In questo articolo Indice dei contenuti 2 sezioni
Il conto alla rovescia verso il 2 agosto 2026 ha spinto le grandi aziende dell’intelligenza artificiale a rimettere mano ai propri sistemi, perché da quella data gli obblighi di trasparenza previsti dall’articolo 50 dell’AI Act diventano operativi e impongono misure concrete per rendere riconoscibili i contenuti generati dalle macchine. Non un principio astratto, quindi, ma qualcosa che va inserito nel codice, nei file, nei metadati. E le strade scelte dai protagonisti del settore non sono affatto le stesse. Il punto di partenza è semplice da riassumere, anche per chi non mastica regolamenti europei tutti i giorni. Testi, immagini, audio e video prodotti da un modello devono poter essere identificati come tali, sia da una persona che li guarda sia da un sistema automatico che li analizza. Da qui nascono le soluzioni tecniche che le aziende stanno mettendo in campo, ognuna con una filosofia leggermente diversa.
La filigrana invisibile di Anthropic e le altre strategie
Anthropic ha scelto la via della filigrana invisibile applicata su scala globale, un segnale nascosto dentro il contenuto che non disturba la lettura o la visione ma che resta rilevabile da chi disponga degli strumenti adatti. È un approccio che punta sull’uniformità, senza distinzioni geografiche, e che riduce il rischio di avere versioni del servizio più trasparenti in Europa e meno trasparenti altrove.
Gli altri grandi nomi si muovono su binari differenti. OpenAI, Google, Meta, Microsoft e xAI hanno adottato combinazioni di watermark, standard C2PA e forme di disclosure esplicita, ovvero avvisi visibili che segnalano all’utente la natura artificiale di ciò che sta guardando o leggendo. Tre livelli che non si escludono a vicenda, tanto che in diversi casi convivono all’interno dello stesso prodotto. Il watermark, nella sua accezione tecnica, è un marchio incorporato nel contenuto stesso. Può essere percepibile oppure completamente invisibile, e la sua utilità dipende molto dalla resistenza alle modifiche: un’immagine ritagliata o ricompressa può perdere pezzi di informazione lungo la strada. Il C2PA lavora invece su un piano diverso, quello delle credenziali di provenienza allegate al file, una sorta di scheda anagrafica che racconta da dove arriva un contenuto e come è stato prodotto.
Perché gli approcci restano così diversi
La frammentazione delle scelte non è casuale. Ogni azienda parte da un’infrastruttura propria, da modelli con caratteristiche tecniche specifiche e da un ecosistema di prodotti che non sempre si presta alle stesse soluzioni. Marcare un testo generato da un chatbot è un problema tecnico molto diverso dal marcare un video sintetico o una traccia audio, e questo spiega perché l’articolo 50 lasci margini di manovra sulle modalità di attuazione, fissando l’obiettivo più che il metodo. Per gli utenti la differenza si nota nella pratica. In alcuni casi l’avviso è ben visibile, un’etichetta o una scritta che accompagna il contenuto. In altri il segnale resta sotto la superficie e diventa verificabile solo con strumenti dedicati, il che sposta il peso della verifica su piattaforme, redazioni e servizi di controllo piuttosto che sulla singola persona davanti allo schermo.
Il regolamento europeo, in ogni caso, ha già prodotto un effetto tangibile: ha costretto le grandi società dell’intelligenza artificiale a dichiarare pubblicamente quali tecnologie di marcatura utilizzano e a renderle operative entro una scadenza precisa. Dal 2 agosto 2026 quelle scelte diventano parte degli obblighi di trasparenza a cui i fornitori devono rispondere.
