzare parti di queste pratiche. Tuttavia, non raggiunge automaticamente gli sviluppatori esterni al gruppo partecipante.

Ciò significa che il principale contrapposto non è Anthropic contro Google. È lo sviluppo chiuso sottoposto a revisione governativa contro una distribuzione aperta meno supervisionata.

La politica può ridurre il rischio tra i laboratori frontier conformi, lasciando però intatto il canale di distribuzione più rapido. Entrambi gli esiti possono essere veri allo stesso tempo.

Uno standard segreto crea il proprio rischio per la sicurezza

Il framework chiede alle aziende e al pubblico di fidarsi di un sistema di valutazione le cui soglie e procedure fondamentali restano nascoste.

Una certa segretezza è inevitabile. Pubblicare un benchmark dettagliato sulle capacità cyber offensive potrebbe aiutare gli aggressori a ottimizzare i modelli in funzione del test.

L'ordine esecutivo consente che il processo di benchmarking rimanga classificato. Anche i risultati sensibili devono rimanere in ambienti protetti quando riguardano reti governative o software sfruttabile.

Tuttavia, la segretezza sui contenuti dei test è diversa dalla segretezza sulla governance. Il pubblico può capire chi prende le decisioni, quali prove vengono considerate e come le aziende presentano ricorso senza vedere ogni exploit.

Secondo quanto riportato, l'amministrazione non prevede di pubblicare il framework completo. Le aziende escluse dalle riunioni di agosto potrebbero quindi ricevere poche indicazioni su come stabilire se i sistemi futuri siano idonei.

Questa incertezza riguarda più degli specialisti delle politiche pubbliche. I clienti aziendali costruiscono le proprie roadmap sulla disponibilità dei modelli, l'accesso regionale e i controlli di sicurezza previsti.

Un modello ritardato può compromettere il lancio di software o le revisioni degli approvvigionamenti. Un modello soggetto a restrizioni può costringere i team a cambiare fornitore dopo l'integrazione di una particolare interfaccia di programmazione.

Le organizzazioni hanno già bisogno di un modo affidabile per conservare valutazioni interne, dichiarazioni dei fornitori e aggiornamenti normativi. Una knowledge base AI ricercabile può mantenere collegati questi materiali mentre le regole cambiano.

La più ampia preoccupazione di governance riguarda la discrezionalità. Il governo sembra poter decidere quali sistemi siano idonei, chi riceva un accesso anticipato e quale risposta segua a una valutazione negativa.

Juan Londoño del Cato Institute ha accolto positivamente la preparazione ai rischi dei modelli avanzati, ma ha messo in dubbio la vaghezza della politica. Ha avvertito che un'ampia discrezionalità potrebbe essere usata contro un'azienda già in conflitto con l'amministrazione.

Questa possibilità non può essere liquidata, perché il rapporto di Anthropic con Washington è già oscillato tra collaborazione e scontro.

La disputa sulla sicurezza nazionale riguarda anche una questione più profonda di autorità. Un fornitore di modelli potrebbe voler limitare la sorveglianza o l'uso di armi autonome, anche quando un cliente governativo sostiene che l'attività sia legale.

L'amministrazione Trump ha sostenuto che i sistemi dispiegati debbano rimanere sotto il controllo operativo del governo. Anthropic ha considerato alcune restrizioni d'uso come un confine essenziale per la sicurezza.

Un'analisi sulla sicurezza nazionale del Council on Foreign Relations descrive la questione come un problema di chi controlli un sistema schierato sul campo. Contratti, salvaguardie tecniche e autorità governativa si intrecciano tutti.

La revisione prima del rilascio non risolve questo conflitto. Può rivelare ciò che un modello fa, ma non può decidere chi debba controllare ogni uso consentito.

Il framework rischia inoltre di confondere capacità e intenzione. Un modello che individua vulnerabilità gravi può rafforzare i difensori se distribuito attraverso un programma di sicurezza monitorato.

La stessa capacità può aiutare un aggressore quando le salvaguardie falliscono. I valutatori devono quindi testare sia le prestazioni tecniche sia i controlli di accesso circostanti.

L'esperienza di Anthropic dimostra perché semplici etichette siano inadeguate. Secondo quanto riportato, il suo modello ha individuato gravi debolezze, eppure leader esterni della sicurezza hanno sostenuto che altri modelli disponibili disponessero di capacità simili.

Secondo quanto riportato, oltre 100 specialisti di cybersicurezza si sono opposti alla rimozione delle capacità difensive di Anthropic senza una motivazione chiara. La loro argomentazione non era che Mythos non comportasse alcun rischio.

Hanno messo in dubbio che limitare un fornitore americano avrebbe ridotto tale rischio, quando restavano accessibili alternative. È la stessa debolezza creata dall'esclusione dei rilasci aperti.

Un framework segreto può comunque funzionare se i suoi esiti sono coerenti e la sua autorità è vincolata. Senza queste qualità, la revisione volontaria può trasformarsi in un controllo di accesso imprevedibile.

L'amministrazione non ha ancora fornito prove pubbliche sufficienti per distinguere tra questi esiti. Questa incertezza dovrebbe restare centrale in qualunque valutazione della politica.

La politica ribalta il messaggio deregolatorio di Washington

Il framework di Trump ripristina una forma di supervisione prima del rilascio dopo che la sua amministrazione ha trascorso mesi sostenendo che le regole federali sull'AI minacciassero la competitività americana.

Trump ha revocato elementi rilevanti della politica sull'AI dell'amministrazione Biden dopo il ritorno in carica. La sua agenda più ampia ha enfatizzato un dispiegamento rapido, una regolamentazione ridotta e la competizione con la Cina.

Il nuovo processo di revisione non ricrea il vecchio framework. L'approccio di Biden si basava in larga misura su obblighi di segnalazione, lavoro sugli standard e valutazioni attraverso istituzioni civili come NIST.

Il sistema di Trump avvicina i test cyber avanzati alle agenzie di sicurezza nazionale. Limita inoltre la copertura e presenta la partecipazione come collaborazione con l'industria.

Tuttavia, la direzione è cambiata. Washington un tempo considerava la revisione preventiva un ostacolo. Ora considera necessaria per la sicurezza nazionale una visibilità anticipata su determinati modelli.

Il catalizzatore è stata la capacità, non un cambiamento generale della filosofia normativa. I modelli di Anthropic hanno reso concreto il dibattito sulla sicurezza svolgendo compiti associati a operatori cyber qualificati.

L'inversione riflette anche la dipendenza federale dai laboratori privati. Le agenzie governative utilizzano infrastrutture e modelli che non hanno costruito e non possono sostituire rapidamente.

Questa dipendenza conferisce alle aziende controllo tecnico. L'autorità sugli approvvigionamenti, i controlli sulle esportazioni e le classificazioni di sicurezza danno a Washington un diverso tipo di leva.

Il framework cerca di combinare questi punti di forza. I laboratori forniscono sistemi prossimi al rilascio e supporto tecnico, mentre le agenzie contribuiscono con ambienti classificati, informazioni sulle minacce e competenze in materia di sicurezza nazionale.

Questa configurazione può produrre valutazioni migliori di quelle che ciascuna parte potrebbe condurre da sola. Un'azienda non può riprodurre pienamente l'intelligence che le agenzie governative detengono sugli avversari attivi.

Anche i valutatori governativi hanno bisogno degli ingegneri di un laboratorio per comprendere il comportamento del modello, i controlli di sistema e i limiti di uno specifico test. La cooperazione è quindi più utile di una semplice checklist di conformità.

Tuttavia, la cooperazione diventa fragile quando le parti divergono sugli usi accettabili. La disputa di Anthropic con il Pentagono dimostra che obiettivi di sicurezza condivisi non garantiscono confini politici condivisi.

Google ha evitato una rottura pubblica equivalente, ma affronta la stessa questione strutturale. Un laboratorio privato può individuare un rischio inaccettabile mentre un acquirente governativo dà priorità alla flessibilità operativa.

Anche OpenAI affronta questa questione. Lo stesso vale per i fornitori cloud che ospitano modelli e per i clienti aziendali che dipendono da un accesso stabile.

Il contesto competitivo aggiunge un'altra complicazione. Anthropic ha rivisto la propria politica di sicurezza di punta all'inizio del 2026, rimuovendo un impegno categorico che avrebbe potuto interrompere l'addestramento in assenza di salvaguardie adeguate.

I vertici dell'azienda hanno sostenuto che pause unilaterali non migliorerebbero la sicurezza se i concorrenti continuassero ad avanzare. La politica rivista enfatizza roadmap, rapporti ricorrenti sui rischi e sforzi per eguagliare o superare le protezioni dei concorrenti.

Questo cambiamento ha reso più importanti regole coordinate. Un'azienda non può sostenere limiti rigorosi indefinitamente quando i rivali affrontano costi inferiori per muoversi più rapidamente.

Il framework di Trump cerca di fornire coordinamento, ma solo per partecipanti selezionati. Non stabilisce una soglia vincolante unica per Anthropic, Google, OpenAI, gli sviluppatori di modelli aperti e i laboratori stranieri.

Ciò lascia il governo in una posizione ibrida. Ha reintrodotto la supervisione mantenendo al contempo una forte presunzione contro una regolamentazione ampia.

Il risultato non è né pura deregolamentazione né un regime di sicurezza completo. È un punto di controllo negoziato, costruito attorno alle aziende che Washington può raggiungere.

Questo approccio può rispondere rapidamente a una specifica minaccia cyber. È meno adatto a governare capacità che si diffondono tra formati di modello e confini nazionali.

La revisione Anthropic-Google è quindi un esperimento di politica pubblica. Il suo successo dipende dalla capacità di una cooperazione ristretta di produrre una sicurezza reale senza limitarsi a spostare altrove lo sviluppo rischioso.

Tre segnali mostreranno se il framework funziona

Il prossimo test consiste nel verificare se Washington possa trasformare un accordo a porte chiuse in risultati di sicurezza coerenti tra rilasci, aziende e formati di modello.

Il primo segnale sarà il trattamento del prossimo lancio di un modello chiuso avanzato. Un laboratorio partecipante dovrebbe sottoporre un sistema prossimo al rilascio, completare la revisione e spiegare le eventuali restrizioni risultanti.

Il governo non deve rivelare exploit classificati. Dovrebbe comunicare se il processo ha modificato i controlli di accesso, i tempi di rilascio o le capacità disponibili del modello.

Un esito chiaro rafforzerebbe la tesi a favore di test mirati prima del rilascio. Un ritardo inspiegato o una restrizione improvvisa rafforzerebbero le preoccupazioni su un'applicazione discrezionale.

Il secondo segnale sarà il modo in cui l'amministrazione gestirà un modello aperto con capacità cyber comparabili. Questa è la maggiore debolezza irrisolta dell'attuale configurazione.

Washington potrebbe creare strumenti di valutazione volontari per gli sviluppatori open, stabilire salvaguardie per la distribuzione o concentrarsi sui fornitori di infrastruttura a valle. Ogni percorso comporta costi tecnici e politici.

Non fare nulla indebolirebbe la logica di sicurezza del framework. Suggerirebbe che il formato di rilascio conta più della capacità che i funzionari dichiarano di temere.

Il terzo segnale sarà se Anthropic e l'amministrazione manterranno la cooperazione durante il prossimo disaccordo. Il loro rapporto è già passato dal conflitto contrattuale alle restrizioni sui modelli, per poi tornare verso una definizione congiunta delle regole.

Un processo stabile permetterebbe alle conclusioni tecniche di sopravvivere alla tensione politica. Un fallimento mostrerebbe che il framework dipende eccessivamente dalla fiducia informale tra gli attuali funzionari e i dirigenti aziendali.

Il comportamento di Google fornirà un confronto utile. Se entrambe le aziende riceveranno un trattamento simile per sistemi simili, la politica assomiglierà maggiormente a uno standard.

Se Anthropic affronterà conseguenze diverse a causa della disputa precedente, i critici vedranno la revisione come uno strumento di leva dell'esecutivo.

Gli acquirenti aziendali dovrebbero osservare questi segnali invece di presumere che “volontario” significhi irrilevante. L'accesso ai modelli, le date di lancio e la disponibilità regionale possono cambiare quando intervengono le revisioni di sicurezza nazionale.

Anche gli sviluppatori dovrebbero monitorare quali capacità attirano attenzione. La scoperta automatizzata di vulnerabilità, la generazione di exploit, l'azione autonoma e la resistenza al controllo degli operatori riceveranno probabilmente un attento scrutinio.

I knowledge worker affrontano un problema correlato. Un modello può rimanere disponibile mentre strumenti specifici, connettori o modalità avanzate vengono sottoposti a limitazioni.

I team dovrebbero documentare quale versione del modello supporta ciascun flusso di lavoro e mantenere alternative per le attività critiche. Dovrebbero inoltre distinguere tra le dichiarazioni dei fornitori, le conclusioni delle autorità governative e le prove indipendenti.

Le discussioni tra Anthropic e Google hanno creato un autentico punto di controllo federale, ma non hanno dato vita a un sistema di sicurezza completo. Le revisioni dei modelli chiusi coprono soltanto una delle vie attraverso cui le capacità avanzate raggiungono gli utenti.

Un quadro credibile dovrà infine spiegare perché capacità simili ricevono trattamenti diversi. Dovrà inoltre distinguere tra la necessaria riservatezza e un processo decisionale privo di responsabilità.

Per ora, i lettori dovrebbero porsi tre domande pratiche ogni volta che un modello importante si avvicina al rilascio. È stato sottoposto al processo, cosa è cambiato dopo i test e un sistema aperto equivalente potrebbe aggirarlo?

Le risposte riveleranno se il quadro Anthropic-Google riduce il rischio nazionale o concentra semplicemente la supervisione sulle aziende più collaborative. Continuate a seguire il prossimo lancio di modello, il prossimo rilascio aperto e la prossima disputa tra un laboratorio di frontiera e Washington.