Quando affidiamo informazioni, analisi e processi decisionali a un’intelligenza artificiale, a chi stiamo realmente affidando il controllo?
Immaginiamo un Security Manager che deve preparare l’analisi dei rischi per una grande manifestazione. Ha poco tempo e uno strumento di intelligenza artificiale che può aiutarlo. Carica la planimetria, descrive le vulnerabilità emerse dal sopralluogo, aggiunge qualche dettaglio sui dispositivi di sicurezza. In pochi secondi ottiene un documento ordinato, con scenari, criticità e misure di mitigazione.
Un risultato eccellente. O forse no.
Perché prima di valutare la qualità dell’analisi dovremmo chiederci che cosa è successo alle informazioni che abbiamo appena condiviso. Dove sono state elaborate? Chi può accedervi? Per quanto tempo saranno conservate? Potrebbero servire ad altri scopi? E chi ha deciso che trasferirle a quel sistema fosse accettabile?
Non sono domande tecnologiche. Sono domande di security, e valgono per qualunque intelligenza artificiale, qualunque sia la sua nazionalità.
Il problema non è la Cina
Lo sviluppo delle intelligenze artificiali cinesi ha attirato un’attenzione crescente. L’arrivo di modelli competitivi, alcuni anche con pesi aperti, ha ampliato le scelte di aziende e professionisti, e la discussione si è spostata presto dalla tecnologia alla geopolitica: quelle cinesi sono affidabili? Quelle americane più sicure? L’Europa dovrebbe fare da sola?
Domande legittime, che rischiano di portarci fuori strada. Un sistema sviluppato in Cina non è automaticamente insicuro, e uno sviluppato negli Stati Uniti o in Europa non è automaticamente affidabile. La provenienza può contare nella valutazione del rischio, ma non può sostituirla.
Per un Security Manager la domanda non è se un’intelligenza artificiale sia cinese, americana o europea. È quali rischi introduca nel sistema che deve proteggere. E per rispondere bisogna guardare oltre il nome del produttore.
Un modello, molte dipendenze
Dietro una semplice finestra di conversazione ci sono più soggetti: chi ha sviluppato il modello, chi lo distribuisce, chi gestisce i server, chi fornisce il cloud, chi costruisce le applicazioni che lo integrano nei processi aziendali. Poi i fornitori di dati, le librerie software, i sistemi di autenticazione, gli strumenti con cui l’IA accede ad altre informazioni.
È una supply chain, e come ogni supply chain introduce dipendenze. L’ENISA Threat Landscape 2026, pubblicato il 22 settembre, conferma che gli attacchi continuano a colpire i punti di dipendenza, comprese le catene di fornitura e i fornitori terzi, e segnala che l’integrazione di sistemi di intelligenza artificiale negli ambienti aziendali amplia la superficie di attacco.
Il problema, quindi, non è solo se il modello sia affidabile, ma se lo sia l’intero sistema attraverso il quale arriva fino a noi. Un modello eccellente può stare dietro un’applicazione vulnerabile. Un servizio con buone protezioni può appoggiarsi a un’infrastruttura che non controlliamo. Oppure può funzionare perfettamente e diventare, all’improvviso, indisponibile: anche questo è un rischio di security, perché la continuità operativa non dipende dalle intenzioni del fornitore, ma dalla capacità del sistema di continuare a funzionare.
Dove finiscono i nostri dati?
Il confronto tra intelligenze artificiali cinesi e occidentali è interessante non perché una debba essere preferita all’altra, ma perché mostra quanto possano differire le condizioni d’uso. Un esempio concreto.
Nell’informativa sulla privacy aggiornata al 17 aprile 2026, DeepSeek dichiara di raccogliere, trattare e conservare direttamente i dati personali nella Repubblica Popolare Cinese, e descrive il possibile uso degli input per migliorare i servizi e addestrare i modelli, con i diritti e le possibilità di opposizione previsti per gli interessati. Si applica ai servizi di DeepSeek (app, siti e servizi correlati), non alle applicazioni di terzi costruite sulla sua piattaforma, per le quali risponde lo sviluppatore.
È un’informazione documentata. Non dimostra che il servizio faccia intelligence, né che i dati siano usati impropriamente. Significa che un’organizzazione europea deve valutare le implicazioni di quel trattamento, compresi i trasferimenti internazionali di dati personali.
Una precisazione: un’informativa privacy riguarda i dati personali, mentre planimetrie, vulnerabilità e analisi di rischio sono soprattutto informazioni riservate. Per queste contano i termini d’uso, gli accordi contrattuali e gli obblighi di riservatezza. L’informativa resta istruttiva perché dichiara come il fornitore può usare ciò che riceve, addestramento dei modelli compreso.
Anche i servizi occidentali hanno condizioni da esaminare. OpenAI distingue tra servizi aziendali (ChatGPT Business, ChatGPT Enterprise e API) e servizi per gli individui: per i primi dichiara di non usare, per impostazione predefinita, input e output per addestrare i modelli. La stessa pagina precisa però che tra i dati usati per l’addestramento rientrano anche quelli delle versioni di ChatGPT e degli altri servizi per gli individui.
Il confronto, va detto, non è tra prodotti equivalenti: stiamo accostando l’informativa generale di un fornitore e la pagina dedicata ai clienti business di un altro. È proprio il punto. Le condizioni cambiano da un fornitore all’altro, e anche tra servizi dello stesso fornitore; nessuna delle due rende automaticamente sicuro, o insicuro, un uso aziendale. Per questo è sbagliato valutare una tecnologia dalla nazionalità del produttore. E non dobbiamo confondere il luogo in cui i dati sono conservati con quello in cui possono essere elaborati, né con le giurisdizioni a cui possono essere soggetti i soggetti che li gestiscono.
La sovranità digitale non è solo sapere dove si trovano i server. È sapere chi può fare cosa con le nostre informazioni.
Il rischio di intelligence non si presume. Si valuta.
Quando si parla di IA e sicurezza nazionale compare inevitabilmente la parola intelligence. Ma bisogna distinguere i fatti dalle deduzioni e dalle ipotesi.
È un fatto che i fornitori di servizi digitali operino in ordinamenti diversi, con obblighi diversi su trattamento dei dati, collaborazione con le autorità e sicurezza delle informazioni. Un esempio documentato riguarda i trasferimenti di dati personali fuori dallo Spazio economico europeo: la Commissione europea ha adottato una decisione di adeguatezza per gli Stati Uniti, limitata alle organizzazioni commerciali che aderiscono al Data Privacy Framework UE-USA; per la Cina non esiste. Servono quindi garanzie appropriate, come le clausole contrattuali standard, e una valutazione delle condizioni del Paese di destinazione. Il Comitato europeo per la protezione dei dati ricorda che le garanzie devono tenere conto anche dell’effettiva protezione assicurata dall’ordinamento del Paese destinatario. Anche le decisioni di adeguatezza, del resto, vanno monitorate da chi esporta i dati, perché possono essere riviste o invalidate.
È una deduzione ragionevole che queste differenze incidano sul rischio, soprattutto quando si trattano informazioni riservate o strategiche.
È un’ipotesi, che richiede evidenze specifiche, sostenere che un determinato sistema sia usato per raccogliere informazioni a favore di un governo.
Confondere i tre livelli significa fare cattiva analisi, e la cattiva analisi produce cattive decisioni. Il punto non è attribuire intenzioni a un Paese: è comprendere le conseguenze operative e giuridiche di una scelta tecnologica.
La sovranità digitale non significa isolamento
Potrebbe sembrare che la soluzione sia usare solo tecnologie sviluppate e gestite entro i propri confini. Sarebbe una conclusione affrettata. Un modello sviluppato all’estero può essere eseguito su infrastrutture controllate dall’organizzazione che lo usa, senza inviare i dati operativi al servizio originario. Viceversa, un modello europeo può essere offerto da piattaforme che introducono dipendenze extraeuropee. E l’esecuzione locale non elimina tutti i rischi: restano quelli di sicurezza del software, provenienza degli aggiornamenti, vulnerabilità e affidabilità del modello.
La distinzione che conta è tra origine della tecnologia e controllo del suo utilizzo. Un’organizzazione dovrebbe poter scegliere quali dipendenze accettare, quali informazioni condividere, quali attività tenere sotto il proprio controllo, e sapere come sostituire un fornitore, recuperare i propri dati o continuare a operare se un servizio sparisse. La sovranità digitale, per il risk management, non coincide con l’autosufficienza tecnologica: coincide con la capacità di non perdere il controllo delle proprie decisioni.
Chi decide quanto possiamo fidarci?
Torniamo al nostro Security Manager. Prima di usare uno strumento di IA dovrebbe sapere quali informazioni può condividere, dove saranno trattate, chi potrà accedervi, quali garanzie offre il fornitore, e se l’organizzazione ha una politica sull’uso dell’intelligenza artificiale. Soprattutto: chi ha l’autorità di autorizzarne l’impiego nei processi più delicati.
Perché qui ritroviamo un problema che conosciamo bene: la tecnologia entra prima delle regole per governarla. Un dipendente scopre uno strumento utile, un responsabile lo usa per accelerare un’attività, un ufficio comincia a inserirlo nei processi. Poi, gradualmente, l’organizzazione dipende da qualcosa che non ha mai valutato formalmente. Non è necessariamente una cattiva scelta tecnologica. È una scelta di governance che nessuno si è accorto di aver fatto.
La fiducia non è una misura di sicurezza
I modelli diventeranno più potenti e più economici, e una parte crescente dell’analisi e del supporto decisionale verrà affidata a questi sistemi. Può essere una grande opportunità. Ma più una tecnologia diventa importante per il funzionamento di un’organizzazione, più dobbiamo comprenderne le dipendenze e sapere che prezzo paghiamo in controllo, riservatezza, continuità operativa e autonomia decisionale.
Con lo stesso rigore per tutti i fornitori. Cinesi. Americani. Europei. Le minacce possono cambiare, le normative differire, i livelli di esposizione variare; il metodo di valutazione del rischio non dovrebbe cambiare con la bandiera. La security non consiste nello scegliere di chi fidarsi, ma nel costruire sistemi che non dipendano solo dalla fiducia.
Alla fine la domanda non è quale intelligenza artificiale stiamo usando. È un’altra.
Se domani quel sistema smettesse di funzionare, cambiasse le proprie condizioni o producesse una valutazione sbagliata, saremmo ancora capaci di prendere una decisione autonoma?
Se la risposta è sì, probabilmente stiamo usando bene la tecnologia. Se è no, forse non abbiamo adottato uno strumento: gli abbiamo ceduto una parte del controllo. E in security il controllo, una volta perso, può essere molto difficile da recuperare.
Fonti essenziali
- ENISA — Threat Landscape 2026, 22 settembre 2026. Minacce alle infrastrutture digitali, dipendenze tecnologiche e supply chain.
- DeepSeek — Informativa sulla privacy, 17 aprile 2026. Trattamento, conservazione e utilizzo dei dati personali.
- OpenAI — Enterprise Privacy. Trattamento dei dati nei servizi aziendali.
- European Data Protection Board — International Data Transfers. Decisioni di adeguatezza e garanzie per i trasferimenti internazionali di dati personali.
Gli scenari descritti sono esempi ipotetici. Le considerazioni sulle dipendenze tecnologiche e sui rischi organizzativi sono valutazioni di security management e non attribuzioni di condotte illecite a specifici fornitori o Paesi.
Lascia un commento