AI Act: cosa è cambiato davvero il 2 agosto 2026 (e cosa è stato rinviato)

Dal 2 agosto 2026 sono direttamente applicabili gli obblighi di trasparenza previsti dall'articolo 50 del regolamento. Sono tre famiglie di adempimenti, e riguardano molte più aziende di quante pensino di essere coinvolte. La prima: quando una persona interagisce con un sistema di AI, deve essere informata che sta parlando con una macchina. Questo tocca direttamente chiunque abbia un chatbot sul sito, un agente che risponde su WhatsApp o un assistente vocale che gestisce le chiamate — non serve essere una big tech, basta avere un bot che parla con i clienti.

La seconda: i contenuti sintetici — testi, immagini, audio, video generati o manipolati dall'AI — devono essere marcati come tali in modo leggibile dalle macchine, e i deepfake vanno dichiarati esplicitamente. La terza: i sistemi di riconoscimento delle emozioni e di categorizzazione biometrica devono informare le persone esposte. Non c'è un periodo di grazia formale su questi punti: sono applicabili adesso.

La buona notizia è che l'adempimento, nella maggior parte dei casi, è più semplice di quanto suoni: una dichiarazione chiara nell'interfaccia e una policy interna che stabilisca chi la mantiene aggiornata.

La parte pesante del regolamento — il capo III sui sistemi ad alto rischio — è stata spostata in avanti su due binari distinti, e la distinzione conta perché determina di quanto tempo dispone la tua azienda. Primo binario: i sistemi ad alto rischio elencati nell'Allegato III si applicheranno dal 2 dicembre 2027. Qui rientrano gli usi che toccano le persone in modo diretto — selezione e gestione del personale, istruzione e formazione, valutazione del merito creditizio, forze dell'ordine, gestione di infrastrutture critiche.

Secondo binario: i sistemi ad alto rischio incorporati in prodotti già regolati da normative di sicurezza esistenti (dispositivi medici, macchinari, giocattoli) slittano al 2 agosto 2028. C'è poi una data intermedia da segnare: il 2 dicembre 2026 scattano gli obblighi di marcatura tecnica per i sistemi già sul mercato e alcuni nuovi divieti. La motivazione ufficiale del rinvio è pragmatica: gli standard armonizzati e le linee guida attuative non erano pronti, e chiedere conformità a una norma i cui criteri tecnici non esistono ancora avrebbe prodotto adempimenti di facciata invece che sicurezza reale.

Il rinvio ha riguardato l'alto rischio, non tutto il regolamento. Due blocchi restano esattamente dov'erano, e sono quelli che in pratica hanno già effetto sulle aziende italiane. Il primo: i divieti sulle pratiche a rischio inaccettabile sono in vigore da febbraio 2025. Manipolazione comportamentale che provoca danno, sfruttamento delle vulnerabilità, punteggio sociale, alcune forme di riconoscimento biometrico: sono vietati oggi, non nel 2027.

Il secondo: gli obblighi sui modelli di uso generale (GPAI) mantengono il loro calendario originario. Chi fornisce o integra modelli di base ha già una serie di adempimenti su documentazione tecnica, informazioni ai valle della catena e trasparenza sui dati di addestramento. La conseguenza operativa è che leggere 'l'AI Act è stato rinviato' e concluderne 'non devo fare niente fino al 2027' è un errore di lettura che può costare caro: le pratiche vietate lo sono adesso, la trasparenza è dovuta adesso, e chi usa modelli generali ha già obblighi in capo.

Dipende da come lo si usa. La lettura ingenua è: abbiamo guadagnato sedici mesi, rimandiamo. La lettura che consigliamo è opposta, per una ragione pratica che ha poco a che vedere con il diritto e molto con i tempi aziendali reali. Mettere in conformità un sistema di AI ad alto rischio non è un adempimento documentale che si fa in due settimane con un consulente: richiede tracciabilità delle operazioni, un meccanismo di supervisione umana effettiva, gestione documentata del rischio, qualità dei dati.

Sono caratteristiche architetturali. Se il sistema non è stato progettato per averle, aggiungerle dopo significa rimetterci le mani in profondità — e il costo di quel retrofit è tipicamente un multiplo di quanto sarebbe costato farlo bene da subito. C'è poi un secondo elemento, commerciale prima che normativo: sempre più aziende clienti, soprattutto medio-grandi e pubbliche amministrazioni, stanno inserendo negli affidamenti richieste di prova sulla governance dell'AI.

Quelle richieste non aspettano il 2027, arrivano nelle gare di oggi. Chi ha già tracciabilità e supervisione umana documentate risponde e passa; chi ha collegato un modello a un foglio di calcolo, no.

Quattro azioni, in ordine di urgenza. Primo: fai l'inventario dei sistemi di AI che la tua azienda usa davvero — inclusa la shadow AI, cioè gli strumenti che i reparti hanno adottato senza passare dall'IT. Non puoi classificare il rischio di ciò che non sai di avere, e nella maggior parte delle aziende che analizziamo l'inventario reale è più lungo di quello dichiarato. Secondo: verifica subito la trasparenza, perché è l'unico obbligo già attivo.

Ogni punto in cui un cliente parla con un sistema automatico deve dirlo; ogni contenuto generato dall'AI che pubblichi va marcato. È lavoro di giorni, non di mesi. Terzo: classifica i tuoi casi d'uso rispetto all'Allegato III. La domanda operativa è semplice: questo sistema incide su selezione del personale, accesso al credito, formazione, o su un servizio essenziale? Se sì, hai una scadenza al 2 dicembre 2027 e conviene iniziare a progettare la conformità ora.

Quarto: dove stai costruendo qualcosa di nuovo, pretendi che nasca già con supervisione umana e log delle azioni. Non come adempimento — come scelta di architettura, perché è anche ciò che rende il sistema affidabile in produzione.

C'è una convergenza che vale la pena rendere esplicita: le caratteristiche che il regolamento chiede ai sistemi ad alto rischio sono le stesse che rendono un sistema di AI affidabile in produzione, indipendentemente dalla norma. La supervisione umana effettiva prevista dall'articolo 14 è, in termini ingegneristici, una coda di approvazione sulle azioni critiche. La tracciabilità è un registro delle operazioni.

La gestione del rischio e la qualità dei dati sono, nella pratica, l'ancoraggio del modello a una fonte di verità strutturata invece che alla sua memoria statistica. Un sistema progettato in modo ibrido — software verticale che detiene i dati, agenti AI che eseguono sopra quei dati, persone che approvano ciò che conta — ha queste tre proprietà per costruzione, non come strato aggiunto dopo.

È il motivo per cui, nella nostra esperienza, le aziende che partono da questa architettura scoprono che la conformità è quasi un sottoprodotto: hanno già i log, hanno già l'approvazione umana, hanno già i dati governati. Chi invece ha messo in produzione un modello scollegato dai propri sistemi si trova a dover costruire tutto e tre le cose da zero, sotto scadenza.