Le regole di trasparenza dell’AI Act UE sono ora applicabili e Google Cloud ha rilasciato un sistema nativo di Agent Identity. Ecco cosa è cambiato per i team che sviluppano agenti AI.
Due annunci della prima settimana di agosto 2026 puntano allo stesso cambiamento, da direzioni opposte. Il 2 agosto, le regole di trasparenza dell’AI Act UE sono diventate legge applicabile, richiedendo a chiunque implementi un chatbot, un generatore di contenuti o un sistema di lettura delle emozioni di dichiararlo chiaramente o affrontare multe fino a 15 milioni di euro. Giorni dopo, Google Cloud ha portato il suo sistema Agent Identity alla disponibilità generale — un livello di autorizzazioni nativo che traccia esattamente a cosa può accedere un agente AI e registra tutto ciò che fa. Uno è un regolatore che impone la trasparenza. L’altro è una piattaforma cloud che vende responsabilità come funzionalità. Entrambi convergono sulla stessa conclusione: un agente AI che nessuno può identificare, verificare o ritenere responsabile non è pronto per la produzione, che lo dica o no un tribunale.
Gli obblighi di trasparenza dell’articolo 50 dell’AI Act UE sono diventati generalmente applicabili ed esecutivi dalle autorità nazionali in tutta l’UE il 2 agosto 2026. In pratica, questo copre quattro aspetti. I fornitori devono garantire che le persone siano “chiaramente informate di avere a che fare con un sistema AI, a meno che ciò non sia evidente dal contesto” — la regola di dichiarazione del chatbot. I fornitori di sistemi che generano audio, immagini, video o testo sintetici devono contrassegnare tale output in un formato leggibile e rilevabile dalla macchina. Chiunque implementi un sistema che produce deepfake di persone, luoghi o eventi reali deve dichiararlo. E gli implementatori di sistemi di riconoscimento emotivo o categorizzazione biometrica devono informare le persone esposte e rispettare la legge sulla protezione dei dati dell’UE.
Niente di tutto questo è nuovo come concetto — l’AI Act è stato firmato anni prima. Ciò che è cambiato il 2 agosto è che questi doveri specifici hanno smesso di essere una data futura su una tabella di marcia di conformità e sono diventati qualcosa che i regolatori nazionali possono effettivamente applicare oggi.
Inizia oggi la tua prova gratuita e vedi i risultati in pochi giorni.
Non tutto ciò che era nell’Atto è arrivato nei tempi previsti. Con il Digital Omnibus on AI, firmato l'8 luglio 2026, l’UE ha posticipato i requisiti per i sistemi ad alto rischio. I sistemi autonomi ai sensi dell’Allegato III — si pensi a screening occupazionali, istruzione, attività di contrasto, infrastrutture critiche — hanno ora tempo fino al 2 dicembre 2027. L’AI incorporata in prodotti già regolamentati ai sensi dell’Allegato I, come dispositivi medici o ascensori, ha tempo fino al 2 agosto 2028.
Vale la pena essere precisi su questa proroga, perché è facile fraintenderla come “l’AI Act è stato ritardato”. Non lo è stato. L’elenco delle pratiche vietate e gli obblighi per i modelli di AI per uso generale sono intatti. Ciò che è stato spostato sono specificamente i requisiti di classificazione ad alto rischio — il carico di conformità più pesante, per la fascia più ristretta di sistemi. Se il vostro agente parla con gli utenti o genera contenuti, siete all’interno della parte della legge che è già attiva.
Il requisito di trasparenza sembra modesto accanto a “sistema ad alto rischio”, ma è la regola che la maggior parte degli sviluppatori di agenti AI incontrerà per prima. Un agente di supporto clienti, un flusso di lavoro per la generazione di contenuti, un assistente vocale — tutti questi sono sistemi che parlano con le persone, il che significa che l’articolo 50 si applica indipendentemente dal fatto che vengano mai classificati come ad alto rischio. Fare ciò correttamente non è complicato: dichiarare chiaramente che l’utente sta parlando con un’AI, etichettare i contenuti generati e conservare registri che dimostrino di averlo fatto. Sbagliare è dove il reporting di conformità smette di essere scartoffie e diventa un’esposizione legale con un numero reale allegato.
Ricevi gratuitamente gli ultimi consigli, tendenze e offerte.
La risposta di Google Cloud allo stesso problema di fondo è arrivata da una direzione completamente diversa: l’infrastruttura, non la legge. L’azienda ha portato la sua piattaforma Gemini Enterprise Agent alla disponibilità generale con un insieme di nuovi elementi primitivi di governance degli agenti — Agent Memory Bank, Agent Runtime, Agent Gateway, Agent Registry, Agent Evaluation e, in particolare, Agent Identity.
Agent Identity è un tipo di credenziale IAM nativa basata su standard aperti, progettata specificamente per sistemi autonomi anziché adattata da account utente umani. Applica l’accesso con privilegio minimo collegando i permessi direttamente al runtime dell’agente, il che chiude un vettore d’attacco comune in cui un token di agente rubato potrebbe essere riutilizzato altrove. Produce registri non ripudiabili di ogni azione compiuta da un agente. E gestisce automaticamente il ciclo di vita delle credenziali, in modo che un agente ritirato non lasci un insieme di permessi dormiente e dimenticato in attesa di essere utilizzato impropriamente.
L’effetto pratico è che “quale agente ha fatto questo, e gli era permesso?” diventa una domanda con una risposta definitiva invece di un’ipotesi ricostruita dai log delle applicazioni a posteriori. Questo conta sempre di più man mano che gli agenti passano dal rispondere a domande al compiere azioni — prenotare cose, modificare record, spostare denaro, eliminare file. Una sicurezza LLM che si preoccupa solo dell’iniezione di prompt nel modello stesso ignora tutta questa superficie: i permessi effettivi dell’agente e ciò che ha fatto con essi.
È qui che i due annunci si collegano più di quanto appaia inizialmente. L’articolo 50 chiede “hai dichiarato che si trattava di AI?” Agent Identity risponde a una domanda correlata ma distinta: “puoi dimostrare esattamente cosa ha fatto questo specifico agente, con quali permessi, e su quale autorità?” Un sistema che può rispondere chiaramente alla seconda domanda trova la prima molto più facile.
Vale la pena nominare direttamente lo schema, perché continuerà a ripresentarsi. I regolatori convergono su trasparenza e responsabilità da un punto di vista del rischio legale. Le piattaforme cloud convergono su identità e permessi da un punto di vista della sicurezza e affidabilità. I framework per agenti AI un tempo trattavano l’identità come un ripensamento — una chiave API in una variabile d’ambiente, condivisa tra ogni agente della flotta. Quel modello non sopravvive al contatto né con il controllo normativo né con un vero incidente di sicurezza, ed è esattamente per questo che entrambe le direzioni ora puntano alla stessa soluzione: sapere quale agente ha fatto cosa, con quale accesso, ed essere in grado di dimostrarlo.
I team che hanno già sperimentato con esempi reali di agenti AI — bot di supporto clienti, assistenti di ricerca, agenti di programmazione — sono quelli che sentiranno questo cambiamento per primi, semplicemente perché hanno più agenti in produzione che generano più azioni da rendicontare. È lo stesso schema che abbiamo visto quando Claude Cowork e i suoi concorrenti hanno spinto gli agenti dalla chat a sessione singola a compiti persistenti e plurigiornalieri: più autonomia arriva sempre un passo avanti rispetto agli strumenti per governarla.
Aggiungere tracce di audit a posteriori a una flotta di agenti che non è mai stata progettata per produrle è un progetto miserabile — ogni azione deve essere ricostruita da qualunque log esistesse, e la metà delle volte non esistono. Il percorso più economico è costruire su strumenti dove ogni passo compiuto da un agente è visibile e tracciabile fin dall’inizio, allo stesso modo in cui la governance dei dati tratta la derivazione dei dati come una preoccupazione di prima classe piuttosto che qualcosa da aggiungere dopo una violazione.
È qui che entra in gioco anche il ritmo dei modelli sottostanti. Rilasci recenti come il framework Orchard di Microsoft e il più ampio spostamento verso agenti specializzati e verificabili (piuttosto che un unico enorme modello per uso generale che fa tutto) rendono più pratico costruire agenti il cui ambito — e quindi i cui permessi — sono ristretti e ben definiti per progettazione. Un agente con ambito ristretto è intrinsecamente più facile da governare di uno che può teoricamente fare qualsiasi cosa.
L’approccio di FlowHunt segue la stessa logica: come piattaforma per agenti AI, ogni automazione è un flusso visibile, non una scatola nera, così quando arriva una domanda di conformità — cosa ha fatto questo agente, perché e con quale autorizzazione — la risposta è già nel flusso di lavoro, non qualcosa che il vostro team deve ricostruire sotto pressione di scadenze.
Le regole di trasparenza dell’AI Act UE e il sistema Agent Identity di Google non si sono coordinati tra loro, e stanno risolvendo problemi nominalmente diversi — uno è conformità legale, l’altro è infrastruttura cloud. Ma sono arrivati nella stessa settimana puntando alla stessa verità di fondo: man mano che gli agenti AI assumono lavori più autonomi e consequenziali, “non sappiamo davvero cosa ha fatto” smette di essere una risposta accettabile, che la domanda venga da un regolatore o dal vostro stesso team di sicurezza. I team che trattano identità, trasparenza e verificabilità come requisiti fondamentali ora — non come funzionalità da aggiungere dopo — sono quelli che troveranno sia la conformità che gli incidenti di produzione molto meno dolorosi quando si presenteranno.
Arshia è una AI Workflow Engineer presso FlowHunt. Con una formazione in informatica e una passione per l'IA, è specializzata nella creazione di workflow efficienti che integrano strumenti di intelligenza artificiale nelle attività quotidiane, migliorando produttività e creatività.
FlowHunt offre a ogni automazione un flusso visibile e modificabile, così quando qualcuno chiede cosa ha fatto il tuo agente e perché, hai una risposta, non una scatola nera.
Esplora l'AI Act dell'UE, il primo regolamento completo al mondo sull'intelligenza artificiale. Scopri come classifica i sistemi IA in base al rischio, istituis...
La trasparenza dell'IA è la pratica di rendere comprensibili agli stakeholder i meccanismi e i processi decisionali dei sistemi di intelligenza artificiale. Sco...
Scopri come l’AI Act europeo influisce sui chatbot, con dettagli sulle classificazioni di rischio, requisiti di conformità, scadenze e sanzioni per la non confo...
Consenso Cookie
Usiamo i cookie per migliorare la tua esperienza di navigazione e analizzare il nostro traffico. See our privacy policy.
