Il 2 agosto 2026 è una data importante nel percorso di applicazione dell’AI Act, ma non rappresenta una scadenza uguale per tutte le organizzazioni e per tutti i sistemi. Alcune disposizioni sono già operative, altre diventano applicabili in quella data, mentre una parte delle regole sui sistemi ad alto rischio segue un calendario successivo.

Per un’impresa, quindi, la domanda corretta non è soltanto “siamo conformi?”, ma: quali strumenti utilizziamo, con quale ruolo, in quali processi e con quali effetti su clienti, dipendenti o altri soggetti?

In questa prospettiva, l’AI Act per aziende richiede prima di tutto un quadro verificabile di tecnologie, responsabilità, controlli e decisioni. Non basta chiedere al reparto IT un elenco dei software acquistati: occorre includere applicazioni generative, funzionalità AI incorporate nei gestionali, automazioni sviluppate internamente e strumenti adottati senza autorizzazione formale.

Capire come prepararsi all’AI Act entro il 2 agosto 2026 significa partire dagli utilizzi reali dell’AI e individuare quelli che richiedono maggiore attenzione normativa e organizzativa.

Cosa cambia con l’AI Act dal 2 agosto 2026

L’AI Act è entrato in vigore il 1° agosto 2024, ma la sua applicazione è stata distribuita nel tempo. Dal 2 febbraio 2025 si applicano la definizione di sistema AI, il divieto di alcune pratiche considerate inaccettabili e le disposizioni sulla preparazione del personale. Dal 2 agosto 2025 sono diventate applicabili le regole di governance e gli obblighi per i modelli di AI per finalità generali.

Dal 2 agosto 2026 acquistano particolare rilievo gli obblighi di trasparenza previsti dall’articolo 50. Riguardano, tra gli altri casi, i sistemi che interagiscono direttamente con le persone, il riconoscimento delle emozioni, alcune forme di categorizzazione biometrica, i deepfake e determinati contenuti generati o manipolati dall’AI.

Nella stessa data iniziano inoltre i poteri di enforcement della Commissione nei confronti dei provider di modelli di AI per finalità generali. Anche le autorità nazionali potranno iniziare a vigilare sull’applicazione di disposizioni già operative, come quelle relative alla preparazione del personale.

Ogni impresa deve però valutare la propria posizione. Un’azienda che utilizza un assistente per riassumere documenti interni si trova in una situazione diversa da chi sviluppa un sistema per selezionare candidati, valutare l’accesso a un servizio essenziale o immettere un prodotto AI sul mercato.

Anche il calendario relativo ai sistemi ad alto rischio richiede attenzione. Nell’assetto indicato dalla Commissione dopo l’accordo politico sull’AI Omnibus, le regole per le aree dell’Allegato III sono previste dal 2 dicembre 2027, mentre quelle relative ai sistemi integrati in prodotti regolamentati dal 2 agosto 2028.

Il differimento non dovrebbe essere interpretato come un motivo per rimandare. Mappatura, responsabilità, formazione e verifica dei fornitori richiedono tempo e sono utili anche quando il singolo obbligo non è ancora pienamente applicabile.

Quali aziende e sistemi di intelligenza artificiale sono coinvolti

La normativa europea sull’intelligenza artificiale non riguarda soltanto le imprese tecnologiche. Può coinvolgere soggetti pubblici e privati che sviluppano, commercializzano, importano, distribuiscono o utilizzano sistemi AI nell’Unione.

La disciplina può interessare anche operatori stabiliti fuori dall’UE quando il sistema viene immesso sul mercato europeo, utilizzato nell’Unione o produce effetti su persone che si trovano al suo interno.

Il ruolo dell’azienda nella catena dell’AI

Il provider sviluppa un sistema o un modello, oppure lo fa sviluppare, e lo immette sul mercato o lo mette in servizio con il proprio nome o marchio.

Il deployer utilizza invece il sistema sotto la propria autorità nell’ambito di un’attività professionale. Importatori e distributori intervengono nella messa a disposizione del sistema sul mercato europeo.

La distinzione non è solo terminologica. Un’impresa che acquista una piattaforma esterna è normalmente un utilizzatore professionale, ma può assumere responsabilità ulteriori se modifica in modo sostanziale il sistema, ne cambia la finalità prevista o lo propone a terzi con il proprio marchio.

Per questo la compliance all’ AI Act deve considerare non soltanto il contratto iniziale, ma anche configurazioni, integrazioni, personalizzazioni e modalità effettive di utilizzo.

Come cambiano gli obblighi in base al livello di rischio

La classificazione parte dalla finalità e dal contesto, non dal fatto che uno strumento utilizzi un modello noto o una tecnologia generativa.

Le pratiche vietate comprendono casi circoscritti, come alcune forme di manipolazione dannosa, social scoring, categorizzazione biometrica basata su dati sensibili e riconoscimento delle emozioni nei luoghi di lavoro o nelle scuole, salvo le eccezioni previste.

I sistemi AI ad alto rischio comprendono invece impieghi individuati dalla disciplina, ad esempio in determinate attività relative a:

  • occupazione e gestione del personale;
  • istruzione e formazione;
  • infrastrutture critiche;
  • biometria;
  • accesso a servizi essenziali;
  • migrazione e controllo delle frontiere;
  • amministrazione della giustizia.

Altri sistemi sono soggetti soprattutto a regole di trasparenza, mentre molti utilizzi considerati a rischio minimo non ricevono obblighi specifici dall’AI Act.

Mappare strumenti e casi d’uso AI presenti in azienda

La prima attività concreta consiste nel creare un inventario dei sistemi AI che non sia limitato ai prodotti acquistati centralmente.

La ricognizione deve includere soluzioni sviluppate internamente, API, chatbot, funzioni intelligenti integrate nei software già in uso, strumenti di analisi, applicazioni generative e progetti pilota.

Per ogni elemento è utile registrare almeno:

  • proprietario interno e funzione aziendale utilizzatrice;
  • fornitore, modello e versione, quando disponibili;
  • finalità prevista e modalità d’impiego reale;
  • categorie di dati trattati e fonti utilizzate;
  • persone o gruppi sui quali il sistema può produrre effetti;
  • output generati e decisioni che può influenzare;
  • livello di autonomia e controlli umani presenti;
  • documentazione, contratto e data dell’ultima verifica.

Un assistente utilizzato per migliorare una bozza commerciale non presenta le stesse implicazioni di un sistema che ordina i curriculum o suggerisce decisioni su dipendenti e clienti. La mappatura deve quindi descrivere il processo nel quale l’AI viene utilizzata, non limitarsi al nome del software.

Occorre inoltre individuare gli utilizzi non ufficiali. Account personali, estensioni del browser, servizi gratuiti e funzioni attivate automaticamente possono sfuggire agli acquisti e al controllo del reparto IT.

I rischi legati alla Shadow AI in azienda riguardano infatti l’esposizione dei dati, l’assenza di tracciabilità, condizioni contrattuali non verificate e l’impossibilità di ricostruire come sia stato prodotto un determinato output.

L’inventario deve essere aggiornato nel tempo. Nuove funzioni possono essere introdotte tramite un aggiornamento del fornitore, mentre un progetto sperimentale può diventare parte di un processo critico senza essere sottoposto a una nuova approvazione.

È quindi opportuno prevedere revisioni periodiche, un canale per dichiarare nuovi casi d’uso e la conservazione delle evidenze relative alle verifiche svolte.

Governance, responsabilità e policy da preparare

Una governance dell’AI aziendale efficace deve stabilire chi decide, chi controlla e chi interviene quando qualcosa non funziona.

Non esiste un unico modello organizzativo valido per tutte le imprese e l’AI Act non impone, in via generale, la nomina di un “AI officer”. Le responsabilità possono essere distribuite all’interno delle strutture esistenti, purché siano definite con chiarezza.

Assegnare ruoli e responsabilità interne

L’IT dovrebbe presidiare architettura, accessi, sicurezza, integrazioni e monitoraggio tecnico. Legal e compliance valutano il ruolo dell’impresa, le condizioni d’uso, gli obblighi applicabili e i rapporti con le altre normative.

Il risk management collega i casi d’uso al sistema aziendale di gestione dei rischi, mentre HR interviene sulla formazione, sugli utilizzi che riguardano il personale e sul coinvolgimento delle funzioni competenti.

Le unità operative restano essenziali perché conoscono finalità e conseguenze concrete del sistema. Chi gestisce recruiting, credito, assistenza clienti o produzione deve poter spiegare dove entra l’AI, quale decisione influenza e cosa accade quando l’output è errato.

Una governance efficace richiede quindi di integrare l’AI nei processi e nelle responsabilità aziendali, evitando che la conformità rimanga confinata in un documento predisposto dal legal o in una verifica puramente tecnica.

Definire regole aziendali per l’utilizzo dell’AI

La policy dovrebbe indicare quali strumenti sono autorizzati, quali dati non possono essere inseriti, come richiedere l’approvazione di un nuovo sistema e quando è obbligatoria una revisione umana.

Deve inoltre chiarire come gestire:

  • eccezioni rispetto alle regole ordinarie;
  • incidenti e comportamenti inattesi;
  • contestazioni sugli output;
  • modifiche significative della finalità;
  • aggiornamenti del modello o del fornitore;
  • sospensione temporanea o definitiva del sistema.

Servono regole proporzionate. Bloccare ogni utilizzo può favorire pratiche informali; consentire tutto senza condizioni rende impossibile governare i rischi.

Una buona policy distingue quindi tra usi ordinari, usi sottoposti a verifica e casi vietati, collegando ciascuna categoria a controlli concreti.

Gebo.ai può essere utile quando l’organizzazione vuole offrire un accesso centralizzato ai modelli, collegarli alle fonti aziendali e applicare permessi e controlli coerenti. La piattaforma rappresenta però uno strumento di attuazione: classificazione dei casi d’uso, policy e responsabilità restano decisioni dell’organizzazione.

Fornitori, documentazione e obblighi di trasparenza

La verifica del fornitore non può fermarsi alla presenza di una dichiarazione generica di conformità.

L’azienda dovrebbe chiedere quale ruolo assume ciascuna parte, qual è la finalità prevista del sistema, quali limitazioni sono note e quali modifiche possono incidere sulla classificazione o sui controlli.

Tra le informazioni da raccogliere rientrano:

  • istruzioni d’uso e descrizione delle funzionalità;
  • livelli di accuratezza dichiarati;
  • modalità e frequenza degli aggiornamenti;
  • misure di sicurezza e protezione dei dati;
  • conservazione e disponibilità dei log;
  • supporto nella gestione degli incidenti;
  • eventuali limitazioni tecniche o operative;
  • possibilità di svolgere verifiche o audit.

Quando il sistema è inserito in un processo rilevante, deve essere chiaro anche chi informa l’altra parte in caso di modifica del modello, delle condizioni del servizio o della catena dei subfornitori.

I contratti dovrebbero disciplinare responsabilità, accesso alla documentazione, tempi di notifica, continuità del servizio, esportazione dei dati e gestione della cessazione.

Nella valutazione è opportuno considerare anche come ridurre la dipendenza da un singolo provider AI, soprattutto quando workflow, controlli e conoscenza aziendale rischiano di rimanere vincolati a un unico ecosistema.

Dal 2 agosto 2026, l’articolo 50 introduce specifici obblighi di trasparenza AI. In sintesi, le persone devono essere informate quando interagiscono direttamente con un sistema AI, salvo che ciò risulti evidente, e devono essere previste misure per rendere rilevabili determinati contenuti generati o manipolati artificialmente.

I deployer devono inoltre informare le persone esposte a sistemi di riconoscimento delle emozioni o categorizzazione biometrica e rendere riconoscibili deepfake e alcuni testi su temi di interesse pubblico privi di revisione o responsabilità editoriale.

Non tutto il contenuto prodotto con l’AI deve quindi ricevere la stessa etichetta. Occorre verificare finalità, formato, presenza di controllo editoriale ed eventuali eccezioni.

Le linee guida pubblicate dalla Commissione il 20 luglio 2026 e il codice di condotta volontario forniscono indicazioni operative, ma non sostituiscono l’analisi del caso concreto.

Formazione, controllo umano e gestione dei rischi

L’obbligo di adottare misure per garantire un livello adeguato di AI literacy si applica dal 2 febbraio 2025 a provider e deployer.

Il livello richiesto deve essere calibrato considerando conoscenze, esperienza, ruolo delle persone, contesto di utilizzo e soggetti sui quali il sistema può produrre effetti. Non è previsto un certificato unico né una formazione identica per tutti; è però utile conservare traccia delle iniziative svolte.

Un corso introduttivo può essere sufficiente per chi utilizza strumenti a basso impatto, mentre chi configura sistemi, approva output o prende decisioni sulla base dei risultati necessita di una preparazione più approfondita.

La formazione dovrebbe coprire:

  • finalità e limiti dello strumento;
  • categorie di dati che possono essere utilizzate;
  • errori e comportamenti inattesi plausibili;
  • verifiche richieste prima di usare un output;
  • modalità di segnalazione ed escalation;
  • responsabilità legate al proprio ruolo.

Anche la supervisione umana deve essere progettata. Inserire una persona alla fine del processo non garantisce che la verifica sia effettiva: chi controlla deve disporre di competenza, tempo, informazioni e autorità per ignorare o correggere l’output.

Tra i requisiti di un’AI affidabile in azienda rientrano verificabilità, tracciabilità e attribuzione chiara delle responsabilità.

È inoltre necessario definire come segnalare risultati errati, comportamenti inattesi, violazioni delle policy e possibili impatti su persone o processi.

Le segnalazioni devono alimentare una revisione. Non basta chiudere il singolo incidente: occorre capire se modificare configurazione, istruzioni, fornitore, formazione o condizioni d’uso.

Checklist operativa prima del 2 agosto 2026

Per trasformare gli obblighi dell’ AI Act 2026 per le aziende in un programma di lavoro, è utile procedere per priorità:

  1. Censire sistemi e casi d’uso. Individuare strumenti ufficiali, progetti interni, funzioni incorporate e utilizzi non autorizzati.
  2. Identificare il ruolo dell’impresa. Verificare se opera come provider, deployer, importatore o distributore e se personalizzazioni o cambi di finalità modificano tale posizione.
  3. Classificare il rischio. Valutare finalità, contesto, persone coinvolte e conseguenze dell’output, senza dedurre il rischio dal solo nome della tecnologia.
  4. Verificare fornitori e contratti. Raccogliere documentazione e chiarire responsabilità, aggiornamenti, incidenti, log, trattamento dei dati e condizioni di uscita.
  5. Assegnare responsabilità interne. Definire il proprietario del caso d’uso, le funzioni di controllo, le approvazioni necessarie e i percorsi di escalation.
  6. Aggiornare policy e procedure. Stabilire strumenti ammessi, dati utilizzabili, casi vietati, livelli di autorizzazione e gestione delle eccezioni.
  7. Organizzare la formazione. Differenziare contenuti e profondità in base al ruolo, al sistema utilizzato e al relativo livello di rischio.
  8. Predisporre evidenze e controlli. Conservare valutazioni, registri, approvazioni, verifiche periodiche e attività formative.
  9. Definire il controllo umano. Chiarire quando è necessario, chi lo esercita e con quale effettivo potere decisionale.
  10. Monitorare e gestire gli incidenti. Creare canali di segnalazione, criteri di escalation e procedure per correggere il sistema o sospenderne l’utilizzo.

La checklist va adattata alla dimensione dell’organizzazione e alla criticità dei casi d’uso. L’obiettivo non è produrre documenti in serie, ma dimostrare che rischi e responsabilità sono stati identificati e gestiti in modo coerente.

Considerazioni finali

Prepararsi all’AI Act non significa soltanto rispettare una data. Significa rendere visibile come l’AI viene scelta, configurata, utilizzata e controllata all’interno dell’organizzazione.

Il lavoro dovrebbe partire dai casi d’uso reali: quali dati entrano nel sistema, chi riceve l’output, quali decisioni vengono influenzate e quali conseguenze può subire una persona. Da queste risposte derivano classificazione, responsabilità, documentazione, formazione e verifiche sui fornitori.

Il 2 agosto 2026 è un passaggio rilevante, soprattutto per trasparenza ed enforcement, ma non chiude il percorso. Le scadenze successive e l’evoluzione delle indicazioni europee richiedono una struttura capace di aggiornarsi.

Una governance verificabile permette di affrontare questi cambiamenti senza ripartire ogni volta da zero.

Il contenuto ha finalità informative e non sostituisce una valutazione legale specialistica.