L'IA, nelle parole di chi decide.
Trenta voci essenziali, definite dal punto di vista del vertice e ancorate al quadro normativo europeo. La terminologia segue il testo italiano del Regolamento (UE) 2024/1689.
A
Accountability
La responsabilità dimostrabile: chi decide deve poter rendere conto delle scelte compiute con e sui sistemi di IA. Nel quadro europeo la responsabilità resta in capo alle persone e alle organizzazioni, mai al sistema. Per il vertice significa ruoli chiari, decisioni tracciate e la capacità di spiegare, a posteriori, perché una scelta è stata delegata o trattenuta.
AESIA
La Agencia Española de Supervisión de la Inteligencia Artificial, con sede ad A Coruña: la prima agenzia nazionale europea dedicata alla vigilanza sull’IA. È l’autorità di vigilanza del mercato designata dalla Spagna per il Regolamento europeo. Ogni Stato membro designa le proprie autorità: per chi opera in più paesi UE, la mappa delle autorità nazionali è parte del quadro di conformità.
Agenti IA (sistemi agentici)
Sistemi di IA progettati per perseguire obiettivi con gradi di autonomia: pianificano passaggi intermedi, usano strumenti esterni e agiscono senza un comando umano per ogni singola azione. Per chi governa, spostano la domanda dal “cosa risponde il sistema” al “cosa può fare il sistema”: perimetri di azione, limiti e sorveglianza umana diventano decisioni di vertice.
AI Act
Il Regolamento (UE) 2024/1689, prima legge organica al mondo sull’Intelligenza Artificiale. Adotta un approccio basato sul rischio: pratiche vietate, sistemi ad alto rischio con obblighi stringenti, obblighi di trasparenza per i casi d’uso a rischio limitato e regole dedicate ai modelli per finalità generali. Si applica anche a organizzazioni extra-UE quando l’output dei loro sistemi è usato nell’Unione.
AI literacy
La formula inglese per l’alfabetizzazione in materia di IA prevista dall’articolo 4 del Regolamento europeo. Vedi la voce Alfabetizzazione in materia di IA.
AI Office (Ufficio per l’IA)
La struttura della Commissione Europea che presidia l’attuazione del Regolamento sull’IA, con competenza diretta sui modelli di IA per finalità generali. Coordina le autorità nazionali, sviluppa codici di buone pratiche e può chiedere informazioni ai fornitori dei modelli. È l’interlocutore che definisce, nella pratica, come le regole europee vengono applicate.
AIO
Artificial Intelligence Optimization: il presidio complessivo della presenza di un’organizzazione nell’ecosistema dell’IA generativa — risposte dei modelli, motori di ricerca aumentati, assistenti conversazionali. Il termine dà il titolo al libro di Rafael Patron dedicato al passaggio dalle ricerche alle risposte e alle sue conseguenze competitive.
Alfabetizzazione in materia di IA
L’obbligo dell’articolo 4 del Regolamento europeo: fornitori e deployer garantiscono, nella misura del possibile, un livello sufficiente di alfabetizzazione del personale che opera con sistemi di IA, considerando conoscenze, esperienza e contesto d’uso. In vigore dal febbraio 2025, riguarda ogni organizzazione che usa l’IA: la formazione del vertice e delle prime linee è parte della conformità.
Allineamento
La disciplina che punta a far perseguire ai sistemi di IA gli obiettivi e i valori di chi li impiega, evitando comportamenti indesiderati. Per il vertice è la versione tecnica di una domanda antica di governance: come garantire che un agente — umano o artificiale — persegua il mandato ricevuto e non una sua interpretazione deviata.
Allucinazione
La produzione, da parte di un modello linguistico, di contenuti falsi presentati con la forma della certezza: fatti inventati, fonti inesistenti, dettagli plausibili ma errati. È un limite strutturale, non un difetto occasionale. Ogni processo decisionale che usa output generativi richiede un passaggio di verifica umana proporzionato alla posta in gioco.
B
Bias
Distorsioni sistematiche nei dati o nel modello che producono esiti sbilanciati verso gruppi, categorie o esiti specifici. Nei processi che toccano persone — selezione, credito, valutazione — il bias è un rischio legale e reputazionale prima ancora che tecnico. Il Regolamento europeo impone ai sistemi ad alto rischio requisiti di qualità dei dati proprio su questo fronte.
C
Capitale decisionale
La capacità di un’organizzazione di prendere decisioni buone, tempestive e difendibili: esperienza del vertice, qualità delle informazioni, chiarezza dei ruoli, cultura del dissenso. Nella lettura di Antropic è l’asset che l’automazione non sostituisce e che, anzi, diventa più scarso e prezioso man mano che l’esecuzione si automatizza.
D
Delega algoritmica
L’affidamento di una decisione, o di una sua parte, a un sistema automatico. La domanda rilevante per il vertice non è se delegare, ma dove passa il confine: quali decisioni possono essere delegate con sorveglianza, quali richiedono l’essere umano nel circuito, quali restano indelegabili. Tracciare quel confine in modo esplicito è un atto di governance.
Deployer
Nel Regolamento europeo, la persona fisica o giuridica che utilizza un sistema di IA sotto la propria autorità nell’ambito di un’attività professionale. La maggior parte delle aziende è deployer, non fornitore: gli obblighi — uso conforme alle istruzioni, sorveglianza umana, controllo dei dati di input, alfabetizzazione del personale — nascono qui.
E
Era post-automazione
La fase in cui l’automazione dell’esecuzione smette di essere il vantaggio competitivo, perché disponibile a tutti, e il valore si sposta su ciò che non si automatizza: direzione, giudizio, responsabilità, fiducia. È la cornice di ricerca di Antropic: quando le risposte diventano una commodity, il vantaggio è formulare le domande giuste.
Explainability
La capacità di spiegare perché un sistema di IA ha prodotto un certo output, in termini comprensibili per chi deve usarlo o subirne gli effetti. Non è un requisito assoluto: il livello di spiegabilità necessario dipende dall’uso. Una decisione sul credito richiede spiegazioni che una bozza di testo non richiede. Stabilire quel livello è una scelta di governo.
F
Fine-tuning
L’addestramento aggiuntivo di un modello esistente su dati specifici per specializzarne il comportamento: tono, dominio, formati. Per chi decide, il punto rilevante è contrattuale e di responsabilità: chi modifica sostanzialmente un modello può assumere obblighi da fornitore secondo il Regolamento europeo, oltre a rispondere della qualità dei dati usati.
Fornitore (provider)
Nel Regolamento europeo, chi sviluppa un sistema di IA o un modello per finalità generali e lo immette sul mercato con il proprio nome o marchio. Al fornitore spettano gli obblighi più pesanti sui sistemi ad alto rischio: gestione del rischio, qualità dei dati, documentazione tecnica, marcatura CE. Distinguere fornitore e deployer è il primo passo di ogni analisi di conformità.
Foundation model (modello fondativo)
Un modello addestrato su enormi quantità di dati, capace di svolgere compiti molto diversi e di fare da base a innumerevoli applicazioni. La versione giuridica europea di questo concetto è il modello di IA per finalità generali. Per le organizzazioni significa dipendenza strategica: gran parte degli strumenti in azienda poggia su pochi modelli di pochi fornitori.
G
GEO (Generative Engine Optimization)
L’ottimizzazione della presenza di contenuti e brand nei motori generativi: sistemi che rispondono componendo testi invece di restituire elenchi di link. Il GEO ragiona su fonti citabili, autorevolezza e struttura dell’informazione. È il successore funzionale della SEO nel passaggio dalle ricerche alle risposte, e si affianca al LLMO.
GPAI
L’acronimo inglese (General-Purpose AI) dei modelli di IA per finalità generali del Regolamento europeo. Vedi la voce dedicata.
L
LLMO
Large Language Model Optimization: la disciplina che presidia come i modelli linguistici descrivono un brand, un’azienda o una persona nelle loro risposte. Comprende analisi della rappresentazione attuale, lavoro sulle fonti che i modelli consultano e misurazione nel tempo. Il primo libro italiano sul tema, "Fatti trovare da ChatGPT", è stato scritto da Rafael Patron con AIPIA.
M
Modelli di IA per finalità generali
Nel Regolamento europeo, modelli capaci di svolgere con competenza un’ampia gamma di compiti distinti, tipicamente addestrati su grandi quantità di dati: la base dei sistemi generativi in uso nelle aziende. I loro fornitori hanno obblighi dedicati — documentazione, politiche sul diritto d’autore, trasparenza sull’addestramento — in vigore dall’agosto 2025.
P
Pratiche di IA vietate
Gli usi dell’IA che il Regolamento europeo proibisce del tutto, in vigore dal febbraio 2025: manipolazione dannosa, sfruttamento delle vulnerabilità, punteggio sociale, riconoscimento delle emozioni sul luogo di lavoro salvo eccezioni, e altre fattispecie elencate all’articolo 5. Sono il perimetro esterno del quadro: prima di ogni valutazione di rischio viene la verifica che l’uso non sia vietato.
Prompt
L’istruzione in linguaggio naturale con cui si chiede qualcosa a un sistema generativo. La qualità dell’output dipende in larga parte dalla qualità della richiesta: contesto, vincoli, formato atteso. Nelle organizzazioni il prompt smette di essere un gesto individuale e diventa un artefatto da progettare, condividere e mantenere come ogni altro strumento di lavoro.
R
RAG
Retrieval-Augmented Generation: l’architettura che collega un modello linguistico a fonti documentali esterne, così che le risposte poggino su contenuti recuperati e citabili invece che sulla sola memoria del modello. Riduce le allucinazioni e mantiene il controllo sulle fonti: per questo è l’approccio più diffuso negli usi aziendali dell’IA generativa.
Red teaming
La verifica avversariale di un sistema di IA: gruppi dedicati provano deliberatamente a farlo sbagliare — aggirare i limiti, estrarre dati, produrre contenuti dannosi — prima e dopo il rilascio. Nato nella sicurezza informatica, è diventato pratica di governo dell’IA: per il vertice è la differenza tra fidarsi delle dichiarazioni del fornitore e avere evidenze proprie.
S
Sandbox normativa
Uno spazio di sperimentazione controllata previsto dal Regolamento europeo: le imprese testano nuovi sistemi di IA sotto la supervisione delle autorità, con obblighi modulati e dialogo diretto con il regolatore. Ogni Stato membro deve istituirne almeno una. È un canale per ridurre l’incertezza regolatoria prima dell’immissione sul mercato.
Sistema di IA ad alto rischio
La categoria centrale del Regolamento europeo: sistemi usati in ambiti che incidono su sicurezza e diritti fondamentali — selezione del personale, credito, istruzione, infrastrutture critiche, giustizia — o come componenti di sicurezza di prodotti regolamentati. Comportano gli obblighi più stringenti per fornitori e deployer: gestione del rischio, dati di qualità, sorveglianza umana, registrazione.
Sorveglianza umana
Il requisito dell’articolo 14 del Regolamento europeo: i sistemi ad alto rischio devono poter essere sorvegliati efficacemente da persone fisiche, in grado di comprenderne i limiti, interpretarne l’output, decidere di non usarlo o di fermarlo. Il deployer affida questa funzione a persone con la competenza, la formazione e l’autorità necessarie: una scelta organizzativa, prima che tecnica.