Governance segreta, rischio pubblico: il framework USA sui modelli di frontiera visto dall'Europa

Il 1° agosto è scaduto il termine che l'Executive Order 14409 aveva dato al governo americano per costruire il framework di revisione dei modelli AI di frontiera. Il framework esiste, e opera: ciò che manca è quasi tutto il resto — i criteri, le soglie, le garanzie. Per un'azienda europea che costruisce processi su quei modelli, la domanda non è ideologica. È gestione del rischio.

Cosa prevede l'Executive Order 14409

Firmato il 2 giugno 2026, l'ordine esecutivo "Promoting Advanced Artificial Intelligence Innovation and Security" istituisce un gruppo guidato dalla NSA con un mandato preciso: definire un framework in base al quale gli sviluppatori concedono al governo l'accesso ai propri modelli fino a trenta giorni prima del rilascio pubblico. Il benchmarking che determina quali modelli rientrano nella categoria dei covered frontier modelsè classificato, l'autorità finale sulla designazione spetta al Direttore della NSA, e non esiste alcun obbligo di rendere pubbliche le valutazioni. Formalmente il regime è volontario — l'ordine rigetta esplicitamente licenze e preclearance obbligatorie — ma quando il tuo interlocutore è insieme il tuo regolatore di fatto, il tuo cliente governativo e la tua agenzia di intelligence, la distinzione fra volontario e obbligatorio tende a dissolversi.

Nello stesso pacchetto, al Center for AI Standards and Innovation del NIST — l'organismo che pubblicava valutazioni pubbliche dei modelli — è stato chiesto di interrompere i report pubblici. La capacità di valutazione non è sparita: è stata spostata dietro una classificazione di sicurezza.

Le cinque domande, e il test di accountability

Su Tech Policy Press, Michelle De Mooy ha condensato il problema in cinque domande che il governo dovrebbe essere in grado di rispondere in forma non classificata: quali capacità e quali soglie rendono un modello soggetto a revisione; quanto può durare la revisione e cosa accade alla scadenza dei trenta giorni; chi decide quali organizzazioni hanno accesso ai modelli — la lista conterebbe un centinaio di enti, senza criteri pubblicati; quale ricorso ha uno sviluppatore che contesta una designazione; e cosa saprà il pubblico, e quando.

Non è una richiesta di abolire la revisione, ed è questo a rendere l'argomento solido. È un test minimo: soglie pubblicate, tempi vincolati con rilascio automatico alla scadenza, criteri di accesso dichiarati, un due process per chi è designato, statistiche annuali non classificate. La frase chiave dell'analisi vale oltre il caso specifico: "a transparency obligation that carries no consequence is a suggestion" — un obbligo di trasparenza senza conseguenze è un suggerimento.

Il confronto con l'Europa: soglie pubbliche contro soglie classificate

Il contrasto metodologico con l'approccio europeo è netto, e non riguarda la severità: riguarda la conoscibilità delle regole. L'AI Act fissa la presunzione di rischio sistemico per i modelli di uso generale a 10²⁵ operazioni di calcolo in addestramento — un numero scritto in Gazzetta Ufficiale, all'articolo 51 del regolamento, che chiunque può leggere e su cui chiunque può pianificare. La proposta californiana SB 1047 usava 10²⁶, anch'esso pubblico. Il framework federale americano usa una soglia che nessuno conosce, applicata da un processo che nessuno può osservare.

Si può discutere se 10²⁵ sia il numero giusto — è una proxy imperfetta, e lo stesso AI Act prevede criteri correttivi. Ma una soglia pubblica sbagliata si può criticare, emendare, impugnare. Una soglia classificata no: si può solo subire. La trasparenza delle regole non è un ornamento democratico, è la condizione perché il mercato possa fare previsioni — ed è la differenza fra un sistema di governance e un sistema di controllo.

Perché riguarda anche una PMI europea

Si potrebbe archiviare il tema come politica interna americana. Sarebbe un errore di prospettiva, perché gli effetti sono già misurabili sul mercato: l'analisi cita lo shutdown di diciannove giornidei modelli di frontiera di Anthropic in seguito a un ordine di controllo delle esportazioni, e il rilascio contingentato di due settimane di GPT-5.6 di OpenAI. Diciannove giorni sono un'eternità per chi ha costruito flussi di lavoro, prodotti o servizi clienti sopra un modello specifico.

Per un'azienda europea questo ha un nome preciso: rischio di fornitura. Il fornitore del modello è soggetto a un'autorità estera che può ritardarne, condizionarne o sospenderne il rilascio secondo criteri non conoscibili. Non potete governare quella discrezionalità; potete governare la vostra esposizione ad essa, con gli strumenti ordinari della gestione dei fornitori — i controlli sui rapporti con i fornitori della ISO 27001 (A.5.19–A.5.22), il sistema di gestione dell'AI della ISO/IEC 42001, gli obblighi lungo la catena del valore dell'AI Act. In pratica, quattro verifiche:

Mappare la dipendenza — quali processi si fermano se il modello che usate oggi diventa indisponibile o resta congelato a una versione per settimane? Se la risposta non è scritta da nessuna parte, quella è la prima cosa da scrivere.
Leggere i contratti — cosa garantisce il provider su disponibilità, preavviso di modifica o ritiro dei modelli, e continuità delle versioni? Le condizioni standard delle API dicono in genere molto poco: saperlo è già una valutazione.
Predisporre l'alternativa — una strategia multi-provider non significa usare due modelli ogni giorno; significa aver verificato che i flussi critici funzionino, anche in modalità degradata, su un modello di un fornitore diverso — idealmente in una giurisdizione diversa.
Trattarlo nel risk register — la sospensione del modello di frontiera del vostro provider è uno scenario con precedente documentato, non un'ipotesi di scuola. Va nel registro dei rischi con probabilità, impatto e risposta, come qualsiasi altro rischio di continuità.

Il Congresso spinge nella direzione opposta

Il quadro americano non è monolitico, e vale la pena registrarlo. Il 4 giugno i deputati Obernolte e Trahan hanno pubblicato la bozza del Great American Artificial Intelligence Act, che imporrebbe ai grandi sviluppatori di frontiera — quelli sopra i 500 milioni di dollari di fatturato annuo — un framework di sicurezza pubblico e un report di trasparenza per ogni modello rilasciato. In parallelo circola l'AI Incident Reporting Act, che richiederebbe la notifica al Congresso degli incidenti gravi. Sono iniziative in consultazione, non leggi vigenti; ma il segnale è leggibile: mentre l'esecutivo classifica le proprie valutazioni, il legislatore chiede esattamente la trasparenza che manca.

Il punto cieco: i sistemi di agenti

L'osservazione più lungimirante dell'analisi è però un'altra: la revisione per singolo modello non vede i sistemi di modelli che interagiscono. Un'architettura di agenti orchestrati — ciascuno magari sotto soglia, ciascuno individualmente innocuo — può esprimere capacità che nessuno dei componenti possiede da solo, e nessun framework che ragiona per modello la intercetta. È un limite che accomuna il regime americano classificato e quello europeo pubblico: anche l'AI Act ragiona per modello e per sistema applicativo, non per composizione emergente. Il rischio si sta spostando dal modello al sistema più velocemente di quanto i regimi di controllo si stiano adattando — un tema che chi progetta architetture agentiche oggi dovrebbe presidiare in proprio, senza aspettare che lo faccia un regolatore.

La trasparenza è un requisito funzionale

La lezione, alla fine, è una: la trasparenza delle regole non è un lusso per costituzionalisti. È un requisito funzionale del risk management — senza soglie, criteri e tempi conoscibili, né i provider né i loro clienti possono valutare, pianificare o assicurare alcunché. L'Europa ha scelto regole pubbliche e criticabili; gli Stati Uniti, per ora, una discrezionalità classificata. Per un'azienda che usa questi modelli, la conseguenza operativa non cambia con le opinioni: ciò che non potete conoscere, dovete trattarlo come rischio. E i rischi si scrivono, si misurano e si mitigano — non si sperano.