AI Act

This content is not available in your language yet.

AI Act per la scuola secondaria: linee guida operative per docenti e istituzioni educative

Documento di indirizzo per dirigenti scolastici, docenti e staff amministrativo delle scuole secondarie di secondo grado (versione: settembre 2025).

Abstract

Il Regolamento (UE) 2024/1689 (“AI Act”) introduce un quadro uniforme per lo sviluppo, l’immissione sul mercato, la messa in servizio e l’uso dei sistemi di intelligenza artificiale nell’Unione europea, con l’obiettivo di promuovere un’IA antropocentrica e affidabile e di proteggere salute, sicurezza e diritti fondamentali. Il settore scolastico, in ragione dell’impatto sull’accesso all’istruzione, sulla valutazione degli apprendimenti e sull’equità dei percorsi formativi, è direttamente interessato da obblighi specifici, in particolare quando si impiegano sistemi di IA classificati ad alto rischio (es. ammissione, assegnazione a percorsi, valutazione, monitoraggio delle prove). Il presente documento traduce le principali prescrizioni dell’AI Act in linee guida operative per scuole secondarie:

mappatura dei sistemi
requisiti per i casi ad alto rischio
trasparenza e etichettatura dei contenuti sintetici
alfabetizzazione in materia di IA
monitoraggio post-implementazione
gestione di incidenti e reclami
rispetto dei divieti assoluti (tra cui il riconoscimento delle emozioni in contesti scolastici).

Si propone inoltre una roadmap di conformità in dodici settimane (esplicitamente presentata come esempio/proposta), insieme a modelli documentali raccomandati. ¹²

1. Contesto e finalità

L’AI Act è il primo complesso normativo al mondo che disciplina trasversalmente l’IA, fissando regole armonizzate per l’intero mercato interno. Il regolamento persegue la duplice finalità di favorire un’adozione fidata dell’IA e di prevenire o mitigare i rischi per persone, democrazia e ambiente. l’AI Act chiarisce che la tutela dei diritti sanciti dalla Carta dei diritti fondamentali dell’Unione europea e la promozione dell’innovazione costituiscono direttrici inscindibili del quadro normativo. ¹

Nel quadro delle politiche digitali europee, la Commissione affianca all’AI Act iniziative di implementazione e sostegno (AI Pact, AI Innovation Package, AI Factories), ribadendo un approccio risk-based che distingue tra:

sistemi vietati (rischio inaccettabile)
ad alto rischio
a rischio limitato con obblighi di trasparenza e sistemi non ad alto rischio.

Tale impostazione è descritta nella pagina istituzionale “AI Act — Shaping Europe’s digital future”. ²

2. Ambito di applicazione e approccio basato sul rischio

2.1 Ambito soggettivo e oggettivo

Il regolamento si applica ai fornitori (chi immette sul mercato o mette in servizio un sistema di IA), ai deployer (chi utilizza un sistema sotto la propria autorità), agli importatori e distributori, e ai fabbricanti che incorporano l’IA in un prodotto. L’applicazione si estende a soggetti extra‑UE quando l’output è destinato a essere usato nell’Unione. Sono escluse talune attività (es. sicurezza nazionale, difesa), nonché le sole attività di ricerca finché il sistema non è immesso sul mercato o messo in servizio. ¹

2.2 Strutturazione del rischio

Il regolamento adotta una tassonomia graduata:

pratiche vietate (rischio inaccettabile)
sistemi ad alto rischio gravati da requisiti tecnici e organizzativi
categorie con obblighi di trasparenza (es. sistemi che generano contenuti sintetici)
modelli di IA per finalità generali (GPAI), con specifici obblighi di trasparenza e, per i modelli con rischi sistemici, misure rafforzate di valutazione e mitigazione. ¹²

2.1 Esempi di classificazione dei sistemi di IA secondo l’AI Act

Pratiche vietate (rischio inaccettabile)

Sono proibiti gli usi dell’IA che comportano rischi gravi per i diritti fondamentali o la sicurezza delle persone.

Alcuni esempi:

Riconoscimento delle emozioni in contesti educativi o lavorativi (es. analisi dello stato emotivo degli studenti durante le lezioni o gli esami).
Social scoring di persone fisiche (attribuzione di punteggi basati su comportamenti sociali o caratteristiche personali).
Scraping non mirato di immagini facciali da Internet o da telecamere per creare banche dati di riconoscimento.
Identificazione biometrica remota in tempo reale in spazi pubblici per fini di polizia, salvo eccezioni strettamente tipizzate (es. ricerca di minori scomparsi o prevenzione di minacce terroristiche).

Sistemi ad alto rischio

Sono considerati ad alto rischio i sistemi che possono incidere in modo significativo su diritti, sicurezza o opportunità delle persone.

Esempi:

Istruzione e formazione professionale: sistemi che determinano l’accesso a percorsi educativi o influenzano la carriera scolastica (es. algoritmi per l’ammissione a corsi, strumenti di scoring per esami).
Occupazione e gestione del personale: software di selezione automatizzata dei candidati (es. screening dei CV).
Servizi essenziali pubblici e privati: sistemi che valutano l’affidabilità creditizia (es. credit scoring per concessione di prestiti).
Componenti di sicurezza di prodotti: applicazioni IA in dispositivi medici (es. chirurgia robot-assistita).
Forze dell’ordine: strumenti per valutare l’attendibilità delle prove o identificare sospetti.
Migrazione e asilo: sistemi per l’esame automatizzato delle domande di visto o asilo.
Giustizia e processi democratici: soluzioni IA per la ricerca di sentenze o la gestione di procedimenti giudiziari.

Tutti i sistemi di identificazione biometrica remota sono considerati ad alto rischio e soggetti a requisiti rigorosi.

Rischio limitato

Questa categoria riguarda i sistemi che presentano rischi legati alla mancanza di trasparenza. L’AI Act impone obblighi specifici per garantire che gli utenti siano informati. Esempi:

Chatbot: l’utente deve sapere che sta interagendo con una macchina.
Contenuti generati dall’IA: testi, immagini, audio o video devono essere chiaramente etichettati come artificiali, soprattutto se destinati a informare il pubblico su questioni di interesse generale.
Deep fake: devono essere segnalati come contenuti sintetici.

Rischio minimo o nullo

La maggior parte dei sistemi di IA oggi in uso rientra in questa categoria e può essere utilizzata liberamente. Esempi:

Filtri antispam nelle e-mail.
Videogiochi con funzionalità IA.
Strumenti di correzione ortografica o suggerimenti di scrittura non vincolanti.

Classificazione del rischio in base all'aIA Act

2.3 Tempistiche di applicazione

La disciplina è entrata in vigore nel 2024, con applicazione scaglionata: i divieti si applicano dal 2 febbraio 2025, gli obblighi per i modelli GPAI e la governance dal 2 agosto 2025, mentre l’applicazione piena delle regole sui sistemi ad alto rischio decorre dal 2 agosto 2026 (salvo termini specifici). ¹

3. Glossario dei termini e degli acronimi (in ordine alfabetico)

Il presente glossario sintetizza le principali sigle e i concetti tecnici utilizzati nel documento. Le definizioni sono orientate all’uso scolastico e rinviano, ove pertinente, alla formulazione dell’AI Act o a prassi consolidate.

AI Act: Regolamento (UE) 2024/1689 che istituisce regole armonizzate sull’intelligenza artificiale. Fonte primaria del presente documento. ¹
Deep fake: contenuto (audio, video, immagine, testo) generato o manipolato dall’IA in modo da risultare verosimilmente autentico; l’AI Act impone obblighi di etichettatura e, per i fornitori, requisiti tecnici di marcatura ove applicabili. ¹
Deployer: soggetto (es. istituzione scolastica) che utilizza un sistema di IA sotto la propria autorità. Nel contesto scolastico, la scuola è tipicamente deployer. ¹
FRIA (Fundamental Rights Impact Assessment): Valutazione d’impatto sui diritti fondamentali che i deployer pubblici (es. scuole) devono svolgere prima di usare determinati sistemi di IA ad alto rischio, per individuare rischi su diritti e libertà, definire misure di mitigazione, stabilire sorveglianza umana e canali di reclamo. ¹
GPAI (General-Purpose AI models): modelli di IA per finalità generali che possono essere adattati a un’ampia gamma di compiti (es. LLM generativi). Per i fornitori sono previsti obblighi di trasparenza (documentazione tecnica, sintesi dei dati di addestramento, rispetto del copyright) e, nei casi con rischi sistemici, misure rafforzate di valutazione e mitigazione. ¹²
LLM (Large Language Model): modello linguistico di grandi dimensioni, spesso base dei sistemi generativi testuali; rientra nella macrocategoria dei GPAI quando impiegabile in molteplici compiti. ¹²
Log: registrazioni automatiche degli eventi di un sistema di IA, utilizzate per tracciabilità, audit e indagini su errori o incidenti; per i sistemi ad alto rischio l’AI Act richiede la disponibilità di log adeguati. ¹
Marcatura/etichettatura dei contenuti IA: obblighi a carico di fornitori e deployer per rendere riconoscibili i contenuti generati o manipolati dall’IA (in particolare i deep fake) mediante segnalazioni visive/testuali e, ove supportato, tecniche di marcatura (filigrane, metadati, prove di provenienza). ¹
Pratiche vietate: elenco chiuso di usi dell’IA proibiti per rischio inaccettabile, fra cui riconoscimento delle emozioni in contesti educativi, social scoring, scraping facciale non mirato per banche dati, identificazione biometrica remota in tempo reale per fini di contrasto (salve eccezioni tipizzate). ¹
Sistema ad alto rischio: sistema di IA rientrante nelle aree individuate dall’AI Act (fra cui l’istruzione, quando l’IA influisce materialmente su ammissione, assegnazione, valutazione o monitoraggio delle prove). Comporta requisiti tecnici e organizzativi stringenti per fornitori e obblighi specifici per i deployer. ¹

Altre sigle richiamate nel testo:

DPIA (Data Protection Impact Assessment): valutazione d’impatto privacy secondo il GDPR (strumento distinto dalla FRIA, ma spesso complementare).

CE/Marcatura CE: indicatore di conformità alla normativa UE applicabile a specifici prodotti/sistemi; per alcuni sistemi di IA ad alto rischio si accompagna alla dichiarazione UE di conformità. ¹

4. Attori e responsabilità nella filiera scolastica

Nel contesto scolastico, la scuola — in quanto ente pubblico — è tipicamente deployer dei sistemi (valutazione automatizzata, strumenti adattivi, piattaforme di proctoring, chatbot per l’orientamento). I fornitori sono gli sviluppatori o distributori commerciali. Il regolamento specifica obblighi diversi per ciascun ruolo e prevede che, in caso di modifiche sostanziali al sistema o di ri‑etichettatura, importatori o distributori possano assumere responsabilità assimilabili a quelle del fornitore. ¹

5. Linea guida 1 — Identificazione e mappatura dei sistemi di IA

5.1 Inventario istituzionale

L’istituto deve disporre di un inventario aggiornato dei sistemi di IA in uso: denominazione commerciale, fornitore, versione, finalità prevista, processi scolastici interessati (didattica, valutazione, amministrazione), basi giuridiche del trattamento dati, categorie di dati (personali e non), interazioni con altri sistemi e unità organizzative coinvolte. L’inventario consente di classificare il rischio, di pianificare valutazioni di impatto e di coordinare i controlli ex ante ed ex post. ¹

5.2 Individuazione dei casi “ad alto rischio” nell’istruzione

Sono classificati ad alto rischio i sistemi di IA utilizzati nell’istruzione o nella formazione professionale che determinano o influenzano materialmente: (i) accesso o ammissione a percorsi; (ii) assegnazione a indirizzi o gruppi; (iii) valutazione degli apprendimenti o delle competenze; (iv) monitoraggio e rilevazione di comportamenti vietati durante le prove. Il considerando (56) sottolinea la rilevanza di tali casi per la vita degli studenti e i rischi di discriminazione. ¹

5.3 Eccezioni: compiti procedurali/ausiliari

Il regolamento ammette che alcuni sistemi, pur collocati in contesti ad alto rischio, non siano classificati tali quando svolgono compiti procedurali ristretti, preparatori o di verifica ex post di decisioni umane (es. indicizzazione documentale, traduzione preliminare, controllo di coerenza). La non‑classificazione richiede documentazione preventiva e registrazione per tracciabilità, in coerenza con i criteri sulla materialità dell’impatto. ¹

5.4 GPAI e strumenti generativi

Strumenti basati su modelli generativi (LLM, generatori di immagini, audio, video) sono diffusi nella didattica e nell’orientamento. Gli obblighi per i fornitori GPAI riguardano documentazione tecnica, sintesi dei dati di addestramento, rispetto del copyright e, se il modello presenta rischi sistemici, prove avversariali e mitigazioni continue. La scuola, come deployer, deve accertare che i fornitori rendano disponibili tali informazioni e che le piattaforme rispettino la marcatura dei contenuti sintetici, favorendo così scelte consapevoli. ¹²

6. Linea guida 2 — Obblighi per sistemi ad alto rischio nell’istruzione

I sistemi ad alto rischio sono soggetti a requisiti stringenti: gestione del rischio, governance dei dati, documentazione e logging, trasparenza e istruzioni, sorveglianza umana, accuratezza/robustezza/cibersicurezza, valutazione d’impatto sui diritti fondamentali (FRIA) per i deployer pubblici, registrazione nella banca dati UE. ¹

6.1 Gestione del rischio

Processo iterativo di identificazione, analisi e mitigazione lungo il ciclo di vita, includendo l’uso improprio ragionevolmente prevedibile e le interazioni con l’ambiente operativo; misure proporzionate allo stato dell’arte e documentate. ¹

6.2 Qualità e governance dei dati

Dati di addestramento, convalida e prova pertinenti, rappresentativi, quanto possibile privi di errori, rispondenti al contesto d’uso e attenti a bias e distorsioni (anche per effetti di feedback loops). ¹

6.3 Documentazione tecnica, istruzioni e log

Istruzioni comprensibili (caratteristiche, limiti, usi vietati, sorveglianza umana, prestazioni attese) e log per tracciabilità e audit, con conservazione allineata a GDPR e policy interne. ¹

6.4 Sorveglianza umana effettiva

Possibilità di intervento, sospensione, override; nessuna decisione solo automatizzata per esiti significativi su studenti (ammissione, valutazione, sanzioni). ¹

6.5 Accuratezza, robustezza, cyber sicurezza

Prestazioni dichiarate e coerenti; difese da attacchi antagonisti e avvelenamento dei dati; misure adeguate sulla sicurezza dell’infrastruttura ICT. ¹

6.6 FRIA (Valutazione d’impatto sui diritti fondamentali) per i deployer pubblici

Obbligo di FRIA prima dell’uso: descrizione dei processi, popolazioni coinvolte, rischi su diritti (non discriminazione, equità, trasparenza), misure (sorveglianza umana, reclami, audit), notifica all’autorità di vigilanza; aggiornamento in caso di cambiamenti. ¹

6.7 Registrazione nella banca dati UE

Per i deployer pubblici, registrazione del sistema ad alto rischio nella banca dati UE prima dell’uso e aggiornamento in caso di modifiche sostanziali. ¹

7. Linea guida 3 — Trasparenza dell’interazione e dei contenuti sintetici

7.1 Obbligo di informazione

L’istituto informa quando studenti, famiglie e personale interagiscono con un sistema di IA; informative chiare e accessibili (anche in formati inclusivi) con finalità, limiti, diritti esercitabili e canali di contatto. ¹

7.2 Etichettatura e marcatura dei contenuti IA

Segnalazione dei contenuti generati o manipolati dall’IA (deep fake inclusi) mediante etichettatura e, ove tecnicamente disponibile, filigrane/metadati/prove di provenienza. Adozione di una policy editoriale d’istituto. ¹²

8. Linea guida 4 — Alfabetizzazione in materia di IA e formazione del personale

Piano strutturato su: principi e obblighi dell’AI Act; limiti e bias dei sistemi; interpretazione degli output; gestione di anomalie; etichettatura dei contenuti sintetici; canali per esercitare diritti e presentare reclami. Per gli studenti, statuto d’uso dell’IA (attribuzione e citazione degli output, integrità accademica, uso consentito durante prove). ¹²

9. Linea guida 5 — Monitoraggio, incidenti e reclami

9.1 Monitoraggio post-implementazione

Indicatori di funzionamento (accuratezza, errori, bias, coerenza con decisioni umane), cadenze di verifica (mensili/trimestrali), azioni correttive e coordinamento con i fornitori. ¹

9.2 Incidenti e quasi‑incidenti

Procedura che distingue tra quasi‑incidenti e incidenti gravi, con notifiche alle autorità quando richiesto, documentazione delle evidenze e misure preventive. ¹

9.3 Meccanismi di reclamo

Sportelli dedicati o moduli digitali con tempi certi di riscontro, tracciabilità dei casi e trasparenza sugli esiti. ¹

10. Linea guida 6 — Divieti assoluti rilevanti per la scuola

Vietati, tra l’altro: pratiche manipolative o di sfruttamento con danno significativo; social scoring; scraping facciale non mirato; identificazione biometrica remota in tempo reale per fini di contrasto in spazi pubblici (con eccezioni non pertinenti al contesto scolastico); categorizzazione biometrica per dedurre caratteristiche sensibili; riconoscimento delle emozioni in contesti educativi e nei luoghi di lavoro. ¹

11. Un esempio di roadmap di conformità in dodici settimane (proposta da adattare)

Importante: la seguente Roadmap è un esempio/proposta pensata per offrire un percorso modulare e scandito. Ogni istituto dovrebbe adattarla alla propria organizzazione, alle risorse e alle priorità, tenendo conto dei vincoli dell’ordinamento nazionale e delle linee guida dell’amministrazione di riferimento.

Settimane 1–2 — Governance e inventario
Nomina del Referente IA (o gruppo di lavoro); adozione del registro dei sistemi; prima classificazione del rischio per ogni sistema in uso o in valutazione. ¹

Settimane 3–4 — Due diligence fornitori
Raccolta di documentazione tecnica (istruzioni, metriche, log), dichiarazioni di conformità UE e marcatura CE (se pertinenti), policy di sicurezza e privacy; per GPAI, verifica di sintesi dei dati di addestramento e politica sul copyright dichiarata dal fornitore; analisi della marcatura dei contenuti sintetici. ¹²

Settimane 5–6 — FRIA (se ad alto rischio)
Mappatura dei processi scolastici toccati dal sistema; analisi dei rischi su equità, non discriminazione, trasparenza; definizione delle misure di sorveglianza umana; progettazione dei meccanismi di reclamo; predisposizione di indicatori di monitoraggio; notifica all’autorità di vigilanza del mercato. ¹

Settimane 7–8 — Registrazione e fase pilota
Per i sistemi ad alto rischio, registrazione nella banca dati UE; avvio di una pilota con popolazione limitata e supervisione intensiva; verifica della comprensibilità delle informative a studenti e famiglie. ¹

Settimane 9–10 — Formazione e policy
Erogazione del piano di formazione per docenti e staff; adozione dello statuto d’uso dell’IA per studenti (regole su citazione, integrità, uso in prove); manuale di etichettatura dei contenuti IA in comunicazioni e materiali. ²

Settimane 11–12 — Messa in servizio e monitoraggio
Messa in esercizio su scala d’istituto; attivazione di cruscotti di monitoraggio; calendarizzazione degli audit; definizione del ciclo di miglioramento e delle soglie per sospensione o ritiro del sistema. ¹

12. Modelli documentali raccomandati

Registro dei sistemi di IA
- Campi minimi: denominazione, fornitore, versione; finalità prevista; processi scolastici; categorie di dati; base giuridica (GDPR); ruoli e referenti; categoria di rischio; esito FRIA (se presente); stato registrazione banca dati UE (se ad alto rischio); log e conservazione. ¹
Schema di FRIA per istituti scolastici
- Contenuti: descrizione del sistema; mappa dei processi; popolazioni e gruppi vulnerabili; rischi sui diritti fondamentali; sorveglianza umana; explainability; canali di reclamo; misure di mitigazione; indicatori; piano di audit; notifica all’autorità competente. ¹
Informativa di trasparenza per studenti/famiglie
- Elementi: finalità; natura dell’interazione con l’IA; ruoli e responsabilità; dati trattati; diritti e canali di contatto; etichettatura dei contenuti sintetici; riferimento allo statuto d’uso dell’IA dell’istituto. ¹²
Procedura incidenti e quasi‑incidenti
- Flusso: segnalazione (chi/cosa/quando); valutazione della gravità; registrazione evidenze; contatto con il fornitore; notifica all’autorità (se incidente grave); misure correttive; comunicazione agli interessati; lesson learned. ¹
Policy di etichettatura dei contenuti IA
- Regole: segnaposto visivi/testuali; uso di filigrane o metadati ove supportati; casi d’uso (siti web, social, materiale didattico); responsabilità dei docenti e dello staff; gestione di contenuti creativi (satira/finzione) nel rispetto dei diritti di terzi. ¹²

13. Domande ricorrenti (FAQ) per la compliance scolastica

D1. Un correttore automatico di elaborati rende la scuola “ad alto rischio”?
Se la valutazione automatizzata influisce materialmente sull’esito dello studente (punteggio, ammissione, passaggio di classe), il sistema rientra tra i casi ad alto rischio e richiede i relativi adempimenti (FRIA, sorveglianza umana, registrazione se ente pubblico). Se l’uso è meramente ausiliario e non incide sull’esito (supporto allo stile, ortografia), può non essere classificato ad alto rischio, con adeguata documentazione. ¹

D2. È consentita la rilevazione di “ansia” o “attenzione” durante la lezione via webcam?
No. Il riconoscimento delle emozioni in contesti educativi è vietato. ¹

D3. Come vanno trattati i contenuti generati da IA in comunicazioni esterne?
Devono essere etichettati in modo chiaro come contenuti generati/manipolati artificialmente; ove possibile si usano tecniche di marcatura (filigrane, metadati). ¹²

D4. La scuola deve fare la DPIA (GDPR) oltre alla FRIA (AI Act)?
L’AI Act non sostituisce il GDPR: DPIA e FRIA hanno funzioni complementari. La scuola valuta entrambi i profili e coordina le misure. ¹

D5. I modelli generativi “open” usati in classe rientrano nell’AI Act?
Gli obblighi principali sui GPAI ricadono sui fornitori (trasparenza, sintesi dei dati, rispetto del diritto d’autore; misure aggiuntive per rischi sistemici). Il deployer deve comunque assicurare trasparenza in classe, etichettatura dei contenuti sintetici e uso conforme alle istruzioni. ¹²

14. Errori ricorrenti e come evitarli

Confondere “uso didattico” con “non applicabilità”
Anche strumenti didattici possono essere ad alto rischio se influenzano l’esito; occorre valutazione e, ove necessario, FRIA e registrazione. ¹
Sottovalutare l’alfabetizzazione del personale
Senza competenze su bias, spiegabilità e sorveglianza umana, la conformità rimane formale. La formazione deve essere periodica e basata su casi reali. ¹²
Gestire in modo informale log ed evidenze
I log sono essenziali per tracciabilità e audit; definire tempi e responsabilità di conservazione coerenti con GDPR e con le istruzioni del fornitore. ¹
Non distinguere quasi‑incidenti da incidenti gravi
La distinzione incide su notifiche e misura delle risposte. Serve una procedura esplicita. ¹
Trascurare l’etichettatura dei contenuti IA
La mancanza di etichettatura mina la fiducia e può esporre a rischi reputazionali e normativi. ¹²

15. Conclusioni operative

L’AI Act non intende rallentare l’innovazione a scuola, bensì qualificarla. La chiave è una governance proattiva: inventario aggiornato, valutazioni d’impatto puntuali, sorveglianza umana competente, trasparenza e etichettatura coerenti, formazione continua, monitoraggio e capacità di apprendimento organizzativo dagli incidenti. Se applicato con rigore, il quadro europeo abilita un’adozione dell’IA affidabile, equa e inclusiva, a beneficio dell’intera comunità scolastica. ¹²

Riferimenti normativi e fonti

Regolamento (UE) 2024/1689 (AI Act) – Gazzetta ufficiale dell’Unione europea, L 2024/1689 del 12.07.2024 (testo in lingua italiana, ELI). Si veda in particolare: considerandi (1), (26)–(28), (56), (62), (64)–(76), (80)–(96), (121)–(131), (132)–(137), (138)–(147), (155)–(171), (177)–(179); articoli su ambito, definizioni, requisiti per sistemi ad alto rischio, trasparenza, GPAI, governance, vigilanza e sanzioni.
ELI: https://eur-lex.europa.eu/eli/reg/2024/1689/oj?locale=it ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶ ↩⁷ ↩⁸ ↩⁹ ↩¹⁰ ↩¹¹ ↩¹² ↩¹³ ↩¹⁴ ↩¹⁵ ↩¹⁶ ↩¹⁷ ↩¹⁸ ↩¹⁹ ↩²⁰ ↩²¹ ↩²² ↩²³ ↩²⁴ ↩²⁵ ↩²⁶ ↩²⁷ ↩²⁸ ↩²⁹ ↩³⁰ ↩³¹ ↩³² ↩³³ ↩³⁴ ↩³⁵ ↩³⁶ ↩³⁷ ↩³⁸ ↩³⁹ ↩⁴⁰ ↩⁴¹ ↩⁴² ↩⁴³ ↩⁴⁴ ↩⁴⁵ ↩⁴⁶ ↩⁴⁷ ↩⁴⁸ ↩⁴⁹ ↩⁵⁰ ↩⁵¹ ↩⁵² ↩⁵³ ↩⁵⁴ ↩⁵⁵ ↩⁵⁶ ↩⁵⁷
European Commission – AI Act (Shaping Europe’s digital future): “Regulatory framework on Artificial Intelligence (AI Act)”. Quadro sintetico sul modello di rischio, divieti, alti rischi, misure di attuazione (AI Pact, AI Innovation Package, AI Factories) e finalità di fiducia e sicurezza.
URL: https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶ ↩⁷ ↩⁸ ↩⁹ ↩¹⁰ ↩¹¹ ↩¹² ↩¹³ ↩¹⁴ ↩¹⁵ ↩¹⁶ ↩¹⁷