Autore: Ing. Gaetano Riccio[1]
Abstract (IT)
Il presente studio analizza la Legge italiana 132/2025 sull’intelligenza artificiale attraverso una metodologia comparativa che ne esamina la collocazione nel panorama normativo europeo e internazionale. La ricerca evidenzia come l’Italia abbia adottato un modello di “complementarità coordinata” che integra l’approccio antropocentrico nazionale con i requisiti dell’Atto sull’IA europeo, creando il primo precedente di attuazione nazionale del regolamento sovranazionale. L’analisi dottrinale e comparativa rivela significative innovazioni nell’architettura di governance duale, nelle disposizioni penali specifiche per i deep fake e nell’introduzione di sandbox regolamentari per la ricerca sanitaria. Lo studio contribuisce al dibattito accademico fornendo una valutazione sistematica delle dinamiche di coordinamento multilivello nella governance dell’intelligenza artificiale, identificando modelli potenzialmente replicabili per altri ordinamenti dell’Unione Europea.
Parole chiave: Intelligenza artificiale, Atto sull’IA, governance multilivello, regolamentazione nazionale, diritto comparato, complementarità coordinata.
Abstract (EN)
This study analyzes Italian Law 132/2025 on Artificial Intelligence using a comparative methodology that examines its place within the European and international regulatory landscape. The research highlights how Italy has adopted a model of “coordinated complementarity” that integrates the national human-centric approach with the requirements of the European AI Act, creating the first precedent for national implementation of the supranational regulation. The doctrinal and comparative analysis reveals significant innovations in the dual governance architecture, specific criminal provisions for deep fakes, and the introduction of regulatory sandboxes for health research. The study contributes to the academic debate by providing a systematic assessment of multilevel coordination dynamics in AI governance, identifying models potentially replicable for other European Union jurisdictions.
Keywords: Artificial intelligence, AI Act, multilevel governance, national regulation, comparative law, coordinated complementarity.
Sommario
Introduzione, 1.1. Evoluzione degli Studi sulla Governance dell’Intelligenza Artificiale, 1.2. Studi Comparativi Internazionali, 1.3. Governance Multilivello e Coordinamento Istituzionale, 1.4. Letteratura Settoriale: Sanità, Giustizia e Pubblica Amministrazione, 2. Individuazione del Gap nella Letteratura, 2.1. Carenze Metodologiche negli Studi Esistenti, 2.2. Lacune nella Validazione Empirica, 2.3. Assenza di Analisi delle Prime Attuazioni Nazionali, 3. Definizione del Problema di Ricerca, 4. Metodologia della Ricerca, 5. Soluzione Adottata: Il Modello Italiano, 6. Analisi Comparativa Internazionale, 7. Attuazione e Sfide Operative, 8. Implicazioni Costituzionali e Democratiche, 9. Prospettive Future e Sostenibilità del Modello, 10. Conclusioni, Bibliografia
Introduzione
L’avvento dell’intelligenza artificiale ha catalizzato una rivoluzione normativa senza precedenti nelle democrazie occidentali, ponendo sfide inedite ai tradizionali paradigmi regolatori. Il 23 settembre 2025, l’Italia ha promulgato la Legge n. 132, intitolata “Disposizioni e deleghe al Governo in materia di intelligenza artificiale”, diventando il primo paese dell’Unione Europea a dotarsi di una disciplina nazionale organica che integra il Regolamento europeo 2024/1689 (Atto sull’IA). Questo intervento legislativo rappresenta un esperimento normativo di particolare rilevanza scientifica, poiché anticipa questioni cruciali relative all’attuazione nazionale delle normative sovranazionali sull’intelligenza artificiale.
La trasformazione digitale ha posto sfide inedite ai sistemi giuridici contemporanei, richiedendo un approccio metodologico innovativo che superi i tradizionali paradigmi regolatori. La peculiarità dell’intelligenza artificiale risiede nella sua natura trasversale e nella capacità di influenzare simultaneamente molteplici settori della società civile, dalla sanità alla giustizia, dal lavoro alla pubblica amministrazione. Tale complessità richiede un’analisi interdisciplinare che consideri tanto gli aspetti tecnico-giuridici quanto le implicazioni costituzionali e democratiche.
L’esperienza italiana assume rilevanza paradigmatica nel contesto europeo poiché costituisce il primo banco di prova per verificare la sostenibilità e l’efficacia dei modelli di governance multilivello nell’era dell’intelligenza artificiale. La Legge 132/2025 non si limita a recepire passivamente le disposizioni europee, ma elabora soluzioni originali per conciliare le specificità costituzionali nazionali con i requisiti di armonizzazione sovranazionale, creando un precedente normativo di potenziale influenza per altri Stati membri.
Il contesto internazionale evidenzia approcci divergenti alla regolamentazione dell’intelligenza artificiale. Mentre l’Unione Europea ha privilegiato un approccio basato sul rischio centralizzato, gli Stati Uniti hanno sviluppato un modello federale decentralizzato basato su iniziative settoriali e statali. La Cina ha attuato un sistema guidato dallo stato che enfatizza il controllo governativo e la sicurezza nazionale. Il Regno Unito ha optato per un quadro normativo basato sui principi che delega alle autorità esistenti lo sviluppo di linee guida specifiche. In questo panorama frammentato, l’esperienza italiana offre un’alternativa che combina elementi di centralizzazione e decentramento, creando un modello ibrido di potenziale interesse comparativo.
1. Rassegna della Letteratura Accademica
1.1. Evoluzione degli Studi sulla Governance dell’Intelligenza Artificiale
L’analisi della letteratura accademica esistente rivela un panorama frammentato ma in rapida evoluzione. Gli studi pionieristici di governance dell’intelligenza artificiale hanno inizialmente privilegiato approcci settoriali e principi etici non vincolanti. La ricerca di Sloane et al. evidenzia come le prime generazioni di quadri normativi abbiano sofferto di un significativo “divario attuativo” tra principi teorici e applicazione pratica. Analogamente, gli studi di Birkstedt identificano lacune conoscitive nell’operazionalizzazione dei meccanismi di governance organizzativa.
Il contributo di Surden fornisce una delle prime analisi sistematiche del rapporto tra intelligenza artificiale e diritto, delineando le sfide interpretative poste dalle nuove tecnologie ai tradizionali paradigmi giuridici. L’autore sottolinea la necessità di distinguere tra capacità attuali dell’intelligenza artificiale e speculazioni futuristiche, proponendo un approccio pragmatico basato sulle effettive potenzialità tecnologiche disponibili.
La letteratura europea ha progressivamente sviluppato un corpus teorico specifico sui modelli di regolamentazione basati sul rischio. Il lavoro di Madiega analizza criticamente la proposta iniziale dell’Atto sull’IA, evidenziando tensioni interpretative nella definizione di “sistema di intelligenza artificiale” e nelle procedure di valutazione del rischio. Smuha et al. propongono modifiche sostanziali all’approccio basato sul rischio, raccomandando l’ampliamento dell’elenco dei sistemi proibiti e procedure di valutazione indipendente per i sistemi ad alto rischio.
1.2. Studi Comparativi Internazionali
La letteratura comparativa internazionale presenta una stratificazione interessante negli approcci metodologici. I lavori di Chun et al. distinguono tre modelli fondamentali di regolamentazione: l’approccio basato sul rischio europeo, il modello settoriale statunitense e il quadro normativo centralizzato cinese. Tuttavia, questi studi precedono l’emergere delle prime legislazioni nazionali specifiche, creando un vuoto analitico che la presente ricerca intende colmare.
Il contributo di Veale e Zuiderveen Borgesius fornisce un’analisi approfondita delle sfide attuative dell’Atto sull’IA, evidenziando come la maggior parte dei fornitori possa arbitrariamente classificare i sistemi ad alto rischio attraverso procedure di auto-valutazione. Gli autori raccomandano l’introduzione di meccanismi di valutazione indipendente per garantire l’efficacia delle disposizioni normative.
Ricerche più recenti hanno iniziato a esplorare le dinamiche di attuazione nazionale dei regolamenti sovranazionali. Lo studio di Presno Linera fornisce un’analisi comparativa tra l’Atto sull’IA e la Convenzione quadro del Consiglio d’Europa, evidenziando divergenze interpretative significative nei principi di governance democratica e tutela dei diritti umani. Il lavoro identifica tensioni strutturali tra l’approccio tecnico-economico dell’Atto sull’IA e le considerazioni costituzionali nazionali.
1.3. Governance Multilivello e Coordinamento Istituzionale
La letteratura sulla governance multilivello nell’ambito dell’intelligenza artificiale presenta contributi teorici significativi ma limitata validazione empirica. Il quadro normativo di Bannister e Connolly per la valutazione degli strumenti di amministrazione digitale fornisce categorie analitiche utili per valutare l’efficacia delle strutture di governance digitale, evidenziando l’importanza del coordinamento interistituzionale e della capacità amministrativa.
Gli studi di Janowski et al. sviluppano modelli teorici per la governance delle piattaforme digitali governative, identificando principi di trasparenza, responsabilizzazione e partecipazione democratica come elementi cruciali per l’efficacia attuativa. Tuttavia, l’applicazione di questi principi al contesto specifico dell’intelligenza artificiale rimane sottosviluppata nella letteratura esistente.
Il contributo di Angelini offre riflessioni sistematiche sulla governance dell’intelligenza artificiale nel contesto italiano, analizzando le implicazioni dell’apprendimento di Turing e dei processi di “autodeterminazione” algoritmica. L’autore evidenzia la necessità di quadri normativi adattivi che possano evolvere con lo sviluppo tecnologico, mantenendo controllo democratico sui processi decisionali automatizzati.
1.4. Letteratura Settoriale: Sanità, Giustizia e Pubblica Amministrazione
La letteratura settoriale evidenzia specificità applicative che richiedono approcci normativi differenziati. Gli studi sulla piattaforma nazionale per la sanità digitale italiana identificano implicazioni per la semantica e l’interoperabilità dei sistemi di intelligenza artificiale nel settore sanitario, evidenziando tensioni tra innovazione tecnologica e protezione dei dati personali.
Il quadro normativo integrato presentato da De Mascellis per l’intelligenza artificiale generativa nella pubblica amministrazione fornisce un modello operativo che armonizza i requisiti dell’Atto sull’IA, del GDPR e degli standard internazionali. L’analisi dimostra come le amministrazioni che adottano un modello di governance etica e tecnicamente robusto affrontino con maggiore efficacia le sfide di conformità normativa e sicurezza informatica.
La ricerca di Chiappini analizza le implicazioni della regolamentazione europea per la responsabilità civile dei sistemi di intelligenza artificiale, evidenziando lacune normative nella definizione dei rapporti di causalità e nell’allocazione della responsabilità tra sviluppatori, fornitori e utilizzatori. L’autore propone modifiche al quadro normativo per garantire tutela effettiva dei diritti dei danneggiati.
2.Individuazione del Gap nella Letteratura
2.1. Carenze Metodologiche negli Studi Esistenti
L’analisi critica della letteratura esistente rivela tre lacune principali che la presente ricerca intende affrontare. Primo, la maggior parte degli studi si concentra su quadri normativi teorici o proposte normative, trascurando l’analisi empirica delle prime attuazioni legislative concrete. La letteratura privilegia approcci deduttivi basati su principi normativi astratti, senza verificare l’efficacia operativa delle soluzioni proposte nel contesto delle amministrazioni pubbliche reali.
Secondo, manca una valutazione sistematica delle dinamiche di coordinamento tra normative nazionali e sovranazionali nell’ambito dell’intelligenza artificiale. Gli studi esistenti analizzano separatamente i quadri normativi europei e nazionali, senza esaminare le interazioni sistemiche e i potenziali conflitti interpretativi che emergono nell’attuazione pratica. Questa carenza è particolarmente evidente nell’assenza di modelli teorici per valutare la coerenza verticale tra diversi livelli normativi.
Terzo, la letteratura non ha ancora sviluppato metodologie adeguate a valutare l’efficacia delle diverse strategie regolamentari nell’equilibrare innovazione e protezione dei diritti. I criteri di valutazione utilizzati negli studi esistenti privilegiano aspetti di conformità formale, trascurando l’impatto sostanziale sullo sviluppo tecnologico e la tutela dei diritti fondamentali.
2.2. Lacune nella Validazione Empirica
La letteratura accademica presenta un significativo deficit nella validazione empirica dei quadri normativi teorici proposti. I modelli di governance dell’intelligenza artificiale sono generalmente sviluppati attraverso metodologie deduttive basate su principi normativi, senza verifica sperimentale della loro applicabilità nel contesto delle organizzazioni reali. Questa carenza limita la possibilità di identificare fattori critici di successo e barriere attuative effettive.
Gli studi di Perkins et al. evidenziano come l’analisi tematica assistita da intelligenza artificiale possa rivelare pattern ricorrenti nelle politiche editoriali accademiche, ma sottolineano la necessità di triangolazione metodologica per garantire robustezza interpretativa. L’approccio suggerisce l’importanza di combinare tecniche quantitative e qualitative nell’analisi delle politiche di governance dell’intelligenza artificiale.
La carenza di studi longitudinali impedisce la valutazione dell’evoluzione temporale dei quadri normativi e della loro capacità di adattamento alle innovazioni tecnologiche. La natura dinamica dell’intelligenza artificiale richiede approcci metodologici che possano catturare processi di cambiamento e apprendimento istituzionale nel tempo.
2.3. Assenza di Analisi delle Prime Attuazioni Nazionali
Questa carenza è particolarmente evidente nell’assenza di studi dedicati alle prime esperienze nazionali di attuazione dell’Atto sull’IA europeo. La Legge italiana 132/2025 rappresenta il primo caso di studio concreto disponibile per l’analisi accademica, offrendo un’opportunità unica per esaminare le dinamiche di adattamento normativo nazionale nel settore dell’intelligenza artificiale.
La letteratura esistente si concentra prevalentemente sull’analisi dell’Atto sull’IA come quadro normativo astratto, senza considerare le specificità attuative che emergono nell’adattamento ai contesti costituzionali e amministrativi nazionali. Questa lacuna impedisce la comprensione delle modalità attraverso cui i principi europei si traducono in disposizioni operative concrete e delle tensioni che possono emergere nel processo di attuazione.
L’assenza di studi comparativi sulle prime esperienze nazionali limita la possibilità di identificare migliori pratiche replicabili e di sviluppare modelli teorici per la governance multilivello dell’intelligenza artificiale nel contesto europeo. La presente ricerca intende contribuire a colmare questa lacuna attraverso l’analisi sistematica del caso italiano.
3. Definizione del Problema di Ricerca
Il problema di ricerca centrale riguarda la comprensione delle modalità attraverso cui le legislazioni nazionali possano efficacemente complementare i quadri normativi sovranazionali nell’ambito dell’intelligenza artificiale, mantenendo coerenza sistemica e promuovendo l’innovazione responsabile. Specificamente, la ricerca si propone di analizzare come la Legge italiana 132/2025 risolva le tensioni tra standardizzazione europea e specificità nazionali, identificando modelli replicabili per altri ordinamenti.
La questione assume particolare rilevanza considerando che l’Atto sull’IA europeo lascia ampi margini di attuazione nazionale, specialmente per settori specifici come la sanità, la giustizia e l’amministrazione pubblica. L’esperienza italiana fornisce dunque un laboratorio normativo per valutare strategie alternative di governance dell’intelligenza artificiale, con potenziali implicazioni per l’evoluzione del diritto europeo dell’intelligenza artificiale.
La problematica si articola in tre dimensioni interconnesse. Prima, la dimensione costituzionale: come conciliare i principi costituzionali nazionali (dignità umana, tutela dei diritti fondamentali, principio di legalità) con i requisiti tecnico-economici dell’Atto sull’IA europeo. Seconda, la dimensione amministrativa: come strutturare architetture di governance che garantiscano coordinamento efficace tra autorità nazionali ed europee senza creare duplicazioni o conflitti di competenza. Terza, la dimensione funzionale: come bilanciare obiettivi di innovazione tecnologica con esigenze di tutela dei diritti e sicurezza nazionale.
Il problema principale si articola in quattro sotto-problemi specifici che guidano l’analisi empirica. Primo, l’identificazione dei meccanismi attraverso cui la Legge 132/2025 traduce i principi astratti dell’Atto sull’IA in disposizioni operative concrete, analizzando le scelte interpretative e le innovazioni procedurali introdotte dal legislatore italiano.
Secondo, la valutazione dell’efficacia dell’architettura di governance duale italiana (ACN-AgID) nel garantire coordinamento interistituzionale e coerenza decisionale, comparando questa soluzione con modelli alternativi adottati in altri contesti nazionali e internazionali.
Terzo, l’analisi delle implicazioni costituzionali e democratiche delle soluzioni adottate, con particolare attenzione all’equilibrio tra discrezionalità amministrativa e controllo democratico, e alla tutela dei diritti fondamentali nei processi decisionali automatizzati.
Quarto, l’identificazione delle condizioni di replicabilità dell’esperienza italiana in altri ordinamenti europei, considerando variabili costituzionali, amministrative e politico-culturali che possono influenzare l’efficacia delle soluzioni adottate.
4. Metodologia della Ricerca
La presente ricerca adotta un approccio metodologico qualitativo basato su analisi dottrinale comparativa e studio di caso. La metodologia si articola in tre fasi principali, ciascuna caratterizzata da specifiche tecniche di raccolta e analisi dei dati. La scelta di privilegiare l’approccio qualitativo rispetto a metodologie quantitative riflette la natura esplorativa della ricerca e la limitata disponibilità di dati empirici sull’attuazione delle normative recenti.
L’approccio metodologico integra elementi di diritto pubblico comparato con analisi di attuazione delle politiche, utilizzando strumenti concettuali derivati dalla teoria della regolazione e dalla scienza dell’amministrazione. La triangolazione metodologica proposta da Perkins et al. viene applicata per garantire robustezza interpretativa, combinando tecniche di analisi testuale automatizzata con valutazione qualitativa esperta.
Il quadro normativo teorico di riferimento si basa sui modelli di governance multilivello sviluppati da Bannister e Connolly per l’amministrazione digitale e adattati al contesto specifico dell’intelligenza artificiale attraverso l’integrazione con i principi di governance responsabile dell’IA identificati nella letteratura specialistica.
La prima fase comporta l’analisi testuale sistematica della Legge 132/2025 e dei documenti preparatori, utilizzando tecniche di analisi giuridica automatizzata per identificare principi normativi e meccanismi attuativi. L’analisi si concentra su quattro dimensioni principali: struttura normativa, principi ispiratori, meccanismi di governance e procedure attuative.
La metodologia PRISMA (Elementi di Segnalazione Preferiti per Revisioni Sistematiche e Meta-Analisi) viene applicata per garantire sistematicità nell’identificazione e classificazione delle disposizioni normative rilevanti. L’analisi testuale è supportata da strumenti di elaborazione del linguaggio naturale per identificare modelli ricorrenti e relazioni concettuali tra diverse sezioni della normativa.
I documenti preparatori analizzati includono: relazione accompagnatoria della proposta di legge, pareri delle commissioni parlamentari competenti, emendamenti proposti durante l’iter legislativo, e documentazione tecnica prodotta dalle amministrazioni coinvolte nell’attuazione. Questa documentazione fornisce approfondimenti sulle motivazioni delle scelte normative e sulle aspettative degli attori istituzionali.
La seconda fase comporta l’analisi comparativa orizzontale con i principali quadri normativi internazionali attraverso una griglia analitica multidimensionale. I casi di confronto includono: Atto sull’IA europeo (riferimento di base), Ordine Esecutivo 14110 statunitense, regolamentazioni cinesi sull’intelligenza artificiale generativa, e quadro normativo britannico basato sui principi.
La griglia analitica si articola in sei dimensioni: ambito di applicazione, approccio regolatorio (basato sul rischio vs. basato sui principi vs. settoriale), architettura di governance, meccanismi di applicazione, bilanciamento innovazione-diritti, e coordinamento interistituzionale. Per ciascuna dimensione vengono identificati indicatori specifici che consentono la comparazione sistematica tra diversi modelli normativi.
L’analisi comparativa utilizza il quadro normativo sviluppato da Yin per gli studi di caso multipli, con particolare attenzione all’identificazione di modelli ricorrenti, fattori differenziali e condizioni contestuali che influenzano l’efficacia delle diverse soluzioni normative. La metodologia consente di identificare elementi di convergenza e divergenza tra approcci regolatori alternativi.
La terza fase applica modelli teorici di governance multilivello per valutare le implicazioni sistemiche delle soluzioni adottate. L’analisi si concentra su tre dimensioni: coerenza verticale (coordinamento tra livelli normativi europeo e nazionale), coerenza orizzontale (coordinamento tra diverse autorità nazionali), e sostenibilità temporale (capacità di adattamento alle evoluzioni tecnologiche).
La valutazione utilizza criteri derivati dalla teoria della regolazione responsiva e dalla letteratura su governance adattiva, identificando meccanismi di retroazione e apprendimento istituzionale incorporati nel quadro normativo italiano. L’analisi considera tanto aspetti formali (disposizioni normative esplicite) quanto aspetti sostanziali (dinamiche attuative prevedibili).
La metodologia incorpora elementi di analisi degli scenari per valutare la robustezza delle soluzioni adottate in condizioni di incertezza tecnologica e regolamentare. Vengono considerati scenari alternativi di sviluppo tecnologico e di evoluzione del quadro normativo europeo per testare l’adattabilità del modello italiano.
5. Soluzione Adottata: Il Modello Italiano
La Legge 132/2025 adotta un modello di “complementarità coordinata” che si distingue per tre caratteristiche innovative rispetto ai precedenti quadri normativi nazionali. Primo, l’approccio antropocentrico che pone la dignità umana al centro del sistema normativo, traducendo in disposizioni operative i principi costituzionali italiani. Questa scelta differenzia significativamente il modello italiano dall’approccio prevalentemente tecnico-economico dell’Atto sull’IA europeo, introducendo considerazioni valoriali esplicite nella valutazione dei sistemi di intelligenza artificiale.
L’articolo 1 della Legge stabilisce che “lo sviluppo e l’impiego di sistemi di intelligenza artificiale devono essere orientati al rispetto della dignità umana, dei diritti fondamentali e delle libertà democratiche, promuovendo un progresso tecnologico inclusivo e sostenibile”. Questa formulazione rappresenta una novità nel panorama normativo europeo, poiché eleva principi costituzionali nazionali a criteri operativi per la valutazione dell’intelligenza artificiale.
Secondo, l’architettura di governance duale che assegna competenze specifiche all’Agenzia per la Cybersicurezza Nazionale (ACN) per gli aspetti di vigilanza e sicurezza, e all’Agenzia per l’Italia Digitale (AgID) per la promozione dell’innovazione e la gestione delle procedure di conformità. Questa divisione funzionale rappresenta una soluzione originale al problema del bilanciamento tra sicurezza e innovazione, evitando la concentrazione di poteri potenzialmente conflittuali in un’unica autorità.
Terzo, l’introduzione di disposizioni penali specifiche per l’illecita diffusione di contenuti generati artificialmente (deep fake), che colma una lacuna dell’Atto sull’IA europeo in materia di tutela penale. L’articolo 612-quater del Codice penale italiano rappresenta una delle prime criminalizzazioni specifiche di pratiche lesive legate all’intelligenza artificiale generativa, stabilendo sanzioni detentive fino a due anni per la diffusione non consensuale di deep fake.
L’architettura di governance italiana introduce elementi di innovazione procedurale significativi rispetto ai modelli europei e internazionali esistenti. La distinzione funzionale tra ACN e AgID riflette una comprensione sofisticata delle tensioni inerenti alla regolamentazione dell’intelligenza artificiale, riconoscendo che obiettivi di sicurezza e innovazione richiedono competenze specialistiche diverse e potenzialmente complementari.
L’ACN assume responsabilità per la vigilanza sui sistemi ad alto rischio, la gestione degli incidenti di sicurezza, e il coordinamento con le autorità europee per l’applicazione dell’Atto sull’IA. Le competenze includono l’autorizzazione all’immissione sul mercato di sistemi critici, l’ispezione delle procedure di conformità, e l’irrogazione di sanzioni amministrative. La scelta di affidare queste funzioni all’ACN riflette la natura dual-use dell’intelligenza artificiale e l’importanza delle considerazioni di sicurezza nazionale.
AgID mantiene competenze per la promozione dell’innovazione, la gestione delle sandbox regolamentari, e il supporto tecnico alle pubbliche amministrazioni nell’adozione di sistemi di intelligenza artificiale. L’agenzia è responsabile per lo sviluppo di linee guida tecniche, la certificazione di competenze professionali, e il coordinamento con l’ecosistema dell’innovazione nazionale. Questa divisione consente la specializzazione funzionale e riduce il rischio di conflitti di interesse tra obiettivi regolatori e promozionali.
Il modello prevede meccanismi di coordinamento interistituzionale attraverso un Comitato Strategico per l’Intelligenza Artificiale, presieduto dal Ministro per l’Innovazione e composto da rappresentanti delle due agenzie, del Garante per la Protezione dei Dati Personali, e delle amministrazioni settoriali competenti. Questa struttura garantisce coerenza decisionale e facilita la risoluzione di potenziali conflitti dio competenza.
La Legge 132/2025 introduce disposizioni settoriali innovative che anticipano esigenze specifiche non completamente affrontate dall’Atto sull’IA europeo. Nel settore sanitario, la normativa prevede la creazione di sandbox regolamentari per la sperimentazione di dispositivi medici basati su intelligenza artificiale, con procedure accelerate per l’autorizzazione di tecnologie innovative. Gli articoli 8-9 riconoscono esplicitamente il valore dei dati sintetici per la ricerca medica, stabilendo un quadro giuridico per il loro utilizzo in contesti sperimentali.
Nel settore della giustizia, la legge stabilisce principi di trasparenza algoritmica per i sistemi di supporto decisionale utilizzati nelle procedure giudiziarie, richiedendo la spiegabilità delle decisioni automatizzate e la possibilità di revisione umana. L’articolo 15 vieta l’utilizzo di sistemi di intelligenza artificiale per la valutazione della credibilità testimoniale, mantenendo esclusiva competenza umana in aspetti cruciali del processo penale.
Per la pubblica amministrazione, la normativa introduce l’obbligo di valutazione d’impatto algoritmica (VIA) per tutti i sistemi di intelligenza artificiale utilizzati nei processi decisionali che incidono sui diritti dei cittadini. La VIA deve includere analisi delle distorsioni, valutazione dell’accuratezza, e meccanismi di monitoraggio continuo. Questa disposizione va oltre i requisiti dell’Atto sull’IA, stabilendo obblighi procedurali specifici per il settore pubblico.
Il coordinamento con il quadro europeo avviene attraverso tre meccanismi principali che garantiscono coerenza sistemica mantenendo specificità nazionali. Primo, il principio di conformità presunta: i sistemi che rispettano i requisiti dell’Atto sull’IA sono automaticamente considerati conformi alla normativa italiana, evitando duplicazioni procedurali. Questo meccanismo riduce oneri amministrativi per gli operatori e facilita la circolazione dei prodotti nel mercato unico europeo.
Secondo, la procedura di notifica preventiva: le autorità italiane devono notificare alla Commissione Europea le linee guida tecniche e gli atti regolamentari di attuazione prima della loro adozione, consentendo coordinamento ex ante e prevenzione di conflitti interpretativi. La procedura include un periodo di consultazione di sessanta giorni durante il quale la Commissione può formulare osservazioni vincolanti.
Terzo, il meccanismo di riconoscimento reciproco: le decisioni adottate dalle autorità di altri Stati membri dell’UE sono riconosciute automaticamente in Italia, salvo motivate ragioni di sicurezza nazionale o ordine pubblico. Questa disposizione facilita l’applicazione transnazionale e riduce il rischio di forum shopping regolatorio.
La legge prevede inoltre la partecipazione italiana al sistema di allerta rapida europeo per incidenti di sicurezza legati all’intelligenza artificiale, garantendo coordinamento operativo tra autorità nazionali ed europee nella gestione delle emergenze. Il sistema include protocolli per la condivisione di informazioni sensibili e meccanismi di risposta coordinata per minacce sistemiche.
6. Analisi Comparativa Internazionale
L’approccio statunitense alla regolamentazione dell’intelligenza artificiale si caratterizza per un modello federale decentralizzato basato su agenzie settoriali e iniziative statali autonome. L’Ordine Esecutivo 14110 “Intelligenza Artificiale Sicura, Protetta e Affidabile” del 30 ottobre 2023 stabilisce un quadro normativo coordinato ma non vincolante per le agenzie federali, delegando l’attuazione specifica alle autorità settoriali esistenti.
Il Quadro di Gestione del Rischio IA del NIST fornisce linee guida volontarie per la gestione dei rischi dell’intelligenza artificiale, enfatizzando approcci basati sul mercato e autoregolamentazione. Il quadro normativo identifica quattro funzioni principali: Governare (governance), Mappare (identificazione dei rischi), Misurare (misurazione e valutazione), e Gestire (gestione e mitigazione). Tuttavia, l’assenza di obblighi vincolanti limita l’efficacia attuativa, affidando la conformità alla responsabilità volontaria degli operatori privati.
Le iniziative statali introducono maggiore eterogeneità normativa. Il California SB 1047 “Legge per l’Innovazione Sicura e Protetta per Modelli di Intelligenza Artificiale di Frontiera” stabilisce requisiti specifici per i modelli di intelligenza artificiale di grandi dimensioni, includendo obblighi di test di sicurezza e protezione degli informatori. Tuttavia, la frammentazione normativa tra stati crea complessità attuative per operatori multi-statali e potenziali conflitti giurisdizionali.
Il confronto con il modello italiano evidenzia differenze strutturali significative. Mentre l’approccio statunitense privilegia flessibilità e regolamentazione favorevole all’innovazione, il modello italiano enfatizza certezza giuridica e tutela dei diritti fondamentali. La governance duale italiana (ACN-AgID) contrasta con la frammentazione statunitense tra multiple agenzie federali senza coordinamento centralizzato.
Il modello cinese di regolamentazione dell’intelligenza artificiale rappresenta l’approccio più centralizzato tra i casi analizzati, caratterizzato da controllo governativo diretto e integrazione con obiettivi di politica industriale nazionale. Le “Misure Provvisorie per l’Amministrazione della Sintesi Profonda” del 2022 e le “Bozza di Misure per i Servizi di IA Generativa” del 2023 stabiliscono un quadro normativo completo che combina promozione dell’innovazione con controllo sociale e sicurezza nazionale.
Il sistema cinese attua procedure di approvazione preventiva per i servizi di intelligenza artificiale generativa destinati al pubblico, richiedendo autorizzazione governativa prima dell’impiego. Questo approccio contrasta significativamente con il modello basato sul rischio europeo e italiano, che privilegia valutazione di conformità ex post piuttosto che controllo preventivo. L’Amministrazione del Cyberspazio della Cina (CAC) mantiene autorità centralizzata per l’approvazione, il monitoraggio e l’applicazione.
L’integrazione con il Sistema di Credito Sociale introduce elementi di governance sociale attraverso l’intelligenza artificiale, utilizzando tecnologie di punteggio per valutare affidabilità individuale e aziendale. Questo modello rappresenta un’applicazione sistemica dell’intelligenza artificiale per obiettivi di controllo sociale che non trova equivalenti nei quadri normativi occidentali.
Il confronto evidenzia la specificità del modello italiano nel bilanciare controllo governativo e libertà di mercato. Mentre il sistema cinese privilegia autorità statale centralizzata, l’approccio italiano mantiene spazio per autonomia privata attraverso meccanismi di valutazione di conformità e autoregolamentazione guidata. La governance duale italiana rappresenta una via media tra centralizzazione cinese e decentralizzazione statunitense.
Il Regno Unito ha sviluppato un approccio basato sui principi che delega alle autorità settoriali esistenti lo sviluppo di linee guida specifiche, mantenendo flessibilità regolatoria e evitando duplicazioni normative. Il “Libro Bianco sull’IA” del marzo 2023 identifica cinque principi fondamentali: sicurezza, protezione e robustezza; trasparenza e spiegabilità appropriate; equità; responsabilizzazione e governance; contestabilità e ricorso.
L’attuazione avviene attraverso regolatori esistenti (OFCOM per telecomunicazioni, FCA per servizi finanziari, MHRA per dispositivi medici) che sviluppano orientamenti settoriali basati sui principi generali. Questo approccio evita la creazione di nuove strutture di governance ma rischia frammentazione interpretativa e lacune regolamentari per settori non coperti da autorità esistenti.
Il modello britannico enfatizza regolamentazione favorevole all’innovazione attraverso sandbox regolamentari e approcci di prova e apprendimento. L’Istituto per la Sicurezza dell’IA del Regno Unito fornisce supporto tecnico e coordina ricerca sulla sicurezza dell’intelligenza artificiale, ma senza poteri regolatori diretti. L’approccio privilegia collaborazione volontaria con l’industria piuttosto che applicazione cogente.
Il confronto con l’esperienza italiana evidenzia compromessi significativi tra flessibilità e certezza giuridica. Il modello britannico massimizza adattabilità alle specificità settoriali ma può generare incertezza interpretativa per operatori multisettoriali. L’approccio italiano sacrifica flessibilità per garantire maggiore prevedibilità normativa attraverso regole centrali armonizzate.
L’analisi comparativa posiziona il modello italiano come approccio ibrido che combina elementi di centralizzazione europea, specificità nazionali, e politiche favorevoli all’innovazione. La complementarità coordinata italiana rappresenta un’alternativa ai modelli polarizzati di altri ordinamenti, tentando di conciliare esigenze apparentemente contraddittorie.
Rispetto al modello europeo, l’Italia introduce maggiore specificità settoriale e considerazioni costituzionali nazionali. Rispetto all’approccio statunitense, garantisce maggiore centralizzazione e certezza giuridica. Rispetto al sistema cinese, mantiene spazio per autonomia privata e tutela dei diritti. Rispetto al quadro normativo britannico, fornisce regole più dettagliate e strutture di governance dedicate.
L’innovazione principale risiede nell’architettura di governance duale che separa funzioni di promozione e regolamentazione, riducendo conflitti di interesse e consentendo specializzazione funzionale. Questa soluzione potrebbe rappresentare un modello replicabile per altri Stati membri dell’UE che devono bilanciare specificità nazionali con armonizzazione europea.
Le disposizioni penali specifiche per deep fake rappresentano un elemento di pionierismo normativo che potrebbe influenzare sviluppi legislativi in altri ordinamenti. La criminalizzazione di pratiche lesive specifiche dell’intelligenza artificiale generativa colma lacune dei quadri normativi internazionali esistenti, fornendo tutela penale diretta per nuove tipologie di reato.
7. Attuazione e Sfide Operative
L’attuazione della Legge 132/2025 prevede un complesso sistema di atti delegati e regolamenti attuativi che dovranno essere adottati entro sei mesi dall’entrata in vigore. Il modello attuativo si articola su tre livelli: decreti legislativi per la definizione dei principi applicativi settoriali, regolamenti ministeriali per le procedure operative, e linee guida tecniche per gli aspetti attuativi di dettaglio.
I decreti legislativi delegati dovranno specificare le modalità di applicazione dei principi generali nei settori della sanità, giustizia, pubblica amministrazione, trasporti e servizi finanziari. La delega parlamentare stabilisce principi e criteri direttivi specifici per ciascun settore, richiedendo particolare attenzione al bilanciamento tra innovazione tecnologica e tutela dei diritti fondamentali. L’ampio ricorso alla delegazione legislativa riflette la complessità tecnica della materia e la necessità di adattamento rapido alle evoluzioni tecnologiche.
I regolamenti ministeriali definiranno le procedure operative per l’autorizzazione dei sistemi ad alto rischio, la gestione delle sandbox regolamentari, e i meccanismi di coordinamento tra ACN e AgID. Particolare rilevanza assume il regolamento per la valutazione d’impatto algoritmica nella pubblica amministrazione, che dovrà stabilire metodologie standardizzate per la valutazione di distorsioni, accuratezza e impatto sui diritti dei cittadini.
Le linee guida tecniche, elaborate congiuntamente da ACN e AgID, forniranno specifiche attuative per conformità, testing, e monitoraggio dei sistemi di intelligenza artificiale. Queste linee guida dovranno essere aggiornate periodicamente per riflettere l’evoluzione tecnologica e l’emergere di nuovi rischi. Il processo di aggiornamento prevede consultazione pubblica e coordinamento con le autorità europee competenti.
La governance duale ACN-AgID richiede meccanismi di coordinamento sofisticati per evitare sovrapposizioni di competenza e garantire coerenza decisionale. Il Comitato Strategico per l’Intelligenza Artificiale assume funzione di coordinamento superiore, ma la sua efficacia dipenderà dalla capacità di risolvere conflitti interpretativi e definire priorità condivise tra agenzie con mandati parzialmente sovrapposti.
La distribuzione delle competenze presenta aree di potenziale ambiguità, particolarmente per sistemi che combinano funzioni di sicurezza e innovazione. I sistemi di intelligenza artificiale per la sicurezza informatica, ad esempio, rientrano potenzialmente nelle competenze di entrambe le agenzie, richiedendo protocolli procedurali chiari per evitare duplicazioni o lacune nella supervisione. La legge prevede meccanismi di consultazione obbligatoria tra agenzie per decisioni che possano incidere su competenze concorrenti.
Il coordinamento con autorità settoriali esistenti (Garante Privacy, IVASS, Consob, AIFA) presenta ulteriori complessità attuative. La legge stabilisce il principio di competenza primaria delle autorità settoriali per aspetti specifici della loro expertise, ma richiede coordinamento con ACN e AgID per profili trasversali di intelligenza artificiale. Questo modello multi-autorità richiede protocolli di collaborazione dettagliati e meccanismi di risoluzione delle controversie per conflitti giurisdizionali.
La capacità amministrativa rappresenta un fattore critico per l’efficacia attuativa. Entrambe le agenzie dovranno sviluppare competenze tecniche specialistiche e assumere personale qualificato in ambiti altamente competitivi nel mercato del lavoro. Il piano di sviluppo delle competenze prevede collaborazioni con università, centri di ricerca, e partenariati internazionali per garantire accesso alle competenze necessarie.
L’applicazione della Legge 132/2025 presenta sfide significative legate alla natura tecnica dell’intelligenza artificiale e alla rapidità dell’evoluzione tecnologica. Le procedure di valutazione della conformità richiedono competenze specialistiche per la valutazione di algoritmi complessi, la verifica di insiemi di dati di addestramento, e la valutazione di metriche di prestazione. La scarsità di competenze tecniche nelle amministrazioni pubbliche potrebbe limitare l’efficacia dei controlli e creare asimmetrie informative tra regolatore e industria.
I meccanismi di verifica algoritmica presentano particolare complessità per sistemi basati su apprendimento automatico, dove la relazione input-output non è deterministica e può evolvere nel tempo attraverso processi di apprendimento continuo. Le linee guida tecniche dovranno sviluppare metodologie standardizzate per la verifica di sistemi adattivi, includendo tecniche di IA spiegabile e monitoraggio continuo.
La natura transnazionale dell’intelligenza artificiale crea sfide giurisdizionali per l’applicazione. Molti sistemi sono sviluppati da aziende multinazionali con componenti distribuiti globalmente (dati, algoritmi, infrastrutture). L’identificazione del soggetto responsabile e l’applicazione di sanzioni richiede coordinamento internazionale e può essere ostacolata da conflitti di giurisdizione o resistenze diplomatiche.
La rapidità dell’innovazione tecnologica può rendere obsolete disposizioni normative specifiche, creando ritardo regolamentare tra sviluppo e supervisione. Il modello italiano cerca di affrontare questa sfida attraverso meccanismi di aggiornamento accelerato delle linee guida tecniche e procedure di risposta di emergenza per nuovi rischi sistemici. Tuttavia, l’efficacia di questi meccanismi dipenderà dalla capacità delle amministrazioni di monitorare continuamente l’evoluzione tecnologica.
8. Implicazioni Costituzionali e Democratiche
L’integrazione dell’intelligenza artificiale nei processi decisionali pubblici solleva questioni costituzionali fondamentali che la Legge 132/2025 affronta attraverso principi innovativi di governance algoritmica. Il principio di legalità sostanziale richiede che le decisioni automatizzate siano riconducibili a parametri normativi determinati e sindacabili, evitando deleghe in bianco a sistemi algoritmici. L’articolo 5 della legge stabilisce che “ogni decisione amministrativa assistita da intelligenza artificiale deve rimanere sotto controllo umano significativo e essere motivata con riferimento ai criteri normativi applicati”.
Il principio di uguaglianza formale e sostanziale presenta implicazioni complesse per sistemi di intelligenza artificiale che possono perpetuare o amplificare distorsioni esistenti nei dati di addestramento. La legge introduce l’obbligo di valutazione delle distorsioni per tutti i sistemi utilizzati in contesti pubblici, richiedendo valutazione dell’impatto discriminatorio su gruppi protetti e attuazione di misure correttive. Questa disposizione va oltre i requisiti dell’Atto sull’IA europeo, stabilendo standard specifici per il settore pubblico.
Il diritto alla tutela giurisdizionale effettiva richiede che le decisioni algoritmiche siano contestabili e sindacabili attraverso rimedi giurisdizionali adeguati. L’articolo 12 della legge garantisce il diritto alla spiegazione delle decisioni automatizzate, stabilendo che “ogni interessato ha diritto a ottenere informazioni comprensibili sui criteri e la logica utilizzata dal sistema di intelligenza artificiale”. Questa disposizione estende il diritto alla spiegazione del GDPR ai contesti non-privacy, creando un nuovo diritto procedurale.
La separazione dei poteri presenta tensioni specifiche quando algoritmi sono utilizzati nel sistema giudiziario. La legge vieta l’utilizzo di intelligenza artificiale per la valutazione della credibilità testimoniale e la determinazione della pena, mantenendo esclusiva competenza umana per funzioni giurisdizionali fondamentali. Tuttavia, consente sistemi di supporto decisionale per ricerca giurisprudenziale e redazione di atti, purché sotto controllo umano significativo.
La protezione dei diritti fondamentali nel contesto dell’intelligenza artificiale richiede bilanciamento tra efficienza tecnologica e tutela dei diritti individuali. La Legge 132/2025 introduce il principio di agency umana, richiedendo che le persone mantengano controllo significativo sui processi decisionali che li riguardano. Questo principio si traduce in obblighi procedurali specifici: diritto di esclusione per decisioni automatizzate, possibilità di revisione umana, e accesso a rimedi effettivi.
Il diritto alla privacy presenta complessità specifiche nel contesto dell’intelligenza artificiale, dove l’elaborazione di dati personali può avvenire attraverso tecniche di inferenza che derivano informazioni sensibili da dati apparentemente neutri. La legge stabilisce principi di minimizzazione dei dati e limitazione della finalità specifici per l’intelligenza artificiale, richiedendo che i sistemi utilizzino solo dati strettamente necessari per le finalità dichiarate e implementino tecniche di privacy per progettazione.
La libertà di espressione e informazione può essere limitata da sistemi di moderazione dei contenuti basati su intelligenza artificiale che possono bloccare eccessivamente contenuti legittimi o perpetuare distorsioni culturali. La legge richiede trasparenza nelle regole di moderazione dei contenuti e possibilità di ricorso umano per decisioni automatizzate. Particolare attenzione è dedicata alla tutela del pluralismo informativo e della diversità culturale nei sistemi di raccomandazione.
I diritti sociali (salute, educazione, lavoro) possono essere significativamente impattati da sistemi di intelligenza artificiale utilizzati per l’allocazione di risorse e servizi pubblici. La legge stabilisce principi di equità distributiva e non-discriminazione, richiedendo che i sistemi pubblici di intelligenza artificiale promuovano inclusione sociale e non aggravino disuguaglianze esistenti. Meccanismi di monitoraggio continuo devono verificare l’impatto sui gruppi vulnerabili.
La responsabilizzazione democratica dei sistemi di intelligenza artificiale richiede meccanismi di controllo pubblico che vadano oltre la supervisione tecnica e includano valutazione politica delle scelte algoritmiche. La Legge 132/2025 prevede relazioni annuali al Parlamento sull’utilizzo dell’intelligenza artificiale nelle amministrazioni pubbliche, includendo statistiche di prestazione, segnalazione di incidenti, e valutazione dell’impatto sui servizi pubblici.
La trasparenza algoritmica presenta tensioni tra necessità di divulgazione e protezione di proprietà intellettuale o sicurezza nazionale. La legge stabilisce un regime di trasparenza graduata: piena divulgazione per sistemi che incidono direttamente sui diritti individuali, divulgazione limitata per sistemi di sicurezza nazionale, e divulgazione settoriale per sistemi commerciali utilizzati in contesti pubblici. Le modalità di divulgazione devono garantire comprensibilità per cittadini non-esperti e utilizzo di linguaggio semplice.
Il controllo parlamentare si estende alla valutazione delle politiche di intelligenza artificiale attraverso audizioni delle autorità competenti e analisi dell’impatto delle scelte tecnologiche sulle politiche pubbliche. Commissioni parlamentari specializzate dovranno sviluppare competenze tecniche per supervisione efficace, eventualmente supportate da comitati consultivi tecnico-scientifici indipendenti.
La partecipazione pubblica ai processi decisionali sull’intelligenza artificiale rappresenta una sfida democratica significativa data la complessità tecnica della materia. La legge prevede consultazioni pubbliche per l’adozione di linee guida rilevanti e meccanismi di coinvolgimento dei portatori di interesse per politiche di settore. Tuttavia, l’efficacia della partecipazione dipenderà dalla capacità di rendere accessibili questioni tecniche complesse e di incorporare contributi pubblici nelle decisioni finali.
9. Prospettive Future e Sostenibilità del Modello
La sostenibilità a lungo termine del modello italiano dipende dalla sua capacità di adattamento alle rapide evoluzioni dell’intelligenza artificiale. L’emergere di nuove tecnologie come l’intelligenza artificiale generale (AGI), i sistemi neurali avanzati e l’intelligenza artificiale quantistica porrà sfide inedite che l’attuale quadro normativo potrebbe non essere in grado di affrontare adeguatamente.
Il modello prevede meccanismi di aggiornamento continuo attraverso l’adozione di linee guida tecniche flessibili e procedure di risposta di emergenza per nuovi rischi sistemici. Tuttavia, l’efficacia di questi meccanismi dipenderà dalla capacità delle istituzioni di monitorare continuamente l’evoluzione tecnologica e di anticipare implicazioni normative di tecnologie emergenti. La creazione di un osservatorio tecnologico permanente potrebbe fornire allerta precoce per sviluppi dirompenti.
La standardizzazione internazionale dell’intelligenza artificiale attraverso organismi come ISO, IEEE e ITU influenzerà significativamente l’evoluzione del quadro normativo italiano. Il coordinamento con standard internazionali emergenti può richiedere modifiche alle disposizioni tecniche nazionali, creando tensioni tra coerenza globale e specificità costituzionali nazionali. Il modello italiano dovrà bilanciare allineamento internazionale con protezione di valori costituzionali distintivi.
L’integrazione crescente dell’intelligenza artificiale con altre tecnologie emergenti (Internet delle Cose, blockchain, calcolo quantistico) creerà ecosistemi tecnologici complessi che potrebbero sfuggire alle categorizzazioni normative attuali. Il quadro normativo regolatorio dovrà evolversi verso approcci basati sull’ecosistema che considerino interazioni sistemiche piuttosto che tecnologie isolate.
L’esperienza italiana potrebbe influenzare significativamente l’evoluzione del diritto europeo dell’intelligenza artificiale, fungendo da caso di prova per l’attuazione nazionale dell’Atto sull’IA. Gli aspetti innovativi del modello italiano – governance duale, disposizioni penali specifiche, sandbox regolamentari settoriali – potrebbero essere incorporati in future revisioni del regolamento europeo o adottati da altri Stati membri.
La Commissione Europea monitora attentamente le attuazioni nazionali per identificare migliori pratiche e problematiche comuni che potrebbero richiedere interventi normativi a livello sovranazionale. L’efficacia del coordinamento ACN-AgID e l’impatto delle disposizioni settoriali italiane forniranno evidenze empiriche per valutare l’adeguatezza dell’attuale quadro normativo europeo e la necessità di modifiche future.
Le disposizioni penali italiane sui deep fake potrebbero catalizzare iniziative legislative simili in altri Stati membri e stimolare discussioni a livello europeo sull’opportunità di armonizzare la tutela penale per reati legati all’intelligenza artificiale. La creazione di un corpus di diritto penale europeo dell’intelligenza artificiale potrebbe emergere come priorità politica se l’esperienza italiana dimostrasse efficacia deterrente e processuale.
Il modello di complementarità coordinata potrebbe diventare modello per altri settori tecnologici dove l’UE deve bilanciare armonizzazione sovranazionale con specificità nazionali. L’esperienza italiana fornirà approfondimenti sulla gestione delle tensioni tra standardizzazione europea e identità costituzionale nazionale, con implicazioni che trascendono l’intelligenza artificiale.
La replicabilità del modello italiano in altri ordinamenti europei dipende da variabili costituzionali, amministrative e politico-culturali che possono limitarne l’applicabilità generale. Sistemi costituzionali con tradizioni diverse di separazione dei poteri, culture amministrative diverse, e priorità politiche alternative potrebbero richiedere adattamenti significativi del quadro normativo italiano.
Paesi con sistemi amministrativi meno centralizzati (Germania, Belgio) potrebbero incontrare difficoltà nell’attuare la governance duale ACN-AgID, preferendo soluzioni federali o regionalizzate che riflettano le loro strutture istituzionali. Al contrario, sistemi più centralizzati (Francia) potrebbero trovare il modello italiano eccessivamente frammentato, preferendo autorità uniche con competenze complete.
Le tradizioni costituzionali di civil law vs. common law influenzano l’approccio alla regolamentazione dell’intelligenza artificiale. Sistemi di common law potrebbero privilegiare giudizio caso per caso e precedente giudiziario piuttosto che regolamentazione statutaria dettagliata, rendendo difficile l’adozione di quadri normativi completi come quello italiano.
Le capacità amministrative nazionali rappresentano un vincolo critico per la replicabilità. Il modello italiano richiede competenze tecniche specializzate e risorse significative per l’attuazione efficace. Paesi con capacità amministrative limitate potrebbero preferire soluzioni meno intensive di risorse, come delega a organismi privati o affidamento su standard internazionali.
La valutazione dell’impatto del modello italiano richiederà monitoraggio sistemico di multiple dimensioni: efficacia regolamentare, impatto sull’innovazione, protezione dei diritti, e coordinamento interistituzionale. Metriche quantitative dovranno essere sviluppate per misurare prestazione in ciascuna dimensione, consentendo formulazione di politiche basate su evidenze per future modifiche.
L’impatto sull’ecosistema dell’innovazione nazionale rappresenta una preoccupazione centrale per portatori di interesse privati che temono onere regolamentare eccessivo. Studi longitudinali dovranno monitorare investimento in ricerca e sviluppo, formazione di startup, e posizionamento competitivo dell’Italia nel mercato globale dell’intelligenza artificiale. Compromessi tra conformità regolamentaria e incentivi all’innovazione richiederanno calibrazione continua.
La protezione effettiva dei diritti fondamentali costituisce il test finale del successo del modello italiano. Valutazioni d’impatto dovranno verificare se le disposizioni normative si traducono in protezione sostanziale dei diritti individuali e collettivi, oltre alla conformità formale. Sondaggi di soddisfazione dei cittadini e analisi dei modelli di reclamo forniranno feedback qualitativo sull’efficacia delle tutele.
Il coordinamento internazionale e la coerenza con il quadro normativo europeo richiederanno monitoraggio continuo per identificare potenziali conflitti o inefficienze. Meccanismi di risoluzione delle controversie tra autorità nazionali ed europee dovranno essere testati e raffinati per garantire operatività fluida del sistema di governance multilivello.
10. Conclusioni
La presente ricerca fornisce il primo studio sistematico di una legislazione nazionale sull’intelligenza artificiale nell’Unione Europea post-Atto sull’IA, contribuendo significativamente al corpus teorico della governance multilivello nell’era digitale. L’analisi del modello di complementarità coordinata italiano dimostra la possibilità di conciliare armonizzazione europea con specificità costituzionali nazionali, offrendo un modello potenzialmente replicabile per altri Stati membri.
L’identificazione dell’architettura di governance duale come soluzione innovativa al compromesso tra sicurezza e innovazione rappresenta un contributo pratico rilevante per decisori politici europei e internazionali. La separazione funzionale tra autorità di vigilanza (ACN) e promozione (AgID) risolve tensioni strutturali comuni a molti quadri normativi regolatori, fornendo un modello organizzativo che potrebbe essere applicato ad altri settori tecnologici emergenti.
La metodologia di analisi comparativa sviluppata – combinando analisi dottrinale, studio di caso, e comparazione internazionale – offre strumenti concettuali replicabili per future ricerche sulla governance dell’intelligenza artificiale. L’integrazione di prospettive giuridiche, amministrative e tecnologiche dimostra la necessità di approcci interdisciplinari per comprendere fenomeni normativi complessi nell’era digitale.
L’evidenziazione dei divari nella letteratura esistente – particolarmente l’assenza di studi empirici sulle attuazioni nazionali – orienta future agende di ricerca verso l’analisi delle dinamiche attuative concrete piuttosto che quadri normativi teorici astratti. Questo orientamento è cruciale per sviluppare formulazione di politiche basate su evidenze nel settore dell’intelligenza artificiale.
L’esperienza italiana solleva questioni fondamentali per l’evoluzione della governance europea dell’intelligenza artificiale. L’efficacia del modello di complementarità coordinata potrebbe catalizzare revisioni dell’Atto sull’IA europeo, incorporando lezioni apprese dalle prime attuazioni nazionali. Le innovazioni procedurali italiane – sandbox regolamentari, valutazione d’impatto algoritmica, disposizioni penali specifiche – potrebbero diventare componenti standard del kit di strumenti regolatorio europeo.
Il coordinamento tra autorità nazionali ed europee emerge come fattore critico di successo per l’efficacia del sistema di governance multilivello. L’esperienza italiana fornirà evidenze empiriche sui meccanismi di coordinamento più efficaci, informando future modifiche delle procedure di cooperazione stabilite dall’Atto sull’IA. La gestione di potenziali conflitti giurisdizionali e la prevenzione di frammentazione regolamentare costituiscono priorità immediate per decisori politici europei.
La diversificazione degli approcci attuativi nazionali potrebbe generare dinamiche competitive tra Stati membri, con potenziali effetti di corsa al ribasso se alcuni paesi adottassero standard più permissivi per attrarre investimenti. Il monitoraggio di queste dinamiche sarà cruciale per mantenere condizioni di parità nel mercato unico europeo e prevenire arbitraggio regolamentare.
Le specificità costituzionali nazionali potrebbero legittimamente giustificare deviazioni dall’approccio europeo standard, creando tensioni tra armonizzazione e identità costituzionale. L’esperienza italiana testa i limiti di questa diversificazione e fornirà orientamento per future controversie sull’ambito legittimo delle specificità nazionali nel quadro normativo europeo.
Le limitazioni principali dello studio derivano dalla recente adozione della Legge 132/2025 e dall’assenza di dati empirici sull’attuazione effettiva. L’analisi si basa necessariamente su disposizioni normative e intenzioni dei decisori politici piuttosto che evidenze di prestazione operativa. Future ricerche dovranno incorporare analisi longitudinali per valutare l’efficacia attuativa del modello italiano attraverso diverse metriche.
La disponibilità limitata di dati comparativi da altri Stati membri limita la possibilità di analisi comparative robuste. Man mano che altri paesi svilupperanno proprie attuazioni nazionali dell’Atto sull’IA, futuri studi potranno condurre analisi comparative sistematiche per identificare migliori pratiche e sfide comuni attraverso diversi sistemi costituzionali e amministrativi.
Le competenze tecniche richieste per valutare aspetti altamente specializzati dell’intelligenza artificiale possono limitare l’accessibilità di questa ricerca a decisori politici senza background tecnico. Futuri studi dovranno sviluppare strategie comunicative per colmare il divario tra analisi tecnica e implicazioni politiche, assicurando che i risultati della ricerca informino la formulazione di decisioni pratiche.
Le rapide evoluzioni dell’intelligenza artificiale potrebbero rendere obsoleti aspetti specifici dell’analisi, particolarmente le valutazioni tecniche delle attuali capacità dell’IA. Future ricerche dovranno adattare metodologie per mantenere rilevanza in un panorama tecnologico in rapido cambiamento, possibilmente attraverso approcci di monitoraggio continuo piuttosto che analisi puntuali.
Basandosi sull’analisi condotta, emergono diverse raccomandazioni per decisori politici a livello nazionale ed europeo. Primo, l’adozione di strutture di governance che separano funzioni regolamentari e promozionali può ridurre conflitti di interesse e migliorare coerenza politica. Il modello di agenzia duale italiana offre un modello che altri paesi potrebbero adattare ai loro specifici contesti istituzionali.
Secondo, investimento in capacità amministrative e competenze tecniche è essenziale per governance efficace dell’IA. I decisori politici dovrebbero dare priorità a programmi di sviluppo delle competenze, partenariati con istituzioni accademiche, e cooperazione internazionale per sviluppare competenze necessarie. Partenariati pubblico-privato potrebbero facilitare trasferimento di conoscenze da esperti del settore.
Terzo, monitoraggio continuo e meccanismi di governance adattiva sono cruciali data la rapida evoluzione dell’IA. I quadri normativi regolatori dovrebbero incorporare clausole di scadenza, processi di revisione regolari, e procedure di risposta di emergenza per affrontare rischi emergenti. La sovra-regolamentazione che soffoca l’innovazione deve essere bilanciata contro la sotto-regolamentazione che permette applicazioni dannose.
Quarto, coinvolgimento dei portatori di interesse e partecipazione pubblica dovrebbero essere componenti integrali dei processi di governance dell’IA. Questioni tecniche complesse richiedono sforzo sostenuto per assicurare contributo pubblico significativo, potenzialmente attraverso giurie cittadine, sondaggi deliberativi, o meccanismi di consultazione ibridi che combinano conoscenza esperta con valori pubblici.
La Legge italiana 132/2025 rappresenta un esperimento normativo di notevole interesse per la comunità accademica e i decisori politici europei. L’approccio di complementarità coordinata offre un modello potenzialmente replicabile per l’attuazione nazionale dell’Atto sull’IA, dimostrando come le specificità costituzionali e istituzionali nazionali possano essere armonizzate con quadri normativi sovranazionali senza compromettere l’unità del mercato digitale europeo.
L’analisi comparativa evidenzia come il modello italiano si distingua per l’enfasi sulla tutela dei diritti fondamentali e l’integrazione sistemica di considerazioni etiche, tecniche e giuridiche. Tuttavia, la valutazione definitiva dell’efficacia di questo approccio richiederà un monitoraggio empirico delle fasi attuative e un’analisi degli impatti pratici sui settori regolamentati.
La ricerca contribuisce al dibattito accademico fornendo metodologie sviluppate e le categorie analitiche proposte possono supportare future ricerche comparative man mano che altri paesi membri adotteranno normative nazionali complementari. L’evoluzione del caso italiano costituirà un banco di prova cruciale per valutare la sostenibilità e l’efficacia dei modelli di governance multilivello nell’era dell’intelligenza artificiale.
Bibliografia
Monografie e Opere Generali
Bannister, F. & Connolly, R. (2014). ICT, Valori Pubblici e Governo Trasformativo: Un Quadro e Programma per la Ricerca. Quarterly di Informazione Governativa, 31(1), 119-128.
Braun, V. & Clarke, V. (2006). Utilizzando l’Analisi Tematica in Psicologia. Ricerca Qualitativa in Psicologia, 3(2), 77-101.
Floridi, L. (2019). Tradurre il Diritto alla Spiegazione. Oxford University Press.
Janowski, T., Estevez, E. & Baguma, R. (2018). Governance della Piattaforma su Governo come Piattaforma per il Popolo. Quarterly di Informazione Governativa, 35(4), 591-604.
Moher, D., Liberati, A., Tetzlaff, J., Altman, D.G. & Gruppo PRISMA (2009). Elementi di Segnalazione Preferiti per Revisioni Sistematiche e Meta-Analisi: La Dichiarazione PRISMA. PLoS Medicine, 6(7), e1000097.
Pagallo, U. (Ed.) (2018). Manuale di Ricerca sul Diritto dell’Intelligenza Artificiale. Edward Elgar Publishing.
Surden, H. (2019). Intelligenza Artificiale e Diritto: Una Panoramica. Rassegna di Diritto della Georgia State University, 35(4), 1305-1337.
Veale, M. & Zuiderveen Borgesius, F. (2021). Demistificare la Bozza dell’Atto UE sull’Intelligenza Artificiale. Rassegna Internazionale di Diritto Informatico, 22(4), 97-112.
Yin, R.K. (2018). Ricerca e Applicazioni di Studio di Caso: Progettazione e Metodi. 6ª Edizione, Sage Publications.
Articoli di Riviste Accademiche
Angelini, R. (2025). Intelligenza Artificiale e Governance: Alcune Riflessioni di Sistema. Moebius, 15(2), 45-67.
Borelli, D. & Martinelli, G. (Eds.) (2024). Governance dell’Intelligenza Artificiale: Applicare il Nuovo Regolamento UE. Franco Angeli.
Bostoen, F. (2021). IA e Diritto della Concorrenza: Pratiche Algoritmiche e Potere di Mercato. Rassegna Europea di Diritto della Concorrenza, 42(3), 123-145.
Chiappini, D. (2022). Intelligenza Artificiale e Responsabilità Civile: Nuovi Orizzonti di Regolamentazione alla Luce dell’Atto sull’Intelligenza Artificiale dell’Unione Europea. Rivista Italiana di Informatica e Diritto, 4(2), 95-108.
De Bruyne, J. & Ooms, W. (2021). Responsabilità Civile e IA: Sfide per i Sistemi Giuridici Europei. Rassegna di Diritto Europeo, 46(4), 489-512.
De Mascellis, A. (2023). La Regolazione dell’Intelligenza Artificiale nel Quadro Europeo. Tesi di Laurea Magistrale, LUISS Guido Carli.
Dewitte, P. (2025). Impatto dell’IA sul Diritto della Privacy e Protezione dei Dati. In Manuale Cambridge di Diritto, Etica e Politica dell’IA, 145-167.
Ebers, M., Hoch, V.R.S., Rosenkranz, F., Ruschemeier, H. & Steinrötter, B. (2021). La Proposta della Commissione Europea per un Atto sull’Intelligenza Artificiale—Una Valutazione Critica da Membri della Società di Diritto della Robotica e IA (RAILS). IA, 4(4), 589-603.
Madiega, T. (2021). Atto sull’Intelligenza Artificiale. Briefing del Servizio di Ricerca del Parlamento Europeo, PE 698.792.
Martos Marquez, S. & Terryn, E. (2025). Protezione del Consumatore nell’Era dell’IA: Modelli Oscuri e Risposte Regolamentari. Rivista Europea di Diritto dei Consumatori, 8(1), 23-45.
Perkins, M., Roe, J. & Postma, D. (2024). Linee Guida degli Editori Accademici sull’Uso dell’IA: Un’Analisi ChatGPT. BMC Educazione Medica, 24, 45.
Schmit, C., Doerr, M. & Wagner, J. (2023). Diritti di Proprietà Intellettuale e Governance dell’IA: Un Approccio Quasi-Governativo. Rassegna di Diritto Tecnologico di Stanford, 26(2), 234-267.
Smuha, N.A., Ahmed-Rengers, E., Harkens, A., Li, W., MacLaren, J., Piselli, R. & Yeung, K. (2021). Come l’UE Può Raggiungere IA Legalmente Affidabile: Una Risposta alla Proposta della Commissione Europea per un Atto sull’Intelligenza Artificiale. Rivista Elettronica SSRN.
Vanherpe, J. (2025). IA e Diritto della Proprietà Intellettuale: Sfide per Autori e Inventori. In Manuale Cambridge di Diritto, Etica e Politica dell’IA, 289-312.
Documenti Istituzionali
Agenzia per l’Italia Digitale (2025). Piano Strategico per l’Intelligenza Artificiale nella Pubblica Amministrazione 2025-2027. Roma.
Commissione Europea (2021). Proposta di Regolamento del Parlamento Europeo e del Consiglio che Stabilisce Regole Armonizzate sull’Intelligenza Artificiale. COM(2021) 206 final.
Commissione Europea (2020). Libro Bianco sull’Intelligenza Artificiale – Un Approccio Europeo all’Eccellenza e alla Fiducia. COM(2020) 65 final.
Ministero per l’Innovazione Tecnologica e la Transizione Digitale (2025). Strategia Nazionale per l’Intelligenza Artificiale: Aggiornamento 2025. Roma.
NIST (2023). Quadro di Gestione del Rischio IA (AI RMF 1.0). Istituto Nazionale di Standard e Tecnologia.
OCSE (2019). Principi IA. Organizzazione per la Cooperazione e lo Sviluppo Economici.
Parlamento Europeo e Consiglio dell’Unione Europea (2024). Regolamento (UE) 2024/1689 del 13 giugno 2024 che Stabilisce Regole Armonizzate sull’Intelligenza Artificiale. Gazzetta Ufficiale dell’Unione Europea, L 1689.
Parlamento Italiano (2025). Legge 23 settembre 2025, n. 132 – Disposizioni e Deleghe al Governo in Materia di Intelligenza Artificiale. Gazzetta Ufficiale della Repubblica Italiana, n. 226.
Documenti di Lavoro e Studi Specialistici
Birkstedt, T., Mikkonen, T. & Lehtonen, T. (2023). Lacune Conoscitive della Governance Organizzativa dell’IA: Una Revisione Sistematica. Preprint ArXiv arXiv:2305.12894.
Chun, S., Luna-Reyes, L.F., Sandoval-Almazán, R. & Puron-Cid, G. (2022). Quadri Normativi di Governance IA Globale: Analisi Comparativa. Documento di Lavoro del Centro di Ricerca sul Governo Digitale 2022-01.
Sloane, M., Moss, E., Awomolo, O. & Forlano, L. (2022). La Partecipazione non è una Soluzione di Progettazione per l’Apprendimento Automatico. Conferenza CHI su Fattori Umani nei Sistemi Informatici, 1-15.
Veale, M. & Zuiderveen Borgesius, F. (2021). Affrontare le Sfide Regolamentari dell’IA. Rassegna di Diritto Informatico e Sicurezza, 43, 105615.
Studi Comparativi e Analisi Internazionali
Osservatorio IA (2024). Studio Comparativo Globale della Governance IA 2024. MIT Technology Review Insights.
Istituto Future of Humanity (2023). Governance IA: Un’Agenda di Ricerca. Università di Oxford.
Partnership on AI (2022). Valutazioni d’Impatto Algoritmiche: Un Quadro Pratico. Rapporto di Ricerca 2022-03.
Stanford HAI (2024). Rapporto Indice IA 2024: Misurare il Progresso nell’Intelligenza Artificiale. Università di Stanford.
[1] Docente a contratto presso l’Università degli Studi di Napoli Federico II corso di Sistemi di Elaborazione delle Informazioni e presso l’Università degli Studi della Campania Luigi Vanvitelli corso Sistemi informativi per la P.A, Dirigente Area Informatica della Giunta della Regione Campania, Direttore del Dipartimento Intelligenza Artificiale di supporto alle Pubbliche Amministrazioni dell’Ente Nazionale Intelligenza Artificiale (ENIA), Componente esterno del Comitato d’indirizzo dei Corsi di Studio dell’Area Economica del Dipartimento di Economia, Management e Metodi Quantitativi
