Contenuti generati dall’AI, guida al codice UE su etichette e watermark

La trasparenza non si limita a un’etichetta visibile: il codice europeo prevede una catena tecnica composta da metadati firmati, watermark impercettibili, strumenti di rilevamento e informazioni comprensibili per il pubblico.
I provider e gli utilizzatori hanno responsabilità differenti: chi sviluppa il sistema deve rendere gli output riconoscibili dalle macchine, mentre chi pubblica deepfake o testi generati dall’AI deve assicurare la disclosure verso il pubblico.
La marcatura multilivello rappresenta la soluzione principale: per immagini, video, audio e testi inseriti in file strutturati, il codice richiede generalmente la combinazione di metadati firmati digitalmente e watermark impercettibili.
I watermark devono resistere alle normali trasformazioni digitali: compressione, ritaglio, screenshot, cambio di formato, traduzione, parafrasi e registrazione dello schermo rientrano nelle prove di robustezza previste.
Gli strumenti di rilevamento devono essere accessibili: media, fact-checker, ricercatori, autorità e organizzazioni della società civile devono poter verificare gratuitamente la presenza delle marcature.
L’interoperabilità diventerà determinante: entro il 2 febbraio 2027 i firmatari dovranno adottare soluzioni che permettano di individuare il rilevatore corretto senza sottoporre ogni contenuto a decine di sistemi proprietari differenti.
Le etichette distinguono tra contenuto generato e modificato: le indicazioni “AI generated” e “AI modified” permettono di chiarire se l’intelligenza artificiale ha prodotto integralmente il contenuto oppure è intervenuta soltanto su alcune parti.
Il controllo editoriale umano tutela l’attività giornalistica: i testi di interesse pubblico non devono essere necessariamente etichettati quando vengono verificati da una persona e un soggetto identificabile assume la responsabilità della pubblicazione.
La privacy limita logging e verifiche centralizzate: i contenuti caricati nei servizi di rilevamento devono essere trattati secondo principi di minimizzazione, sicurezza e cancellazione immediata.
La marcatura non certifica la verità: un’etichetta dimostra che l’AI ha generato o modificato un contenuto, ma non stabilisce se quel contenuto sia falso, illegale, ingannevole o diffamatorio.

L’Unione europea prova a costruire una catena di trasparenza per i contenuti generati o manipolati dall’intelligenza artificiale. Il Code of Practice on Transparency of AI-Generated Content traduce l’articolo 50 dell’AI Act in prescrizioni tecniche e organizzative rivolte a fornitori di sistemi generativi, piattaforme, aziende, editori e utilizzatori professionali. Il modello non si limita a chiedere una scritta sotto un’immagine: combina metadati firmati, watermark impercettibili, strumenti di rilevamento, etichette visibili, accessibilità e responsabilità editoriale. L’obiettivo è permettere a persone e autorità di riconoscere l’origine artificiale di immagini, video, audio e testi, senza confondere questa informazione con un giudizio sulla loro veridicità.

Il codice trasforma la trasparenza in un obbligo tecnico

Il codice parte da un problema ormai strutturale: la qualità dei contenuti sintetici rende sempre più difficile distinguere una produzione umana da un output generato o modificato da un sistema AI. La conseguenza non riguarda soltanto la disinformazione politica. Coinvolge frodi finanziarie, impersonificazione, manipolazione commerciale, diffamazione, truffe vocali, falsificazione documentale e contenuti sessuali non consensuali. Le indagini sui deepfake sessuali prodotti da Grok e l’oscuramento della piattaforma C-Fake mostrano quanto rapidamente gli strumenti generativi possano trasformarsi in infrastrutture di abuso. La risposta europea consiste nel rendere la provenienza del contenuto una proprietà verificabile, non una semplice dichiarazione affidata alla buona volontà dell’autore. Il codice deve servire come percorso per dimostrare la conformità agli obblighi dell’articolo 50, ma precisa che l’adesione non costituisce una prova conclusiva di rispetto della legge. Le autorità di vigilanza potranno comunque verificare l’effettiva qualità delle soluzioni implementate. Si tratta quindi di uno strumento operativo inserito nella cornice più ampia della regolamentazione europea dell’intelligenza artificiale, non di un’autocertificazione capace di proteggere automaticamente aziende e piattaforme da responsabilità. Nel testo viene inoltre stabilita una distinzione lessicale importante: le misure indicate con “will” sono necessarie per risultare conformi al codice, quelle definite “encouraged” sono raccomandate, mentre “may” identifica opzioni volontarie o margini di flessibilità applicativa.

Provider e deployer hanno responsabilità diverse

L’architettura del codice separa nettamente chi fornisce il sistema generativo da chi lo utilizza per creare e diffondere un contenuto. I provider devono progettare strumenti capaci di marcare gli output in formato leggibile dalle macchine e di consentirne il rilevamento. In questa categoria rientrano i fornitori di sistemi che generano o manipolano audio, immagini, video e testi, compresi i sistemi di intelligenza artificiale per finalità generali. Possono aderire volontariamente anche i produttori dei modelli sottostanti e le imprese specializzate in tecnologie di watermarking o verifica della provenienza. I deployer sono invece aziende, editori, professionisti, organizzazioni e soggetti che utilizzano concretamente il sistema per produrre e pubblicare deepfake o testi destinati a informare il pubblico su questioni di interesse generale. La divisione impedisce che la responsabilità venga scaricata integralmente su un solo anello della catena. Il provider deve rendere disponibile l’infrastruttura tecnica, ma il deployer resta responsabile dell’etichetta percepibile dal pubblico quando la legge la richiede. Allo stesso modo, un’impresa che incorpora un modello sviluppato da terzi può utilizzare le marcature e i test forniti a monte, ma conserva la responsabilità finale sulla conformità del proprio sistema. Il codice tenta così di governare una filiera complessa nella quale il modello può essere sviluppato da una società, integrato da una seconda, distribuito attraverso una piattaforma e utilizzato da una terza organizzazione. La trasparenza deve sopravvivere a tutti questi passaggi, evitando che la provenienza venga persa durante esportazioni, conversioni, modifiche o pubblicazioni successive.

Metadati firmati e watermark formano una doppia marcatura

La soluzione tecnica centrale è una marcatura multilivello. Finché nessuna singola tecnologia sarà capace di soddisfare contemporaneamente i requisiti di efficacia, affidabilità, robustezza e interoperabilità, i provider dovranno applicare almeno due livelli di identificazione agli output che possono circolare online. Il primo è costituito dai metadati firmati digitalmente. Quando il formato consente di allegare informazioni, come avviene con immagini, video, file audio, documenti PDF, file Word o testo inserito in contenitori HTML, il sistema deve registrare se il contenuto è stato generato o manipolato dall’intelligenza artificiale. Questi dati devono essere firmati e, quando possibile, associati a una marca temporale, in modo da rendere riconoscibili alterazioni successive. Il secondo livello è il watermark impercettibile, incorporato direttamente nel contenuto e progettato per risultare difficile da separare dall’opera. Può essere applicato dopo la generazione oppure introdotto durante l’inferenza del modello. Il codice incoraggia la seconda soluzione perché una marcatura inserita a livello di modello può agevolare tutti gli sviluppatori che costruiscono servizi a valle. La doppia protezione risponde ai limiti delle singole tecniche: i metadati possono essere eliminati durante una conversione, mentre un watermark può deteriorarsi dopo compressioni, ritagli o trasformazioni. Utilizzati insieme, i due segnali aumentano la probabilità che almeno uno resti rilevabile. Per il testo libero, che non dispone di un contenitore capace di trasportare metadati, il watermark può costituire l’unico livello. Il documento prevede la marcatura dei testi superiori a 200 token, pur riconoscendo che il rilevamento linguistico rimane meno affidabile rispetto a quello applicato a immagini e audio.

Fingerprinting e registri non possono diventare sorveglianza

Il codice permette di affiancare alla marcatura principale tecniche di fingerprinting e logging, ma esclude che possano sostituire metadati e watermark. Il fingerprinting riduce il contenuto a un’impronta resistente a determinate modifiche, utile per riconoscere immagini, video o audio già indicizzati anche quando sono stati compressi o leggermente alterati. Il logging registra invece l’output prodotto dal sistema e permette di verificare se un determinato testo è già presente nell’archivio del provider. Queste soluzioni possono migliorare il rilevamento, ma introducono rischi significativi per la riservatezza. Un registro centralizzato di contenuti generati potrebbe contenere comunicazioni aziendali, documenti legali, informazioni sanitarie, bozze giornalistiche o materiale coperto dal segreto professionale. Per questo il codice limita l’eventuale registrazione agli output e richiede controlli su conservazione, accesso, sicurezza e cancellazione. I deployer devono sapere quali dati vengono registrati, per quanto tempo rimangono disponibili e chi può consultarli. Viene esplicitamente escluso un obbligo generale di memorizzare prompt, conversazioni o interazioni degli utenti. Il testo richiama inoltre libertà dei media, indipendenza editoriale e protezione delle fonti giornalistiche, riconoscendo che la trasparenza sull’origine artificiale non può trasformarsi in un sistema di monitoraggio della produzione professionale. Il punto è particolarmente delicato per redazioni, studi legali, pubbliche amministrazioni e imprese che utilizzano modelli generativi in ambienti riservati: la conformità deve essere ottenuta senza creare un archivio indiscriminato delle attività degli utenti.

La marcatura deve sopravvivere alle manipolazioni ordinarie

Applicare un watermark al file originale non basta. La marcatura deve resistere alle trasformazioni che normalmente accompagnano la diffusione online e agli interventi intenzionali di chi vuole nasconderne l’origine. Il codice include tra le prove di robustezza compressione, cambio di formato, filtri, aggiunta o rimozione di rumore, screenshot, registrazione dello schermo, ritaglio, rotazione, ridimensionamento, mirroring, variazioni di velocità o tonalità, parafrasi e traduzioni ripetute. La verifica deve considerare anche il cosiddetto analog hole, cioè il passaggio dal digitale all’analogico e nuovamente al digitale: la fotografia di un’immagine stampata, la registrazione con una videocamera di un contenuto visualizzato su uno schermo o la riproduzione di un audio successivamente acquisito da un microfono. È uno dei punti più ambiziosi del codice, perché molte tecnologie di watermarking funzionano in condizioni controllate ma perdono precisione dopo manipolazioni aggressive. I provider dovranno inoltre valutare attacchi costruiti specificamente per copiare, eliminare, rigenerare o falsificare la marcatura.

Anche la rimozione volontaria dei metadati entra nel perimetro delle misure. I termini di servizio e la documentazione dei sistemi dovranno vietarne l’alterazione intenzionale, salvo operazioni legittime necessarie per sicurezza, ricerca o corretto aggiornamento delle informazioni. I provider non potranno commercializzare o promuovere strumenti progettati per aggirare le marcature. Piattaforme e motori di ricerca sono invece incoraggiati a preservare le informazioni di provenienza durante caricamento, elaborazione e distribuzione, perché un sistema di trasparenza perde efficacia quando il primo intermediario elimina automaticamente i metadati.

Rilevare i contenuti diventa un servizio accessibile

La marcatura ha valore soltanto quando qualcuno può verificarla. Per questo i provider devono mettere a disposizione una soluzione di rilevamento attraverso una specifica pubblica, un software, una libreria o un servizio cloud accessibile mediante API. Il rilevatore deve comprendere un meccanismo per ogni tecnica di marcatura utilizzata dal sistema e presentare il risultato in forma chiara. Quando il contenuto può raggiungere il pubblico, anche lo strumento di verifica dovrebbe essere disponibile agli utenti comuni. Nei contesti professionali chiusi, l’accesso può essere limitato alle persone effettivamente esposte agli output. Un regime particolare riguarda i watermark inseriti nel testo libero: poiché false positività e risultati a bassa confidenza possono produrre accuse errate, l’accesso può essere temporaneamente riservato a utenti esperti verificati. In questa categoria rientrano autorità, forze dell’ordine, giornalisti, fact-checker, ricercatori, istituti accademici e organizzazioni della società civile. Il servizio deve essere generalmente gratuito. I provider con meno di un milione di utenti mensili possono applicare costi ragionevoli quando un singolo soggetto genera volumi eccezionali di richieste e il servizio comporta spese operative rilevanti. L’accesso per autorità, media, ricerca e fact-checking deve comunque restare gratuito e senza limiti quantitativi. Il risultato della verifica potrà essere scaricato in formato firmato e contenere l’impronta del file esaminato, l’identificativo del rilevatore e il momento dell’analisi. Questo meccanismo potrebbe diventare importante nelle indagini giornalistiche e giudiziarie, anche se la rilevazione della marcatura non dimostra da sola chi abbia pubblicato il contenuto, con quale intenzione o se quanto rappresentato sia falso.

Privacy e sicurezza condizionano gli strumenti di verifica

Un rilevatore cloud richiede spesso il caricamento del contenuto da analizzare, trasformando un servizio di trasparenza in un possibile punto di raccolta di dati sensibili. Il codice impone quindi requisiti vicini a una politica di zero retention. Il file deve essere utilizzato esclusivamente per verificare la marcatura, conservato soltanto per il tempo necessario all’operazione e cancellato immediatamente dopo. Non dovrebbe rimanere una copia integrale del contenuto, mentre eventuali registri tecnici destinati a prevenire abusi devono essere minimi, giustificati e conservati per un periodo limitato. I dati devono essere protetti durante il trasferimento e quando sono temporaneamente archiviati, con misure adeguate a garantire confidenzialità, integrità, disponibilità e resilienza del servizio. Quando tecnicamente possibile, il provider è incoraggiato ad analizzare soltanto una derivazione del file che non consenta di ricostruirne il significato. Questo principio è decisivo per la concreta adozione degli strumenti: un giornalista non può caricare una fonte riservata su un portale sconosciuto soltanto per controllare se un documento contiene un watermark; un’impresa non può trasferire un progetto industriale a un servizio esterno senza garanzie; un cittadino non dovrebbe inviare immagini intime a un rilevatore che potrebbe conservarle. La sicurezza riguarda anche la protezione della tecnologia di marcatura. Un accesso completamente anonimo e illimitato potrebbe aiutare gli attaccanti a testare ripetutamente le modifiche necessarie per rimuovere il segnale. Il codice ammette quindi controlli, autenticazione e rate limiting quando servono a impedire l’analisi sistematica delle difese.

Interoperabilità e test decidono la tenuta del sistema

Il rischio più evidente è la nascita di un ecosistema frammentato nel quale ogni provider utilizza un watermark proprietario e impone un rilevatore differente. Un utente dovrebbe caricare lo stesso file su decine di servizi prima di ottenere un risultato, mentre piattaforme e redazioni non potrebbero integrare controlli automatici scalabili. Il codice considera quindi l’interoperabilità uno dei quattro requisiti fondamentali insieme a efficacia, affidabilità e robustezza. I metadati firmati devono appoggiarsi a standard e pratiche aperte. Per i watermark, dove non esiste ancora una soluzione condivisa sufficientemente matura, viene previsto un percorso graduale. Entro il 2 febbraio 2027, i firmatari dovrebbero implementare un metodo interoperabile che permetta di indirizzare la richiesta al rilevatore corretto, inserire nel contenuto un segnale capace di indicare quale strumento utilizzare oppure partecipare a un servizio condiviso tra più provider. Un consorzio potrebbe quindi offrire un punto unico di verifica, purché resti accessibile anche a piccole e medie imprese e non favorisca soltanto i maggiori operatori. Prima dell’immissione sul mercato e periodicamente durante il ciclo di vita, i sistemi dovranno essere testati in condizioni rappresentative dell’uso reale. Finché non esisteranno benchmark riconosciuti, saranno ammessi test interni e pratiche di settore, eventualmente accompagnati da valutazioni indipendenti, red teaming o sperimentazioni nei sandbox regolatori. La documentazione dovrà descrivere processi, risultati e correzioni adottate. Affidarsi a un modello o a una tecnologia esterna non elimina la responsabilità del fornitore finale, che deve verificare la compatibilità della soluzione con il proprio caso d’uso.

Le etichette visibili distinguono generato e modificato

La seconda parte del codice disciplina ciò che deve vedere direttamente il pubblico. I deployer possono utilizzare l’icona elaborata dall’AI Office oppure una soluzione equivalente, purché rispetti criteri comuni di chiarezza, riconoscibilità e accessibilità. L’elemento principale deve essere l’acronimo AI, con proporzioni preservate anche quando l’icona viene ridimensionata. Il documento presenta due varianti più esplicite: “AI GENERATED” per i contenuti interamente generati e “AI MODIFIED” per quelli modificati soltanto in parte. È prevista anche un’icona di base alla quale potrà essere associato un livello interattivo contenente maggiori informazioni sulla provenienza e sulle modifiche effettuate. I test condotti in diversi Stati membri avrebbero mostrato che le versioni accompagnate da una descrizione testuale risultano più comprensibili rispetto a un simbolo generico.

L’utente deve infatti sapere non soltanto che l’intelligenza artificiale è intervenuta, ma possibilmente anche in quale misura: generazione completa, sostituzione di un volto, clonazione della voce, rimozione di un oggetto o alterazione parziale della scena. Colore, contrasto, dimensioni e tipografia possono cambiare in funzione del contesto, ma il segnale deve restare leggibile. L’etichetta non assegna un valore di verità e non prova che il contenuto sia ingannevole. Un’immagine sintetica correttamente dichiarata può rappresentare un fatto reale, mentre una fotografia autentica può essere utilizzata in modo falso o manipolatorio. Il codice certifica l’origine artificiale o la modifica, non l’attendibilità del messaggio.

Video audio e testi richiedono posizionamenti differenti

L’etichetta deve essere visibile al più tardi durante la prima esposizione e non può essere nascosta dietro un clic, una sezione informativa o un’interazione facoltativa. Per immagini e video può essere collocata in una zona libera da altri elementi, come l’angolo superiore destro, con contrasto sufficiente rispetto allo sfondo. Nei video deve comparire all’inizio e, quando possibile, a intervalli regolari, almeno dopo interruzioni pubblicitarie o pause. La ripetizione serve a proteggere anche gli utenti che iniziano a guardare una diretta quando è già in corso e a mantenere il segnale nei frammenti successivamente ritagliati. Se soltanto una parte del video contiene una manipolazione, l’icona può accompagnare il segmento interessato. Per i deepfake esclusivamente audio è richiesto un breve avviso pronunciato all’inizio, nella lingua del contenuto o in inglese, eventualmente ripetuto durante registrazioni lunghe e dopo interruzioni. Quando è disponibile uno schermo, come su smartphone o sistemi automobilistici, all’avviso sonoro deve essere affiancata un’indicazione visiva. Per i testi destinati a informare il pubblico, l’etichetta può apparire sopra il contenuto, vicino al titolo o nel colophon iniziale. Nei testi molto brevi può essere utilizzato un avviso contestuale nell’interfaccia, purché l’utente sia informato prima o durante la prima esposizione. Il principio vale anche per sistemi che trasformano la ricerca in produzione editoriale, come gli agenti AI integrati direttamente in Google Search: quando l’output non è più un semplice elenco di fonti ma una risposta formulata dal sistema, la distinzione tra infrastruttura tecnica e contenuto pubblicato diventa più rilevante.

L’accessibilità diventa parte della conformità

Un’etichetta tecnicamente presente ma invisibile a una parte del pubblico non soddisfa l’obiettivo del codice. Le soluzioni devono considerare persone con disabilità visive o uditive, bambini, anziani, utenti con ridotta alfabetizzazione digitale e contesti nei quali il contenuto può produrre conseguenze particolarmente sensibili. Il documento richiama l’European Accessibility Act, la direttiva sull’accessibilità dei siti web, lo standard ETSI EN 301 549 e le WCAG. Le indicazioni includono testi alternativi leggibili dagli screen reader, contrasto elevato, descrizioni audio, segnali tattili o aptici e compatibilità con tecnologie assistive. Per un contenuto esclusivamente sonoro, una vibrazione potrebbe anticipare l’avviso relativo alla presenza di un deepfake e rendere l’informazione disponibile anche a una persona con problemi uditivi. Per un’etichetta visiva, il colore non può essere l’unico elemento distintivo, perché gli utenti con deficit nella percezione cromatica potrebbero non riconoscerla. L’accessibilità si collega alla necessità di sviluppare una reale alfabetizzazione sull’intelligenza artificiale. Aziende e piattaforme devono spiegare il significato dei simboli utilizzati e formare il personale che applica o controlla le etichette. Il tema è particolarmente importante nei servizi rivolti ai minori, dove le protezioni digitali dichiarate dalle piattaforme devono essere accompagnate da interfacce comprensibili e verificabili. Una semplice sigla “AI” può risultare insufficiente quando l’utente non conosce la differenza tra contenuto generato, modificato e soltanto raccomandato da un algoritmo.

Deepfake artistici e satirici seguono un regime attenuato

Opere artistiche, creative, satiriche, narrative o analoghe non vengono escluse completamente dagli obblighi, ma beneficiano di una modalità di disclosure meno invasiva. L’etichetta deve segnalare l’esistenza del contenuto generato o manipolato senza compromettere la fruizione, l’esposizione e il normale sfruttamento dell’opera. In un film può comparire nei titoli iniziali o finali; in una mostra può essere inserita nel materiale informativo, sul biglietto o all’ingresso; in un’applicazione interattiva può essere collocata accanto al contenuto o integrata nell’interfaccia. Il segnale deve comunque essere percepibile senza obbligare il pubblico ad aprire menu o compiere azioni dedicate. La distinzione evita di imporre un marchio permanente sopra ogni scena cinematografica realizzata con effetti generativi, ma non autorizza l’occultamento totale. La satira non può diventare una giustificazione automatica per diffondere una rappresentazione realistica senza informare chi la osserva. La valutazione dipenderà dal contesto, dalla natura evidentemente creativa dell’opera e dal modo in cui viene presentata. Un video pubblicato come parodia riconoscibile non è equivalente allo stesso filmato rilanciato senza contesto come registrazione autentica. La disciplina prova quindi a bilanciare trasparenza, libertà artistica e integrità dell’esperienza, lasciando spazio a soluzioni adatte a cinema, editoria, videogiochi, pubblicità, musei e spettacoli. Il deployer resta però responsabile di garantire che la disclosure accompagni il contenuto anche quando passa attraverso distributori, piattaforme o supporti fisici.

L’editoria può evitare l’etichetta con controllo umano

La parte più rilevante per giornali, agenzie, siti informativi e uffici comunicazione riguarda i testi pubblicati su materie di interesse pubblico. L’obbligo di dichiarare che un testo è stato generato o manipolato dall’intelligenza artificiale non si applica quando il contenuto è sottoposto a revisione umana o controllo editoriale e una persona fisica o giuridica assume la responsabilità della pubblicazione. Il codice riconosce che i media professionali già soggetti a standard editoriali, norme nazionali, meccanismi regolatori o autoregolamentari possono utilizzare le procedure esistenti, a condizione che garantiscano realmente controllo e responsabilità. Gli altri soggetti devono adottare politiche interne proporzionate alle proprie dimensioni, identificare chi detiene la responsabilità editoriale e descrivere le risorse organizzative dedicate alla revisione. Non viene richiesto di registrare ogni singola correzione o di documentare individualmente tutte le verifiche svolte su ciascun articolo. Deve però esistere un processo concreto e una figura responsabile, i cui contatti siano pubblicamente disponibili quando non lo siano già. Questo punto separa l’uso dell’AI come strumento di supporto dalla pubblicazione automatica. Una redazione può utilizzare un modello per trascrivere, tradurre, organizzare documenti, proporre una struttura o elaborare una prima bozza, purché un professionista controlli il risultato e l’editore ne assuma la responsabilità. Al contrario, un sito che genera e pubblica automaticamente notizie senza revisione dovrebbe applicare l’etichetta prevista. Il codice chiarisce inoltre che queste procedure non devono compromettere libertà dei media, indipendenza editoriale e protezione delle fonti giornalistiche.

Processi interni e segnalazioni chiudono la catena

La conformità non si esaurisce nell’aggiunta dell’icona. I deployer devono predisporre documentazione interna che descriva come vengono applicate le etichette, quali strumenti sono utilizzati e in quali circostanze intervengono controllo umano o responsabilità editoriale. Chi produce regolarmente deepfake o testi automatizzati deve verificare che design e posizionamento siano corretti e prevenire pubblicazioni prive di disclosure. Dipendenti e collaboratori direttamente coinvolti devono conoscere gli obblighi, le eccezioni e le procedure per correggere errori. La formazione dovrebbe coprire i casi artistici e satirici, le esigenze di accessibilità e la distinzione tra pubblicazione automatica e contenuto sottoposto a revisione. Il codice incoraggia inoltre canali attraverso i quali utenti, ricercatori, fact-checker e trusted flagger possano segnalare etichette mancanti o scorrette. Le segnalazioni motivate devono essere esaminate e le violazioni corrette senza ritardi ingiustificati. La collaborazione con le autorità di vigilanza completa il sistema, consentendo l’accesso alla documentazione e agli strumenti di rilevamento quando necessario. Per provider e deployer, il messaggio è chiaro: la trasparenza deve diventare un processo verificabile, supportato da controlli tecnici, personale formato, responsabilità definite e meccanismi di correzione. Una piattaforma non potrà limitarsi a dichiarare di avere una policy sui contenuti sintetici se le etichette scompaiono durante il caricamento, se il rilevatore non è accessibile o se le segnalazioni degli utenti restano senza risposta.

Il limite decisivo resta la differenza tra origine e verità

Il codice costruisce un’infrastruttura di provenienza, ma non risolve automaticamente il problema della disinformazione. Un watermark può dimostrare che un’immagine è uscita da un determinato sistema, non che la persona che l’ha pubblicata abbia agito in malafede. Un’etichetta può segnalare che una voce è stata clonata, ma non stabilire se il messaggio costituisca satira, frode o ricostruzione autorizzata. Allo stesso modo, l’assenza di una marcatura non dimostra che il contenuto sia autentico: potrebbe provenire da un sistema non conforme, avere perso i metadati, essere stato sottoposto a trasformazioni distruttive oppure essere stato prodotto da un modello precedente.

Anche i rilevatori forensi capaci di cercare tracce statistiche senza una marcatura preventiva sono considerati ancora insufficientemente maturi. Il valore del sistema dipenderà quindi dalla diffusione degli standard, dalla cooperazione delle piattaforme e dalla capacità di conservare i segnali lungo l’intera filiera. Esiste inoltre il rischio di una fiducia eccessiva nelle etichette: un contenuto contrassegnato correttamente potrebbe essere percepito come innocuo, mentre una manipolazione dichiarata può comunque violare diritti, diffamare una persona o alimentare una truffa. Il codice precisa infatti che la disclosure non sostituisce gli obblighi derivanti da protezione dei dati, proprietà intellettuale, tutela dei consumatori, diritto dei media, pubblicità politica e diritto penale. La trasparenza è una condizione necessaria, non una garanzia di legalità o attendibilità.

Cosa devono fare aziende piattaforme e redazioni

Le organizzazioni che sviluppano o utilizzano sistemi generativi devono partire dalla mappatura dei flussi: quali modelli producono contenuti, quali formati vengono esportati, dove vengono conservati i metadati e quali soggetti partecipano alla pubblicazione. I provider devono verificare la disponibilità di firme digitali, watermark, strumenti di rilevamento e test di robustezza. Le piattaforme devono impedire che conversioni e compressioni eliminino automaticamente le informazioni di provenienza e dovrebbero integrare le etichette direttamente nelle interfacce di caricamento. Le imprese che pubblicano immagini, video o audio sintetici devono definire posizione, durata e accessibilità degli avvisi.

Le redazioni devono formalizzare la revisione umana, individuare la responsabilità editoriale e distinguere gli strumenti di assistenza dai sistemi di pubblicazione automatica. La documentazione interna non deve diventare un apparato burocratico separato dal lavoro quotidiano: deve descrivere procedure effettivamente applicate, soggetti incaricati e modalità di correzione. Il passaggio più difficile sarà mantenere la trasparenza quando il contenuto viene copiato, ritagliato, tradotto, ripubblicato o distribuito da intermediari differenti. Il codice europeo prova a rispondere trasformando l’identificazione dell’origine in una proprietà persistente e interoperabile. La sua efficacia dipenderà però dall’adozione concreta da parte dei grandi fornitori e dalla capacità delle autorità di evitare che watermark, icone e dichiarazioni editoriali restino elementi formali privi di reale verificabilità.

Leggi il dispositivo integrale

Faq sui contenuti generati dall’AI