Nel precedente Editoriale del 19 febbraio 2026 abbiamo tracciato i confini tra le diverse anime dell’intelligenza artificiale, chiarendo la distinzione tra la categoria giuridica dei Modelli di IA per finalità generali (GPAI), il motore tecnologico dei Large Language Models (LLM) e l’evoluzione verso l’autonomia dell’Agentic AI. Abbiamo visto come i GPAI rappresentino, di fatto, il “contenitore” normativo e funzionale più ampio all’interno dell’AI Act.
In questa seconda puntata, entriamo proprio all’interno di questo contenitore per analizzare più da vicino le regole e i rischi associati ai Modelli di IA per Finalità Generali. Riprendendo il filo del nostro discorso, esploreremo perché questi modelli “fondazionali” (come GPT-4 o Gemini) richiedano un’attenzione speciale e regole specifiche (artt. 51-56) da parte del legislatore europeo.
Il cuore del problema, e il focus di questo nuovo approfondimento, risiede nella loro capacità di integrazione nella catena del valore: essendo progettati per svolgere un’ampia gamma di compiti e fungendo da “fondamenta” per innumerevoli altre applicazioni, eventuali errori, bias o vulnerabilità del modello di base rischiano di propagarsi a catena su tutti i sistemi a valle che lo utilizzano.
In questo contenuto analizzeremo:
- Cosa definisce i “rischi sistemici”, ovvero quegli impatti negativi su larga scala (dalla disinformazione alla cibersicurezza) derivanti dalla potenza e dalla diffusione di questi modelli.
- Come l’AI Act quantifica questo rischio attraverso la soglia di potenza di calcolo (il limite dei 10^25 FLOPS) e i criteri di designazione qualitativa da parte della Commissione Europea.
- La distinzione architettonica a “doppio binario” dell’AI Act: capiremo perché il “rischio elevato” guarda all’uso specifico dell’applicazione finale (es. selezione del personale), mentre il “rischio sistemico” valuta la potenza “bruta” e orizzontale del modello GPAI sottostante.
Integrazione e rischio dei modelli GPAI
Un importante fattore di rischio nello sviluppo dell’intelligenza artificiale risiede nella capacità di integrazione di un singolo modello in una moltitudine di prodotti e applicazioni a valle.
Questa caratteristica è propria dei Modelli di IA per finalità generali (General Purpose AI – GPAI) compresi quelli generativi, i quali, grazie alla loro “generalità significativa”, in grado di svolgere con competenza un’ampia gamma di compiti distinti (es. generazione di testo, immagini, video, scrivere codice), possono essere riutilizzati come motori tecnologici in contesti differenti, indipendentemente dalle modalità con cui sono immessi sul mercato.
