Salta al contenuto principale

03 - Modelli GPAI: obblighi dell'AI Act dal 2 agosto 2025

Gli obblighi dell'AI Act sui modelli per finalità generali valgono dal 2 agosto 2025: chi è fornitore, soglie di calcolo, fine-tuning e rischio sistemico.

Cosa ne pensi di questo articolo?

03 - Modelli GPAI: obblighi dell'AI Act dal 2 agosto 2025
AI Policy EUFoto:Pavel DanilyukPexels

In Breve

Gli obblighi dell'AI Act sui modelli per finalità generali valgono dal 2 agosto 2025: chi è fornitore, soglie di calcolo, fine-tuning e rischio sistemico.

Gli obblighi sui modelli per finalità generali valgono già: da quando e per chi

Il titolo di questo articolo, con quel "2027", suggerisce una scadenza ancora lontana. Non lo è: il capo V del regolamento (UE) 2024/1689, quello sui modelli di IA per finalità generali (GPAI), si applica dal 2 agosto 2025 ai modelli immessi sul mercato da quel giorno. Chi aveva già un modello sul mercato prima del 2 agosto 2025 ha tempo fino al 2 agosto 2027 per mettersi in regola (articolo 111, paragrafo 3), ed è probabilmente da qui che nasce il 2027. Le sanzioni specifiche per i fornitori di questi modelli (articolo 101) sono applicabili dal 2 agosto 2026 e le applica la Commissione, non i singoli Stati. Il regolamento (UE) 2026/1744 ha spostato le date dell'alto rischio, non queste.

La domanda per uno sviluppatore è un'altra: sono io il "fornitore" di un modello GPAI? Quasi sempre no. Chi chiama un'API o scarica pesi aperti e li usa è, per questo capo, a valle. Gli obblighi riguardano chi sviluppa e mette il modello sul mercato, e chi lo modifica abbastanza da diventare a sua volta fornitore. Qui vedi come si distingue, che cosa devono produrre i fornitori, come si calcola la soglia e dove il testo e le fonti si fermano. Il ruolo di fornitore di un sistema di IA, diverso da quello di fornitore di un modello, è nel primo articolo; il tema precedente, la responsabilità civile, è nel secondo.

Che cos'è un modello per finalità generali

L'articolo 3 definisce il modello GPAI come un modello di IA, anche addestrato con grandi quantità di dati e autosupervisione su larga scala, caratterizzato da una generalità significativa, capace di svolgere con competenza un'ampia gamma di compiti distinti e integrabile in una varietà di sistemi a valle; sono esclusi i modelli usati per ricerca, sviluppo e prototipazione prima dell'immissione sul mercato. La definizione non contiene numeri, e per questo la Commissione ha pubblicato orientamenti (comunicazione C(2025) 7719) con un criterio indicativo: un modello è GPAI se il calcolo di addestramento supera 1023 FLOP e può generare linguaggio (testo, anche codice, o audio), immagini da testo o video da testo. Gli orientamenti spiegano che 1023 è l'ordine di grandezza del calcolo tipico per un modello da circa un miliardo di parametri addestrato su molti dati, e dichiarano che il criterio è indicativo e può cambiare.

Il calcolo si stima, secondo l'allegato A.2.2 degli stessi orientamenti, come C ≈ 6 · P · D per i modelli transformer densi di grandi dimensioni, con P numero di parametri e D numero di token di addestramento. Il programma seguente applica la formula e riproduce l'esempio numerico degli orientamenti (modello A: 3,8 miliardi di parametri e 3,3 mila miliardi di token, circa 7,5 · 1022 FLOP).

"""Stima del calcolo di addestramento secondo l'allegato A.2.2 degli orientamenti
della Commissione C(2025) 7719: C ~ 6 * P * D, valida per modelli transformer densi."""
SOGLIA_INDICATIVA_GPAI = 1e23   # orientamenti, punto 17 (con generazione di linguaggio)
SOGLIA_PRESUNZIONE = 1e25       # art. 51, paragrafo 2, regolamento (UE) 2024/1689

def calcolo(parametri, token):
    return 6 * parametri * token

def classifica(nome, parametri, token):
    c = calcolo(parametri, token)
    if c > SOGLIA_PRESUNZIONE:
        esito = "presunzione di capacita' di impatto elevato (art. 51(2))"
    elif c > SOGLIA_INDICATIVA_GPAI:
        esito = "sopra il criterio indicativo dei GPAI, sotto la presunzione di rischio sistemico"
    else:
        esito = "sotto il criterio indicativo (un indizio, non una prova)"
    print(f"{nome:<34} C = {c:.2e} FLOP -> {esito}")
    return c

def fine_tuning(nome, c_originale, c_modifica):
    quota = c_modifica / c_originale
    esito = "diventa fornitore del modello modificato" if quota > 1 / 3 else "resta a valle: nessun obbligo da fornitore GPAI"
    print(f"{nome:<34} modifica/originale = {quota:.4f} -> {esito}")

# Esempio numerico degli orientamenti (modello A: 3,8 miliardi di parametri, 3,3 mila miliardi di token)
c_a = classifica("Modello A (esempio degli orientamenti)", 3.8e9, 3.3e12)
classifica("Modello da 7 miliardi, 2 T token", 7e9, 2e12)
classifica("Modello da 400 miliardi, 15 T token", 4e11, 1.5e13)
# Una messa a punto con 50 miliardi di token sul modello A
fine_tuning("Fine-tuning leggero (50 G token)", c_a, calcolo(3.8e9, 5e10))
# Un riaddestramento esteso con 2 T token
fine_tuning("Riaddestramento esteso (2 T token)", c_a, calcolo(3.8e9, 2e12))

# Output (python3 -I, Python 3.14.4):
# Modello A (esempio degli orientamenti) C = 7.52e+22 FLOP -> sotto il criterio indicativo (un indizio, non una prova)
# Modello da 7 miliardi, 2 T token   C = 8.40e+22 FLOP -> sotto il criterio indicativo (un indizio, non una prova)
# Modello da 400 miliardi, 15 T token C = 3.60e+25 FLOP -> presunzione di capacita' di impatto elevato (art. 51(2))
# Fine-tuning leggero (50 G token)   modifica/originale = 0.0152 -> resta a valle: nessun obbligo da fornitore GPAI
# Riaddestramento esteso (2 T token) modifica/originale = 0.6061 -> diventa fornitore del modello modificato

Le prime due costanti sono le soglie del testo: quella indicativa degli orientamenti e quella dell'articolo 51, paragrafo 2, oltre la quale si presume che il modello abbia capacità di impatto elevato e quindi rischio sistemico. calcolo è la formula; classifica confronta il risultato con le due soglie. L'uscita contiene un dettaglio che conta: il modello A degli orientamenti sta sotto 1023 pur essendo tra gli esempi usati per costruire la soglia, quindi "sotto la soglia" non è una prova di non essere GPAI ma un indizio, ed è così che il programma lo scrive nell'uscita. La formula ha anche un limite dichiarato: gli orientamenti la presentano come un'approssimazione valida per alcuni modelli transformer densi di grandi dimensioni; per gli altri casi descrivono un secondo metodo, basato sull'hardware (numero di GPU, ore di addestramento, prestazione di picco e tasso di utilizzo).

Chi è il fornitore del modello: tre scenari

Il fornitore è chi sviluppa il modello, o lo fa sviluppare, e lo immette sul mercato dell'Unione. Questo lascia fuori la maggior parte di chi lavora con modelli.

  • Chiami un'API di un modello altrui. Non sei fornitore del modello. Sei fornitore o deployer di un sistema di IA, con gli obblighi del primo articolo, e hai diritto a ricevere dal fornitore del modello informazioni e documentazione per capirne capacità e limiti e adempiere ai tuoi obblighi (articolo 53, paragrafo 1, lettera b, e allegato XII).
  • Esegui un modello con pesi aperti, senza modificarlo. Neanche in questo caso sei fornitore del modello. Il fornitore originale resta chi lo ha rilasciato; le esenzioni dell'articolo 53, paragrafo 2, sono sue.
  • Modifichi un modello con addestramento aggiuntivo (fine-tuning). Diventi fornitore del modello modificato solo se la modifica cambia in modo significativo generalità, capacità o rischio sistemico. Gli orientamenti propongono un criterio indicativo: il calcolo usato per la modifica supera un terzo di quello dell'addestramento del modello originale.

Nell'ultimo caso, se il calcolo originale non è noto né stimabile, la soglia è un terzo di 1025 FLOP per i modelli con rischio sistemico, altrimenti un terzo di 1023 FLOP. Gli orientamenti riconoscono che oggi poche modifiche raggiungono la soglia e che il criterio è rivolto al futuro. Chi la supera ha obblighi limitati alla modifica: documentazione tecnica integrata con le informazioni sulla modifica, politica sul diritto d'autore e sintesi dei dati limitate a quelli usati per la modifica, e l'obbligo di nominare un rappresentante autorizzato se è stabilito fuori dall'Unione (articolo 54).

Nel programma, fine_tuning divide il calcolo della modifica per quello dell'originale e confronta con un terzo. Una messa a punto con 50 miliardi di token sul modello A è l'1,5% del calcolo originale: resta a valle. Un riaddestramento con 2 mila miliardi di token è il 60%: supera la soglia. La conclusione pratica è controintuitiva rispetto a ciò che si legge spesso: usare il fine-tuning "per evitare gli obblighi" non è una strategia, perché la soglia dipende dal calcolo, non dal nome dell'operazione; ma è altrettanto vero che il fine-tuning tipico di un team di applicazione sta ben sotto un terzo del calcolo originale.

Che cosa devono fare i fornitori (articolo 53)

Tutti i fornitori di modelli GPAI devono rispettare quattro obblighi, e il confine con i sistemi di IA è netto: sono obblighi di documentazione e di rispetto della proprietà intellettuale, non di prove di sicurezza come per l'alto rischio.

  • Redigere e tenere aggiornata la documentazione tecnica del modello, con almeno le informazioni dell'allegato XI, per metterla a disposizione di Ufficio per l'IA e autorità nazionali su richiesta.
  • Predisporre informazioni e documentazione per i fornitori di sistemi che integrano il modello, con almeno gli elementi dell'allegato XII.
  • Attuare una politica per rispettare il diritto d'autore, in particolare la riserva di diritti espressa a norma dell'articolo 4, paragrafo 3, della direttiva (UE) 2019/790, anche con tecnologie all'avanguardia.
  • Pubblicare una sintesi sufficientemente dettagliata dei contenuti usati per l'addestramento, secondo il modello fornito dall'Ufficio per l'IA.

La prima e la seconda sono le due facce della stessa filiera: l'allegato XI è la scheda per le autorità (architettura, numero di parametri, dati di addestramento con tipo e provenienza, risorse di calcolo, consumo energetico noto o stimato), l'allegato XII è la scheda per chi integra il modello. La terza e la quarta riguardano chi ha prodotto i dati. L'articolo 53, paragrafo 2, esonera dalle lettere a e b i fornitori di modelli rilasciati con licenza libera e open source che consentono accesso, uso, modifica e distribuzione e i cui parametri, comprese le informazioni sull'architettura, sono resi pubblici; l'esenzione non si applica ai modelli con rischio sistemico, e non tocca la politica sul copyright né la sintesi dei dati.

Rischio sistemico, notifica e codici di buone pratiche

Un modello GPAI ha rischio sistemico se ha capacità di impatto elevato, valutate con strumenti tecnici adeguati, o per decisione della Commissione. Si presume l'impatto elevato quando il calcolo cumulativo di addestramento supera 1025 FLOP (articolo 51, paragrafo 2). Il fornitore deve informare la Commissione senza ritardo e comunque entro due settimane da quando la soglia è raggiunta o è noto che lo sarà (articolo 52, paragrafo 1). In più, l'articolo 55 chiede una valutazione del modello con protocolli standardizzati, compreso il test contraddittorio, la valutazione e mitigazione dei rischi sistemici a livello dell'Unione, il tracciamento e la segnalazione senza indebito ritardo degli incidenti gravi, e un livello adeguato di cibersicurezza del modello e dell'infrastruttura.

I fornitori possono basarsi su codici di buone pratiche per dimostrare la conformità finché non esiste una norma armonizzata; chi non aderisce a un codice approvato deve dimostrare mezzi alternativi adeguati (articolo 53, paragrafo 4). Il Codice di buone pratiche per i GPAI, pubblicato il 10 luglio 2025, ha tre capitoli: trasparenza (con un modulo di documentazione del modello), diritto d'autore, e sicurezza e protezione. I primi due servono a tutti i fornitori per l'articolo 53; il terzo riguarda soltanto i pochi fornitori dei modelli più avanzati soggetti all'articolo 55. La Commissione e il consiglio per l'IA hanno confermato che il codice è uno strumento volontario adeguato. Aderire non è un obbligo, ma sposta l'onere: chi aderisce può dimostrare la conformità con il codice, chi no deve argomentare un'alternativa.

Le sanzioni: la Commissione può infliggere ai fornitori fino al 3% del fatturato mondiale annuo o 15 milioni di euro, se superiore, per violazioni intenzionali o negligenti, per mancata risposta a richieste di documenti o per informazioni inesatte, e la vigilanza sul capo V è di competenza esclusiva della Commissione, che la affida all'Ufficio per l'IA (articolo 88). Per un'impresa italiana che fa solo applicazioni a valle, l'autorità di riferimento per il resto del regolamento sono AgID e ACN, designate dalla legge 132/2025 (articolo 20); per il modello, no.

Domande frequenti

Il mio modello ha 500 milioni di parametri: è ancora GPAI?

Dipende dal calcolo di addestramento e da ciò che sa generare, non dal solo numero di parametri. Con la formula 6PD, 500 milioni di parametri superano 1023 FLOP solo con oltre 3,3·1013 token (circa 33 mila miliardi), perché 6 · 5·108 · D deve valere più di 1023. Il criterio è indicativo: se sei vicino alla soglia, conserva la stima e il metodo.

Se uso un'API proprietaria, devo rispettare gli obblighi del capo V?

No, quelli sono del fornitore del modello. Devi però usare le informazioni che ti deve fornire (allegato XII) per adempiere ai tuoi obblighi di fornitore o deployer di un sistema.

Posso fare fine-tuning per evitare gli obblighi?

Il fine-tuning non crea né toglie obblighi di per sé: se il calcolo della modifica supera un terzo di quello del modello originale (o la soglia di riserva) diventi fornitore del modello modificato, altrimenti no. Il criterio è indicativo e può cambiare.

Quale autorità applica queste norme in Italia?

Per il capo V, la Commissione europea tramite l'Ufficio per l'IA (articolo 88). Per il resto, la legge 132/2025 designa AgID e ACN come autorità nazionali per l'IA, con Banca d'Italia, CONSOB e IVASS per i casi finanziari.

Serve un audit di terzi per essere conformi?

L'articolo 53 non prevede un audit di terzi; chiede documentazione, politica sul copyright e sintesi dei dati. Per i modelli con rischio sistemico, l'articolo 55 chiede valutazioni e test contraddittori documentati; chi ne affida parte a terzi lo fa per scelta o per un impegno assunto con il codice, che non ho analizzato nei dettagli.

Che cosa sai fare adesso

Sai che gli obblighi sui modelli GPAI valgono dal 2 agosto 2025 e non nel 2027, e perché quel numero circola; sai stimare il calcolo di un addestramento con la formula degli orientamenti e confrontarlo con le due soglie; sai dire se sei fornitore del modello, di un sistema o solo deployer, e applicare il criterio del terzo al fine-tuning; e sai che cosa devono pubblicare e documentare i fornitori. Il prossimo articolo passa ai contenuti generati: la marcatura dell'articolo 50. Per l'uso di modelli in azienda, in modo pratico, c'è anche LLM in azienda: RAG enterprise, fine-tuning e guardrails.

Fonti

Il listato è stato eseguito con Python 3.14.4, con uscita identica in due esecuzioni. Il dettaglio dei singoli impegni dei capitoli del Codice e l'elenco dei firmatari non sono stati verificati; gli orientamenti citati sono la versione C(2025) 7719 letta il 2026-11-13.

Prova Questi Strumenti

Strumenti gratuiti correlati a questo argomento.

Commenti

Caricamento commenti...

Accedi per commentare

Articoli e strumenti nuovi anche su Telegram

Il canale Telegram segnala gli articoli e gli strumenti nuovi del sito.

Ti è piaciuto questo articolo?

Esplora altri contenuti sul blog o scopri i miei progetti