La Commissione europea rafforza la supervisione sull'IA per contrastare deepfake e minacce informatiche

La Commissione europea ha attivato nuovi poteri di supervisione sull'IA, inserendo Google News e i principali fornitori di modelli in un quadro di applicazione delle norme europee più rigoroso.

Il cambiamento è arrivato il 2 agosto 2026, quando sono diventate applicabili le principali norme sulla trasparenza e disposizioni di applicazione dell’EU AI Act. Le autorità di regolamentazione possono ora esaminare il modo in cui i fornitori documentano, valutano, proteggono e spiegano determinati sistemi di IA e modelli di IA per finalità generali.

Non si tratta semplicemente di un'altra richiesta affinché i siti web appongano etichette accanto alle immagini sintetiche. La Commissione unisce la trasparenza dei contenuti a un controllo diretto sui modelli in grado di produrre deepfake, automatizzare attacchi informatici o manipolare gli utenti su larga scala.

Google subisce pressioni da più fronti. Sviluppa modelli per finalità generali, distribuisce funzionalità di IA, gestisce un importante motore di ricerca e organizza le notizie tramite Google News. Ogni ruolo solleva questioni giuridiche e operative diverse.

Il conflitto centrale è ormai chiaro. Le aziende di IA vogliono un unico modello e una sola architettura di prodotto per i mercati globali. Le autorità europee si aspettano garanzie che restino efficaci tra modelli, piattaforme, editori e applicazioni a valle.

Il primo banco di prova non sarà verificare che ogni contenuto sintetico riceva un'etichetta perfetta. Sarà stabilire se le autorità potranno risalire da un output dannoso lungo quella complessa catena di responsabilità.

Google News entra in una nuova fase di trasparenza sull'IA

Il cambiamento immediato è una responsabilità effettivamente applicabile sia per i contenuti sintetici sia per i modelli che li generano.

L'articolo 50 dell’EU AI Act impone ai fornitori e ai deployer di rendere note diverse forme di contenuti automatizzati o generati artificialmente. Le sue norme riguardano le interazioni con chatbot, i deepfake, il riconoscimento delle emozioni, la categorizzazione biometrica e alcuni testi su questioni di interesse pubblico.

Un deepfake è un contenuto audio, video o visivo manipolato o generato che appare falsamente autentico. La definizione comprende più dei video politici fabbricati. Può includere anche voci clonate, fotografie alterate e registrazioni sintetiche che imitano eventi reali.

I fornitori devono rendere rilevabile in formato leggibile da una macchina l'output sintetico soggetto a tali obblighi, quando applicabili. I deployer hanno obblighi distinti di divulgazione per i deepfake e per determinati testi di interesse pubblico generati dall'IA.

Il codice di trasparenza finale della Commissione propone metodi pratici per rispettare tali requisiti. Il codice è volontario, ma gli obblighi giuridici sottostanti non lo sono.

Questa distinzione è rilevante per Google News. Il servizio aggrega e classifica materiale proveniente da editori esterni, mentre Google fornisce anche sistemi di IA in grado di generare o modificare contenuti. La responsabilità dipende da quale soggetto abbia creato, implementato, distribuito o presentato l'output in questione.

Un articolo convenzionale scritto sotto controllo editoriale non diventa un deepfake soltanto perché uno strumento di IA ne ha assistito la produzione. Anche il testo di interesse pubblico riceve un trattamento diverso quando è stato sottoposto a revisione umana e comporta responsabilità editoriale.

Questi confini impediscono che le norme si trasformino in un'etichetta generalizzata per tutto ciò che coinvolge l'automazione. Rendono però anche l'applicazione più impegnativa, perché le autorità devono esaminare i flussi di lavoro, non solo l'output visibile.

La Commissione ha chiarito un'altra importante limitazione. I contenuti generati prima del 2 agosto non richiedono un'etichettatura retroattiva, anche se resta incoraggiata la divulgazione volontaria.

Alcuni sistemi già presenti sul mercato beneficiano di un periodo di transizione limitato per gli obblighi di marcatura leggibile da una macchina. Secondo le linee guida sull'articolo 50 della Commissione, tali fornitori hanno tempo fino al 2 dicembre 2026 per questo requisito specifico.

Il periodo di tolleranza non sospende ogni obbligo di trasparenza. Si applica in modo circoscritto all'obbligo di marcatura e rilevamento per i sistemi immessi sul mercato prima del 2 agosto.

Questa sfumatura è facile da perdere in un titolo di Google News. L'UE non ha imposto un'unica scadenza universale per le filigrane a tutti gli editori, modelli e contenuti.

Ha invece creato obblighi sovrapposti basati sul sistema, sul soggetto coinvolto e sull'output. I team di conformità devono identificare il ruolo occupato dalla propria organizzazione prima di scegliere un controllo tecnico.

Per i lettori, il risultato visibile dovrebbe alla fine essere una divulgazione più chiara attorno ai media sintetici. Dietro quell'interfaccia, le aziende devono costruire registri di provenienza, metodi di rilevamento, procedure di revisione e percorsi di escalation.

L'etichetta è quindi il punto finale di un sistema di conformità molto più ampio. La Commissione vuole prove che il sistema funzioni prima che contenuti dannosi raggiungano gli utenti europei.

La Commissione può ora esaminare i modelli, non solo gli output

L'approccio più rigoroso dell'Europa arriva a monte, dove la progettazione dei modelli e i controlli del rischio plasmano milioni di interazioni a valle.

L’EU AI Act attribuisce alla Commissione la responsabilità diretta dell'applicazione delle norme per i modelli di IA per finalità generali. Questi modelli possono svolgere molte attività non correlate e spesso supportano prodotti sviluppati da altre aziende.

I fornitori sono soggetti agli obblighi sui modelli di IA per finalità generali dal 2 agosto 2025. L'anno successivo è servito come periodo di transizione prima che diventassero applicabili i poteri di applicazione della Commissione.

Dal 2 agosto 2026, la Commissione può applicare tali obblighi e imporre sanzioni. Le linee guida per i fornitori pubblicate richiedono inoltre ai fornitori di modelli che comportano rischi sistemici di notificarlo all'AI Office.

Il rischio sistemico si riferisce alle capacità o agli effetti di un modello in grado di causare danni diffusi nel mercato europeo. Le aree rilevanti comprendono la cybersicurezza, la manipolazione dannosa, i diritti fondamentali e i pericoli chimici o biologici.

I fornitori dei modelli interessati devono mantenere documentazione tecnica e condividere informazioni specificate con gli sviluppatori a valle. Devono inoltre stabilire una politica di conformità al diritto d'autore europeo.

I modelli più capaci affrontano obblighi aggiuntivi. I loro fornitori devono valutare i rischi sistemici, testare il comportamento del modello, segnalare incidenti gravi e proteggere sia i modelli sia l'infrastruttura di supporto.

Questi requisiti collocano OpenAI, Google, Anthropic, Meta, DeepSeek e altri sviluppatori sotto una teoria regolatoria comune. Le loro sedi centrali non eliminano gli obblighi quando immettono modelli interessati sul mercato europeo.

La Commissione sostiene questo lavoro tramite un AI Office ampliato. La sua panoramica ufficiale dell'AI Office afferma che l'organizzazione impiega oggi più di 125 persone in sei unità.

L'ufficio comprende specialisti tecnici, giuristi, economisti, esperti di politiche pubbliche e personale amministrativo. Tra le sue responsabilità figurano la creazione di metodi di valutazione e l'analisi della presenza di rischi sistemici nei modelli.

Associated Press ha riferito che un ulteriore team di 38 persone monitorerà le aziende di IA. Il team di applicazione può richiedere documentazione e intervistare il personale aziendale durante le indagini.

Questo crea una relazione diversa tra sviluppatori e autorità di regolamentazione. Le aziende non possono più trattare i rapporti sulla sicurezza come pubblicazioni puramente volontarie, modellate attorno ai lanci di prodotto.

Un'autorità di regolamentazione può confrontare le dichiarazioni pubbliche di un fornitore con test interni, registri degli incidenti, documentazione tecnica e valutazioni dei rischi. Le differenze tra questi materiali possono diventare prove per l'applicazione delle norme.

Questa pressione va oltre i deepfake. Un modello di frontiera potrebbe aiutare gli utenti a creare codice dannoso, individuare vulnerabilità software o automatizzare attacchi contro infrastrutture pubbliche.

Il modello potrebbe anche generare impersonificazioni persuasive a sostegno delle frodi. La stessa capacità sottostante può collegare una voce sintetica, una campagna di phishing e un'intrusione non autorizzata in una rete.

Per questo la Commissione raggruppa deepfake e minacce informatiche in un quadro più ampio di rischio sistemico. Entrambi possono sfruttare la scala, l'automazione e output dei modelli sempre più convincenti.

Google occupa una posizione insolitamente complessa. Sviluppa modelli Gemini, integra l'IA nei prodotti rivolti ai consumatori, gestisce attività pubblicitarie e cloud e controlla importanti superfici di distribuzione.

Google News aggiunge un ulteriore livello, poiché gli utenti possono imbattersi in affermazioni sintetiche o manipolate accanto al giornalismo convenzionale. I sistemi di classificazione devono distinguere la rilevanza dall'autenticità, anche quando materiale rifinito assomiglia al giornalismo legittimo.

L'intervento dell'UE esercita quindi pressione sia sui costruttori di modelli sia sui distributori di informazioni. La sicurezza dei modelli non può fermarsi a un laboratorio di ricerca, mentre le etichette dei contenuti non possono da sole risolvere il comportamento non sicuro dei modelli.

Il compromesso centrale è tra tracciabilità e scala globale

L'UE vuole una catena di responsabilità tracciabile, mentre le aziende di IA dipendono da prodotti che si diffondono oltre i confini e nelle applicazioni indipendenti.

Un modello di IA per finalità generali raramente raggiunge gli utenti attraverso un'unica interfaccia controllata. Clienti cloud, sviluppatori di app, editori, enti pubblici e privati possono tutti costruire esperienze diverse attorno allo stesso modello.

Questa distribuzione crea valore economico. Rende però anche difficile assegnare la responsabilità quando un output diventa ingannevole, illegale o operativamente pericoloso.

Un fornitore di modelli può affermare di aver fornito garanzie e documentazione. Uno sviluppatore a valle può sostenere che sia stato il modello di base a produrre la capacità dannosa. Una piattaforma può dichiarare di essersi limitata a ospitare o classificare il contenuto risultante.

L’EU AI Act cerca di impedire che queste lacune diventino vie di fuga permanenti. Assegna obblighi in diversi punti, inclusi i livelli del modello, del sistema, dell'implementazione e della piattaforma.

Per Google News, la provenienza diventa particolarmente importante. La provenienza è la registrazione dell'origine di un contenuto e delle modifiche apportatevi da persone o software.

Un avviso visibile può indicare a un lettore che un'immagine è stata generata. I metadati leggibili da una macchina possono aiutare piattaforme e servizi di verifica a ispezionare automaticamente tale affermazione.

Nessuno dei due metodi è perfetto. I metadati possono scomparire quando qualcuno acquisisce uno screenshot, comprime un file o lo carica tramite un sistema che rimuove le informazioni incorporate.

Anche le filigrane invisibili possono degradarsi dopo ritagli, modifiche o codifiche ripetute. Gli strumenti di rilevamento possono produrre falsi positivi, soprattutto quando valutano media compressi o di bassa qualità.

L'approccio della Commissione privilegia quindi più livelli. Marcatura tecnica, divulgazione visibile, documentazione, gestione del rischio e revisione umana hanno finalità diverse.

Questa struttura a più livelli aumenta i costi di implementazione. Un fornitore deve progettare controlli che resistano ai trasferimenti tra strumenti, piattaforme e formati multimediali.

Le aziende a valle devono stabilire se l'output ricevuto contenga una provenienza affidabile. Gli editori necessitano di processi editoriali per il materiale contestato, mentre le piattaforme richiedono percorsi di escalation per le sospette manipolazioni.

Il risultato entra in conflitto con la preferenza del settore per lanci globali semplici. Un'azienda potrebbe utilizzare una singola versione del modello in tutto il mondo, ma le norme europee in materia di documentazione e divulgazione possono richiedere flussi di lavoro regionali.

I fornitori più piccoli affrontano un vincolo di risorse più severo. Dispongono di meno avvocati, specialisti delle politiche pubbliche, ricercatori sulla sicurezza e ingegneri della sicurezza da dedicare ai programmi di conformità.

Le aziende più grandi dispongono di queste risorse, ma i loro sistemi creano un’esposizione più complessa. Google non può separare la governance dei modelli da Search, YouTube, servizi cloud, pubblicità o Google News.

L’UE ha cercato di ridurre l’incertezza attraverso codici volontari e linee guida dettagliate. La firma di un codice può aiutare un fornitore a dimostrare un approccio strutturato alla conformità.

Non crea un’immunità automatica. Le autorità di regolamentazione possono comunque indagare se il comportamento effettivo soddisfa i requisiti legali.

La Commissione ha inoltre adeguato l’attuazione attraverso l’AI Omnibus, entrato in vigore il 27 luglio 2026. Ha prorogato alcune scadenze e chiarito gli assetti di vigilanza.

Tali revisioni mostrano che l’applicazione delle norme non seguirà un unico calendario statico. Le regole per alcuni sistemi ad alto rischio arrivano ora più tardi, mentre le disposizioni in materia di trasparenza e modelli di IA per finalità generali proseguono nel loro percorso attuale.

Le aziende devono quindi monitorare gli obblighi singolarmente. Trattare “la scadenza dell’AI Act” come un’unica data può generare lavoro inutile o gravi lacune di conformità.

Il compromesso riguarda anche gli utenti. Una maggiore tracciabilità può rendere più facile individuare le manipolazioni, ma etichette mal progettate possono anche creare una falsa sensazione di sicurezza.

Un’etichetta conferma che un sistema ha classificato il contenuto in un determinato modo. Non dimostra che un’immagine priva di etichetta sia autentica né che un’opera etichettata sia priva di legittimo valore artistico.

L’attuazione più solida preserverà questa distinzione. La divulgazione dovrebbe fornire elementi di prova, non sostituire il giudizio critico.

L’applicazione delle norme presenta ancora lacune giurisdizionali e tecniche

La Commissione dispone di poteri più forti, ma autorità frammentate e rilevamenti imperfetti possono limitarne l’applicazione uniforme in Europa.

La prima incertezza riguarda chi applica ciascuna norma. La Commissione vigila direttamente sugli obblighi relativi ai modelli di IA per finalità generali, ma le autorità nazionali di vigilanza del mercato gestiscono gran parte dell’Articolo 50.

L’AI Office ha un ruolo nell’Articolo 50 più ristretto di quanto suggeriscano alcuni titoli. Può vigilare su determinati sistemi basati su modelli di IA per finalità generali quando la stessa organizzazione fornisce entrambi i componenti.

La sua autorità può estendersi anche ai sistemi che soddisfano i requisiti e sono integrati in piattaforme online o motori di ricerca di dimensioni molto grandi. Questo rende particolarmente rilevanti i servizi gestiti dai principali gruppi tecnologici.

Le autorità nazionali continueranno a prendere molte decisioni in prima linea. I ventisette Stati membri possono differire per organico, esperienza tecnica, priorità e rapidità delle indagini.

L’AI Office può promuovere il coordinamento, ma il coordinamento non garantisce risultati identici. Un’azienda potrebbe affrontare domande diverse su sistemi simili in vari mercati.

La seconda lacuna riguarda la verifica tecnica. Nessun metodo di filigranatura può stabilire l’autenticità universale in ogni formato e canale di distribuzione.

I malintenzionati hanno incentivi a rimuovere i contrassegni, occultare la provenienza o etichettare falsamente materiale autentico. Gli strumenti di editing open source rendono facili trasformazioni ripetute.

Le autorità di regolamentazione devono evitare di trattare un rilevamento fallito come prova automatica di non conformità. Devono esaminare se un fornitore abbia utilizzato metodi appropriati, monitorato le prestazioni e risposto alle debolezze note.

La stessa cautela vale per le valutazioni di cybersicurezza. Un modello può comportarsi in modo diverso dopo il fine-tuning, l’integrazione di strumenti, modifiche ai prompt o l’accesso a dati privati.

Un singolo test di laboratorio non può rappresentare ogni configurazione a valle. I fornitori necessitano di valutazioni ripetibili, mentre gli investigatori necessitano di accesso sufficiente per testare scenari significativi.

Esiste anche il rischio di sopravvalutare la regolamentazione. L’etichettatura dei deepfake può ridurre l’inganno, ma non può impedire la creazione di contenuti sintetici abusivi.

Una norma sulla divulgazione ha scarso effetto quando i criminali distribuiscono contenuti in modo anonimo o al di fuori di piattaforme collaborative. Restano necessari le leggi esistenti, l’applicazione delle regole da parte delle piattaforme, il sostegno alle vittime e le indagini penali.

Le preoccupazioni per la libertà di espressione aggiungono un’altra sfida. Satira, parodia, narrativa e opere artistiche possono utilizzare media sintetici senza l’intenzione di ingannare.

L’AI Act include disposizioni sensibili al contesto, ma le piattaforme potrebbero comunque etichettare eccessivamente o rimuovere materiale lecito per ridurre il rischio percepito. La moderazione automatizzata può amplificare questa tendenza.

Le organizzazioni giornalistiche affrontano un problema correlato. I giornalisti talvolta pubblicano materiale manipolato per documentare propaganda, frodi o abusi online.

Un servizio responsabile potrebbe mostrare un deepfake spiegandone chiaramente l’origine. I sistemi devono distinguere questo uso editoriale dalla presentazione ingannevole.

Google News si trova al crocevia di queste decisioni. Può classificare un articolo su un deepfake, la rettifica di un editore, il caricamento ingannevole originale e i riepiloghi generati dall’IA di ciascun elemento.

Un’etichetta generica potrebbe confondere queste categorie. Un’interfaccia di provenienza più dettagliata offrirebbe maggiore valore, ma richiede anche informazioni coerenti da editori e piattaforme.

L’incertezza finale riguarda l’accesso alle prove. Un’applicazione efficace dipende da registri tecnici, rapporti interni sugli incidenti, valutazioni dei modelli e cooperazione da parte di aziende multinazionali.

Le autorità di regolamentazione hanno bisogno di specialisti in grado di contestare le affermazioni dei fornitori senza esporre informazioni riservate. Le aziende necessitano di procedure sicure per condividere dati sensibili sui modelli e sulla cybersicurezza.

L’espansione dell’organico della Commissione affronta una parte di questo problema. Il suo successo dipenderà dalla qualità delle indagini, non semplicemente dal numero di dipendenti o dall’autorità formale.

I primi casi dovrebbero rivelare quante prove richiedono le autorità di regolamentazione. Mostreranno inoltre se le autorità si concentrano su evidenti carenze nella divulgazione o su debolezze più profonde nella governance dei modelli.

Fino a quando non arriveranno tali decisioni, i team di conformità interpreteranno obblighi generali attraverso linee guida, codici volontari e colloqui diretti con le autorità di regolamentazione.

Cosa dovrebbero osservare i lettori di Google News

Tre segnali mostreranno se la nuova vigilanza europea sull’IA cambia i prodotti reali o rimane soprattutto un esercizio documentale.

Il primo segnale è la prima indagine della Commissione su un modello di IA per finalità generali. Il soggetto coinvolto, la richiesta di prove e la violazione contestata definiranno il significato pratico dell’applicazione delle norme.

Un caso incentrato su documenti mancanti incoraggerebbe le aziende a rafforzare i sistemi di rendicontazione. Un caso che coinvolge capacità non sicure spingerebbe gli sviluppatori verso valutazioni e mitigazioni più estese.

La differenza conta. La conformità documentale può essere misurata rapidamente, mentre dimostrare controlli inadeguati sui rischi sistemici richiede un’analisi tecnica più approfondita.

I lettori dovrebbero osservare se la Commissione richiede test interni sui modelli, cronologie degli incidenti o accesso per una valutazione indipendente. Tali richieste indicherebbero un controllo che va oltre le sintesi di sicurezza pubblicate.

Il secondo segnale è la comparsa di etichette coerenti per i contenuti sintetici sulle principali piattaforme. Google News, Search, YouTube, social network e siti web degli editori offrono punti di confronto utili.

La coerenza non richiede icone identiche. Richiede divulgazioni che gli utenti possano riconoscere e che le macchine possano interpretare tra servizi diversi.

Il periodo di transizione limitato termina il 2 dicembre per determinati obblighi di marcatura che interessano sistemi già sul mercato. Questa data fornisce un test concreto per l’attuazione tecnica.

Se le etichette compaiono solo negli strumenti di generazione proprietari, la provenienza resterà fragile. I contenuti sintetici raggiungono spesso il pubblico più vasto dopo che qualcuno li esporta e li ripubblica altrove.

Se le piattaforme preservano e mostrano metadati affidabili, l’approccio dell’UE alla tracciabilità acquista credibilità. Se i metadati scompaiono abitualmente, le autorità di regolamentazione dovranno adottare requisiti probatori diversi.

Il terzo segnale è una segnalazione di incidente grave riguardante un’offensiva informatica o una manipolazione dannosa. Una simile segnalazione metterebbe alla prova se i fornitori divulgano i problemi prima che giornalisti o ricercatori li scoprano.

L’AI Act si aspetta che i fornitori di modelli a rischio sistemico individuino e mitigino pericoli significativi. La segnalazione degli incidenti offre alle autorità di regolamentazione un modo per confrontare questi impegni con gli eventi effettivi.

Una risposta trasparente rafforzerebbe il modello collaborativo della Commissione. Una divulgazione tardiva o incompleta aumenterebbe la pressione per indagini formali e ordini correttivi.

Le aziende dovrebbero inoltre rivelare informazioni sufficienti affinché gli utenti comprendano il rischio senza pubblicare dettagli operativi che aiutino gli aggressori. Questo equilibrio resterà difficile.

Per gli sviluppatori, la lezione immediata è conservare registri che colleghino la scelta del modello, i test, le impostazioni di distribuzione e la risposta agli incidenti. Un’affermazione sulla sicurezza priva di prove a sostegno offre poca protezione durante un’indagine.

Gli acquirenti aziendali dovrebbero chiedere ai fornitori chi possiede ciascun obbligo di conformità. I contratti necessitano di chiare responsabilità per gli aggiornamenti dei modelli, la marcatura dei contenuti generati, gli incidenti di sicurezza e le richieste delle autorità di regolamentazione.

Gli editori dovrebbero documentare la revisione umana quando l’IA assiste il giornalismo di interesse pubblico. Il controllo editoriale può influire sul modo in cui si applicano gli obblighi di trasparenza, ma una revisione non documentata sarà difficile da dimostrare in seguito.

I lavoratori della conoscenza dovrebbero considerare le etichette come segnali utili, non come certificati di verità. Una registrazione priva di etichetta può comunque essere sintetica, mentre un contenuto etichettato può comunque contenere informazioni accurate.

Gli utenti di Google News dovrebbero confrontare le notizie, esaminare le fonti originali e cercare rettifiche quando i media sintetici alimentano una storia in rapida evoluzione. L’aggregazione migliora la scoperta, ma non elimina il lavoro di verifica.

La nuova autorità della Commissione modifica gli incentivi attorno a tale verifica. I fornitori ora affrontano conseguenze quando documentazione debole, modelli non sicuri o divulgazioni mancanti violano gli obblighi applicabili.

L’Europa è passata dalla definizione delle aspettative alla loro verifica. La domanda decisiva è se gli investigatori possano seguire un singolo output dannoso attraverso modelli, applicazioni, piattaforme ed editori.

Osservate i primi casi di applicazione delle norme, la scadenza di marcatura di dicembre e il trattamento degli incidenti gravi legati all’IA. Insieme, questi segnali mostreranno se Google News entra in un ambiente informativo realmente più tracciabile.