Prima ricognizione del Digital Services Coordinator italiano: divisa in due parti, a cura degli Uffici e del Comitato dedicati. Dall’analisi emerge il tema del soft power generato dalla nuova tecnologia con impatti che vanno ben l’ambito tecnico-economico.
I contenuti del Primo Rapporto sull’Intelligenza Artificiale dell’Autorità per le Garanzie nelle Comunicazioni toccano le principali architetture, le dinamiche economiche e industriali della filiera dell’IA, il ruolo dei dati e della capacità computazionale, le questioni aperte in materia di trasparenza, sostenibilità, diritti fondamentali, concorrenza e governance. Tali analisi di contesto sono seguite da una riflessione giuridica, regolatoria e istituzionale sulle sfide poste dall’IA nei settori di competenza di AGCOM.
Il rapporto è declinato in due parti “autonome e complementari”, curate rispettivamente dall’Ufficio Intelligenza Artificiale di AGCOM e dal Comitato sull’Intelligenza Artificiale, i due organismi che operano sul tema per l’Autorità (Delibera 11/24/CONS). La prima parte “Rapporto Tecnico Economico”, recita la nota stampa dell’Agcom, è un’analisi dell’evoluzione dell’IA dalla sua origine storica fino all’affermazione dei modelli generativi, dei sistemi fondativi e dei Large Language Models e intende costituire la base per comprendere il funzionamento dell’IA e le sue implicazioni nei mercati digitali e nei servizi regolati. La seconda “Rapporto del Comitato sull’Intelligenza Artificiale”, si sviluppa attraverso contributi tematici e analizza l’interazione tra AI Act, Digital Services Act e altre normative europee, il ruolo dell’Autorità quale Digital Services Coordinator, gli impatti dell’IA sui settori regolati, e i rischi connessi a disinformazione, deepfake, hate speech, diritto d’autore, educazione digitale, protezione dei minori e trasformazione del rapporto tra tecnica e diritto.
I due corposi volumi (rispettivamente, 138 e 193 pagine), rappresentano la prima ricognizione di un tema che sarà monitorato nel tempo dall’Autorità. In questa sede ci limitiamo ad analizzare, per sommi capi, la parte 1 del rapporto.
La storia. L’intelligenza artificiale si è sviluppata, nel corso degli ultimi settant’anni, attraverso una serie di trasformazioni profonde. Sono cambiate le tecnologie e le risorse impiegate, le motivazioni che hanno guidato la ricerca e gli attori coinvolti nella sua costruzione, portando dai modelli settoriali a quelli generali. Il percorso che parte negli anni ’50 non è stato lineare: ha avuto fasi di rallentamento e disinteresse seguite da accelerazioni, di cui quella finale, a partire dal 2010. Riportiamo al riguardo le tabelle di sintesi più significative.
Fonte: Agcom, Intelligenza Artificiale 2026 – I Parte: Rapporto tecnico-economico, p. 19 e 44
Dall’intelligenza programmata all’intelligenza appresa. Dal punto di vista dei modelli, l’IA è passata da approcci simbolici – basati su regole e rappresentazioni esplicite della conoscenza – a tecniche sempre più orientate all’apprendimento dai dati (machine learning e deep learning). Mentre le prime generazioni di sistemi erano costruite “a mano” da esperti, le più recenti si fondano su modelli statistici e reti neurali profonde, capaci di apprendere in modo autonomo attraverso l’esposizione a grandi quantità di dati: questo passaggio segna una svolta epistemologica, dall’intelligenza “programmata” a quella “appresa”.
L’IA coautrice. Oggi i modelli non sono più soltanto strumenti di analisi o previsione, ma veri e propri agenti produttivi: scrivono software, generano contenuti testuali e visivi, sintetizzano documentazione e assistono nella progettazione (secondo dichiarazioni recenti del CEO di Microsoft, il 30% del codice interno dell’azienda è già scritto con l’aiuto dell’IA). L’IA, insomma, non è più solo oggetto di sviluppo ma sua coautrice, con cicli di produzione più rapidi e un impatto profondo sul lavoro tecnico e creativo.
I driver tecnologici: big data e capacità computazionale. La svolta decisiva si è avuta a partire dagli anni 2010, con l’esplosione della disponibilità di dati su larga scala – in particolare dati etichettati, fondamentali per l’apprendimento supervisionato – e la crescita esponenziale della capacità computazionale, grazie alla diffusione di unità di elaborazione grafica (GPU) ad alte prestazioni e all’accesso al cloud. È stata proprio questa combinazione a far rianimare tecnologie già note, come le reti neurali profonde, che esistevano da decenni ma non avevano mai raggiunto prestazioni significative a causa di limiti infrastrutturali. Questa rivoluzione materiale ha permesso il passaggio da modelli limitati e settoriali a sistemi generali in grado di apprendere da moli immense di dati testuali, visivi, sonori, con capacità crescenti di astrazione e generalizzazione. A partire dal 2017, l’introduzione dell’architettura transformer ha ulteriormente accelerato questo salto, aprendo la strada ai modelli fondativi (foundation models) su cui oggi si basa gran parte delle applicazioni generative.
Fonte: Agcom, Intelligenza Artificiale 2026 – I Parte: Rapporto tecnico-economico, p. 44
Gli attori coinvolti: dall’accademia alle Big Tech. Anche la geografia degli attori coinvolti si è trasformata radicalmente: da un’IA sviluppata quasi interamente da centri di ricerca pubblici e università, spesso finanziati da agenzie governative e legati al mondo della difesa, si è passati a una fase ibrida di collaborazione pubblico-privato, fino allo spostamento, dagli anni 2010, verso un modello a guida prevalentemente privata. Un ristretto numero di grandi imprese tecnologiche globali controlla oggi i tre asset chiave della filiera: infrastruttura computazionale, accesso ai dati e capacità di sviluppare e addestrare i modelli fondamentali.
I rischi della privatizzazione della filiera. Non si tratta di un processo neutrale: la concentrazione della filiera dell’intelligenza artificiale in poche mani solleva questioni urgenti di regolazione, trasparenza e controllo democratico. Man mano che l’IA diventa un’infrastruttura generalizzata – capace di intervenire su lavoro, istruzione, sanità, giustizia, cultura – si conferma sempre più una vera e propria tecnologia di base destinata a ridisegnare l’intero sistema socioeconomico: il rischio è che le sue traiettorie di sviluppo siano determinate da logiche proprietarie e opache, senza un adeguato coinvolgimento dell’interesse collettivo. La crescente asimmetria informativa e computazionale tra grandi sviluppatori privati e il resto della società rende evidente la necessità di strumenti di monitoraggio indipendente, standard condivisi, politiche pubbliche di accesso equo alle risorse, e una riflessione strategica su quale IA vogliamo costruire, per chi e con quali garanzie.
Il rapporto sintetizza così la portata sistemica di questi rischi:
“Gli effetti di questa rivoluzione travalicano gli ambiti della produttività e dell’automazione, toccando strutturalmente la conoscenza, la governance, l’ambiente e la democrazia. Eppure, nonostante la natura sistemica dell’IA, il suo sviluppo si è rapidamente concentrato nelle mani di un numero ristretto di grandi piattaforme private, dando luogo a un processo di privatizzazione e mercificazione di un sistema supercognitivo.” [rif. pagina da inserire]
Il richiamo al soft power evocato in apertura trova qui la sua conferma: chi controlla infrastrutture, dati e modelli non esercita solo potere di mercato, ma un’influenza silenziosa sulla conoscenza e sull’informazione. È un potere che agisce prima ancora che le regole vengano scritte — ed è questa la vera sfida che AGCOM pone: non solo disciplinare un settore tecnologico, ma difendere gli equilibri democratici nell’era dell’IA.
