{"id":9327,"date":"2026-08-31T09:52:13","date_gmt":"2026-08-31T07:52:13","guid":{"rendered":"https:\/\/www.diculther.it\/rivista\/?page_id=9327"},"modified":"2026-08-31T09:52:18","modified_gmt":"2026-08-31T07:52:18","slug":"una-proposta-operativa-sovranita-infrastrutturale-trasparenza-epistemica-ed-ethics-by-design","status":"publish","type":"page","link":"https:\/\/www.diculther.it\/rivista\/una-proposta-operativa-sovranita-infrastrutturale-trasparenza-epistemica-ed-ethics-by-design\/","title":{"rendered":"Una proposta operativa: sovranit\u00e0 infrastrutturale, trasparenza epistemica ed Ethics by Design"},"content":{"rendered":"\n

di Gianluigi Spagnuolo<\/em><\/p>\n\n\n\n

VIDEO DI PRESENTAZIONE<\/a><\/strong><\/p>\n\n\n\n

Introduzione editoriale<\/strong><\/p>\n\n\n\n

Sovrano non vuol dire trasparente<\/strong><\/p>\n\n\n\n

Il 12 giugno 2026, tre giorni dopo il loro lancio, l\u2019accesso a due modelli di intelligenza artificiale americani \u00e8 stato sospeso per ogni utente non statunitense \u2014 non per decisione dell\u2019azienda che li produce, ma per un provvedimento del governo degli Stati Uniti. Le organizzazioni europee che li avevano gi\u00e0 integrati nei propri processi si sono trovate senza servizio da un giorno all\u2019altro. L\u2019accesso \u00e8 tornato il primo luglio: diciannove giorni, e nessun ricorso possibile nei tempi dell\u2019interruzione.<\/p>\n\n\n\n

Questo contributo parte da l\u00ec, ma non per denunciare una dipendenza. Parte da l\u00ec per smontare la soluzione che si \u00e8 formata come risposta.<\/strong><\/p>\n\n\n\n

L\u2019idea \u00e8 che se il problema \u00e8 dipendere da fornitori stranieri, basti possedere l\u2019infrastruttura: server propri, modelli scaricati, addestramento interno. Spagnuolo mostra che quella conclusione confonde due questioni indipendenti \u2014 chi possiede i server, e se chi usa il sistema pu\u00f2 risalire alla fonte di ci\u00f2 che gli viene risposto. Si pu\u00f2 avere l\u2019una senza l\u2019altra. Il server \u00e8 in Italia, e chi lo usa continua a non sapere da dove viene la risposta.<\/strong><\/p>\n\n\n\n

Da qui l\u2019articolo fa una cosa che nel dibattito sulla sovranit\u00e0 digitale manca quasi sempre: invece di proporre un modello, documenta ci\u00f2 che esiste gi\u00e0 \u2014 quattro infrastrutture condivise, in Italia e in Europa, su cui un\u2019impresa o un ente possono innestarsi senza costruirsi tutto da soli.<\/p>\n\n\n\n

E arriva a un passaggio che vale l\u2019intero saggio, perch\u00e9 rovescia l\u2019assunto di partenza: un modello addestrato soltanto sui documenti interni di un\u2019organizzazione non elimina il rischio di un corpus parziale \u2014 lo sposta di scala.<\/strong> La sovranit\u00e0, da sola, non protegge dai pregiudizi: pu\u00f2 consolidarli, restituendoli con l\u2019autorevolezza di un calcolo invece che con la contestabilit\u00e0 di un\u2019opinione.<\/p>\n\n\n\n

Il testo \u00e8 tecnico, e chiediamo al lettore la pazienza di attraversarlo. In cambio offre due cose rare: la ricognizione di ci\u00f2 che \u00e8 gi\u00e0 operativo, e un autore che demolisce la propria proposta prima di formularla.<\/p>\n\n\n\n

Abstract:<\/strong><\/p>\n\n\n\n

In questo contributo propongo una revisione critica del rapporto che intercorre tra la sovranit\u00e0 infrastrutturale e la trasparenza epistemica nella progettazione di sistemi di intelligenza artificiale per aziende, enti pubblici e istituzioni. L\u2019obiettivo \u00e8 quello di teorizzare una proposta operativa su come, concretamente, imprese e amministrazioni europee e italiane possano costruire un\u2019AI sovrana. Contro la tendenza a considerare la propriet\u00e0 dell\u2019infrastruttura come condizione sufficiente per risolvere l\u2019opacit\u00e0 algoritmica cerco di argomentare, al contrario, che sovranit\u00e0 e trasparenza sono due assi indipendenti, governati da scelte progettuali distinte. Sulla base dello stato dell\u2019arte normativo (AI Act, legge italiana 132\/2025, GDPR) e di quattro casi empirici concernenti le infrastrutture consorziali attualmente operative in Italia e in Europa, inoltre, provo ad evidenziare in che modo la via consorziale, pi\u00f9 delle altre (es. cloud nazionale e on-premise proprietario), sia oggi la strada pi\u00f9 replicabile per la maggior parte del nostro tessuto produttivo. Propongo, infine,  un modello operativo, costantemente rimodulabile, in quattro fasi per un\u2019\u00e9quipe di Ethics by Design, ancorato alla governance distribuita introdotta dalla legge 132\/2025 e ai principi della Rome Call for AI Ethics<\/em>, con l\u2019obiettivo di rendere la sovranit\u00e0 tecnica un vantaggio competitivo verificabile e non un nuovo dispositivo di potere non controllato.<\/p>\n\n\n\n

Parole chiave:<\/strong><\/p>\n\n\n\n

Sovranit\u00e0 digitale, trasparenza epistemica, ethics by design, infrastruttura consorziale, AI Act<\/p>\n\n\n\n

1. Introduzione<\/em><\/p>\n\n\n\n

  Il dibattito pubblico e accademico sull\u2019intelligenza artificiale generativa si divide spesso su due problematiche distinte che, per\u00f2, vengono affrontate come se fossero la stessa cosa: da un lato l\u2019opacit\u00e0 dei modelli ovvero l\u2019impossibilit\u00e0, per chi li utilizza, di risalire alla fonte o alla logica di una risposta; dall\u2019altro, invece, la dipendenza infrastrutturale da fornitori extraeuropei con la conseguente perdita di controllo su dati, know-how<\/em> e continuit\u00e0 del servizio.<\/p>\n\n\n\n

  Tale confusione di problematiche \u00e8 comprensibile perch\u00e8 entrambe si presentano, spesso, contemporaneamente nello stesso prodotto e nello stesso fornitore. Ciononostante, la loro sovrapposizione produce un errore di progettazione ricorrente, quello di credere che possedere l\u2019infrastruttura \u2013 server propri, pesi scaricati, addestramento interno \u2013 risolva automaticamente anche il problema dell\u2019opacit\u00e0 ma, purtroppo, non \u00e8 cos\u00ec e trattare le due questioni come equivalenti porta a proposte di AI sovrana che risolvono la dipendenza ma non la comprensibilit\u00e0 o viceversa.<\/p>\n\n\n\n

  A partire da questo tipo di complessit\u00e0, allora, \u00e8 bene effettuare una distinzione tra queste due dimensioni e provare ad osservarle da differenti punti prospettici provando a sviluppare la discussione su quattro piani argomentati.<\/p>\n\n\n\n

  Il primo piano \u00e8 concettuale e propone di inquadrare la sovranit\u00e0 infrastrutturale e la trasparenza epistemica come due assi ortogonali. Il secondo \u00e8 empirico, utilizzando un caso realmente accaduto nel giugno 2026 si prover\u00e0 a mostrare cosa significhi, concretamente, quando la sovranit\u00e0 infrastrutturale viene a mancare. Il terzo piano \u00e8 infrastrutturale e consister\u00e0 nel mostrare, attraverso quattro casi gi\u00e0 operativi in Italia e in Europa, che la via consorziale sia, oggi, la pi\u00f9 replicabile per la parte del tessuto produttivo che non dispone delle risorse di un grande gruppo industriale o di uno Stato. Il quarto ed ultimo piano \u00e8, invece, organizzativo: proporre un modello operativo, non solo un principio, per un\u2019\u00e9quipe di Ethics by Design chiamata a governare i sistemi di intelligenza artificiale generativa, mostrando come una simile funzione possa essere insieme una garanzia etica e un vantaggio competitivo per le aziende e non solo.<\/p>\n\n\n\n

2. Due assi indipendenti<\/em><\/p>\n\n\n\n

  Iniziamo col definire brevemente i due termini della questione per vedere in che modo si possano sviluppare diversi gradi di sovranit\u00e0.<\/p>\n\n\n\n

  Per sovranit\u00e0 infrastrutturale si intende qui il controllo giuridico ed effettivo sull\u2019infrastruttura che ospita ed esegue il modello, ovvero chi possiede fisicamente i server, sotto quale giurisdizione opera l\u2019entit\u00e0 che li gestisce, chi ha addestrato i pesi e su quali dati e chi pu\u00f2, unilateralmente, sospendere l\u2019accesso al servizio. In poche parole, la sovranit\u00e0 infrastrutturale, \u00e8 una questione di propriet\u00e0, di collocazione geografica e di diritto applicabile.<\/p>\n\n\n\n

  Per trasparenza epistemica, invece, si intende la possibilit\u00e0 per chi interroga il sistema di risalire alla fonte primaria dell\u2019informazione restituita \u2013 di verificarla e tracciarne la provenienza \u2013 indipendentemente da chi possieda l\u2019infrastruttura sottostante. La trasparenza, quindi, \u00e8 una questione architetturale e non proprietaria: si ottiene attraverso il reperimento documentale (Retrieval-Augmented Generation<\/em>), un\u2019architettura a partire dalla quale il modello non genera la risposta attingendo esclusivamente alla propria memoria parametrica, ma recupera passaggi specifici da un corpus di documenti indicizzati citando le fonti da cui li ha estratti.<\/p>\n\n\n\n

  A partire da queste definizioni si pu\u00f2 affermare, senza cadere in errore, che le due propriet\u00e0 sono indipendenti l\u2019una dall\u2019altra. Si pu\u00f2 costruire un sistema RAG, con piena tracciabilit\u00e0 delle fonti, appoggiandosi all\u2019API di un fornitore chiuso e straniero ed ottenere la trasparenza epistemica ma, senza, sovranit\u00e0 infrastrutturale. Si potrebbe, al contrario, addestrare da zero un modello open-weights<\/em> e farlo girare interamente on-premise<\/em>, nella condizione di massima sovranit\u00e0 infrastrutturale e ottenere, comunque, un sistema che genera risposte dalla propria memoria parametrica senza mai citare una fonte verificabile: la sovranit\u00e0 c\u2019\u00e8, la trasparenza no.<\/p>\n\n\n\n

  Si vedr\u00e0, pi\u00f9 avanti, come il caso italiano del modello Minerva, sviluppato in ambito universitario e pubblico, con pesi e fonti di addestramento interamente pubblici costituisca un caso particolare: esso \u00e8 un modello open-weights<\/em> ospitato internamente e integrato con un\u2019architettura RAG sul corpus documentale proprietario,<\/p>\n\n\n\n

  Ne consegue, in ogni caso, che la sovranit\u00e0 infrastrutturale \u00e8 condizione necessaria, ma non sufficiente, per la trasparenza epistemica in quanto, senza di essa, un ente resta esposto a decisioni prese altrove ma, solo con essa, senza un\u2019architettura di reperimento documentale deliberatamente progettata, ottiene il controllo dell\u2019infrastruttura ma non la tracciabilit\u00e0 delle risposte.<\/p>\n\n\n\n

  C\u2019\u00e8 un punto della questione che, lo si vedr\u00e0 pi\u00f9 avanti, merita l\u2019attenzione: ci sar\u00e0 sempre, per il momento almeno, un residuo di opacit\u00e0 che nessuna delle due condizioni, singolarmente o insieme, riuscir\u00e0 ad eliminare.<\/p>\n\n\n\n

3. Per un caso concreto<\/em><\/p>\n\n\n\n

  Il 12 giugno 2026, tre giorni dopo il lancio pubblico dei modelli Claude Fable 5 e Claude Mythos 5, il Dipartimento del Commercio statunitense ha ordinato ad Anthropic la sospensione immediata dell\u2019accesso, a entrambi i modelli, per ogni utente non cittadino statunitense, citando ragioni di sicurezza nazionale legate ad una tecnica di elusione dei sistemi di sicurezza del modello[1]<\/a>.<\/p>\n\n\n\n

  Non disponendo di un meccanismo tecnico per filtrare l\u2019accesso in tempo reale, in base alla nazionalit\u00e0 dell\u2019utente su scala globale, l\u2019azienda ha dovuto disattivare entrambi i modelli per l\u2019intera base utenti, incluse le organizzazioni europee che li avevano gi\u00e0 integrati nei propri flussi di lavoro.<\/p>\n\n\n\n

  L\u2019accesso \u00e8 stato poi ripristinato il primo luglio 2026, dopo che il medesimo Dipartimento ha revocato le restrizioni[2]<\/a>.<\/p>\n\n\n\n

Si \u00e8 voluto riportare questo episodio non per esprimere un giudizio sul merito della decisione, che esula dagli scopi di questo contributo, ma perch\u00e8 costituisce un caso empirico di ci\u00f2 che la letteratura sulla sovranit\u00e0 digitale descrive da anni in termini pi\u00f9 astratti[3]<\/a>.<\/p>\n\n\n\n

  Un\u2019organizzazione che aveva costruito processi produttivi attorno ad un servizio infrastrutturale esterno si \u00e8 ritrovata, da un giorno all\u2019altro, priva di accesso a quel servizio, per altro costoso, per una decisione presa da un\u2019autorit\u00e0 giurisdizionale su cui non aveva alcuna voce in capitolo e nessun canale di ricorso praticabile nei tempi dell\u2019interruzione.<\/p>\n\n\n\n

  Vale la pena, a tal proposito, notare un dettaglio che complica la mera narrazione binaria sovranit\u00e0 europea\/Big Tech americana: la misura del Dipartimento americano non colpiva selettivamente gli utenti europei, ma ogni utente non statunitense, inclusi gli stessi dipendenti di Anthropic.<\/p>\n\n\n\n

  Il rischio infrastrutturale, in altre parole, non discende necessariamente da un\u2019ostilit\u00e0 geopolitica mirata ma, al contrario, dalla stessa dipendenza da un\u2019infrastruttura la cui continuit\u00e0 esistenziale \u00e8 decisa altrove, per ragioni che possono essere indipendenti dal rapporto specifico tra il fornitore e l\u2019utente finale.<\/p>\n\n\n\n

  \u00c8 precisamente questo l\u2019oggetto della sovranit\u00e0 infrastrutturale di cui parliamo in questo contributo.<\/p>\n\n\n\n

4. Lo stato dell\u2019arte normativo e infrastrutturale nel 2026<\/em><\/p>\n\n\n\n

  Il quadro normativo europeo evocato genericamente nella letteratura concernente \u201cl\u2019AI sovrana\u201d ha subito, nei mesi immediatamente precedenti la stesura di questo contributo, delle modifiche sostanziali che \u00e8 necessario riportare per non argomentare su basi gi\u00e0 superate.<\/p>\n\n\n\n

  Il Regolamento (UE) 2024\/1689, comunemente conosciuto come AI Act[4]<\/a>, prevedeva un\u2019applicazione progressiva delle proprie disposizioni fino al 2027. Il pacchetto di semplificazione concettuale-normativo, noto come Digital Omnibus<\/em>, negoziato tra Commissione, Parlamento e Consiglio nella prima met\u00e0 del 2026, ha rinviato l\u2019applicazione degli obblighi sui sistemi ad alto rischio dell\u2019Allegato III dal 2 agosto 2026 al 2 dicembre 2027, e quelli relativi ai sistemi ad alto rischio incorporati in prodotti regolamentati (Allegato I) dal 2 agosto 2027 al 2 agosto 2028, pur mantenendo ferma al 2 agosto 2026 la data di applicazione degli obblighi di trasparenza.<\/p>\n\n\n\n

  Per un\u2019\u00e9quipe di Ethics by Design, come quella che si proporr\u00e0 in seguito, questa distinzione ha conseguenze pratiche dirette: gli obblighi di trasparenza sono gi\u00e0 vincolanti, mentre l\u2019impianto pi\u00f9 oneroso di valutazione di conformit\u00e0 per i sistemi ad alto rischio avr\u00e0 un margine di implementazione pi\u00f9 ampio del previsto.<\/p>\n\n\n\n

  Accanto al quadro europeo, l\u2019Italia si \u00e8 dotata di una propria disciplina nazionale: la legge 23 settembre 2025, n. 132, in vigore dal 10 ottobre 2025. Quest\u2019ultima non istituisce una nuova autorit\u00e0 dedicata ma, al contrario, adotta un modello di governance distribuita tra enti gi\u00e0 esistenti, coordinati da un Comitato di coordinamento istituito presso la Presidenza del Consiglio: l\u2019Agenzia per l\u2019Italia Digitale (AgID) come autorit\u00e0 di promozione, notifica e sviluppo; l\u2019Agenzia per la Cybersicurezza Nazionale (ACN) come autorit\u00e0 di vigilanza del mercato, con poteri ispettivi e sanzionatori; Banca d\u2019Italia, CONSOB e IVASS come autorit\u00e0 di vigilanza nei rispettivi settori; il Garante per la protezione dei dati personali, che mantiene le proprie competenze sul trattamento dei dati nei sistemi AI. La legge, inoltre, prevede l\u2019aggiornamento almeno biennale della strategia nazionale per l\u2019intelligenza artificiale, sottoposto a monitoraggio parlamentare annuale, l\u2019obbligo per i professionisti di informare il cliente quando utilizzano sistemi di AI come supporto alla prestazione e un fondo da un miliardo di euro per investimenti in equity e quasi-equity in intelligenza artificiale, cybersicurezza e tecnologie quantistiche.<\/p>\n\n\n\n

  Tale architettura istituzionale \u00e8 interessante, sotto alcuni aspetti, perch\u00e8 offre un riferimento concreto a cui ancorare i meccanismi di responsabilit\u00e0 esterna di un\u2019\u00e9quipe di Ethics by Design, piuttosto che lasciarli come principio astratto.<\/p>\n\n\n\n

  Per quanto concerne la giurisdizione sui dati, a tal proposito, vale la pena correggere un\u2019assunzione ricorrente secondo cui l\u2019utilizzo di un fornitore con server fisicamente situati in territorio europeo sia sufficiente per sottrarsi al Cloud Act statunitense. Sappiamo benissimo che, in realt\u00e0, non \u00e8 cos\u00ec in quanto il Cloud Act si applica in base al controllo societario del fornitore, non alla collocazione geografica del data center. In questo modo le regioni europee di hyperscaler americani restano, in linea di principio, soggette a richieste di accesso ai dati da parte dell\u2019autorit\u00e0 statunitense, in potenziale conflitto con l\u2019articolo 48 del GDPR[5]<\/a>, che vieta il trasferimento di dati personali ad autorit\u00e0 di paesi terzi in assenza di un accordo internazionale riconosciuto.<\/p>\n\n\n\n

  Potrebbe affermarsi, a tal proposito, che l\u2019unica condizione che sottrae effettivamente un fornitore cloud alla giurisdizione extraeuropea sia il domicilio legale della societ\u00e0 controllante in territorio europeo e non, quindi, la localizzazione del server oppure l\u2019etichetta commerciale di \u201csovranit\u00e0\u201d che diversi hyperscaler americani hanno iniziato ad attribuire alle proprie offerte regionali.<\/p>\n\n\n\n

  Su questo punto il panorama dei modelli open-weights<\/em> europei ha compiuto, nel 2026, dei passi concreti. L\u2019azienda francese Mistral AI, pienamente soggetta al GDPR in quanto domiciliata a Parigi senza intermediazione di una casa madre extraeuropea, ha ampliato la propria infrastruttura di calcolo e la propria offerta di modelli open-weights<\/em>, arrivando ad un accordo strategico con Microsoft nel luglio 2026 per l\u2019integrazione della propria infrastruttura sovrana nei servizi enterprise del partner americano[6]<\/a>.<\/p>\n\n\n\n

  \u00c8 significativo, per gli scopi di questo contributo, che diversi osservatori abbiano collegato il rafforzamento della narrativa di sovranit\u00e0 di Mistral proprio all\u2019episodio discusso prima: la sospensione di un modello di frontiera americano ha reso concreto, per molte organizzazioni europee, un rischio che fino a quel momento era rimasto in larga parte tecnico.<\/p>\n\n\n\n

  In Italia, invece, il Polo Strategico Nazionale rimane l\u2019infrastruttura cloud sovrana di riferimento per la Pubblica Amministrazione. Il 2026 \u00e8 stato indicato, dagli osservatori istituzionali, come l\u2019anno decisivo per il consolidamento del Polo, in concomitanza con l\u2019adozione del Cloud<\/em> Sovereignty Framework<\/em> nazionale e con un bando da 180 milioni di euro per soluzioni cloud destinate anche al tessuto delle piccole e medie imprese.<\/em> Sul piano europeo, inoltre, l\u2019iniziativa Gaia-X continua a proporsi come federazione di standard per un ecosistema cloud interoperabile e conforme al diritto europeo.<\/p>\n\n\n\n

  Ciononostante \u00e8 giusto sottolineare che sia Gaia-X che il Polo prevedono, nella loro implementazione concreta, il coinvolgimento di attori extraeuropei[7]<\/a>, soprattutto per quel che concerne i fornitori di tecnologie e subappaltatori.<\/p>\n\n\n\n

  Si pu\u00f2 affermare, quindi, che la sovranit\u00e0 digitale europea, nel 2026, \u00e8 meglio descritta come un processo in corso, con gradi di realizzazione diseguali, che come un traguardo raggiunto.<\/p>\n\n\n\n

5. Le tre vie infrastrutturali<\/em><\/p>\n\n\n\n

  Ai fini della ricerca che stiamo conducendo \u00e8 bene individuare, per cos\u00ec dire, una sorta di tassonomia per tre gradi o strade di sovranit\u00e0 infrastrutturale e\/o cognitiva (trasparenza epistemica).<\/p>\n\n\n\n

  La prima via \u00e8 quella del cloud nazionale e consiste nell\u2019affittare capacit\u00e0 di calcolo isolata presso provider europei certificati, demandando a terzi la manutenzione sistemisitica: l\u2019organizzazione conserva il controllo sui propri dati e sulla giurisdizione applicabile, ma non si fa carico della gestione tecniche dell\u2019infrastruttura. I referenti concreti, nel 2026, sono il Polo Strategico Nazionale, gi\u00e0 incontrato, \u2013 partecipato da Leonardo, Poste Italiane e Tim \u2013 e l\u2019offerta enterprise di Mistral AI.<\/p>\n\n\n\n

  Il limite di questa via \u00e8 che la governance tecnica e parte del substrato hardware possono restare, indirettamente, legate a fornitori extraeuropei.<\/p>\n\n\n\n

  Il secondo grado di sovranit\u00e0 concerne l\u2019infrastruttura consorziale alla quale \u00e8 dedicato l\u2019intero paragrafo successivo, data la sua centralit\u00e0 per gli scopi di questo contributo. Essa consiste, in estrema sintesi, nella condivisione, tra pi\u00f9 enti, del calcolo, dei modelli o dei dati di filiera, con il vantaggio di abbattere la barriera di costo di ingresso che rende le altre due vie proibitive per la maggior parte delle organizzioni. I referenti concreti sono i quattro casi che si analizzeranno nel dettaglio: IT4LIA (CINECA\/Leonardo), Minerva (Sapienza\/FAIR), OpenEuroLLM e il consorzio Innovate. Il limite che si incrontra qui, invece, riguarda gli standard tecnici e le componenti hardware sottostanti che incluno ancora fornitori extraeuropei all\u2019interno della filiera.<\/p>\n\n\n\n

  La terza via, infine, \u00e8 quella dell\u2019on-premise<\/em> proprietario e consiste nel riuscire ad ottenere l\u2019addestramento e l\u2019hosting interamente interni, l\u2019isolamento fisico dalla rete pubblica e il massimo controllo sull\u2019intera catena. Quest\u2019ultima, come si pu\u00f2 intuire, costituisce la condizione di sovranit\u00e0 infrastrutturale pi\u00f9 completa, ma anche la pi\u00f9 onerosa. I referenti tipici sono i cluster GPU aziendali dedicati, riservati nella pratica a grandi imprese o enti con budget dedicato. Ciononostante anche quest\u2019ultima strada ha dei limiti interni: da un lato \u00e8 accessibile solo a chi pu\u00f2 sostenere i costi di hardware, energia e personale MLOps qualificato; dall\u2019altro, ed \u00e8 uno dei punti strutturali, anche la via pi\u00f9 sovrana si arresta al livello del software e dei dati, ma non tocca il livello dei semiconduttori su cui quel software gira.<\/p>\n\n\n\n

  La filiera globale dei chip avanzati resta concentrata in un numero ristretto di produttori, nessuno dei quali europeo su scala paragonabile.<\/p>\n\n\n\n

  \u00c8 da notare, per\u00f2, che nessuna scelta progettuale a livello di dati o di pesi risolve questa dipendenza, la si pu\u00f2 solo attenuare con politiche industriali di lungo periodo, che esulano dal perimetro di un\u2019\u00e9quipe di Ethics by Design ma che, in ogni caso, \u00e8 onesto riconoscere come pavimento strutturale sotto qualunque proposta di sovranit\u00e0 infrastrutturale.<\/p>\n\n\n\n

6. La via consorziale: quattro casi italiani ed europei<\/em><\/p>\n\n\n\n

  Vale la pena soffermarsi, per due ragioni, sulla via consorziale. La prima \u00e8 che \u00e8 la meno raccontata nella letteratura sulla sovranit\u00e0 AI, spesso ridotta a un rapido cenno ai supercalcolatori pubblici. La seconda, pi\u00f9 importante, \u00e8 che essa \u00e8 la via pi\u00f9 replicabile per la parte ampia del tessuto produttivo europeo che non dispone delle risorse di un grande gruppo industriale o di uno Stato.<\/p>\n\n\n\n

  \u201cInfrastruttura consorziale\u201d pu\u00f2 voler dire, in pratica, almeno quattro cose diverse, ciascuna con un caso gi\u00e0 operativo a cui fare riferimento diretto.<\/p>\n\n\n\n

6.1. Il calcolo condiviso<\/em><\/p>\n\n\n\n

  La forma pi\u00f9 semplice di infrastruttura consorziale \u00e8 la condivisione della sola capacit\u00e0 di calcolo ed \u00e8 il modello delle AI Factories<\/em> dell\u2019EuroHPC Joint Undertaking<\/em>, l\u2019organismo europeo che coordina i supercalcolatori del continente. Sono 19 le AI Factories ad essere, oggi, in fase di realizzazione in tutta l\u2019Unione, affiancate da 13 antenne territoriali, con l\u2019obiettivo dichiarato di offrire capacit\u00e0 di calcolo e supporto tecnico gratuito a piccole e medie imprese e startup[8]<\/a>.<\/p>\n\n\n\n

  In Italia l\u2019AI Factory si chiama IT4LIA ed \u00e8 coordinata dal CINECA, il consorzio interuniversitario che riunisce 122 istituzioni tra cui 71 universit\u00e0 italiane e due ministeri, che si appoggia al supercomputer Leonardo, ospitato al Tecnopolo di Bologna e potenziato con la partizione LISA dedicata all\u2019addestramento di modelli linguistici di grandi dimensioni.<\/p>\n\n\n\n

  Nell\u2019aprile 2026 l\u2019EuroHPC ha firmato un nuovo contratto da 290 milioni di euro, cofinanziato al 50% dal Programma Europa Digitale e per la restante parte dal Ministero dell\u2019Universit\u00e0 e della Ricerca, per un ulteriore supercomputer ottimizzato per l\u2019AI, integrato nella medesima infrastruttura. Dall\u2019aprile 2025 \u2013 e questo non \u00e8 un dato da sottovalutare \u2013 IT4LIA fornisce gi\u00e0 le risorse di calcolo a PMI e startup europee.<\/p>\n\n\n\n

6.2. Il modello condiviso<\/em><\/p>\n\n\n\n

  La seconda declinazione della via consorziale non si limita a condividere il calcolo, ma l\u2019intero processo di addestramento del modello.<\/p>\n\n\n\n

  In Italia, l\u2019esempio pi\u00f9 maturo, \u00e8 rappresentato da Minerva, ovvero la prima famiglia di modelli linguistici di grandi dimensioni (LLM) addestrata interamente da zero sull\u2019italiano senza partire, quindi, da un modello straniero preesistente. Il progetto \u00e8 stato realizzato dal gruppo di ricerca Sapienza NLP, guidato da Roberto Navigli, all\u2019interno del progetto FAIR \u2013 Future Artificial Intelligence Research<\/em>, il programma coordinato dal Consiglio Nazionale delle Ricerche che attua la strategia nazionale sull\u2019AI con i fondi del PNRR \u2013 utilizzando il supercomputer Leonardo messo a disposizione da CINECA e, in aggiunta, con il supporto tecnico di NVIDIA[9]<\/a>.<\/p>\n\n\n\n

  I modelli Minerva \u2013 quattro versioni comprese tra 350 milioni e 7 miliardi di paramentri, addestrate su un corpus esteso fino a 2,48 trilioni di token \u2013 sono rilasciati con licenza Apache 2.0, pesi e fonti di provenienza pubblici: esattamente la condizione di trasparenza epistemica discussa precedentemente, qui ottenuta grazie alla natura consorziale del progetto, che ha reso la tracciabilit\u00e0 delle fonti un requisito di partenza piuttosto che un\u2019aggiunta successiva.<\/p>\n\n\n\n

  Nel marzo 2026 il Polo Strategico Nazionale ha siglato un memorandum d\u2019intesa con il dipartimento di Ingegneria informatica della Sapienza per portare l\u2019infrastruttura di Minerva sul cloud sovrano della Pubblica Amministrazione[10]<\/a> e il progetto, oggi, \u00e8 industrializzato dallo spin-ogg<\/em> Babelscape in una soluzione (ChatMinerva) destinata alla pubblica amministrazione, sanit\u00e0, difesa, cultura e istruzione. Il caso di Minerva mostra, in modo molto limpido, come le tre vie infrastrutturali non siano mutuamente esclusive in quanto, questa infrastruttura, nasce come progetto consorziale (universit\u00e0, consorzio interuniversitario, fondi pubblici), si appoggia al cloud nazionale per la distribuzione e converge, nella sua industrializzazione, verso un\u2019offerta che una singola azienda pu\u00f2 adottare on-premise o tramite un\u2019API sovrana.<\/p>\n\n\n\n

6.3. Il consorzio multinazionale<\/em><\/p>\n\n\n\n

  Il terzo caso, invece, supera di gran lunga il perimetro nazionale ed \u00e8 rappresentanto dall\u2019OpenEuroLLM<\/em> che riunisce differenti realt\u00e0: centri di ricerca, aziende e centri di supercalcolo europei \u2013 con il CINECA che rappresenta l\u2019Italia \u2013 coordinati dall\u2019Universit\u00e0 Carolina di Praga con l\u2019obiettivo di costruire una famiglia di modelli fondazionali multilingue, open source<\/em> e conformi all\u2019AI Act, destinati a servizi commerciali, industriali e pubblici in tutte le lingue dell\u2019Unione[11]<\/a>.<\/p>\n\n\n\n

  Il progetto, avviato il primo febbraio 2025, prevede il rilascio di una versione intermedia, con alcune decine di miliardi di parametri, entro la fine del 2026, e della versione definitiva, con centinai di miliardi di parametri, nel febbraio 2028.<\/p>\n\n\n\n

  Questo esempio costituisce il tentativo pi\u00f9 esplicito, ad oggi, per rispondere su scala europea al problema di fondo: nessuno Stato membro, Italia inclusa, dispone da solo della massa critica di dati, calcolo e competenze necessaria a competere con i laboratori americani e cinesi.<\/p>\n\n\n\n

  Il consorzio multinazionale \u00e8, di fatto, la scala a cui questa massa critica diventa raggiungibile.<\/p>\n\n\n\n

6.4. I dati di filiera<\/em><\/p>\n\n\n\n

  La quarta ed ultima declinazione pratica non riguarda un modello generalista ma, al contrario, un\u2019infrastruttura dedicata a un settore industriale specifico.<\/p>\n\n\n\n

  Il consorzio Innovate, guidato dal CINECA insieme a sette partner industriali italiani, tra cui Almawave (specializzata in dati e AI) e Autostrade per l\u2019Italia, \u00e8 stato selezionato per ospitare il primo supercomputer industriale dell\u2019EuroHPC[12]<\/a>. Questo tipo di modello \u00e8 vicino ai data space settoriali promossi dallo standard Gaia-X, in cui pi\u00f9 aziende della stessa filiera condividono un\u2019infrastruttura di calcolo e, potenzialmente, un patrimonio di dati settoriali senza che nessuna delle due debba cederne la propriet\u00e0 alle altre.<\/p>\n\n\n\n

  Questa infrastruttura \u00e8 la configurazione pi\u00f9 prossima ad una sorta di \u201cbene comune digitale\u201d: non un\u2019infrastruttura per tutti indistintamente, ma un\u2019infrastruttura condivisa da chi opera nello stesso settore e ha, per questo, incentivi allineati a mantenerla aperta e ben gestita.<\/p>\n\n\n\n

  Questi quattro casi non esauriscono, ovviamente, le forme possibili di infrastruttura consorziale, ma bastano per mostrare che la via non \u00e8 un\u2019aspirazione astratta, ma \u00e8 gi\u00e0 il paradigma su cui si muovono, concretamente, un\u2019universit\u00e0 pubblica italiana, un consorzio interuniversitario, un programma di ricerca nazionale finanziato dal PNRR, un\u2019alleanza di venti istituzioni europee e un gruppo di aziende industriali.<\/p>\n\n\n\n

  Uno degli obiettivi del contributo pu\u00f2 considerarsi raggiunto, in quanto possiamo affermare che per un\u2019azienda o per un ente italiano che voglia costruire un\u2019AI sovrana senza sostenere da solo i costi dell\u2019on-premise<\/em> proprietario, il punto di ingresso in concreto oggi non \u00e8, semplicisticamente, rivolgersi al cloud nazionale in astratto ma, al contrario, verificare se il proprio settore ha gi\u00e0, o pu\u00f2 costruire, un consorzio equivalente a uno di questi quattro: accedere a IT4LIA per il calcolo, valutare l\u2019adozione o il fine-tuning<\/em> di Minerva o dei futuri modelli OpenEuroLLM per la componente linguistica, oppure promuovere, insieme ad altre aziende delle propria filiera, un data space settoriale sul modello Innovate.<\/p>\n\n\n\n

7. Trasparenza epistemica<\/em><\/p>\n\n\n\n

  Il meccanismo che rende un\u2019AI sovrana anche epistemicamente trasparente, come si \u00e8 accennato in precedenza, risiede nel reperimento documentale, ovvero il modello, invece di generare la risposta esclusivamente dalla propria memoria parametrica, recupera in tempo reale passaggi specifici da un corpus indicizzato \u2013 documenti aziendali, procedure, brevetti \u2013 citandoli nella risposta.<\/p>\n\n\n\n

  \u00c8 questo aspetto e non la propriet\u00e0 dei pesi a restituire all\u2019utente il potere di verifica. Un\u2019AI sovrana, priva di questa architettura, resta un oracolo dogmatico pi\u00f9 vicino, magari, geograficamente ma non pi\u00f9 verificabile.<\/p>\n\n\n\n

  Merita, a tal proposito, di esssere meglio fondata l\u2019affermazione secondo cui i grandi modelli commerciali riflettono specifiche egemonie culturali, valoriali ed economiche a causa del materiale su cui vengono addestrati: si tratta di un risultato ormai consolidato nella letteratura sui rischi degli LLM e nella pi\u00f9 ampia riflessione sul cosidetto colonialismo dei dati[13]<\/a>.<\/p>\n\n\n\n

  Ma proprio questa consapevolezza dovrebbe indurre a un\u2019ulteriore cautela: un modello addestrato o messo a punto esclusivamente sul corpus documentale interno di un\u2019organizzazione non elimina il rischio di un corpus parziale ma, al contrario, lo sposta solo di scala. Un sistema che, ad esempio, apprende solo il \u201cdialetto operativo\u201d di un\u2019azienda rischia di consolidare algoritmicamente proprio i punti ciechi, i pregiudizi organizzativi e le procedure discutibili che quell\u2019azienda gi\u00e0 possedeva, restituendoli con l\u2019autorevolezza apparente di un sistema tecnico invece che con la contestabilit\u00e0 di un\u2019opinione interna.<\/p>\n\n\n\n

  Per fare un esempio possiamo riportare il caso che interess\u00f2 Amazon tra il 2014 e il 2017. L\u2019azienda svilupp\u00f2 internamente uno strumento sperimentale di selezione dei candidati, addestrato sui curriculum ricevuti nel decennio precedente. Il sistema, com\u2019\u00e8 risaputo, penalizzava sistematicamente le candidature femminili, avendo appreso lo squilibrio di genere gi\u00e0 presente nell\u2019organico storico dell\u2019azienda e, una volta scoperto internamente nel 2018, fu abbandonato[14]<\/a>.<\/p>\n\n\n\n

  Il caso citato \u00e8 utile, non per il nome dell\u2019azienda, ma per la strutturalit\u00e0 dell\u2019errore, in quanto mostra che un sistema addestrato esclusivamente su dati proprietari, senza un canale di verifica esterno strutturato, aveva appreso e automatizzato un pregiudizio organizzativo esistente gi\u00e0 da anni all\u2019interno della stessa azienda.<\/p>\n\n\n\n

  \u00c8 questo, a parer nostro, il rischio a cui un\u2019\u00e9quipe di Ethics by Design deve essere sensibile fin dalla fase di censimento dei dati; la chiusura epistemica su un corpus proprietario, quindi, \u00e8 un rischio diverso, che un\u2019etica del design deve prevedere, ad esempio attraverso un canale strutturato di confronto con fonti e competenze esterne all\u2019organizzazione.<\/p>\n\n\n\n

8. Ethics By Design: un modello operativo<\/em><\/p>\n\n\n\n

  Il principio dell\u2019Ethics by Design ha una genealogia precisa, che vale la pena rendere esplicita perch\u00e8 \u00e8 proprio da essa che discendono i suoi limiti strutturali. Il principio nasce dal Privacy by Design elaborato da Ann Cavoukian negli anni in cui ricopriva il ruolo di Garante per la Protezione dei Dati e la Privacy dell\u2019Ontario, poi sistematizzato, successivamente, nei sette principi fondativi che ne costituiscono, tuttora, il riferimento canonico: proattivit\u00e0 anzich\u00e9 reattivit\u00e0, protezione positiva, sicurezza end-to-end, visibilit\u00e0\/trasparenza e rispetto della centralit\u00e0 dell\u2019utente[15]<\/a>.<\/p>\n\n\n\n

  Lo stesso impianto \u00e8 stato applicato, ex ante<\/em>, all\u2019AI ed \u00e8 stato ripreso e specificato dal gruppo di esperti della Commissione Europea nelle Ethics Guidelines for Trustworthy AI<\/em> del 2019, che articolano sette requisiti \u2013 supervisione umana, robustezza tecnica, trasparenza, non discriminazione, benessere sociale e ambientale \u2013 pensati per essere incorporati nella filiera algoritmica fin dalle fasi iniziali e non aggiunti come correttivo a valle[16]<\/a>.<\/p>\n\n\n\n

  Questi elementi rendono visibili alcune problematiche: sia il Privacy by Design sia le Ethics Guidelines europee prevedono meccanismi di verifica esterna, un\u2019autorit\u00e0 di controllo indipendente nel primo caso e un sistema di valutazione di conformit\u00e0, con possibilit\u00e0 di intervento delle autorit\u00e0 di vigilanza nazionali, nel secondo. Un\u2019\u00e9quipe multidisciplinare interna a un\u2019azienda o a un ente, per quanto competente e ben intenzionata, non \u00e8 equivalente ad un\u2019autorit\u00e0 di controllo, essa risponde alla gerarchia che la retribuisce e non a un mandato pubblico.<\/p>\n\n\n\n

  Pertanto, una proposta di AI sovrana governata da un\u2019\u00e9quipe interna, se lasciata a questo livello di genericit\u00e0, rischia di sostituire un\u2019opacit\u00e0 esterna (il fornitore straniero inacessibile), con un\u2019opacit\u00e0 interna pi\u00f9 difficile da percepire proprio perch\u00e8 pi\u00f9 vicina e familiare.<\/p>\n\n\n\n

  Per essere coerente con la propria genealogia, dunque, un\u2019\u00e9quipe di Ethics by Design applicata all\u2019AI sovrana dovrebbe prevedere, esplicitamente, almeno quattro meccanismi: un canale di segnalazione accessibile all\u2019utente finale per contestare un output o una scelta di addestramento; una composizione dell\u2019\u00e9quipe con rotazione periodica e presenza di membri esterni all\u2019organizzazione, per ridurre il rischio di cattura; un audit trail<\/em> pubblicabile, anche in forma sintetica, che documenti le fonti di addestramento, i criteri di accesso ai dati interni e le modifiche rilevanti nel tempo; un ancoraggio, per gli enti che rientrano nel perimetro dei sistemi ad alto rischio, agli obblighi di valutazione di conformit\u00e0 gi\u00e0 previsti dal diritto europeo a partire dal dicembre 2027[17]<\/a>, cos\u00ec da non affidare la responsabilit\u00e0 ultima soltanto alla buona fede dell\u2019\u00e9quipe interna, ma a un meccanismo di verifica con una base legale esterna all\u2019organizzazione stessa.<\/p>\n\n\n\n

  \u00c8 bene, a tal proposito, osservare pi\u00f9 nel dettaglio questi quattro meccanismi per poi confrontare il fenomeno con un caso gi\u00e0 noto.<\/p>\n\n\n\n

  La prima fase, per cos\u00ec dire, si dovrebbe basare sul censimento e sull\u2019audit dei dati e, quindi, precederebbe ogni scelta architetturale. L\u2019\u00e9quipe, in questo modo, catalogherebbe il corpus documentale interno candidato all\u2019addestramento o al reperimento documentale, ne verifica la provenienza, i livelli di accesso e riservatezza segnalando le lacune o gli squilibri del corpus prima che diventino, silenziosamente, pregiudizi del modello.<\/p>\n\n\n\n

  La seconda fase concerne, invece, la progettazione architetturale ed \u00e8 quella in cui l\u2019\u00e9quipe decide se e come implementare il reperimento documentale, quali fonti citare, con quale granularit\u00e0 e come comunicare all\u2019utente il grado di affidabilit\u00e0 di una risposta (se il modello sta citando una fonte verificabile o generando dalla propria memoria parametrica). Queste sono decisioni tecniche con conseguenze etiche (di condotta) dirette e, per questo, richiede la presenza congiunta delle competenze ingegneristiche e umanistiche contemporaneamente.<\/p>\n\n\n\n

  La terza fase, di revisione ex ante<\/em>, consiste nella valutazione formale che precede il vero e proprio rilascio: verifica se il sistema rientra nel perimetro dei sistemi ad alto rischio secondo l\u2019Allegato III dell\u2019AI Act, se richiede una valutazione di conformit\u00e0, quali categorie di utenti potrebbero essere svantaggiate e quale canale di segnalazione sar\u00e0 reso disponibile. \u00c8 a quest\u2019altezza discorsiva che si inserisce il canale di contestazione accessibile all\u2019utente finale discusso in precedenza e che non dovrebbe consistere in un indirizzo email generico ma, al contrario, ad una procedura con un tempo di risposta dichiarato e un responsabile identificabile.<\/p>\n\n\n\n

  La quarta ed ultima fase, la pi\u00f9 importante, riguarda il monitoraggio e il riesame periodico. L\u2019\u00e9quipe non si scioglie dopo il rilascio, ma si riconvoca a cadenza fissa per rivedere i log<\/em> delle segnalazioni ricevute, le modifiche intervenute nel corpus di addestramento e l\u2019eventuale scostamento tra il comportamento atteso e quello osservato in produzione. Sono proprio questi ultimi aspetti che trasformano l\u2019Ethics by Design da evento singolo in una postura continuativa.<\/p>\n\n\n\n

  Sulla composizione dell\u2019\u00e9quipe, la proposta pi\u00f9 solida non \u00e8 quella di un organo monolitico interno, ma quella di una governance distribuita tra funzioni specializzate che si coordinano periodicamente invece di sovrapporsi. Le legge italiana, come si \u00e8 visto in precedenza, assegna compiti distinti a enti gi\u00e0 esistenti, coordinati da un Comitato che riferisce al Parlamento.<\/p>\n\n\n\n

  Questo, per\u00f2, \u00e8 un modello che un\u2019\u00e9quipe aziendale pu\u00f2 riprodurre in scala ridotta: non un unico comitato che decide tutto, ma una funzione dati (che risponde della qualit\u00e0 e provenienza del corpus), una funzione tecnica (che risponde dell\u2019architettura e della sicurezza), una funzione legale e di conformit\u00e0 (che risponde dell\u2019architettura e della sicurezza) e una funzione umanistica o sociale (che risponde dell\u2019impatto sugli utenti e sul tipo di ethos<\/em>, inteso in differenti modi, che il modello pu\u00f2 comportare), con un coordinatore che, periodicamente, riporta i risultati al consiglio di amministrazione.<\/p>\n\n\n\n

  Tutto ci\u00f2 \u00e8 un meccanismo gi\u00e0 in corso nelle imprese pi\u00f9 mature: nel 2026 il 44% dei consigli di amministrazione delle grandi aziende include almeno un consigliere con competenze specifiche in AI, contro il 26% del 2024, segno che l\u2019oversight<\/em> sull\u2019AI stia smettendo di essere un\u2019iniziativa isolata per diventare parte ordinaria della governance aziendale[18]<\/a>.<\/p>\n\n\n\n

  Un secondo riferimento utile, questa volta sul piano dei principi condivisi pi\u00f9 che della struttura organizzativa, concerne la Rome Call for AI Ethics<\/em>: il documento promosso nel 2020 dalla Pontificia Accademia per la Vita insieme a Microsoft, IBM, FAO e al Governo italiano, oggi sottoscritto anche da Cisco, Qualcomm, Salesforce e, dal giugno 2026, dal Consiglio Nazionale degli Ingegneri, articola sei principi \u2013 trasparenza, inclusione, responsabilit\u00e0, imparzialit\u00e0, affidabilit\u00e0, sicurezza e protezione dei dati \u2013 pensati per essere adottati da organizzazioni di natura molto diversa tra loro[19]<\/a>.<\/p>\n\n\n\n

  Il valore di un riferimento come questo per un\u2019\u00e9quipe aziendale non sta nell\u2019adesione formale al documento, quanto nella sua funzione di carta statuaria per cui, un\u2019\u00e9quipe di Ethics by Design dovrebbe dotarsi, fin dalla propria costituzione, di un documento analogo che dichiari i principi a cui si vincola, cos\u00ec che la sua eventuale inadempienza sia contestabile con riferimento a un impegno esplicito, senza essere lasciata alla sola valutazione discrezionale di chi la compone.<\/p>\n\n\n\n

  Vale la pena, infine, rendere esplicito un aspetto che il linguaggio della compliance<\/em> rischia di oscurare. Esso riguarda il fatto che un\u2019\u00e9quipe cos\u00ec strutturata non \u00e8 soltanto un costo di conformit\u00e0, ma una funzione che riduce concretamente il rischio operativo di un\u2019azienda.<\/p>\n\n\n\n

  Un sistema il cui corpus di addestramento \u00e8 stato controllato in fase di censimento genera meno risposte da correggere in produzione; un\u2019architettura con reperimento documentale ben progettata riduce il tempo speso dai dipendenti a verificare manualmente le risposte del modello; un canale di segnalazione reale intercetta un pregiudizio sistemico prima che diventi, come nel caso di Amazon, un problema reputazionale o legale.<\/p>\n\n\n\n

  L\u2019efficienza e l\u2019etica (intesa come possibile modo per indirizzare comportamenti), in questo schema, non sono in tensione in quanto, la seconda, \u00e8 per un\u2019azienda che debba rispondere a clienti, dipendenti e autorit\u00e0 di vigilanza, una precondizione della prima<\/em>.<\/p>\n\n\n\n

9. Per una conclusione<\/em><\/p>\n\n\n\n

  Riassumendo l\u2019argormento sviluppato in queste pagine possiamo dire, in definitiva, che la sovranit\u00e0 infrastrutturale e la trasparenza epistemica sono condizioni distinte e indipendenti e un\u2019etica del design, per l\u2019intelligenza artificiale, che le tratti come equivalenti rischia di produrre sistemi che risolvono un problema lasciando intatto l\u2019altro.<\/p>\n\n\n\n

  Alla domanda che ha motivato questo numero dela rivista \u2013 in che modo l\u2019Europa, l\u2019Italia e le loro aziende possano dotarsi di un\u2019AI sovrana<\/em> \u2013 questo contributo d\u00e0 una risposta pi\u00f9 circoscritta di quanto il termine \u201csovranit\u00e0\u201d lasci intendere ma, per questo, pi\u00f9 praticabile: per la grande maggioranza delle aziende e degli enti italiani ed europei, la strada realisticamente percorribile nell\u2019immediato non \u00e8 costruire da soli un\u2019infrastruttura on-premise<\/em>, ma innestarsi su una delle infrastrutture consorziali gi\u00e0 operative \u2013 IT4LIA per il calcolo, Minerva o i futuri modelli OpenEuroLLM per la componente linguistica, un data space settoriale sul modello Innovate per i dati di filiera \u2013 integrandovi un\u2019architettura di reperimento documentale per la trasparenza e presidiando l\u2019intero processo con un\u2019\u00e9quipe di Ethics by Design strutturata secondo le quattro fasi indicate in precedenza e non lasciata a un mandato di buona volont\u00e0.<\/p>\n\n\n\n

  In definitiva e per concludere, una proposta di AI sovrana genuinamente all\u2019altezza delle proprie premesse dovrebbe specificare, all\u2019interno del proprio progetto di nascita, almeno cinque elementi.<\/p>\n\n\n\n

  Il primo elemento da specificare \u00e8 il domicilio giuridico effettivo, non solo la collocazione fisica, dell\u2019entit\u00e0 che controlla l\u2019infrastruttura, verificato caso per caso e non assunto sulla base dell\u2019ubicazione del data center.<\/p>\n\n\n\n

  Il secondo da dichiarare \u00e8 l\u2019architettura di reperimento documentale che garantisce la tracciabilit\u00e0 delle fonti, indipendentemente da dove risieda l\u2019infrastruttura, riconoscendo al contempo che questa tracciabilit\u00e0 non risolve l\u2019opacit\u00e0 interpretativa residua della rete neurale sottostante.<\/p>\n\n\n\n

  Il terzo elemento consiste nel preferire, dove possibile, l\u2019infrastruttura consorsiale rispetto alle altre due vie, perch\u00e8 \u00e8 oggi la pi\u00f9 matura, economia e coerente con il principio del \u201cbene comune digitale\u201d.<\/p>\n\n\n\n

  Il quarto e probabilmente pi\u00f9 importante elemento, concerne la costituzione dell\u2019\u00e9quipe di Ethics by Design organizzata in fasi operative ricorrenti \u2013 censimento dei dati, progettazione architetturale, revisione ex ante, monitoraggio periodico \u2013 e dotata di meccanismi di responsabilit\u00e0 esterna, non di un mandato interno.<\/p>\n\n\n\n

  Il quinto, ed ultimo, elemento da specificare riguarda pi\u00f9 propriamente una questione tecnica: il riconoscimento esplicito che n\u00e9 la sovranit\u00e0 n\u00e9 la trasparenza, da sole o insieme, eliminano il carattere intrinsecamente probabilistico e parzialmente inaccessibile del ragionamento di un modello neurale, un limite tecnico che nessuna architettura istituzionale, per quanto ben progettata, \u00e8 oggi in grado di risolvere del tutto.<\/p>\n\n\n\n

  Resta, infine, una domanda aperta che questo contributo non pretende di chiudere e che vale la pena lasciare tale piuttosto che nasconderla dietro una conclusione rassicurante: il ritmo con cui cambia il panorama dei modelli disponibili, il quadro normativo europeo e gli equilibri geopolitici tra i principali attori rende difficile o, forse, impossibile immaginare un\u2019architettura istituzionale fissata una volta per tutte.<\/p>\n\n\n\n

  Ci\u00f2 che un\u2019etica del design per l\u2019AI sovrana richiede, forse pi\u00f9 di ogni singola scelta infrastrutturale, \u00e8 una capacit\u00e0 di riesame periodico incorporata fin dall\u2019origine nella governance stessa del sistema.<\/p>\n\n\n\n

  Non una destinazione da raggiungere, quindi, ma una postura da mantenere.<\/p>\n\n\n\n

Bibliografia<\/p>\n\n\n\n

AI4Business, Governance, rischio e regolazione: l\u2019AI entra nei comitati<\/em>, 19 febbraio 2026.<\/p>\n\n\n\n

Alessandro Pulcini, Tutto sull\u2019AI Factory IT4LIA: kickoff, protagonisti e il nuovo supercomputer<\/em>, Fortune Italia, 17 marzo 2025.<\/p>\n\n\n\n

Anthropic, Statement on the US government directive to suspend access to Fable 5 and Mythos 5<\/em>, Annunci, 12 giugno 2026, https:\/\/www.anthropic.com\/news\/fable-mythos-access<\/a>.<\/p>\n\n\n\n

Ashley Capoot, Anthropic says Trump admin has lifted export controls on Claude Fable 5 and Mythos 5<\/em>, CNBC, 30 giugno 2026.<\/p>\n\n\n\n

A. Cavoukian, Privacy by Design: The 7 Foundational Principles<\/em>, Information and Privacy Commissioner of Ontario, Canada, Agosto 2009, revisione gennaio 2011.<\/p>\n\n\n\n

Cineca, The Innovate Consortium Chosen to Host EuroHPC\u2019s First Industrial Supercomputer<\/em>, comunicato stampa, 4 febbraio 2024.<\/p>\n\n\n\n

Commissione Europea, High-Level Expert Group on Artificial Intelligence, Ethics Guidelines for Trustworthy AI<\/em>, aprile 2019.<\/p>\n\n\n\n

C. Bignotti, Sovranit\u00e0 digitale e infrastrutture cloud: il progetto Gaia-X e il Polo strategico nazionale riusciranno ad arginare i giganti tecnologici americani e cinesi?<\/em>, Osservatorio sullo Stato Digitale, IRPA, 1 novembre 2022.<\/p>\n\n\n\n

E. Barelli, E. Gallo, G. Sechi, Osservazioni su\u2026 Supercalcolo e Intelligenza Artificiale. Tendenze e applicazioni del Supercalcolo, Big Data e Quantum Computing<\/em>, Fondazione ICSC\/IFAB, luglio 2025.<\/p>\n\n\n\n

E. M. Bender, T. Gebru, A. McMillan-Major, S. Shmitchell, On the Dangers of Stochastic Parrots: Can Language Models Be Too Big?<\/em>, Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency (FAccT \u201921).<\/p>\n\n\n\n

J. Dastin, Amazon scraps secret AI recruiting tool that showed bias against women<\/em>, Reuters, 10 ottobre 2018.<\/p>\n\n\n\n

J. Pohle, T. Thiel, Digital sovereignty<\/em>, Internet Policy Review, 9 (4), 2020, https:\/\/doi.org\/10.14763\/2020.4.1532<\/a>.<\/p>\n\n\n\n

John Power, US lifts restrictions on Anthropic\u2019s powerful AI models Fable and Mythos<\/em>, Al Jazeera, 1 luglio 2026.<\/p>\n\n\n\n

N. Couldry, U. A. Mejias, The Costs of Connection: How Data Is Colonizing Human Life and Appropriating It for Capitalism<\/em>, Stanford University Press, 2019.<\/p>\n\n\n\n

OpenEuroLLM, Europe\u2019s Leading AI Companies and Research Institutions Combine Their Forces to Develop Next-generation Open LLMs<\/em>, comunicato di lancio, 3 febbraio 2025.<\/p>\n\n\n\n

Polo Strategico Nazionale, PSN e DIAG \u2013 Dipartimento di Ingegneria informatica, automatica e gestionale della Sapienza Universit\u00e0 di Roma: siglato Memorandum d\u2019Intesa per l\u2019Intelligenza Artificiale al servizio della PA<\/em>, comunicato, 6 marzo 2026.<\/p>\n\n\n\n

R. Orlando, L. Moroni e co-autori, Minerva LLMs: The first family of large language model trained from scratch on italian data<\/em>, in F. Dell\u2019Orletta, A. Lenci, S. Montemagni, R. Sprugnoli (a cura di), Proceedings of the tenth italian conference on computational linguistics (CLIC-it 2024)<\/em>, Pisa, CEUR workshop proceedings, dicembre 2024, pp. 707-719.<\/p>\n\n\n\n

Regolamento (UE) 2016\/679 (GDPR), art. 48, scaricabile da: Privacy Regulation EU.<\/p>\n\n\n\n

Regolamento (UE) 2024\/1689 (AI Act), scaricabile su EUR-Lex, Documento 32024R1689.<\/p>\n\n\n\n

Rome Call for AI Ethics, Pontificia Accademia per la Vita e Fondazione RenAIssance, Roma, 28 febbraio 2020.<\/p>\n\n\n\n

Bio-bibliografia:<\/strong><\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Matteo Spagnuolo (Avellino, 1999), ha conseguito la laurea magistrale in Scienze Filosofiche presso l\u2019Universit\u00e0 degli Studi di Napoli Federico II. Ha fondato la rivista online The Rive con l\u2019obiettivo di unire contributi scientifici, provenienti da ogni campo disciplinare, per riuscire a comprendere e affrontare le sfide del tempo presente.<\/p>\n\n\n\n

Tra le sue recenti pubblicazioni si segnala:<\/p>\n\n\n\n

M. Spagnuolo, Una nuova specie: soggettivit\u00e0 biotiche<\/em>, in \u201cFilosofia e nuovi sentieri\/ISSN 2282-5711\u201d, 2025.<\/p>\n\n\n\n

Id., Echologia, normalit\u00e0 e potere: a partire da E. Bazzanella<\/em>, in \u201cFilosofia e nuovi sentieri\/ISSN 2282-5711\u201d, 2025.<\/p>\n\n\n\n

Id., Capitalismo metabolico: nuova specie, nuovo capitalismo<\/em>, Asterios Editore, Trieste, 2026.<\/p>\n\n\n\n

\n\n\n\n

[1]<\/a> Anthropic, Statement on the US government directive to suspend access to Fable 5 and Mythos 5<\/em>, Annunci, 12 giugno 2026, https:\/\/www.anthropic.com\/news\/fable-mythos-access.<\/p>\n\n\n\n

[2]<\/a> Ashley Capoot,  Anthropic says Trump admin has lifted export controls on Claude Fable 5 and Mythos 5<\/em>, CNBC, 30 giugno 2026; John Power, US lifts restrictions on Anthropic\u2019s powerful AI models Fable and Mythos<\/em>, Al Jazeera, 1 luglio 2026.<\/p>\n\n\n\n

[3]<\/a> J. Pohle, T. Thiel, Digital sovereignty<\/em>, Internet Policy Review, 9 (4), 2020, https:\/\/doi.org\/10.14763\/2020.4.1532.<\/p>\n\n\n\n

[4]<\/a> Regolamento (UE) 2024\/1689 del Parlamento europeo e del Consiglio che stabilisce regole armonizzate sull\u2019intelligenza artificiale (AI Act), entrato in vigore il 1 agosto 2024. Scaricabile su EUR-Lex, Documento 32024R1689.<\/p>\n\n\n\n

[5]<\/a> Regolamento (UE) 2016\/679 (GDPR), art. 48, scaricabile da: Privacy Regulation EU.<\/p>\n\n\n\n

[6]<\/a> La partnership strategica tra Microsoft e Mistral AI annunciata il 21 luglio 2026, incentrata sull\u2019infrastruttura di calcolo europea di Mistral integrata in Foundry e Copilot Studio: Microsoft e Mistral ampliano la partnership strategica per offrire alle imprese e ai settori regolamentati un\u2019AI di frontiera  \u2013 Source EMEA<\/a><\/p>\n\n\n\n

[7]<\/a>C. Bignotti, Sovranit\u00e0 digitale e infrastrutture cloud: il progetto Gaia-X e il Polo strategico nazionale riusciranno ad arginare i giganti tecnologici americani e cinesi?, Osservatorio sullo Stato Digitale, IRPA, 1 novembre 2022.<\/em><\/p>\n\n\n\n

[8]<\/a> Per informazioni pi\u00f9 specifiche vedi: Alessandro Pulcini, Tutto sull\u2019AI Factory IT4LIA: kickoff, protagonisti e il nuovo supercomputer<\/em>, Fortune Italia<\/em>, 17 marzo 2025. Sul web \u00e8 presente un Live Webinar circa queste informazioni, anche da un punto di vista pi\u00f9 tecnico: E. Barelli, E. Gallo, G. Sechi, Osservazioni su\u2026Supercalcolo e Intelligenza Artificiale. Tendenze e applicazioni del Supercalcolo, Big Data e Quantum Computing<\/em>, Fondazione ICSC\/IFAB, luglio 2025.<\/p>\n\n\n\n

[9]<\/a> R. Orlando, L. Moroni e co-autori, Minerva LLMs: The first family of large language model trained from scratch on italian data<\/em>, in F. Dell\u2019Orletta, A. Lenci, S. Montemagni, R. Sprugnoli (a cura di), Proceedings of the tenth italian conference on computational linguistics (CLIC-it 2024)<\/em>, Pisa, CEUR workshop proceedings, dicembre 2024, pp. 707-719.<\/p>\n\n\n\n

[10]<\/a> Polo Strategico Nazionale, PSN e DIAG \u2013 Dipartimento di Ingegneria informatica, automatica e gestionale della Sapienza Universit\u00e0 di Roma: siglato Memorandum d\u2019Intesa per l\u2019Intelligenza Artificiale al servizio della PA<\/em>, comunicato, 6 marzo 2026.<\/p>\n\n\n\n

[11]<\/a> OpenEuroLLM, Europe\u2019s Leading AI Companies and Research Institutions Combine Their Forces to Develop Next-generation Open LLMs<\/em>, comunicato di lancio, 3 febbraio 2025.<\/p>\n\n\n\n

[12]<\/a>Cineca, The Innovate Consortium Chosen to Host EuroHPC\u2019s First Industrial Supercomputer<\/em>, comunicato stampa, 4 febbraio 2024.<\/p>\n\n\n\n

[13]<\/a>E. M. Bender, T. Gebru, A. McMillan-Major, S. Shmitchell, On the Dangers of Stochastic Parrots: Can Language Models Be Too Big?<\/em>, Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency (FAccT \u201921); N. Couldry, U. A. Mejias, The Costs of Connection: How Data Is Colonizing Human Life and Appropriating It for Capitalism<\/em>, Stanford University Press, 2019.<\/p>\n\n\n\n

[14]<\/a> J. Dastin, Amazon scraps secret AI recruiting tool that showed bias against women<\/em>, Reuters, 10 ottobre 2018<\/p>\n\n\n\n

[15]<\/a>A. Cavoukian, Privacy by Design: The 7 Foundational Principles<\/em>, Information and Privacy Commissioner of Ontario, Canada, Agosto 2009, revisione gennaio 2011.<\/p>\n\n\n\n

[16]<\/a>Commissione Europea, High-Level Expert Group on Artificial Intelligence, Ethics Guidelines for Trustworthy AI<\/em>, aprile 2019.<\/p>\n\n\n\n

[17]<\/a>Regolamento (UE) 2024\/1689, artt. 43 (valutazione di conformit\u00e0 per i sistemi ad alto rischio).<\/p>\n\n\n\n

[18]<\/a> AI4Business, Governance, rischio e regolazione: l\u2019AI entra nei comitati<\/em>, 19 febbraio 2026.<\/p>\n\n\n\n

[19]<\/a>Rome Call for AI Ethics<\/em>, Pontificia Accademia per la Vita e Fondazione RenAIssance, Roma, 28 febbraio 2020.<\/p>\n","protected":false},"excerpt":{"rendered":"

di Gianluigi Spagnuolo VIDEO DI PRESENTAZIONE Introduzione editoriale Sovrano non vuol dire trasparente Il 12 giugno 2026, tre giorni dopo il loro lancio, l\u2019accesso a due modelli di intelligenza artificiale americani \u00e8 stato sospeso per ogni utente non statunitense \u2014 non per decisione dell\u2019azienda che li produce, ma per un provvedimento del governo degli Stati Uniti. Le organizzazioni europee che li avevano gi\u00e0 integrati nei propri processi si sono trovate senza servizio da un giorno all\u2019altro. L\u2019accesso \u00e8 tornato il primo luglio: diciannove giorni, e nessun ricorso possibile nei tempi dell\u2019interruzione. Questo contributo parte da l\u00ec, ma non per denunciare una dipendenza. Parte da l\u00ec perLeggi altro →<\/a><\/p>\n","protected":false},"author":9,"featured_media":0,"parent":0,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"_acf_changed":false,"footnotes":""},"class_list":["entry","author-gpiscolla","post-9327","page","type-page","status-publish"],"acf":[],"jetpack_sharing_enabled":true,"_links":{"self":[{"href":"https:\/\/www.diculther.it\/rivista\/wp-json\/wp\/v2\/pages\/9327","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.diculther.it\/rivista\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/www.diculther.it\/rivista\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/www.diculther.it\/rivista\/wp-json\/wp\/v2\/users\/9"}],"replies":[{"embeddable":true,"href":"https:\/\/www.diculther.it\/rivista\/wp-json\/wp\/v2\/comments?post=9327"}],"version-history":[{"count":1,"href":"https:\/\/www.diculther.it\/rivista\/wp-json\/wp\/v2\/pages\/9327\/revisions"}],"predecessor-version":[{"id":9328,"href":"https:\/\/www.diculther.it\/rivista\/wp-json\/wp\/v2\/pages\/9327\/revisions\/9328"}],"wp:attachment":[{"href":"https:\/\/www.diculther.it\/rivista\/wp-json\/wp\/v2\/media?parent=9327"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}