AI Act e modelli a pesi aperti: cosa cambia in 2026

#Perché questo manuale

Molte aziende sono passate ai modelli open-weights per le ragioni abituali: costo, latenza, sovranità, GDPR. La domanda che torna nel 2026 è: se scarichiamo Llama 4 o Mistral Magistral per eseguirlo sui nostri server, a chi spettano gli obblighi dell'AI Act? Al fornitore? A noi? A entrambi?

La risposta breve: Meta o Mistral si fanno carico degli obblighi GPAI (intelligenza artificiale per finalità generali) in quanto fornitori. Ma tu, in quanto deployer — e a maggior ragione se esegui il fine-tuning — hai una serie di obblighi specifici. La questione della conformità all'AI Act per i modelli a pesi aperti non è quindi binaria: è una ripartizione delle responsabilità.

#Calendario 2026: ciò che si applica veramente

L'AI Act è entrato in vigore nell'agosto 2024, ma la sua applicazione avviene per fasi. Ecco cosa conta nel 2026 per l'uso di modelli open-weights.

febbraio 2025

Divieti assoluti (attribuzione di punteggi sociali, manipolazione, identificazione biometrica non autorizzata). In vigore.

agosto 2025

Obblighi GPAI applicabili ai fornitori di modelli per uso generale. Sono questi gli obblighi che gravano su Meta, Mistral, Google, ecc.

agosto 2026

Obblighi per i sistemi di IA ad alto rischio (allegato III): risorse umane, scoring creditizio, infrastrutture critiche, giustizia. Se il tuo deployment rientra in una di queste categorie, questi obblighi ti riguardano.

agosto 2027

Estensione alle IA integrate in prodotti regolamentati (allegato I: giocattoli, dispositivi medici, veicoli).

#L'esenzione GPAI open-source: cosa copre

L'articolo 53(2) dell'AI Act prevede un'esenzione per i modelli a uso generale pubblicati con una licenza libera e open-source che consente l'accesso, l'uso, la modifica e la distribuzione. È quello che nel testo viene chiamato regime "free and open-source".

Affinché un modello open-weights benefici dell'esenzione, devono essere soddisfatte tre condizioni:

Pesi accessibili

I parametri del modello sono resi pubblici (HuggingFace, registro di Ollama, ecc.).

Licenza permissiva

La licenza consente almeno l'uso, la modifica e la redistribuzione. Apache 2.0, MIT e la maggior parte delle licenze 'open-weights' sono ammesse. La licenza Llama (licenza community con soglia a 700M MAU) è un caso limite che la Commissione ha chiarito in modo favorevole nel 2025.

Architettura e parametri resi pubblici

Non solo i pesi: l'architettura del modello deve essere documentata pubblicamente.

Quando queste condizioni sono soddisfatte, il fornitore del modello (Meta, Mistral, ecc.) è esonerato da due obblighi principali: (1) la documentazione tecnica dettagliata destinata all'AI Office e (2) la fornitura ai deployer a valle di una scheda completa del modello. Ma — ed è l'insidia spesso dimenticata — mantiene due obblighi che arrivano fino a te.

#Gli obblighi che restano, anche nell'open source

Ecco ciò che l'esenzione non copre e che si applica comunque al fornitore del modello — quindi indirettamente a te attraverso la catena del valore.

Politica di rispetto del diritto d'autore (art. 53(1)(c))

Il fornitore deve pubblicare una politica conforme alla direttiva 2019/790 sul diritto d'autore nel mercato digitale e, in particolare, rispettare gli opt-out TDM (Text and Data Mining) espressi dai titolari dei diritti.

Riepilogo pubblico dei dati di addestramento (art. 53(1)(d))

Un riassunto sufficientemente dettagliato dei contenuti utilizzati per l'addestramento, redatto secondo un modello fornito dall'AI Office. È il famoso "training data summary" che Meta, Mistral e OpenAI pubblicano ormai.

#Il caso "systemic risk": quando la deroga viene meno

L'articolo 51 definisce una categoria speciale: i modelli GPAI a rischio sistemico. In pratica, un modello entra in questa categoria se:

Soglia di calcolo

Più di 10^25 FLOPs accumulati durante l'addestramento. Llama 3.1 405B e GPT-4 lo superano; Llama 3 70B e la maggior parte dei Mistral no.

Designazione discrezionale

L'AI Office può classificare un modello come sistemico in base ad altri criteri (impatto sul mercato interno, capacità, numero di utenti).

#Se usi un modello open-weight così com'è

Caso più comune: scarichi Mistral Small 24B, Qwen 3.8 27B o Gemma 4 12B tramite Ollama e lo rendi accessibile ai tuoi collaboratori o ai tuoi clienti. Sei un "utilizzatore" (deployer) ai sensi del regolamento. Ecco quali sono i tuoi obblighi.

1. 01
   Identificare il livello di rischio del tuo caso d'uso

   Leggi l'allegato III del regolamento. Se filtri CV, assegni punteggi ai candidati, prendi decisioni sulla concessione di credito, gestisci l'accesso all'istruzione o a servizi essenziali, rientri nella categoria ad alto rischio — e si applica l'intero elenco degli obblighi (gestione dei rischi, qualità dei dati, tracciabilità, controllo umano, registrazione dei log).
2. 02
   Applicare l'articolo 50 sulla trasparenza

   Per ogni sistema conversazionale o che genera contenuti: informare l'utente che interagisce con un'IA e contrassegnare i contenuti generati come tali (testo, immagine, audio, video). Un'avvertenza chiara nell'interfaccia utente basta per la chat; i contenuti visivi e audio devono essere contrassegnati tecnicamente (watermark, C2PA).
3. 03
   Regolamentare l'uso con una politica interna

   Documentare: quali modelli sono autorizzati, su quali dati, per quali casi d'uso, con quale controllo umano. È anche la tua migliore difesa in caso di audit della CNIL o di controllo dell'autorità nazionale competente per l'AI Act.
4. 04
   Formare i tuoi utenti (art. 4)

   L'articolo 4 richiede un'alfabetizzazione in materia di IA sufficiente da parte delle persone che utilizzano il sistema. Una sessione documentata di 1 ora è generalmente considerata sufficiente per un uso senza rischi; serve più formazione se il tuo utilizzo è ad alto rischio.

#Se fai il fine-tuning del modello

Non appena modifichi in modo sostanziale il modello (fine-tuning, distillazione, aggiunta di adattatori LoRA di ampia portata), passi da "deployer" a "fornitore di un modello GPAI derivato". Il considerando 109 del regolamento e gli orientamenti dell'AI Office del 2025 hanno precisato cosa si intende per "sostanziale":

Soglia indicativa

Un fine-tuning che richiede più di un terzo delle risorse di calcolo impiegate per l'addestramento iniziale del modello di base comporta la qualifica di fornitore derivato. Al di sotto di questa soglia, rimani generalmente un deployer.

LoRA e adattatori leggeri

Finché non modifichi i pesi di base e l'adattatore è addestrato su pochi dati (qualche migliaio di esempi), rientri ancora nella categoria dei deployer.

Fine-tuning completo su grandi corpus

Diventi fornitore. Gli obblighi previsti dall'articolo 53 (politica in materia di copyright + sintesi dell'addestramento) si applicano al tuo livello di addestramento.

#Documentazione da produrre nel 2026

Che tu sia un deployer o un fornitore derivato, ecco i documenti che devono essere presenti nei tuoi raccoglitori nel 2026 (cartacei o digitali, poco importa — l'importante è che siano aggiornati e accessibili in caso di controllo).

Registro dei sistemi IA

Elenco di tutti i modelli messi in produzione, versione, casi d'uso, livello di rischio valutato, data di messa in servizio, responsabile interno.

Valutazione dell'impatto (DPIA + valutazione dei rischi AI)

Per ogni sistema ad alto rischio o che tratta dati personali sensibili. La DPIA prevista dal RGPD e la valutazione prevista dall'AI Act possono essere riunite in un unico documento.

Scheda interna del modello

Per ogni modello utilizzato: provenienza, licenza, data di download, hash dei pesi, quantizzazione utilizzata, prestazioni valutate sui tuoi casi d'uso, bias noti. In pratica: per un modello Ollama, l'hash sha256 del blob è disponibile tramite `ollama show`.

Politica d'uso e carta interna sull'IA

Documento firmato dagli utenti interni: ciò che è consentito, ciò che è vietato, quali dati possono essere inviati, quali no.

Registro degli incidenti

Qualsiasi malfunzionamento, bias grave riscontrato o output inappropriato. Serve sia per l'AI Act (tracciabilità per i sistemi ad alto rischio) sia per orientare i tuoi miglioramenti.

Se sei un fornitore di un modello derivato: riepilogo dei dati di addestramento

Riepilogo pubblico dei dati utilizzati per il fine-tuning, nel formato AI Office. Questo documento deve essere pubblicabile.

# Récupère le hash du modèle pour preuve d'audit
ollama show qwen3.8:27b --modelfile

# Localiser le blob et vérifier son intégrité
ls -la ~/.ollama/models/blobs/
sha256sum ~/.ollama/models/blobs/sha256-*

#Checklist rapida di conformità

Da spuntare prima di ogni messa in produzione di un modello open-weight nel 2026:

Modello ottenuto da una fonte appropriata

Scaricato dal registro ufficiale (organizzazione HuggingFace verificata, registry Ollama), licenza letta e archiviata.

Use case valutato

Non presente nell'elenco dei divieti (art. 5), livello di rischio documentato (allegato III).

Misure di trasparenza attuate

Avviso sull'IA visibile, watermark in caso di generazione di immagini o audio, formazione degli utenti completata.

DPIA / valutazione AI firmata

Per qualsiasi trattamento personale o a alto rischio.

Dati di addestramento (in caso di fine-tuning)

Politica dei diritti d'autore rispettata, opt-out TDM rispettati, riassunto dell'addestramento preparato.

Registrazione dei log attivata

Log di inferenza conservati per il periodo previsto dalla legge applicabile al tuo caso (in genere 6 mesi, più a lungo in caso di rischio elevato).

Piano di audit

Un referente designato, in grado di rispondere a una richiesta dell'autorità nazionale entro i termini previsti (generalmente 15 giorni).

#Per approfondire

Tre guide correlate per approfondire: la guida sui LLM locali e il RGPD riprende gli obblighi relativi ai dati personali in parallelo con l'AI Act; la guida sul chatbot interno per le PMI copre la realizzazione pratica di un deployment conforme fin dall'inizio; e per gli studi soggetti a regolamentazione (legali, sanitari), la guida sull'analisi dei contratti con LLM locali in francese illustra nel dettaglio un caso ad alto rischio trattato dall'inizio alla fine.