Siamo qui al Digital Innovation Forum, dove si è parlato molto di intelligenza artificiale e innovazione. Se guardiamo all’Europa, rispetto agli Stati Uniti abbiamo implementato l’AI Act, che è sicuramente una risorsa importante. A che punto siamo oggi su questo fronte? Molti lo hanno anche criticato in alcuni passaggi: come rispondere a queste critiche?

“Inevitabilmente l’Europa sta puntando su una tecnologia governata, responsabile, quindi sicura. Il tema è quello della fiducia, avere una tecnologia che sia compatibile con i valori dell’Unione Europea, che ovviamente sono diversi dai valori degli Stati Uniti. Chiaramente non mancano le difficoltà. Le difficoltà non sono principalmente nell’AI Act, ma sono in tutto il quadro regolatorio complesso che abbiamo in Europa: le normative sulla privacy, sulla cybersicurezza, sui dati, che vanno a impattare sull’intelligenza artificiale e rappresentano un freno all’innovazione. Ecco perché l’Unione Europea, prendendo spunto dal rapporto sulla competitività del presidente Draghi, sta cercando appunto di modificare, di semplificare questo ordinamento giuridico, lasciando al centro l’AI Act, ma rendendo compatibili con l’innovazione le altre normative che stanno attorno. È già entrato in vigore il Digital Omnibus AI, che posticipa l’entrata in vigore dell’AI Act. Manca, ma è in fase di redazione, il Digital Omnibus sulla semplificazione, che possa appunto rendere questa regolazione più compatibile con l’innovazione. Questa è la partita”.

Leggi l'intervista integrale

[…] Come cambia, dunque, il lavoro degli avvocati quando sono le imprese ad adottare l’AI? Lo abbiamo chiesto ad Antonio Corda, of counsel di ADVANT Nctm: «L'adozione dell'AI da parte dei clienti non indebolisce il rapporto con lo studio legale, ma lo rafforza: l'avvocato deve saper spiegare dove crea valore aggiunto, offrendo non un costo inferiore ma qualità, precisione e rapidità superiori. Nel breve termine l'AI accelera la transizione, già avviata, dalla tariffa oraria a compensi legati al valore dell’incarico, attraverso formule per progetto, per risultato o accordi continuativi; nel medio-lungo periodo, emergeranno modelli affiancati agli attuali, con aziende più autonome che gestiranno una parte delle attività e lo studio concentrato sui passaggi che richiedono maggiore competenza e responsabilità. Il mercato si polarizzerà, premiando studi agili e specializzati e penalizzando la consulenza a basso valore aggiunto. L'AI diventa così un banco di prova silenzioso della competenza: chi conosce davvero la materia la usa per potenziare il proprio lavoro, chi non la conosce ne resta vittima. Decisive restano la conoscenza del cliente e del contesto, il giudizio sul rischio accettabile, l'assunzione di responsabilità sugli output e la capacità di confrontarsi con le persone in negoziazione o in aula: competenze queste non delegabili all’AI»

Leggi l'articolo integrale sul numero dell'8 ottobre 2026 di Top Legal Digital

Leggi l'articolo integrale a cura di Raffaele Giarda e Antonio Corda per Agenda Digitale 

[…] Il dibattito si estende naturalmente oltre la tecnologia in sé, coinvolgendo i professionisti che sono chiamati a utilizzarla. Nel corso della conferenza è emersa ripetutamente una domanda: se i giovani professionisti sono spesso i più abituati all’utilizzo degli strumenti di IA, cosa succede quando alcuni dei compiti tradizionali attraverso cui acquisiscono esperienza, diventano sempre più automatizzati? […]

[…] Giulio Uras, counsel di ADVANT Nctm e speaker nell’ambito del panel su IA e protezione dei dati, è un’altra voce a favore di un maggiore coinvolgimento delle giovani generazioni di avvocati con l’IA, promuovendo quello che definisce un approccio “AI by default”. «I professionisti legali si confrontano con l’IA non perché essa abbia sempre ragione, ma perché li costringe a verificare se sono loro stessi ad avere ragione o meno», ha commentato. «Il giovane avvocato dovrebbe sviluppare la capacità di dubitare». Per questo motivo, Uras ritiene che gli studi legali meglio posizionati per avere successo nel confronto, inevitabile, con il legal tech, non saranno necessariamente quelli con le policy più sofisticate, ma quelli capaci di sviluppare una cultura di impegno critico verso la tecnologia, perché «la cultura è il primo e più importante livello di governance».

Leggi l'articolo integrale

Le aree di intervento

1. Il provvedimento individua undici aree tematiche su cui si concentrerà l'attività ispettiva d'ufficio, cioè quella condotta a prescindere da reclami o segnalazioni:
2. trattamenti di dati personali connessi alle attività di geomarketing e neuromarketing;
3. trattamenti contenuti nei fascicoli sanitari elettronici e trattamenti svolti mediante app mediche;
4. prosecuzione, nell'ambito della task force interdipartimentale, delle verifiche sui data breach che hanno interessato banche dati pubbliche di particolare rilievo, con focus sui sistemi di sicurezza e sui profili di accessibilità delle banche dati, per contrastare accessi abusivi e rivendita di informazioni riservate;
5. trattamenti svolti da soggetti che forniscono agli enti pubblici il servizio di Responsabile della protezione dei dati (DPO esterno);
6. trattamenti svolti dai Comuni per la gestione dei servizi socio-assistenziali, anche con riguardo ai fornitori dei relativi applicativi;
7. verifica periodica sui trattamenti nell'ambito del Visa Information System;
8. verifica sull'implementazione delle Linee guida del Garante del 17 aprile 2026 in materia di tracking pixel nelle comunicazioni di posta elettronica;
9. trattamenti connessi all'utilizzo di sistemi di intelligenza artificiale da parte di Comuni e ASL;
10. prosecuzione delle verifiche sui trattamenti effettuati nell'ambito del Sistema informativo doganale;
11. verifiche e approfondimenti tecnici sulle violazioni di dati personali comunicate all'Autorità, con particolare riguardo ai casi più estesi e delicati, sia pubblici che privati;
12. attività conoscitiva e di verifica sui trattamenti connessi al fenomeno del dynamic pricing.

A queste si aggiunge una clausola di chiusura che consente ulteriori attività ispettive d'ufficio in caso di situazioni di particolare urgenza o a seguito di segnalazioni e reclami.

I numeri e le modalità operative

Il Garante ha stabilito che l'attività ispettiva relativa alle dodici aree individuate riguarderà almeno 35 accertamenti ispettivi, condotti anche con il supporto della Guardia di Finanza, in attuazione del protocollo d'intesa tra le due Autorità. L'Ufficio informerà mensilmente il Collegio sui soggetti ispezionati nelle prime otto aree tematiche, e riferirà al termine del semestre sull'andamento complessivo delle attività ispettive e istruttorie svolte.

Un aspetto da segnalare: alcune priorità confermano linee di intervento già avviate nella programmazione del semestre precedente (deliberazione n. 797 del 30 dicembre 2025), come le verifiche sul Sistema informativo doganale e sui data breach relativi a banche dati pubbliche, mentre altre appaiono nuove o rafforzate, in particolare il controllo sull'impiego dei sistemi di intelligenza artificiale da parte di Comuni e ASL e la verifica sull'attuazione delle Linee guida sui tracking pixel nelle email, adottate solo pochi mesi prima della deliberazione.

Cosa comporta per le organizzazioni interessate

La deliberazione ha natura programmatica e non individua i singoli soggetti ispezionati, la cui identificazione resta riservata fino all'avvio dei singoli procedimenti. Le organizzazioni che operano nei settori indicati - in particolare geomarketing e neuromarketing, sanità digitale, servizi di DPO esterno per la pubblica amministrazione, gestione di servizi socio-assistenziali comunali, comunicazioni di posta elettronica con contenuti tracciati, sistemi di intelligenza artificiale in ambito sanitario e degli enti locali, e dynamic pricing - hanno quindi un'indicazione chiara delle aree su cui il Garante concentrerà l'attenzione nei prossimi mesi, utile per verificare in anticipo lo stato di conformità dei rispettivi trattamenti.

Negli ultimi vent’anni il riutilizzo dei dati pubblici ha progressivamente cambiato funzione. Nato in un contesto nel quale l’apertura del patrimonio informativo pubblico era strettamente collegata alle esigenze di trasparenza e conoscibilità dell’azione amministrativa, il riutilizzo è oggi sempre più considerato anche come uno strumento di innovazione, crescita economica e sviluppo di nuovi servizi. Con il termine riutilizzo si fa riferimento, in termini generali, all’impiego ulteriore di dati acquisiti o generati nello svolgimento di funzioni pubbliche per finalità diverse da quelle istituzionali originarie. È proprio questa possibilità di attribuire ai dati una seconda vita a rendere l’istituto particolarmente interessante per le aziende: informazioni raccolte per svolgere un compito pubblico possono diventare materia prima per applicazioni, servizi, attività di ricerca o iniziative imprenditoriali.

Gli esempi sono ormai numerosi. I dati pubblici possono essere combinati per sviluppare strumenti che aiutano a individuare opportunità di lavoro raggiungibili con il trasporto pubblico, piattaforme che rendono più comprensibili i bilanci, applicazioni per il monitoraggio della qualità dell’aria o progetti che utilizzano dati satellitari e open data per individuare fenomeni di deforestazione. Il punto, quindi, non è soltanto rendere un dato accessibile. La sfida è creare le condizioni affinché quel dato possa essere effettivamente trovato, compreso, combinato e riutilizzato. È in questo passaggio che il tema del riuso si sposta dal terreno della sola trasparenza a quello, più ampio, della data economy: il patrimonio informativo pubblico diventa una risorsa che può produrre valore sociale ed economico senza perdere la propria originaria dimensione pubblicistica.

Questa evoluzione è stata segnata da un progressivo ampliamento della disciplina europea: dalla direttiva 2003/98/CE del Parlamento europeo e del Consiglio, del 17 novembre 2003, relativa al riutilizzo dell’informazione del settore pubblico, successivamente modificata dalla direttiva 2013/37/UE del Parlamento europeo e del Consiglio, del 26 giugno 2013, fino alla direttiva (UE) 2019/1024 del Parlamento europeo e del Consiglio, del 20 giugno 2019, relativa all’apertura dei dati e al riutilizzo dell’informazione del settore pubblico, e al regolamento (UE) 2022/868 del Parlamento europeo e del Consiglio, del 30 maggio 2022, relativo alla governance europea dei dati e che modifica il regolamento (UE) 2018/1724 (Data Governance Act).

Cosa cambia con il Digital Omnibus?

La proposta muove da un dato di partenza abbastanza semplice: negli ultimi anni l’Unione europea ha costruito una disciplina della data economy attraverso una pluralità di atti normativi, ciascuno dedicato a specifici segmenti della circolazione dei dati. Questa stratificazione ha prodotto nuovi diritti e nuovi meccanismi di condivisione ma anche sovrapposizioni, costi di conformità e difficoltà applicative per amministrazioni e imprese. Il Digital Omnibus prova a rispondere a questo problema attraverso un’operazione di consolidamento. In particolare, la proposta prevede che la disciplina dell’Open Data Directive e le regole del Data Governance Act sul riutilizzo di determinate categorie di dati protetti confluiscano nel Data Act. Quest’ultimo diventerebbe così il contenitore principale delle regole europee sull’accesso, la condivisione e il riutilizzo dei dati nell’economia digitale.

Per il riutilizzo dei dati detenuti da soggetti pubblici la novità non è soltanto redazionale: la proposta costruisce un nuovo capo unitario nel Data Act, nel quale vengono riunite regole che oggi appartengono a due regimi distinti: da un lato gli open government data, tradizionalmente disciplinati dalla direttiva Open Data; dall’altro alcune categorie di dati protetti, oggi disciplinate dal Data Governance Act.

Il nuovo quadro mantiene una differenza importante tra le due categorie. Per i dati aperti resta fermo il principio generale della riutilizzabilità, nei limiti previsti dalla disciplina. Per determinate categorie di dati protetti, invece, non nasce un obbligo generalizzato per l’amministrazione di consentire il riuso: vengono stabilite condizioni minime applicabili quando il soggetto pubblico decide di mettere tali dati a disposizione. Accanto alla ricollocazione delle norme, vengono però introdotti anche elementi nuovi. La proposta estende e uniforma principi comuni, come la non discriminazione, il divieto di accordi di esclusiva e alcune regole sulle tariffe. Soprattutto, consente agli enti pubblici di prevedere condizioni specifiche e tariffe più elevate per il riutilizzo da parte di imprese molto grandi e, in particolare, dei gatekeeper individuati ai sensi del Digital Markets Act, purché tali condizioni siano proporzionate e fondate su criteri oggettivi.

È un passaggio significativo perché mostra come il riutilizzo non venga più considerato soltanto in termini di apertura indiscriminata del patrimonio informativo pubblico. La disciplina inizia a tenere conto anche della posizione economica del riutilizzatore e del rischio che soggetti dotati di particolare potere di mercato possano appropriarsi, a condizioni identiche a quelle applicate a operatori più piccoli, del valore generato da dati raccolti dal settore pubblico. In altri termini, la domanda non è più soltanto se un dato pubblico possa essere riutilizzato, ma anche a quali condizioni, da chi e con quali effetti sul mercato. È qui che la prospettiva della data economy diventa particolarmente evidente. Il Digital Omnibus sui dati sembra, quindi, cercare un equilibrio tra due obiettivi: semplificare l’accesso al patrimonio informativo pubblico e, al tempo stesso, governarne l’utilizzo economico in un mercato caratterizzato da forti asimmetrie tra operatori.

Questa impostazione non elimina, naturalmente, i limiti tradizionali al riutilizzo. Protezione dei dati personali, diritti di proprietà intellettuale, segreti commerciali e altri interessi protetti continuano a incidere sulla possibilità di mettere i dati a disposizione e sulle condizioni del successivo impiego.

Il nodo dei dati personali

Il rapporto tra riutilizzo e protezione dei dati personali resta uno dei profili più delicati. L’idea stessa di riuso presuppone che informazioni raccolte per una determinata finalità possano essere utilizzate anche per scopi ulteriori; il GDPR, al contrario, costruisce una parte essenziale della propria disciplina sul principio di limitazione della finalità e sulla necessità di verificare la compatibilità degli utilizzi successivi. La tensione è evidente: le politiche di open data puntano a rendere le informazioni disponibili proprio perché possano essere utilizzate anche in modi non prevedibili al momento della raccolta, mentre la disciplina della protezione dei dati personali richiede che l’ulteriore trattamento non sia incompatibile con la finalità originaria e che siano rispettate le altre garanzie previste dal regolamento. Questo significa che accessibilità e riutilizzabilità non sono sinonimi. Il fatto che un’informazione sia pubblicamente accessibile non comporta, di per sé, che possa essere liberamente utilizzata per qualsiasi finalità. La valutazione sul riuso dei dati personali continua quindi a richiedere un approccio fondato sull’accountability, sulla base giuridica, sulla compatibilità delle finalità e, ove necessario, su misure come anonimizzazione o pseudonimizzazione.

Nel quadro del Digital Omnibus questo profilo assume un rilievo ancora maggiore perché la proposta interviene anche sulla definizione di dato personale, valorizzando in modo più esplicito la dimensione contestuale dell’identificabilità. In concreto, la stessa informazione potrebbe essere personale per un soggetto che dispone di mezzi ragionevoli per ricondurla a una persona fisica e non esserlo per un altro soggetto che non dispone di tali possibilità. Se questa impostazione venisse confermata nel testo definitivo, le ricadute sul riutilizzo potrebbero essere rilevanti. La qualificazione del dato non sarebbe una caratteristica immutabile dell’informazione, ma dipenderebbe anche dal soggetto che la riceve e dalle risorse di cui dispone. Per le amministrazioni, ciò potrebbe tradursi nella necessità di valutare con ancora maggiore attenzione chi sia il riutilizzatore, quali dati ulteriori possa ragionevolmente utilizzare e quali garanzie siano necessarie per evitare una re-identificazione.

Ne deriva un quadro nel quale la semplificazione normativa non coincide necessariamente con una semplificazione delle valutazioni concrete. Riunire più discipline nel Data Act può rendere più leggibile il sistema, ma non elimina il bilanciamento tra apertura dei dati, protezione delle persone e tutela degli altri interessi coinvolti.

Il mutamento valoriale in atto: quali opportunità per le imprese?

La domanda posta nel titolo può essere tradotta in termini molto concreti: i dati detenuti dalle pubbliche amministrazioni stanno diventando sempre di più una risorsa utilizzabile anche dalle imprese? La risposta è sì, ma con alcune precisazioni. La trasparenza continua a rappresentare una funzione fondamentale della disponibilità dei dati pubblici. Molte informazioni sono infatti pubblicate per consentire ai cittadini di conoscere e controllare l’attività delle amministrazioni e, nel sistema italiano, una parte importante dei dati riutilizzabili deriva proprio dagli obblighi di pubblicazione previsti dal decreto legislativo n. 33 del 2013 o dagli strumenti di accesso.

Accanto a questa funzione tradizionale, tuttavia, si sta rafforzando sempre di più una seconda prospettiva: i dati pubblici possono diventare una risorsa per sviluppare nuovi servizi, prodotti e modelli di business. È questo il passaggio che interessa maggiormente le imprese. Dati relativi, ad esempio, a mobilità, territorio, ambiente, energia, appalti pubblici, attività economiche o servizi pubblici possono essere utilizzati per costruire applicazioni, servizi digitali, strumenti di analisi o soluzioni basate sull’intelligenza artificiale.

La proposta di Digital Omnibus sui dati sembra rafforzare questa tendenza. L’inserimento delle regole sul riutilizzo nel più ampio quadro del Data Act avvicina infatti ulteriormente i dati detenuti dal settore pubblico alle regole europee sulla circolazione e condivisione dei dati nell’economia.

Per le imprese questo significa che il patrimonio informativo delle amministrazioni non deve essere visto soltanto come qualcosa da consultare ma sempre più anche come una possibile fonte di dati da integrare nelle proprie attività. Il cambiamento è soprattutto culturale e di sistema: la pubblica amministrazione non è più soltanto il soggetto che raccoglie e pubblica informazioni bensì uno degli attori dell’ecosistema europeo dei dati. Naturalmente, non tutti i dati pubblici sono liberamente utilizzabili. Restano centrali i limiti legati alla protezione dei dati personali, alla proprietà intellettuale, alla sicurezza. 

Per le imprese, però, la direzione è chiara: conoscere quali dati sono disponibili, in quali condizioni possono essere riutilizzati e attraverso quali strumenti possono essere ottenuti diventa sempre più importante anche dal punto di vista competitivo. Il riutilizzo dei dati pubblici viene valorizzato, in modo sempre più evidente, nella sua funzione economica. Da ciò nasce una reale opportunità per le imprese che potrebbero trasformare dati già raccolti dal settore pubblico, tramite il riutilizzo, in nuovi servizi, conoscenza e innovazione.

Il dibattito giuridico si è concentrato prevalentemente sugli obblighi introdotti dall’AI Act e sulla classificazione dei sistemi in funzione del relativo livello di rischio. Per gli organi sociali, tuttavia, la questione è più ampia. L’adozione di strumenti di intelligenza artificiale non rappresenta soltanto una scelta tecnologica o di compliance normativa, ma una decisione che incide sull’organizzazione dell’impresa, sui suoi processi decisionali e sul sistema dei controlli.

L’intelligenza artificiale costituisce, pertanto, un nuovo banco di prova dell’adeguatezza degli assetti organizzativi, amministrativi e contabili e pone interrogativi direttamente riconducibili ai doveri e alle responsabilità degli amministratori, del collegio sindacale, dell’Organismo di Vigilanza e delle funzioni di controllo. Non si tratta di individuare nuove forme di responsabilità, ma di verificare come doveri già consolidati — di organizzazione, informazione e vigilanza — debbano essere declinati in un contesto tecnologico caratterizzato da maggiore complessità, velocità e opacità.

Una scelta di governance, non soltanto tecnologica

L’articolo 2086 del codice civile impone all’imprenditore che operi in forma societaria o collettiva di istituire un assetto organizzativo, amministrativo e contabile adeguato alla natura e alle dimensioni dell’impresa.

Come noto l’adeguatezza degli assetti non può essere valutata in astratto, ma deve essere rapportata all’attività esercitata, alla complessità dell’organizzazione e ai rischi concretamente assunti. In questa prospettiva, l’introduzione di sistemi di intelligenza artificiale nei processi aziendali può rendere necessario un aggiornamento degli assetti esistenti.

Vale la pena sottolineare che tra assetti e flussi informativi esiste un rapporto di circolarità: i flussi funzionano se gli assetti sono adeguati, ma gli assetti, per essere tali, devono a loro volta garantire un efficace scambio di informazioni all'interno della società. I sistemi di intelligenza artificiale rilevano sotto entrambi i profili: rientrano nella nozione di assetti tecnici — e come tali sono soggetti al dovere di adeguatezza — anche quando vengono impiegati esclusivamente per potenziare la circolazione delle informazioni tra gli organi sociali.

Questa impostazione trova oggi un significativo riscontro sul piano del diritto positivo. La recente riforma del TUF ha infatti espressamente ricondotto l'utilizzo e il monitoraggio dei sistemi di intelligenza artificiale nell'ambito degli assetti amministrativi, organizzativi e contabili delle società quotate. Il nuovo articolo 123-bis impone di illustrare le politiche adottate in materia di utilizzo e monitoraggio delle nuove tecnologie - inclusi i sistemi di IA - nonché le politiche di gestione dei rischi informatici e di cybersecurity. Il nuovo articolo 149-ter richiede, sul versante dei controlli interni, di verificare che i sistemi di monitoraggio continuo, automatici e predittivi siano adeguati e proporzionati alla natura e alle dimensioni dell'impresa. Pur trattandosi di disposizioni riferite alle società quotate, esse esprimono una tendenza di portata più generale: l'impiego dell'intelligenza artificiale non costituisce più soltanto una questione tecnologica o regolatoria, ma entra a pieno titolo nel perimetro della corporate governance e del governo dei rischi d'impresa.

Il primo passaggio dovrebbe consistere nella ricognizione dei sistemi di IA utilizzati all’interno dell’organizzazione. In molte imprese, infatti, questi strumenti vengono adottati autonomamente dalle singole funzioni, talvolta mediante applicazioni generaliste, senza una decisione centralizzata e senza che il loro utilizzo sia adeguatamente censito.

Ne può derivare una forma di “shadow AI” assimilabile, per alcuni aspetti, al fenomeno dello shadow IT: strumenti impiegati - molto spesso – al di fuori dei processi aziendali di autorizzazione e controllo, con conseguenti rischi relativi alla riservatezza delle informazioni, alla protezione dei dati personali, alla proprietà intellettuale, alla sicurezza informatica e all’attendibilità degli output.

Un assetto adeguato dovrebbe invece consentire alla società di sapere almeno:

• quali sistemi di IA vengono utilizzati;

• per quali finalità e nell’ambito di quali processi;

• quali dati vengono immessi o trattati;

• chi è autorizzato a utilizzarli;

• quali soggetti sono responsabili della loro selezione, configurazione e supervisione;

• quali controlli sono previsti sui risultati prodotti;

• come sono documentate le decisioni assunte con il supporto di tali sistemi.

Non si tratta necessariamente di creare nuove strutture o funzioni. Occorre, piuttosto, integrare la governance dell’intelligenza artificiale nei presidi già esistenti, definendo responsabilità, procedure decisionali e flussi informativi coerenti con le caratteristiche dell’impresa.

Il ruolo del consiglio di amministrazione

L’adozione di sistemi di intelligenza artificiale può rientrare, entro determinati limiti, nelle scelte gestorie affidate alla discrezionalità degli amministratori. La decisione, però, deve essere preceduta da un processo informato e ragionevole.

La business judgment rule tutela la discrezionalità imprenditoriale e impedisce che il merito delle scelte gestorie venga sindacato sulla base del solo risultato negativo. Non sottrae invece al controllo giudiziale il procedimento attraverso il quale la decisione è stata assunta, né copre scelte manifestamente irrazionali, adottate in assenza delle informazioni necessarie o senza un’adeguata valutazione dei rischi.

Quando la decisione è stata assunta con il supporto di un sistema di intelligenza artificiale, la business judgment rule può operare soltanto a condizione che gli amministratori abbiano adeguatamente motivato la propria scelta. La motivazione assume rilievo in entrambe le direzioni: sia nel caso in cui si intenda seguire la raccomandazione dell'algoritmo, sia nel caso in cui si decida di discostarsene. In assenza di una motivazione esplicita e argomentata, vi è il rischio che la decisione si risolva in una mera adesione acritica all'output della macchina — con conseguente impossibilità di ricostruire ex post l'iter logico seguito dagli amministratori e di verificare la correttezza metodologica della scelta. La motivazione costituisce, in questa prospettiva, il principale presidio contro il fenomeno dell'appiattimento decisionale e condizione necessaria affinché la discrezionalità gestoria possa ritenersi effettivamente esercitata.

Prima di introdurre un sistema di IA in un processo aziendale rilevante, gli amministratori dovrebbero quindi verificare, anche mediante il supporto delle funzioni competenti:

• la finalità perseguita e i benefici ragionevolmente attesi;

• l’affidabilità del sistema e la qualità dei dati utilizzati;

• i rischi legali, operativi, reputazionali e di sicurezza;

• la possibilità di spiegare e verificare i risultati prodotti;

• la presenza di un’effettiva supervisione umana;

• l’adeguatezza delle condizioni contrattuali applicate dal provider;

• la possibilità di effettuare audit e controlli;

• le modalità di monitoraggio successivo all’implementazione.

La responsabilità ultima della decisione non può essere trasferita né al sistema di intelligenza artificiale né al fornitore della tecnologia. Allo stesso modo, il ricorso all’IA non dovrebbe tradursi in una delega sostanzialmente incontrollata alle funzioni IT o ai consulenti esterni.

Quanto più il sistema è destinato a incidere su decisioni strategiche, sull’esercizio di poteri aziendali o sui diritti di dipendenti, clienti e altri stakeholder, tanto maggiore dovrà essere il livello di coinvolgimento degli organi sociali e di formalizzazione del relativo processo decisionale.

Deleghe, flussi informativi e dovere di agire informati

La governance dell’intelligenza artificiale interseca anche la disciplina delle deleghe e dei flussi informativi prevista dagli artt. 2381-bis e -ter del codice civile.

Gli organi delegati sono chiamati a curare che l’assetto organizzativo, amministrativo e contabile sia adeguato alla natura e alle dimensioni dell’impresa. Il consiglio di amministrazione, sulla base delle informazioni ricevute, ne valuta l’adeguatezza; tutti gli amministratori sono inoltre tenuti ad agire in modo informato.

L’impiego dell’IA dovrebbe pertanto trovare spazio nei flussi periodici diretti al consiglio, almeno quando riguarda processi significativi. Le informazioni dovrebbero comprendere non soltanto l’elenco dei progetti in corso, ma anche i rischi individuati, gli incidenti o malfunzionamenti registrati, gli esiti delle verifiche effettuate e le eventuali misure correttive.

Con riferimento specifico ai sistemi di intelligenza artificiale adottati, le informazioni trasmesse dagli organi delegati al consiglio dovrebbero riguardare almeno: la provenienza del sistema e l'identità del fornitore; i dati utilizzati per il suo sviluppo e addestramento; le modalità di funzionamento; le ragioni della scelta rispetto alle alternative disponibili sul mercato; il grado di trasparenza e i principali parametri di affidabilità. Solo disponendo di tali elementi il consiglio può dirsi adeguatamente informato e svolgere in modo effettivo la propria funzione di valutazione degli assetti.

In tale contesto può essere opportuno individuare un responsabile interno o un comitato interdisciplinare che coinvolga, secondo le dimensioni e la struttura della società, le funzioni legale, compliance, risk management, IT, cybersecurity, privacy, internal audit e risorse umane.

Alcune società hanno adottato soluzioni più strutturate, istituendo un comitato endoconsiliare dedicato alle tematiche tecnologiche — con funzioni istruttorie, propositive e consultive nei confronti del plenum — ovvero nominando uno specifico algorithm officer incaricato di valutare in modo continuativo la trasparenza, l'adeguatezza e il corretto funzionamento dei sistemi algoritmici impiegati. Quest'ultima figura risulta particolarmente utile in considerazione della capacità di autoapprendimento degli algoritmi, che li porta a modificare il proprio comportamento nel tempo, rendendo necessario un presidio non episodico ma sistematico.

L’obiettivo non è burocratizzare l’innovazione, ma assicurare che le decisioni siano assunte da soggetti dotati delle necessarie competenze e sulla base di informazioni sufficienti, verificabili e documentate.

La vigilanza del collegio sindacale

Anche il collegio sindacale è chiamato a confrontarsi con l’impiego dell’intelligenza artificiale nell’organizzazione societaria.

Il dovere di vigilare sull’adeguatezza dell’assetto organizzativo e sul suo concreto funzionamento non comporta una valutazione tecnica dei singoli algoritmi. Richiede, tuttavia, che il collegio verifichi l’esistenza di un processo aziendale idoneo a individuare, valutare e governare i rischi connessi all’impiego dell’IA.

Il collegio potrà quindi richiedere informazioni, tra l’altro, sull’esistenza di una policy interna, sull’attribuzione delle responsabilità, sull’attività formativa, sui sistemi considerati maggiormente rischiosi, sugli esiti degli audit e sugli incidenti eventualmente verificatisi.

La completa assenza di flussi informativi su strumenti già utilizzati in processi aziendali rilevanti potrebbe rappresentare un segnale dell’inadeguatezza degli assetti o, quanto meno, della necessità di un loro aggiornamento.

Intelligenza artificiale e modello 231

L’introduzione di sistemi di IA richiede inoltre una valutazione dei possibili riflessi sul modello di organizzazione, gestione e controllo adottato ai sensi del d.lgs. 231/2001. L'IA, infatti, non si limita ad aggiungere nuovi rischi al catalogo di quelli già mappati: può modificare in modo sostanziale il risk assessment delle attività sensibili — alterando probabilità, modalità e scala delle condotte potenzialmente illecite — e, con ciò, mettere concretamente alla prova l'idoneità del modello esistente.

L’IA può incidere sul rischio di commissione di diversi reati presupposto. Si pensi, a titolo esemplificativo, alla manipolazione di informazioni e documenti, agli illeciti informatici, alle violazioni del diritto d’autore, ai reati societari, alle condotte corruttive o all’impiego improprio di informazioni riservate.

La tecnologia può certamente rafforzare i controlli, consentendo di analizzare grandi quantità di dati e individuare anomalie che difficilmente emergerebbero mediante verifiche tradizionali. Al tempo stesso, però, può aumentare la velocità, la scala e la difficile tracciabilità di condotte illecite.

Il risk assesment 231 dovrebbe pertanto considerare in quali attività sensibili vengano utilizzati sistemi di intelligenza artificiale e valutare se i protocolli esistenti siano ancora adeguati. Potrebbe risultare necessario aggiornare le procedure in materia di autorizzazioni, segregazione delle funzioni, gestione dei dati, tracciabilità delle operazioni, selezione dei fornitori e conservazione della documentazione.

Particolare attenzione dovrà essere riservata all’attribuzione delle responsabilità. La presenza di un processo automatizzato non può determinare una zona priva di controllo nella quale non sia possibile ricostruire chi abbia autorizzato l’impiego del sistema, verificato il risultato o assunto la decisione finale.

L’Organismo di Vigilanza non è chiamato a sostituirsi agli amministratori o alle funzioni tecniche nella gestione dei sistemi di IA. Nell’ambito dei propri compiti, dovrebbe tuttavia ricevere informazioni sufficienti per valutare l’impatto di tali strumenti sui rischi 231 e sull’effettiva attuazione del modello. I flussi informativi verso l’Organismo potrebbero riguardare, fra l’altro, l’introduzione di sistemi di IA nelle attività sensibili ed eventuali incidenti, anomalie o utilizzi non autorizzati e/o gli esiti degli audit e delle attività di monitoraggio. L’utilizzo dell’intelligenza artificiale può, a sua volta, supportare alcune attività di controllo dell’Organismo, purché non sostituisca la valutazione critica dei risultati e siano rispettati i principi di proporzionalità, riservatezza e affidabilità.

L’IA nelle internal investigations

Un ulteriore ambito di particolare interesse riguarda l’utilizzo dell’intelligenza artificiale nelle indagini interne.

Gli strumenti di IA possono agevolare l’analisi di grandi volumi di documenti, comunicazioni e dati aziendali, individuando collegamenti, anomalie o ricorrenze utili ai fini dell’investigazione. Il loro impiego richiede, tuttavia, cautele specifiche: occorre verificare la provenienza e la qualità dei dati, prevenire risultati discriminatori o fuorvianti, garantire la riservatezza delle informazioni e proteggere i diritti delle persone coinvolte.

Un output algoritmico non dovrebbe mai essere considerato, da solo, una prova conclusiva di una condotta illecita. Deve essere possibile ricostruire il metodo seguito e sottoporre gli esiti a un'effettiva revisione umana. La decisione di adottare misure disciplinari, effettuare una segnalazione o avviare ulteriori iniziative deve restare affidata a soggetti competenti, sulla base di elementi verificati e nel rispetto delle garanzie applicabili.

Il raccordo con l’AI Act

IlRegolamento (UE) 2024/1689 – AI Act introduce una disciplina fondata sul livello di rischio dei diversi sistemi e prevede, secondo i casi, obblighi relativi alla gestione dei rischi, alla qualità dei dati, alla documentazione, alla tracciabilità, alla trasparenza, alla supervisione umana e al monitoraggio.

Questi obblighi non esauriscono il tema della governance societaria dell’IA, ma contribuiscono a definire il contenuto concreto dei presidi che l’impresa deve adottare. Anche quando un sistema non rientri tra quelli qualificati ad alto rischio, il suo utilizzo potrebbe comunque assumere rilievo ai fini della corretta organizzazione dell’impresa e dei doveri degli organi sociali.

La conformità all’AI Act e l’adeguatezza degli assetti operano dunque su piani distinti ma comunicanti: la prima riguarda il rispetto degli obblighi previsti dalla disciplina europea; la seconda richiede una valutazione più ampia e proporzionata delle modalità attraverso le quali l’impresa governa le proprie attività e i relativi rischi.

Verso una governance integrata dell’intelligenza artificiale

L’intelligenza artificiale non determina automaticamente nuove forme di responsabilità degli amministratori. Rende però necessario applicare doveri già esistenti a un contesto tecnologico caratterizzato da maggiore complessità, velocità e opacità.

Per gli organi sociali, il punto non è conoscere nel dettaglio il funzionamento tecnico di ogni sistema, ma assicurarsi che l’impresa disponga delle competenze, delle procedure e dei controlli necessari per utilizzarlo in modo consapevole.

Una governance efficace dovrebbe interrogarsi, in modo sistematico, su quali sistemi di intelligenza artificiale siano impiegati e con quali finalità, su chi ne autorizzi l'introduzione e ne assuma la responsabilità, sui rischi valutati prima dell'implementazione e sulle modalità di supervisione umana effettivamente previste. Occorre inoltre verificare che gli output siano tracciabili e verificabili, che i rapporti contrattuali con i provider disciplinino adeguatamente i profili relativi ai dati, alla riservatezza, all'audit, alla sicurezza e alla responsabilità, che gli organi sociali e le funzioni di controllo ricevano flussi informativi adeguati e che il modello 231 e le procedure aziendali siano stati aggiornati in funzione dei nuovi rischi.

L’innovazione non deve essere frenata, ma (ben) governata. Proprio la capacità di integrare (responsabilmente e con maggiore cognizione di potenzialità e rischi) l’intelligenza artificiale negli assetti societari e nei sistemi di controllo rappresenterà uno degli indicatori più significativi della qualità della corporate governance dei prossimi anni.

1. ^ Per “shadow AI” si intende l’utilizzo di sistemi o strumenti di intelligenza artificiale non autorizzati, censiti o comunque governati dall’organizzazione. L’espressione deriva dal concetto di “shadow IT”, riferito all’impiego di applicazioni, servizi o infrastrutture informatiche al di fuori dei processi aziendali di approvazione e controllo.

Il confronto con il modello del Garante

Ma cosa cambia, in concreto, rispetto al modello utilizzato dal Garante per la protezione dei dati personali?

Sul piano dei contenuti, poco cambia. Le principali differenze riguardano la qualificazione della violazione e delle sue cause, la valutazione del rischio, la dimensione transfrontaliera e alcune semplificazioni – come quella della scala di gravità dell’impatto per gli interessati – che il modello del Garante mantiene invece più articolate.

Il template dell’EDPB introduce, in primo luogo, una sotto-tipizzazione strutturata delle violazioni. Per le violazioni della riservatezza distingue tra dati effettivamente esfiltrati o divulgati, esfiltrazione o divulgazione ritenuta probabile pur in assenza di evidenze, esfiltrazione o divulgazione ragionevolmente esclusa alla luce delle evidenze e valutazione non ancora possibile; include, inoltre, una domanda specifica sull’intellegibilità dei dati da parte di soggetti terzi non autorizzati, che ricalca il presupposto dell’esenzione dalla comunicazione agli interessati previsto dall’articolo 34(3)(a) GDPR. Per le violazioni dell’integrità, invece, distingue tra alterazione dei dati senza evidenza di uso illecito, alterazione con evidenza di uso illecito ma con possibilità di ripristino e alterazione con evidenza di uso illecito e senza possibilità di ripristino. Infine, per le violazioni della disponibilità, distingue tra indisponibilità temporanea e indisponibilità permanente. 

L’EDPB sostituisce, poi, la descrizione libera della violazione con una tassonomia chiusa di venticinque tipologie di incidente – tra cui figurano ransomware, phishing e social engineering, sfruttamento di vulnerabilità note o zero-day, accessi non autorizzati, esfiltrazione di dati, errata configurazione o errato controllo degli accessi, perdita o furto di dispositivi, invio di dati al destinatario errato, pubblicazione non intenzionale, cancellazione o distruzione di dati. Analogamente, sostituisce con elenchi strutturati le descrizioni libere delle misure tecniche e organizzative preesistenti e di quelle programmate per prevenire violazioni future. Si tratta di una scelta che riduce l’eterogeneità delle notifiche e ne facilita l’analisi comparata da parte delle autorità di controllo.

Sul piano della valutazione del rischio, la proposta rende espressa l’ipotesi in cui la violazione sia “unlikely to result in a risk” per i diritti e le libertà degli interessati. È un’opzione che manca al modello del Garante – nel quale la scelta è tra rischio elevato, assenza di rischio elevato e necessità di ulteriori valutazioni, senza distinguere tra rischio sussistente ma non elevato e rischio improbabile ai sensi dell’articolo 33(1) GDPR – e che ha un valore giuridico non secondario, poiché ricalca il presupposto in presenza del quale il GDPR consente di omettere del tutto la notifica all’autorità. Il template richiede inoltre di esplicitare la metodologia utilizzata e i principali fattori considerati nella valutazione: obbligo che dava luogo, nel modello del Garante, a una motivazione libera, e che nella proposta dell’EDPB assume un carattere più formalizzato.

Ulteriori aggiunte riguardano la dimensione transfrontaliera. Il template richiede il numero approssimativo di interessati per ciascun Paese coinvolto – informazione non prevista dal modello del Garante – nonché di elencare le altre autorità di controllo dello Spazio Economico Europeo alle quali la violazione è stata notificata o si prevede di notificarla; il modello del Garante si limita, in modo asimmetrico, a chiedere quali siano già state destinatarie della notifica. Una sezione autonoma è poi dedicata ai titolari non stabiliti nello Spazio Economico Europeo ma soggetti al GDPR ai sensi dell’articolo 3, paragrafo 2, mentre nel modello del Garante la posizione di questi soggetti è disciplinata solo indirettamente, attraverso la sezione sul rappresentante ex articolo 27.

Nella direzione opposta, il template dell’EDPB semplifica alcune articolazioni che il modello del Garante conserva. La scala di gravità del potenziale impatto per gli interessati è su quattro livelli (minor, moderate, severe e to be determined), a fronte dei cinque previsti dal modello italiano (trascurabile, bassa, media, alta e non ancora definita): la conseguenza è che le posizioni intermedie – in particolare la distinzione tra impatto basso e medio – restano meno leggibili e potrebbero indurre a un innalzamento cautelativo della valutazione. Per il titolare non stabilito nello Spazio Economico Europeo tenuto a designare un rappresentante ai sensi dell’articolo 27 GDPR, il template si limita a richiedere il nome e i recapiti del rappresentante, mentre il modello del Garante prevede una sezione dedicata con dati identificativi e di contatto completi. Sul fronte transfrontaliero, infine, l’EDPB si limita a distinguere tra Paesi in cui il titolare ha stabilimenti e Paesi in cui si trovano gli interessati coinvolti, mentre il modello del Garante distingue una terza dimensione, quella degli stabilimenti effettivamente coinvolti nella violazione, che può non coincidere con la prima e che offre una rappresentazione più fine della geografia dell’incidente.

Alcune considerazioni critiche

Un primo profilo attiene al rapporto tra il contenuto del template e il nucleo minimo della notifica fissato dal GDPR. L’articolo 33(3) GDPR fissa un contenuto minimo articolato in quattro voci: natura della violazione, con indicazione, ove possibile, delle categorie e del numero approssimativo di interessati e di record; contatti del data protection officer o di altro punto di contatto; probabili conseguenze; misure adottate o di cui si propone l’adozione. Il template dell’EDPB, con circa centoventi campi e regole di compilazione condizionata, si spinge sensibilmente oltre tale nucleo. La circostanza non è di per sé illegittima, trattandosi di uno strumento di soft law, ma la sua traduzione operativa nei portali nazionali rischia di trasformare in obbligo di fatto ciò che il GDPR non richiede: in sede di enforcement, un campo lasciato in bianco o compilato in modo generico potrebbe essere valorizzato come indice di scarsa accountability, anche in assenza di una base normativa esplicita che imponga quel livello di dettaglio.

La richiesta di esplicitare metodologia e fattori considerati nella valutazione del rischio, coerente in astratto con il principio di accountability, presenta tuttavia un risvolto delicato. La notifica – redatta sotto la pressione delle settantadue ore e senza margini reali per una revisione ponderata delle formulazioni – diventa la principale prova documentale nell’eventuale procedimento sanzionatorio e nel contenzioso civile per danno da data breach. Il baricentro della valutazione dell’autorità rischia così di spostarsi dall’incidente in sé alla qualità della compliance procedurale rappresentata nella notifica, letta ex post con il beneficio del senno di poi. 

La richiesta di descrivere sistemi, software, servizi e infrastrutture coinvolti, con la relativa localizzazione, solleva peraltro una questione ulteriore, di sicurezza operativa del titolare stesso. La trasmissione all’autorità di una mappa, anche solo di massima, dell’infrastruttura IT del titolare andrebbe quantomeno accompagnata dalla possibilità di segnalare la natura riservata o security-sensitive di talune informazioni, analogamente a quanto previsto in ambito NIS2 per i rapporti con i CSIRT. La previsione di un flag di confidenzialità, o di una distinzione strutturale tra informazioni pubbliche e informazioni tecniche coperte da riserva, appare una richiesta ragionevole da veicolare in sede di consultazione.

L’efficacia armonizzatrice del template va tuttavia misurata anche rispetto al più ampio quadro delle notifiche di incidente cui il titolare del trattamento è oggi tipicamente esposto. Oltre che dal GDPR, obblighi di notifica paralleli sono previsti dalla normativa NIS, dal DORA per le entità finanziarie, dalla normativa CER, etc. Da questo punto di vista, il template non appare disegnato in modo tale da abilitare una logica di “report once, share many”, coerente con l’impianto del Digital Omnibus, che propone un punto unico di segnalazione a livello europeo con il coordinamento di ENISA. Un modello che si affiancasse ai portali nazionali esistenti senza sostituirli e senza dialogare con NIS2 e DORA rischierebbe di rappresentare un ulteriore formato, aggiungendo un livello di frammentazione anziché ridurlo.

Occorre, infine, sottolineare che il documento adottato dall’EDPB per la consultazione pubblica definisce un template comune, ma non istituisce di per sé un portale unico europeo per la notifica delle violazioni né dispone automaticamente la sostituzione delle procedure nazionali. 

In questa prospettiva, l’equilibrio tra il termine delle settantadue ore e il livello di dettaglio richiesto in ordine alla natura dell’incidente, alla root cause e alle infrastrutture coinvolte appare difficilmente sostenibile nella pratica, soprattutto per le organizzazioni di dimensioni contenute. Gli esiti prevedibili sono la over-notification prudenziale, la sistematica presentazione di notifiche incomplete con follow-up di fatto mai chiusi ovvero una redazione difensiva connotata da formulazioni generiche. Nessuno di questi scenari serve realmente né all’autorità né agli interessati. Sarebbe coerente con la struttura dell’articolo 33 GDPR distinguere in modo più netto il contenuto minimo esigibile entro le settantadue ore dal post-mortem tecnico, quest’ultimo da trasmettere in una fase successiva, con tempistiche più realistiche.

A questo si aggiunge l’assenza di una reale proporzionalità tra il modello applicabile ai titolari di grandi dimensioni e quello utilizzabile dalle micro e piccole imprese. Il template prevede, al campo dedicato alla tipologia di organizzazione, la distinzione tra microimpresa, PMI, grande impresa e altre categorie, ma tale qualificazione non attiva alcuna semplificazione dei campi successivi. La soluzione si pone in tensione con la logica dell’articolo 30(5) GDPR, che esonera micro e PMI dal registro dei trattamenti a determinate condizioni, e con la Helsinki Statement, con cui lo stesso EDPB si è impegnato a promuovere strumenti proporzionati per le realtà di minori dimensioni. Sarebbe auspicabile che il template finale prevedesse un percorso di compilazione semplificato per micro e PMI, incentrato su un nucleo minimo di informazioni coincidente con l’articolo 33(3) GDPR.

Bilancio e proposte

La semplificazione e armonizzazione perseguita non coincide quindi con una riduzione delle informazioni richieste; anzi, in alcuni ambiti, la maggiore granularità comporta addirittura un approfondimento della compilazione. Il potenziale vantaggio dello schema proposto dall’EDPB risiede soprattutto nella standardizzazione delle categorie utilizzate, nella maggiore prevedibilità delle informazioni richieste e nella possibilità di adottare un linguaggio comune nelle procedure interne di gestione dei data breach e nei rapporti con le diverse autorità di controllo europee.

In una prospettiva costruttiva, tre correzioni di rotta appaiono particolarmente utili: l’introduzione di un principio di no adverse inference a favore del titolare che, in buona fede, presenti una notifica su base incompleta e la integri nei termini previsti; la previsione di un flag di confidenzialità per le informazioni security-sensitive trasmesse all’autorità; l’attivazione automatica di un percorso di compilazione semplificato per micro e PMI, calibrato sul contenuto minimo dell’articolo 33(3) GDPR.

GEMA, società di collecting tedesca (ente analogo alla SIAE in Italia), ha contestato a Suno – piattaforma che consente la generazione di opere musicali a partire da prompt testuali – l'utilizzo di opere del proprio repertorio per l'addestramento e la generazione di canzoni molto simili a brani celebri (si trattava di hit come “Mambo no. 5” e “Daddy Cool”), sostenendo che si trattasse di atti di riproduzione e memorizzazione di opere protette senza autorizzazione.

La sentenza ha ritenuto che il modello di Suno fosse stato effettivamente addestrato utilizzando opere GEMA e che funzionasse conservando copie necessarie alla generazione dei contenuti richiesti dagli utenti, qualificando tali condotte come violazioni del diritto d'autore. Il Tribunale ha ordinato a Suno la cessazione degli utilizzi nonché l'esibizione della documentazione relativa agli impieghi e ai ricavi della piattaforma ai fini della quantificazione dei danni.

Di particolare interesse l'approccio territoriale: il fatto che l'addestramento fosse avvenuto negli USA non ha escluso la rilevanza illecita della condotta, considerato che gli effetti si sono prodotti nell’UE attraverso una piattaforma accessibile agli utenti europei. Il Tribunale ha escluso la valenza scriminante del c.d. fair use ai sensi del diritto USA (anche ove potesse ritenersi applicabile) e dell’eccezione europea sul text-and-data-mining (TDM), soprattutto in ragione del fatto che lo scraping dei contenuti (che risultava esser stato effettuato da Suno su piattaforme come YouTube) aveva portato all'acquisizione integrale delle opere e non alla mera estrazione di dati ad esse relativi.

I giudici tedeschi hanno poi affrontato il tema della nozione di "copia" nel contesto dell'AI generativa. Secondo il Tribunale, la memorizzazione di un'opera produce una copia illecita anche quando l’opera non sia messa “in bella mostra” per l’utente ma il suo contenuto integrale risulti comunque recuperabile attraverso un semplice prompt aperto. Questa interpretazione giuridica della nozione di copia nel nuovo contesto dell’AI generativa è di estremo interesse perché ad esempio si discosta da quanto nel Novembre 2025 ha deciso la Corte di Londra in un altro dei casi assurti agli onori della cronaca tra Getty Images e Stability AI in relazione ad una piattaforma di generazione di immagini (High Court of England and Wales, [2025] 2863 -Ch).

La decisione tedesca in commento assume particolare rilievo anche perché applica questi principi per la prima volta alla parte musicale, dove la valutazione delle somiglianze tra opere è tradizionalmente più sofisticata rispetto ad altri ambiti creativi. In questa prospettiva, la sentenza appare di maggior interesse rispetto al precedente ottenuto sempre in Germania da GEMA nel 2025 nei confronti di OpenAI sulla riproduzione dei soli testi delle canzoni.

Suno ha già annunciato l'intenzione di impugnare la decisione. Tuttavia si tratta di un precedente che offre indicazioni estremamente rilevanti sulla tenuta dell’ordinamento UE in materia di AI e addestramento dei modelli, aggiungendo un livello di tutela importante (sotto il profilo della protezione della proprietà intellettuale) oltre a quelli già attuati a livello regolatorio con gli obblighi di trasparenza introdotti con l’AI Act. L’approccio europeo appare invero sempre più volto a garantire adeguata remunerazione dei titolari dei diritti, incentivando modelli basati su licenze e condizioni eque e trasparenti. 

E’ senz’altro significativo che all’indomani della pubblicazione di questa decisione si sia già innescata, nel giro delle ultime settimane, una sorta di “reazione a catena” a livello internazionale. Se da un lato alcune major come BMG e Warner hanno annunciato una nuova licenza proprio con Suno per “regolarizzare” in futuro l’uso di contenuti protetti da parte della piattaforma, dall’altro lato Sony si è affrettata a far causa ad Anthropic per utilizzi di contenuti protetti da parte della piattaforma Claude. Nel frattempo, l’amministrazione americana ha depositato, in un’altra causa pendente contro OpenAI dinanzi al Southern District of New York uno Statement of Interest in cui sostiene a spada tratta che l’uso di opere altrui per il training di piattaforme GenAI costituisce eccome fair use (contrariamente a quanto ritenuto dalla sentenza GEMA qui in commento) e deve essere perciò a suo parere largamente tollerato e non sanzionato.

Si tratta di un intensificarsi del dibattito e del contenzioso che presumibilmente avrà implicazioni importanti anche in Italia, dove pure ci si attende una moltiplicazione di cause e contestazioni analoghe a quella (a tutt’oggi in corso) avviata alla fine dello scorso anno da RTI e Medusa Film a tutela dei propri contenuti audiovisivi originali nei confronti della piattaforma Perplexity AI innanzi al Tribunale di Roma. Del resto, titolari di diritti e contenuti protetti (e società di collecting) si stanno largamente attivando in tutto il mondo al fine di scongiurare che non solo le opere, ma anche le performance, le interpretazioni artistiche e gli elementi identitari caratterizzanti vengano sfruttati abusivamente e gratuitamente da queste piattaforme.