AI Act, 2 agosto 2026: cosa cambia davvero per chi porta l’AI in produzione
Risposta breve: dal 2 agosto 2026 diventano applicabili gli obblighi di trasparenza dell’articolo 50 del Regolamento (UE) 2024/1689 e diventa pienamente operativo l’impianto di vigilanza e sanzioni. Il rinvio deciso con il Digital Omnibus riguarda i sistemi ad alto rischio (2 dicembre 2027 e 2 agosto 2028) e la marcatura tecnica dei contenuti sintetici (2 dicembre 2026), non la trasparenza verso le persone. Chi ha letto “rinvio” e ha chiuso il dossier ha commesso un errore di lettura costoso.
Nelle sale riunioni di questi mesi ho sentito ripetere la stessa frase: “tanto è stato rinviato tutto”.
Non è così. E la distanza tra quella frase e la realtà normativa è esattamente lo spazio in cui, storicamente, si generano gli incidenti di compliance: non per dolo, ma per una mappa sbagliata.
Il Digital Omnibus — il pacchetto di semplificazione dell’AI Act adottato dal Consiglio UE il 29 giugno 2026 e firmato l’8 luglio — ha effettivamente riscritto il calendario. Ma lo ha fatto in modo chirurgico. Ha spostato il regime dei sistemi ad alto rischio. Non ha toccato il diritto delle persone a sapere quando stanno parlando con una macchina.
Cosa scatta il 2 agosto 2026 (e cosa no)
Il Regolamento è in vigore dal 1° agosto 2024, ma l’articolo 113 ne distribuisce l’applicazione nel tempo. Ecco il quadro aggiornato:
| Data | Cosa si applica |
|---|---|
| 2 febbraio 2025 | Divieti dell’art. 5 e obbligo di AI literacy (art. 4) — già vigenti da oltre un anno |
| 2 agosto 2025 | Obblighi sui modelli GPAI, governance, avvio del regime sanzionatorio |
| 2 agosto 2026 | Trasparenza (art. 50), applicazione generale, sorveglianza del mercato, ammende della Commissione sui fornitori GPAI (art. 101) |
| 2 dicembre 2026 | Marcatura leggibile dalle macchine dei contenuti sintetici (art. 50, par. 2) |
| 2 dicembre 2027 | Sistemi ad alto rischio dell’Allegato III (HR, credito, istruzione, biometria) |
| 2 agosto 2028 | AI integrata nei prodotti dell’Allegato I (dispositivi medici, macchine) |
Due precisazioni che in board vale la pena mettere a verbale.
La prima: le date del rinvio decorrono formalmente dalla pubblicazione del regolamento modificativo in Gazzetta ufficiale UE. Chi pianifica sul nuovo calendario lo fa su un testo definito, ma il pinpoint va verificato.
La seconda: il 20 luglio 2026 la Commissione ha pubblicato le linee guida sull’attuazione dell’articolo 50. Non sono vincolanti — hanno natura interpretativa — ma si affiancano al Code of Practice on Transparency of AI-Generated Content del 10 giugno 2026. L’adesione al Codice è volontaria; chi non aderisce deve dimostrare misure alternative equivalenti e, prevedibilmente, riceverà più domande dalle autorità. Tradotto in linguaggio di governance: il Codice non è un obbligo, è una scorciatoia probatoria.
Articolo 50: due ruoli, quattro obblighi, una sola catena di responsabilità
L’errore concettuale più diffuso è trattare la trasparenza come un problema di copy. Una riga sotto il chatbot, un disclaimer a piè di pagina, dossier chiuso.
L’articolo 50 distingue invece due soggetti — il fornitore, che deve progettare il sistema perché la trasparenza sia possibile, e il deployer, cioè l’azienda che quel sistema lo mette davanti a clienti e dipendenti — e le due responsabilità sono concorrenti. Nessuna cancella l’altra. Se il fornitore fornisce il marcatore e voi lo disattivate in export, il problema è vostro.
Gli obblighi operativi si riducono a quattro domande:
- Chi parla? Chatbot, assistenti vocali, agenti conversazionali e avatar devono essere riconoscibili come sistemi di IA, salvo che sia evidente dal contesto.
- Chi ha prodotto questo contenuto? Testi, immagini, audio e video generati o manipolati devono essere identificabili come sintetici.
- Questo è reale? I deepfake vanno dichiarati, con le eccezioni per finalità artistiche, creative o satiriche.
- Chi mi sta misurando? Chi impiega sistemi di riconoscimento delle emozioni o categorizzazione biometrica deve informare le persone esposte — e ricordare che l’uso sul luogo di lavoro e nell’istruzione ricade già nei divieti dell’art. 5.
Per i testi pubblicati su questioni di interesse pubblico esiste una deroga rilevante: non si applica quando il contenuto è sottoposto a revisione umana e una persona fisica o giuridica ne assume la responsabilità editoriale. Attenzione però: la revisione umana non è un click di approvazione. Se non lascia traccia, in sede di verifica non esiste.
Quattro casi dal campo
I casi che seguono sono anonimizzati e ricomposti a partire da situazioni ricorrenti in contesti enterprise. Nomi, settori di dettaglio e cifre esatte sono omessi o riportati come ordini di grandezza. Il valore, per un C-Level, non sta nel nome dell’azienda: sta nel pattern.
Caso 1 — Il CIO che non sapeva quanti chatbot aveva
Contesto. Gruppo dei servizi finanziari, circa 4.000 dipendenti, otto business unit.
Il problema. Alla richiesta “quanti sistemi conversazionali abbiamo verso il cliente?”, l’IT risponde: tre. L’inventario reale, ricostruito incrociando spese su carta aziendale, log del proxy e SSO, ne trova diciannove. Sedici erano stati attivati direttamente dalle funzioni di business come moduli SaaS, senza passare da procurement.
L’intervento. Censimento tramite tre fonti indipendenti — non solo il CMDB — e classificazione per esposizione: verso il cliente, verso il dipendente, interno.
Il risultato. Nove sistemi disattivati perché ridondanti, con un recupero di spesa ricorrente a sei cifre. I dieci sopravvissuti sono passati sotto un unico gateway con logging centralizzato.
Lezione per il board. La shadow AI non è un problema di compliance: è un problema di bilancio che si presenta con la maschera della compliance. Non potete rendere trasparente ciò che non sapete di avere.
Caso 2 — Il watermark che si perdeva in produzione
Contesto. Gruppo industriale con e-commerce e forte produzione di contenuti visivi.
Il problema. Il fornitore di generative imaging applicava correttamente i metadati di provenienza. Solo che la pipeline interna — ridimensionamento, conversione, CDN — li rimuoveva silenziosamente. Il contenuto pubblicato era, tecnicamente, non tracciabile.
L’intervento. Test end-to-end sul percorso reale del contenuto, dal prompt alla pagina pubblica, con verifica della persistenza dei metadati dopo ogni trasformazione. Riscrittura di due step della pipeline e introduzione di un controllo automatico in fase di pubblicazione.
Il risultato. Persistenza dei marcatori portata da circa il 20% a oltre il 95% dei contenuti pubblicati, con la scadenza del 2 dicembre 2026 già coperta.
Lezione per il CTO. La conformità non si verifica sul contratto con il fornitore. Si verifica sull’ultimo anello della catena tecnica, che è quasi sempre quello che nessuno ha mappato.
Caso 3 — L’analisi comportamentale che il CFO ha fermato
Contesto. Catena retail, oltre 100 punti vendita, progetto di analytics in-store con stima di uplift a doppia cifra.
Il problema. La soluzione proposta includeva stima dello stato emotivo dei visitatori. Nella stessa architettura, per riuso di licenza, era prevista un’estensione alle aree di back-office frequentate dal personale: ipotesi che ricade nei divieti dell’art. 5, non in un obbligo informativo.
L’intervento. Valutazione preliminare su quattro assi — finalità, base giuridica, proporzionalità, impatto sui diritti — prima della firma. Riprogettazione con conteggio aggregato e anonimo dei flussi, senza inferenza emotiva.
Il risultato. Circa il 70% del beneficio atteso conservato, esposizione a divieto azzerata, contenzioso sindacale evitato. Costo dell’analisi: una frazione trascurabile del progetto.
Lezione per il CFO. La domanda giusta in fase di investimento non è “quanto costa adeguarsi”. È “quanto costa scoprirlo dopo la firma”. Le due cifre differiscono di un ordine di grandezza.
Caso 4 — L’agente interno che nessuno riusciva a ricostruire
Contesto. Manifatturiero, agente AI interno collegato a ERP, ticketing e archivio documentale.
Il problema. L’agente eseguiva azioni, non solo risposte. Dopo un output errato finito in un documento verso un cliente, ricostruire quale fonte avesse usato e chi avesse approvato ha richiesto undici giorni di lavoro. La catena di responsabilità esisteva sulla carta, non nei log.
L’intervento. Tracciabilità per singola azione — prompt, fonti, tool invocati, output, approvatore — e soglie di autonomia differenziate per criticità, con escalation obbligatoria oltre soglia.
Il risultato. Tempo di ricostruzione di un incidente sceso da giorni a minuti. Effetto collaterale non previsto: i log hanno rivelato che il 30% delle chiamate riguardava tre casi d’uso banali, automatizzabili a costo molto inferiore.
Lezione per il CEO. La tracciabilità viene venduta come costo di compliance. È, prima di tutto, l’unico strumento che avete per sapere cosa sta realmente facendo l’organizzazione.
Sanzioni: il massimale non è il rischio principale
Le ammende dell’art. 99 arrivano fino a 35 milioni di euro o al 7% del fatturato mondiale annuo per le pratiche vietate, e fino a 15 milioni o al 3% per la violazione degli altri obblighi, inclusi quelli di trasparenza. Per PMI e start-up si applica l’importo inferiore tra i due. In Italia la Legge 132/2025 affida la vigilanza di mercato all’ACN e le funzioni di notifica all’AgID, restando ferme le competenze di Banca d’Italia, Consob, IVASS, Garante privacy e AGCOM.
Ma il massimale teorico è la parte meno interessante.
Il rischio operativo reale è che, dal 2 agosto, un’ispezione, un reclamo di un cliente o un contenzioso con un dipendente pongano tutti la stessa domanda: dove sono le prove della vostra diligenza? A questo si aggiungono output errati non verificati, accessi sovradimensionati, automazioni senza supervisione — con conseguenze in termini di decisioni sbagliate, danni reputazionali, inadempimenti contrattuali ed esposizione cyber.
Compliance, cybersecurity e qualità del dato non sono tre dossier. Sono lo stesso dossier osservato da tre poltrone diverse.
I prossimi 30 giorni: cosa farei al vostro posto
- Inventario reale, costruito da almeno tre fonti indipendenti (SSO, spesa, traffico di rete), non dal solo censimento dichiarativo.
- Classificazione per esposizione: cliente, dipendente, interno. È questa, non l’etichetta di prodotto, a determinare gli obblighi.
- Test di trasparenza end-to-end sui sistemi verso il cliente, incluso il passaggio da assistenza automatica a operatore umano.
- Verifica della persistenza dei marcatori lungo tutta la pipeline di pubblicazione, in vista del 2 dicembre 2026.
- Catena di responsabilità documentata: chi genera, chi verifica, chi autorizza, chi risponde. Con log, non con slide.
- AI literacy differenziata per ruolo: chi acquista valuta i rischi contrattuali, chi configura governa accessi e integrazioni, chi approva sa riconoscere errori e bias. È un obbligo vigente dal 2 febbraio 2025 e non è mai stato rinviato.
FAQ
L’AI Act è stato rinviato? No. Il Digital Omnibus ha rinviato gli obblighi sui sistemi ad alto rischio (al 2 dicembre 2027 per l’Allegato III e al 2 agosto 2028 per l’Allegato I) e la marcatura tecnica dei contenuti sintetici al 2 dicembre 2026. Divieti, AI literacy e trasparenza dell’art. 50 restano applicabili.
Devo dichiarare che il mio chatbot è un’intelligenza artificiale? Sì, dal 2 agosto 2026, salvo che la circostanza risulti evidente dal contesto per una persona ragionevolmente informata. L’informazione va data in modo chiaro e riconoscibile al primo contatto.
Devo etichettare i contenuti prodotti con l’AI? Sì per deepfake e per i testi pubblicati su questioni di interesse pubblico, con eccezione per questi ultimi quando c’è revisione umana e assunzione di responsabilità editoriale. L’obbligo tecnico di marcatura machine-readable a carico dei fornitori si applica dal 2 dicembre 2026.
Chi vigila in Italia? L’Agenzia per la Cybersicurezza Nazionale (ACN) come autorità di vigilanza del mercato e l’AgID come autorità di notifica, ai sensi della Legge 132/2025, ferme le competenze delle autorità di settore.
Quali sono le sanzioni? Fino a 35 milioni di euro o al 7% del fatturato mondiale per le pratiche vietate; fino a 15 milioni o al 3% per gli altri obblighi, inclusa la trasparenza. Per PMI e start-up si applica l’importo inferiore.
E la vostra azienda?
Sapete dire, oggi, quanti sistemi AI sono in uso, chi li ha attivati, quali dati toccano e chi risponde dei loro output?
Se la risposta richiede più di una settimana per essere costruita, il problema non è l’AI Act. L’AI Act si è limitato a rendere visibile un vuoto di governance che esisteva già.
Nella mia esperienza in banking, PA e large enterprise, i programmi che reggono non sono quelli con la tecnologia migliore: sono quelli in cui qualcuno può dimostrare, in qualsiasi momento, cosa è successo e perché.
Da dove partireste voi: dall’inventario o dalle policy? Scrivetemi come la vedete — o prenotiamo trenta minuti per guardare insieme il vostro perimetro.
