AI Act: cosa cambia ad agosto 2026 (e perché riguarda anche te se hai messo un chatbot)

Ogni volta che esce un articolo sull’AI Act in italiano, sembra una storia che riguarda OpenAI. La realtà è meno fotogenica e tocca direttamente chi fa impresa: se gestisci un’azienda italiana che ha integrato AI in qualche flusso — un chatbot di supporto, un sistema di credit scoring, un classificatore di CV per le risorse umane, un generatore di riassunti — il 2 agosto 2026 può portare con sé responsabilità legali concrete. A seconda del ruolo che ricopri e della categoria di rischio del sistema, gli obblighi possono applicarsi davvero: non sono ipotesi astratte da liquidare.

Questo articolo serve a chi non ha mai aperto il Regolamento (UE) 2024/1689 e si trova ora a doverlo applicare. Niente allarmismo, niente checklist da consulente: una mappa della tassonomia, gli obblighi reali nelle quattro categorie di rischio e, soprattutto, quanto valgono le sanzioni. Per molte PMI la conclusione sarà rassicurante — ma va verificata sul caso concreto, non data per scontata.

Le date che contano

L’AI Act è in vigore dal 1° agosto 2024, ma le sue regole si applicano in più fasi:

• 2 febbraio 2025 — scattano i divieti sulle pratiche a rischio inaccettabile e l’obbligo di AI literacy del personale (art. 4).
• 2 agosto 2025 — entrano in vigore gli obblighi per i fornitori di modelli GPAI (general-purpose AI), con regole rafforzate per i modelli con rischio sistemico.
• 2 agosto 2026 — entra in vigore il grosso del regolamento: obblighi per i sistemi ad alto rischio, obblighi di trasparenza, sistema di governance (EU AI Office e autorità nazionali).
• 2 agosto 2027 — diventano pienamente applicabili gli obblighi per i sistemi ad alto rischio dell’art. 6, par. 1 (quelli legati a prodotti già regolati da normativa di sicurezza UE: macchinari, dispositivi medici, giocattoli, ecc.).
• 2 agosto 2028 — termine indicato dalla Commissione per la conformità dei sistemi ad alto rischio embedded in prodotti regolati che erano già sul mercato prima del 2 agosto 2026: una transizione estesa pensata per chi aveva infrastruttura preesistente.
• fino al 2030 (sotto-caso) — per i sistemi AI ad alto rischio già in uso da parte di pubbliche amministrazioni il regolamento prevede un regime transitorio dedicato; le scadenze esatte vanno verificate alla fonte per il caso specifico.

Siamo a maggio 2026: la scadenza più importante è dietro l’angolo. In Italia la designazione delle autorità competenti è in via di definizione. Il quadro che si va delineando vede un ruolo centrale per le autorità nazionali di vigilanza, con il Garante Privacy e AgID coinvolti per i rispettivi ambiti e le autorità di settore (Banca d’Italia, Consob, IVASS) per i casi finanziari ad alto rischio. Conviene verificare l’assetto definitivo al momento dell’implementazione.

Le quattro categorie (con esempi italiani)

L’AI Act classifica i sistemi in quattro categorie di rischio. La differenza tra “rischio limitato” e “alto rischio” può valere molto in termini di costi di compliance: vale la pena capirla bene.

Rischio inaccettabile — vietati

Sistemi proibiti del tutto (art. 5). Esempi:

• social scoring di tipo governativo;
• predizione del comportamento criminale individuale basata solo su profilazione;
• riconoscimento biometrico in tempo reale negli spazi pubblici (con eccezioni strette per la sicurezza);
• riconoscimento delle emozioni sul posto di lavoro o a scuola;
• categorizzazione biometrica per dedurre dati sensibili (etnia, orientamento sessuale, opinioni politiche);
• scraping non mirato di volti da internet o da videosorveglianza per costruire database di riconoscimento facciale.

Chi è interessato in Italia: pochi attori commerciali. Più rilevante per il settore pubblico e per le startup che facevano emotion recognition in ambito HR — categoria che dal febbraio 2025 deve riconvertirsi.

Alto rischio — compliance pesante

L’Allegato III elenca i casi. Per il mercato italiano i più frequenti sono:

• Risorse umane: sistemi che fanno screening dei CV, supportano decisioni di assunzione, valutano le performance o orientano i licenziamenti. Un ATS con scoring automatico ricade tipicamente qui, ma l’inquadramento va verificato sul caso.
• Credit scoring per le persone fisiche (esclusa l’antifrode).
• Assicurazioni: pricing nei rami vita e salute.
• Istruzione: sistemi che decidono ammissioni, assegnano voti, sorvegliano gli esami.
• Infrastrutture critiche: componenti di sicurezza di reti elettriche, traffico, acqua.
• Settore pubblico e giustizia: triage di denunce, profilazione, supporto a decisioni giudiziarie, gestione di migrazione e asilo.
• Identificazione biometrica remota e categorizzazione biometrica rientrano fra i casi qualificati ad alto rischio dall’Allegato III, insieme al riconoscimento delle emozioni in contesti specifici (ad esempio sul luogo di lavoro). La semplice autenticazione biometrica — come lo sblocco di uno smartphone con l’impronta o il riconoscimento facciale per accedere a un dispositivo personale — di norma non rientra qui: ricade soprattutto su GDPR e diritto del lavoro.

Per un sistema ad alto rischio il fornitore deve, in sintesi:

1. avere un sistema di gestione del rischio documentato;
2. curare la data governance: dataset gestiti, bias affrontati, dati rappresentativi;
3. produrre la documentazione tecnica completa (Allegato IV);
4. garantire trasparenza verso chi lo utilizza (manuali, monitoraggio);
5. progettare la sorveglianza umana dentro il sistema;
6. assicurare accuratezza, robustezza e cybersecurity adeguate;
7. superare una valutazione di conformità (interna o tramite organismo notificato);
8. registrarsi nel database UE prima dell’immissione sul mercato;
9. apporre la marcatura CE (sì, come per le caldaie e i caschi).

E chi utilizza il sistema (il deployer) deve a sua volta:

1. usarlo secondo il manuale;
2. assicurare la sorveglianza umana;
3. monitorarne il funzionamento e segnalare gli incidenti gravi;
4. conservare i log per un periodo adeguato (di norma almeno sei mesi);
5. svolgere, in alcuni casi (PA, banche, assicurazioni), una valutazione d’impatto sui diritti fondamentali (FRIA) prima del deploy;
6. informare i lavoratori (in ambito HR) e i soggetti che subiscono decisioni automatizzate (es. credit scoring).

Rischio limitato — obblighi di trasparenza

È la categoria che riguarda la maggior parte delle PMI che hanno fatto cose “normali” con l’AI. Esempi:

• Chatbot: se l’utente interagisce con un sistema AI, va informato che sta parlando con un’AI (salvo quando è evidente dal contesto). Per il chatbot di supporto su un e-commerce, la disclosure di norma serve.
• Deepfake e contenuti sintetici: i contenuti generati o manipolati che assomigliano a persone, oggetti o luoghi reali vanno marcati come tali, con eccezioni per usi artistici e satirici.
• Riconoscimento delle emozioni e categorizzazione biometrica (ove non vietati): l’utente va informato.
• Testo generato destinato a informare il pubblico su temi di interesse pubblico: obbligo di trasparenza.

Qui gli obblighi sono informativi, non strutturali: niente marcatura CE, niente valutazione di conformità, niente registrazione UE. Per molte aziende basta sistemare le disclosure nel front-end.

Rischio minimo — nessun obbligo specifico

Filtri antispam, sistemi di raccomandazione, ricerca con AI per il ranking. La maggior parte dei prodotti AI di consumo ricade qui. Il regolamento incoraggia l’adozione volontaria di codici di condotta, ma non impone obblighi.

L’obbligo silenzioso: AI literacy (art. 4)

In vigore dal 2 febbraio 2025 e troppo spesso ignorato. L’art. 4 chiede che fornitori e deployer di sistemi AI garantiscano un livello sufficiente di alfabetizzazione sull’AI del personale che opera o usa quei sistemi. Il “livello sufficiente” è proporzionale a:

• competenze tecniche, esperienza e formazione del personale;
• contesto d’uso dei sistemi;
• caratteristiche dei destinatari.

In pratica: se in azienda usi Copilot, ChatGPT in versione business, un sistema di scoring automatico o qualunque AI in produzione, dovresti poter documentare che il personale ha ricevuto una formazione adeguata. Slide di onboarding, e-learning di un paio d’ore, workshop periodici: il regolamento non dice come, dice che devi farlo e che devi poterlo dimostrare.

La sanzione collegata non è la più alta, ma l’AI literacy è spesso tra le prime cose che un’autorità verifica in un controllo. Senza una traccia della formazione, parti in posizione debole su qualsiasi altro tema. È anche uno degli adempimenti più economici e veloci da mettere a posto: un buon punto da cui iniziare lunedì mattina.

GPAI: quando chi fa fine-tuning diventa fornitore

I modelli general-purpose hanno regole proprie (artt. 51 e seguenti). Probabilmente non sei un fornitore GPAI — lo sono OpenAI, Anthropic, Meta, Mistral, Google. Ma c’è un caso che può riguardarti: se fai un fine-tuning sostanziale di un modello open-source, potresti diventarne fornitore ai fini del regolamento.

Un fine-tuning leggero (un LoRA su poche migliaia di esempi) di norma non ti rende fornitore. Un addestramento continuato, su volumi importanti, che modifica in modo significativo le capacità del modello, può invece farlo: e allora dovrai, tra le altre cose, pubblicare la documentazione tecnica e un riassunto dei dati di addestramento, rispettare le regole UE sul copyright (incluso l’opt-out dei titolari dei diritti) e nominare un rappresentante in UE se non hai una sede. La soglia tra i due casi è interpretativa e va valutata sul singolo progetto. Se lavori su modelli open-source per tenere i dati in casa, costruire un’enclave AI portabile per le PMI ti aiuta a restare conforme sia all’AI Act sia al GDPR senza cadere nel lock-in di un singolo fornitore.

Per la PMI italiana che usa modelli open-source per costruire un prodotto verticale, è un controllo da fare prima di metterlo sul mercato, non dopo. È esattamente il tipo di valutazione su cui un system integrator italiano può affiancarti, evitando di scoprire l’inquadramento sbagliato a prodotto già lanciato.

Sanzioni

Le sanzioni sono nell’art. 99. In sintesi, si applica il maggiore tra l’importo fisso e la percentuale del fatturato mondiale annuo:

• violazione del divieto di pratiche inaccettabili: fino a 35 milioni di euro o il 7% del fatturato;
• violazione degli altri obblighi (alto rischio, GPAI, trasparenza): fino a 15 milioni di euro o il 3% del fatturato;
• informazioni false o fuorvianti alle autorità: fino a 7,5 milioni di euro o l’1% del fatturato.

Questi sono i massimali: l’applicazione concreta dipende da autorità, gravità, durata, dimensione dell’impresa e circostanze del caso. Per le PMI il regolamento prevede criteri proporzionati, applicando di norma il valore più basso tra importo fisso e percentuale. Restano cifre da prendere sul serio, ma la maggior parte delle aziende che usano AI in modo “ordinario” non tocca neanche da lontano le fattispecie più gravi.

Tre domande prima del prossimo sprint

Se guidi un team che usa AI in qualche forma, queste tre domande vanno poste ora, non a luglio:

1. Qualche caso d’uso AI in azienda rientra nell’alto rischio? (scoring HR, decisioni di credito, istruzione, biometria). Se sì, hai poche settimane per organizzarti.
2. I sistemi AI rivolti ai clienti hanno la disclosure di trasparenza? Chatbot, suggerimenti generati, contenuti sintetici: l’utente è informato?
3. Esiste un percorso documentato di AI literacy per i dipendenti che usano l’AI sul lavoro?

Cosa fare lunedì mattina

Apri il registro dei sistemi AI in produzione. Se non ce l’hai, apri un foglio di calcolo: è il primo passo. Per ciascun sistema annota chi è il fornitore, chi è il deployer e in quale categoria di rischio ricade. Lo stesso esercizio di mappatura serve anche per la sicurezza: chi ha già lavorato sulla NIS2 senza CISO né budget illimitato sa che il registro dei sistemi e dei fornitori è il punto di partenza comune a quasi ogni adempimento. Se molti di quei sistemi AI sono servizi in cloud di terze parti, vale la pena verificare anche di avere un vero diritto di audit sui fornitori, perché senza visibilità sulla supply chain la conformità rischia di restare sulla carta. Per gli alto rischio scatta il lavoro di documentazione e conformità. Per i rischio limitato verifica che la disclosure sia già nel front-end. Per i minimo, registrali comunque: un’autorità che chiede l’elenco vuole vedere il quadro completo, non solo le voci scomode.

La buona notizia è che, per la stragrande maggioranza delle PMI italiane, l’esposizione reale tende a essere bassa: chatbot e generatori di testo stanno quasi sempre nel rischio limitato, e si risolvono con una disclosure e un minimo di formazione. Il punto non è spaventarsi, ma sapere dove ci si trova nella mappa — e averlo scritto da qualche parte prima che qualcuno te lo chieda. Te lo dico io.