Contenuti sintetici e AI Act: quando scatta l’obbligo di dichiararli

Dal 2 agosto 2026 sono entrati in applicazione gli obblighi di trasparenza dell’articolo 50 dell’AI Act per chatbot, deepfake e contenuti generati o manipolati dall’intelligenza artificiale. Le regole coinvolgono fornitori e utilizzatori dei sistemi, con ricadute dirette su imprese, pubbliche amministrazioni ed editori.

La trasparenza come infrastruttura dell’affidabilità digitale

L’emersione dei contenuti sintetici segna una discontinuità profonda nell’ecosistema informativo. Testi, immagini, audio e video generati o manipolati dall’intelligenza artificiale non rappresentano più un fenomeno sperimentale, ma una componente ordinaria della produzione comunicativa, commerciale, amministrativa ed editoriale. La questione giuridica, pertanto, non è più soltanto se un contenuto sia «vero» o «falso», ma se il destinatario disponga di elementi sufficienti per comprendere la natura artificiale o manipolata del processo che lo ha generato.

È in questa prospettiva che l’articolo 50 dell’AI Act ridisegna il perimetro della trasparenza europea. La norma articola obblighi distinti. I fornitori devono informare le persone quando interagiscono con un sistema di IA e rendere riconoscibili gli output sintetici mediante marcature machine-readable. I deployer devono dichiarare la natura artificiale o manipolata dei deepfake e segnalare l’uso dell’IA nei testi pubblicati per informare il pubblico su questioni di interesse pubblico, salve le condizioni di revisione umana e responsabilità editoriale¹. In via generale, l’articolo 50 si applica dal 2 agosto 2026; le regole sui modelli di IA per finalità generali hanno iniziato ad applicarsi dal 2 agosto 2025².

Il quadro attivo comprende il Code of Practice on Trasparency of AI-Generated Content, pubblicato il 10 giugno 2026. La Commissione europea e l’AI Board lo hanno successivamente ritenuto adeguato a facilitare la conformità ai parr. 2, 4 e 5 dell’articolo 50. L’adesione resta volontaria e non costituisce prova conclusiva della conformità. Il Codice distingue tra marcatura e rilevabilità dei contenuti sintetici da parte dei fornitori e labelling dei deepfake o dei testi generati da IA da parte dei deployer.

Il quadro attuativo comprende il Code of Practice on Transparency of AI-Generated Content, pubblicato il 10 giugno 2026. La Commissione europea e l’AI Board lo hanno successivamente ritenuto adeguato a facilitare la conformità ai parr. 2, 4 e 5 dell’articolo 50. L’adesione resta volontaria e non costituisce prova conclusiva della conformità. Il Codice distingue tra marcatura e rilevabilità dei contenuti sintetici da parte dei fornitori e labelling dei deepfake o dei testi generati da IA da parte dei deployer³.

Il confine tra diritto applicabile e profili ancora evolutivi va precisato. Il regolamento (UE) 2026/1744, cosiddetto Digital Omnibus on AI, è stato pubblicato il 24 luglio 2026 ed è entrato in vigore il 27 luglio 2026: appartiene quindi al diritto vigente. Esso non rinvia in via generale l’articolo 50, applicabile dal 2 agosto 2026. Introduce un regime transitorio limitato ai sistemi immessi sul mercato prima di tale data e al solo obbligo di marcatura e rilevabilità di cui al par. 2, che per tali sistemi deve essere osservato dal 2 dicembre 2026. Restano ferme dal 2 agosto 2026 le altre prescrizioni dell’articolo 50⁴.

Il perimetro dell’articolo 50 AI Act: quattro obblighi e una logica comune

L’articolo 50 dell’AI Act può essere letto come una norma di trasparenza orizzontale, non confinata ai soli sistemi ad alto rischio. È questa la sua peculiarità: mentre gran parte del Regolamento opera secondo una logica di classificazione del rischio, gli obblighi di disclosure colpiscono alcune modalità d’uso dell’IA in ragione della loro capacità di incidere sulla percezione, sull’autonomia cognitiva e sulla fiducia dell’utente.

Il primo obbligo riguarda i sistemi destinati a interagire direttamente con le persone fisiche. I fornitori devono progettare e sviluppare tali sistemi in modo che l’utente sia informato di stare interagendo con un sistema di IA, salvo che ciò risulti evidente per una persona ragionevolmente informata, attenta e avveduta, tenuto conto delle circostanze e del contesto d’uso. La clausola dell’«evidenza» è destinata a generare problemi interpretativi: ciò che è evidente per un professionista digitale può non esserlo per un minore, un anziano, un consumatore vulnerabile o un cittadino che interagisce con un servizio pubblico essenziale.

Il secondo obbligo concerne i fornitori di sistemi di IA, inclusi quelli per finalità generali, che generano contenuti sintetici audio, immagine, video o testo. Il dato testuale è nell’articolo 50, par. 2: i sistemi devono essere progettati e sviluppati affinché gli output siano marcati in formato machine-readable e rilevabili come artificiali o manipolati; le soluzioni tecniche devono essere efficaci, interoperabili, robuste e affidabili, per quanto tecnicamente fattibile. L’espressione «proprietà architetturale del contenuto» non appartiene alla norma. È qui usata, sul piano ricostruttivo, per indicare che la tracciabilità deve essere incorporata nell’output e progettata a monte, non aggiunta soltanto come avviso rivolto all’utente.

Il terzo obbligo ricade sui deployer di sistemi di riconoscimento delle emozioni o categorizzazione biometrica, i quali devono informare le persone esposte al funzionamento del sistema, fermo restando il rispetto della disciplina in materia di protezione dei dati personali. Il collegamento con GDPR, regolamento ePrivacy e direttiva «law enforcement» è qui particolarmente evidente, poiché la trasparenza sull’uso dell’IA non assorbe gli obblighi di base giuridica, minimizzazione, proporzionalità e limitazione delle finalità.

Il quarto obbligo riguarda i deployer che generano o manipolano immagini, audio o video costituenti deepfake, nonché testi generati o manipolati artificialmente e pubblicati per informare il pubblico su questioni di interesse pubblico. La disciplina è graduata: per opere artistiche, creative, satiriche, fittizie o analoghe, la disclosure può essere limitata in modo da non ostacolare la fruizione dell’opera; per i testi informativi, invece, la disclosure non è richiesta quando il contenuto sia stato sottoposto a revisione umana o controllo editoriale e una persona fisica o giuridica assuma la responsabilità editoriale della pubblicazione.

La trasparenza europea non coincide con un’etichetta uniforme: varia in base al ruolo dell’operatore, alla natura e al canale del contenuto, al destinatario e al rischio di inganno. Non mira a stigmatizzare l’IA, ma a preservare la distinzione tra interazione umana e artificiale, contenuto autentico e sintetico, informazione editoriale e automazione comunicativa.

Dalla disclosure alla governance: perché l’etichetta non basta

L’obbligo di disclosure è spesso interpretato in modo riduttivo, come se bastasse aggiungere la formula «contenuto generato con IA». Il dato testuale dell’articolo 50, par. 5, richiede invece che le informazioni siano chiare e distinguibili, fornite al più tardi alla prima interazione o esposizione e rispettose dei requisiti di accessibilità. Da tali coordinate deriva che la trasparenza non può essere relegata in condizioni d’uso, menu secondari, policy generiche o informative non contestuali.

Inoltre, la marcatura machine-readable imposta ai fornitori introduce un livello tecnico che eccede la disclosure rivolta all’utente. Un contenuto sintetico deve poter essere rilevato anche da sistemi automatizzati, piattaforme, intermediari, strumenti di moderazione, archivi e motori di ricerca. Da qui l’importanza di standard di provenienza e autenticità, come quelli promossi dalla «Coalition for Content Provenance and Authenticity», che mirano a documentare origine, modifiche e catena di custodia dei contenuti digitali.

Tuttavia, l’affidamento esclusivo su watermarking, metadata o strumenti di detection sarebbe ingenuo. NIST ha evidenziato che le tecniche di provenance e detection possono ridurre alcuni rischi dei contenuti sintetici, ma non offrono ancora una soluzione definitiva e generalizzabile. Studi recenti hanno inoltre messo in luce vulnerabilità e tensioni tra standard di autenticazione dei contenuti, watermarking e scenari di uso ad alta criticità, come giornalismo investigativo, prova giudiziaria e documentazione di violazioni dei diritti umani.

Su questa base, il contributo propone di leggere la conformità all’articolo 50 come governance documentata: mappatura degli usi, classificazione dei ruoli, controllo degli output, revisione umana, registrazione delle generazioni, politiche editoriali, conservazione delle evidenze e gestione degli incidenti. Non si tratta di una formula normativa autonoma, ma di una ricostruzione organizzativa degli obblighi. La disclosure ne costituisce il punto visibile e verificabile.

Chatbot, assistenti conversazionali e servizi pubblici digitali

Il caso dei chatbot è il più immediato, ma non il più semplice. L’obbligo di informare l’utente dell’interazione con un sistema di IA appare intuitivo quando si tratta di assistenti conversazionali commerciali o customer care automatizzato. Diventa invece più complesso nei sistemi ibridi, nei quali un operatore umano interviene solo in caso di escalation, o nei sistemi agentici che compiono azioni per conto dell’utente, come prenotazioni, compilazioni, pagamenti, richieste amministrative o supporto decisionale.

Per imprese e pubbliche amministrazioni non basta la formula «stai parlando con un assistente virtuale». Occorre chiarire che l’interlocutore è un sistema di IA, quali funzioni può svolgere e quando è disponibile un intervento umano. Nei servizi pubblici ciò discende anche da buon andamento, imparzialità, accessibilità e responsabilità: l’utente non deve confondere l’output con un provvedimento o un parere vincolante.

L’obbligo di disclosure si intreccia anche con la protezione dei dati personali. L’EDPB, nell’Opinion 28/2024 sui modelli di IA, ha affrontato temi centrali quali l’anonimizzazione dei modelli, il ricorso al legittimo interesse per sviluppo e uso di sistemi di IA e le conseguenze dell’eventuale trattamento illecito di dati personali nella fase di addestramento. La trasparenza sull’interazione con l’IA, quindi, non può essere separata dalla trasparenza sul trattamento dei dati, dalla base giuridica, dalla conservazione delle conversazioni e dall’eventuale uso dei prompt per migliorare il servizio⁵.

La giurisprudenza della Corte di giustizia sul GDPR conferma, più in generale, che i sistemi automatizzati possono incidere in modo significativo sulla posizione giuridica delle persone anche quando la decisione finale è formalmente assunta da un soggetto diverso. Nel caso SCHUFA, la Corte ha chiarito che l’elaborazione automatizzata di un punteggio di affidabilità creditizia può rientrare nel divieto di decisioni automatizzate dell’articolo 22 GDPR quando il terzo vi attribuisca un ruolo determinante⁶. Tale logica è rilevante anche per i chatbot decisionali o quasi-decisionali, nei quali la disclosure non basta se l’output orienta in modo sostanziale l’esercizio di diritti o l’accesso a servizi.

Deepfake e contenuti sintetici: il confine mobile tra manipolazione e produzione

Il deepfake è il banco di prova più delicato della trasparenza europea. La letteratura ha mostrato da tempo come i contenuti audiovisivi sintetici possano incidere su privacy, reputazione, sicurezza nazionale, processi democratici e fiducia nelle notizie⁷. La peculiarità del deepfake non è soltanto la falsità, ma la verosimiglianza performativa: esso non si limita ad affermare qualcosa, ma mette in scena un corpo, una voce, un volto, un gesto o una presenza⁸.

L’AI Act definisce e regola il fenomeno attraverso un obbligo di disclosure posto in capo al deployer che genera o manipola immagini, audio o video. Tuttavia, il confine tra manipolazione legittima e deepfake non è sempre netto. Restauro digitale, doppiaggio sintetico, filtri creativi, avatar, ricostruzioni storiche, contenuti satirici, effetti speciali e strumenti di editing assistito dall’IA possono collocarsi in una zona grigia. La stessa disciplina europea riconosce eccezioni e attenuazioni per finalità artistiche, creative, satiriche o fittizie, ma lascia aperta la questione della soglia oltre la quale l’alterazione diventa idonea a ingannare il pubblico.

La disciplina deve evitare due rischi opposti: l’over-labelling, che svuota l’etichetta se ogni miglioramento digitale viene segnalato come uso di IA, e una soglia troppo ristretta, che lascia fuori contenuti realistici qualificati come editing o parodia. Serve una valutazione contestuale del realismo, del rischio di inganno, della rilevanza pubblica e del possibile pregiudizio.

Un ulteriore problema riguarda la detection. I sistemi di rilevazione dei contenuti sintetici sono probabilistici, dipendono dal modello generativo, possono degradarsi con la compressione, il riuso e il re-upload dei contenuti, e sono esposti a strategie di elusione. Per questa ragione, la direzione più promettente non è affidarsi a un unico strumento, ma combinare marcatura alla fonte, provenance, controlli di piattaforma, disclosure contestuale e responsabilità editoriale. Studi recenti sulla moderazione dei deepfake suggeriscono infatti strategie multilivello, nelle quali marking, detection e labelling non si sostituiscono ma si rafforzano reciprocamente⁹.

Editori e informazione pubblica: la disclosure come responsabilità editoriale

La disciplina dei testi generati o manipolati artificialmente destinati a informare il pubblico su questioni di interesse pubblico ha implicazioni particolarmente rilevanti per editori, testate giornalistiche, uffici stampa, agenzie di comunicazione, istituzioni pubbliche e piattaforme informative. L’AI Act non vieta l’uso dell’IA nella produzione di contenuti informativi, ma richiede disclosure salvo che il contenuto sia stato sottoposto a revisione umana o controllo editoriale e una persona fisica o giuridica assuma responsabilità editoriale.

L’eccezione non è una franchigia generalizzata. La revisione umana deve essere sostanziale: verifica delle fonti, controllo dell’accuratezza, coerenza editoriale, responsabilità sulla pubblicazione e tracciabilità dell’intervento. Altrimenti la responsabilità editoriale diventa una formula nominale che elude la norma.

Per le redazioni il problema non è soltanto giuridico, ma deontologico e organizzativo. L’uso dell’IA per bozze, sintesi, traduzioni, titolazioni, data journalism, generazione di immagini illustrative o adattamento SEO può essere legittimo e utile, ma richiede policy interne differenziate. Non tutti gli usi hanno lo stesso impatto: un sistema che assiste la correzione grammaticale non pone gli stessi rischi di un sistema che produce automaticamente un articolo su una crisi sanitaria, una consultazione elettorale o un procedimento giudiziario.

Il Digital Services Act rafforza questo quadro per le piattaforme online, imponendo obblighi di valutazione e mitigazione dei rischi sistemici alle piattaforme e ai motori di ricerca di dimensioni molto grandi, inclusi i rischi per processi democratici, dibattito pubblico, salute pubblica e protezione dei minori. La Commissione europea ha progressivamente integrato il contrasto alla disinformazione nel sistema di co-regolazione del DSA, anche attraverso il Codice di condotta sulla disinformazione.

Il Regolamento (UE) 2024/900 sulla pubblicità politica completa il quadro, imponendo trasparenza sul finanziatore e sulle tecniche di targeting. Quando contenuti politici sintetici sono diffusi su larga scala, la disclosure sull’IA deve coordinarsi con quelle su sponsorizzazione, finanziamento e profilazione dell’audience.

Il mosaico regolatorio: AI Act, GDPR, DSA, copyright, cybersecurity e data governance

L’articolo 50 non opera nel vuoto. Esso si colloca dentro una costellazione normativa che rende la trasparenza dei contenuti generati dall’IA un tema trasversale.

Il GDPR resta centrale quando la generazione o manipolazione di contenuti coinvolge dati personali, immagini, voce, dati biometrici, prompt contenenti informazioni identificabili o dataset di addestramento. La disclosure sull’uso dell’IA non sostituisce l’informativa privacy, né legittima trattamenti privi di base giuridica. L’esperienza del provvedimento del Garante italiano nei confronti di ChatGPT nel 2023 ha mostrato come l’uso di sistemi generativi ponga questioni immediate di liceità, trasparenza, esattezza dei dati e protezione dei minori¹⁰.

Il diritto d’autore incide sulla filiera di addestramento e riuso dei contenuti. La direttiva 2019/790 disciplina le eccezioni di text and data mining. L’AI Act impone inoltre ai fornitori di modelli di IA per finalità generali una policy sul copyright e una sintesi dei contenuti usati per l’addestramento¹¹. I lavori della Commissione sui protocolli di riserva dei diritti confermano che il rapporto tra IA generativa e titolari resta un’area instabile della compliance europea.

La cybersecurity rileva perché la trasparenza tecnica è affidabile solo se la catena di produzione, marcatura, conservazione e distribuzione è protetta. Il Cyber Resilience Act, in vigore dal 10 dicembre 2024 e pienamente applicabile dall’11 dicembre 2027, introduce requisiti di sicurezza per i prodotti con elementi digitali lungo il ciclo di vita. La direttiva NIS2 rafforza, nei settori interessati, la gestione del rischio cyber e della supply chain. Un sistema di watermarking o provenance compromesso può infatti creare falsi segnali di autenticità o cancellare tracce rilevanti.

Data Act e Data Governance Act completano il quadro sul versante della disponibilità, condivisione e controllo dei dati. Il primo, applicabile dal 12 settembre 2025, rafforza il controllo di utenti e imprese sui dati generati da prodotti connessi. Il secondo, applicabile dal settembre 2023, promuove meccanismi fiduciari di condivisione. Non disciplinano direttamente la disclosure dei contenuti sintetici, ma incidono sulla qualità dei dati impiegati per addestrare, verificare e governare sistemi di IA¹².

La Convenzione quadro del Consiglio d’Europa sull’IA e i Principi OCSE, aggiornati nel 2024, confermano infine l’orientamento sovranazionale verso accountability, trasparenza, robustezza e tutela dei diritti lungo l’intero ciclo di vita dei sistemi.

Ricadute operative per imprese, PA ed editori dal 2 agosto 2026

Per le imprese, il primo passo è distinguere i ruoli: fornitore, deployer, piattaforma, editore, committente o titolare del trattamento. La stessa organizzazione può cumularne più d’uno e assumere obblighi diversi. Senza una mappatura preliminare degli usi dell’IA, la conformità all’articolo 50 resta cosmetica.

Per la pubblica amministrazione, la disclosure va integrata nei principi di trasparenza amministrativa, accessibilità digitale e responsabilità del procedimento. Quando un assistente virtuale informa su servizi, bandi, tributi o diritti sociali, l’amministrazione deve chiarire il valore non vincolante dell’output e offrire canali umani alternativi. Deve inoltre conservare traccia delle versioni del sistema e verificare periodicamente accuratezza, bias e comprensibilità delle risposte¹³.

Per gli editori, la priorità è una policy sull’IA generativa che distingua assistenza redazionale e produzione sostanziale. Per escludere la disclosure sui testi informativi, la responsabilità editoriale deve poggiare su procedure dimostrabili. Rilevano, in particolare, verifica delle fonti, intervento umano significativo, registrazione del workflow, criteri per immagini sintetiche, regole per contenuti audio e video e gestione delle rettifiche.

Sul piano contrattuale, la trasparenza deve entrare nei rapporti con fornitori e agenzie. I contratti dovrebbero regolare marcatura degli output, standard tecnici, documentazione, conservazione dei metadata, aggiornamenti e audit. Dovrebbero inoltre disciplinare responsabilità per carenze della disclosure e cooperazione in caso di contestazioni o richieste delle autorità.

L’espressione «disclosure by design» non compare nel testo dell’articolo 50. È qui impiegata in senso ricostruttivo per descrivere il passaggio da una compliance by notice all’integrazione della trasparenza nella progettazione dei sistemi, nei flussi editoriali, nelle interfacce, nelle API, nei sistemi di content management, negli archivi e nelle procedure di pubblicazione. Un’etichetta aggiunta all’ultimo momento può essere utile, ma non esaurisce una strategia di governance¹⁴.

Criticità interpretative e sviluppi futuri

A livello interpretativo emergono tre criticità che meritano particolare attenzione.

La prima criticità riguarda la «persona ragionevolmente informata, attenta e avveduta». Nel contesto generativo, riconoscere chatbot, avatar o voci clonate dipende da alfabetizzazione digitale, età, vulnerabilità, lingua e canale. L’eccezione dell’evidenza va quindi interpretata restrittivamente nei servizi essenziali, nei contesti pubblici e verso soggetti vulnerabili.

La seconda criticità è la robustezza delle marcature. L’articolo 50, par. 2, richiede soluzioni efficaci, interoperabili, robuste e affidabili «per quanto tecnicamente fattibile», senza imporre un unico standard. Le linee guida e il Code of Practice riducono l’incertezza, ma non eliminano le valutazioni caso per caso. La lettura della trasparenza come componente dell’architettura resta dunque una proposta ricostruttiva fondata su quel dato testuale, non una formula autonoma della norma.

La terza riguarda l’effetto sociale della disclosure. Un’etichetta può informare, ma anche normalizzare. Se ogni contenuto viene percepito come potenzialmente sintetico, il rischio non è solo l’inganno, ma il cosiddetto «liar’s dividend»: la possibilità per soggetti malevoli di negare l’autenticità di contenuti reali sostenendo che siano deepfake. La trasparenza deve quindi rafforzare, non indebolire, l’ecosistema della prova, della verifica e della fiducia pubblica.

La disclosure, dunque, non è una panacea: funziona solo insieme ad alfabetizzazione digitale, responsabilità editoriale, audit tecnici, protezione dei dati, sicurezza della filiera ed enforcement. Il NIST AI Risk Management Framework offre una grammatica utile per collegare governance, mappatura, misurazione e gestione dei rischi lungo il ciclo di vita.

La trasparenza europea come grammatica della fiducia artificiale

L’AI Act inaugura una nuova stagione della trasparenza digitale. Non si tratta più di informare genericamente l’utente, ma di rendere governabile l’origine artificiale dei contenuti, la natura dell’interazione, la manipolazione audiovisiva e la responsabilità editoriale. Dal 2 agosto 2026, imprese, pubbliche amministrazioni ed editori dovranno dimostrare non soltanto di aver apposto un’etichetta, ma di aver costruito processi capaci di rendere quella etichetta corretta, tempestiva, accessibile e verificabile.

Occorre evitare sia la trasparenza formale, fatta di formule prive di valore informativo, sia quella eccessiva e indifferenziata, che genera assuefazione. La via europea richiede una trasparenza proporzionata, contestuale e incorporata nella tecnologia, capace di unire responsabilità giuridica, qualità informativa e affidabilità infrastrutturale.

In sintesi, il contributo propone tre tesi ricostruttive: la trasparenza quale infrastruttura dell’affidabilità digitale; la disclosure quale esito visibile di una più ampia governance; la conformità quale processo documentato e verificabile. L’articolo 50 non enuncia queste formule, ma offre la base testuale per leggerle come criteri di attuazione coerenti con una fiducia che deve essere progettata, dimostrata e resa riconoscibile

Bibliografia

• CAPPAI M., Intelligenza artificiale e protezione dei dati personali nel d.d.l. n. 1146: quale governance nazionale?, in Federalismi.it, 2024.
• CHESNEY R., CITRON D.K., Deep Fakes: A Looming Challenge for Privacy, Democracy, and National Security, California Law Review, 2019.
• COMMISSIONE EUROPEA – AI BOARD, Assessment of the Code of Practice on Transparency of AI-Generated Content, 8-9 luglio 2026.
• COMMISSIONE EUROPEA – EUROPEAN BOARD FOR DIGITAL SERVICES, Code of Conduct on Disinformation, integrazione nel quadro del Digital Services Act, 13 febbraio 2025.
• COMMISSIONE EUROPEA, AI Act Service Desk: Timeline for Implementation, 2026.
• COMMISSIONE EUROPEA, Code of Practice on Transparency of AI-Generated Content, 10 giugno 2026.
• COMMISSIONE EUROPEA, General-Purpose AI Code of Practice, cap. Copyright, 10 luglio 2025.
• COMMISSIONE EUROPEA, Guidelines on Transparency Obligations for Providers and Deployers of Certain AI Systems, 2026.
• CONSIGLIO D’EUROPA, Framework Convention on Artificial Intelligence and Human Rights, Democracy and the Rule of Law, CETS n. 225, Vilnius, 5 settembre 2024.
• CORTE DI GIUSTIZIA DELL’UNIONE EUROPEA, sentenza 7 dicembre 2023, C-634/21, SCHUFA Holding (Scoring), ECLI:EU:C:2023:957.
• DI BELLO B., Ai pro. Progettare, creare e comunicare con l’intelligenza artificiale generativa, Hoepli, Milano, 2024.
• EUROPEAN DATA PROTECTION BOARD, Opinion 28/2024 on Certain Data Protection Aspects Related to the Processing of Personal Data in the Context of AI Models, 17 dicembre 2024.
• FALLETTI E., Discriminazione algoritmica. Una prospettiva comparata, Giappichelli, Torino, 2022.
• PAINO A., DONATI F., PERRUCCI A. (a cura di), Intelligenza artificiale e diritto: una rivoluzione?, vol. II, Il Mulino, 2022.
• RAZZANTE R. (a cura di), Manuale sull’intelligenza artificiale, Giappichelli, Torino, 2024.
• SIMONCINI A., Il linguaggio dell’Intelligenza Artificiale e la 140 tutela costituzionale, in AIC, 2023.
• UNIONE EUROPEA, direttiva (UE) 2016/680 del Parlamento europeo e del Consiglio del 27 aprile 2016 (Law Enforcement Directive), GUUE L 119, 4 maggio 2016, 89-131.
• UNIONE EUROPEA, direttiva (UE) 2019/790 del Parlamento europeo e del Consiglio del 17 aprile 2019 sul diritto d’autore e sui diritti connessi nel mercato unico digitale, GUUE L 130, 17 maggio 2019, 92-125.
• UNIONE EUROPEA, direttiva (UE) 2022/2555 del Parlamento europeo e del Consiglio del 14 dicembre 2022 (NIS2), GUUE L 333, 27 dicembre 2022, 80-152.
• UNIONE EUROPEA, direttiva 2002/58/CE del Parlamento europeo e del Consiglio del 12 luglio 2002 (direttiva ePrivacy), GUCE L 201, 31 luglio 2002, 37-47.
• UNIONE EUROPEA, regolamento (UE) 2016/679 del Parlamento europeo e del Consiglio del 27 aprile 2016 (GDPR), GUUE L 119, 4 maggio 2016, 1-88.
• UNIONE EUROPEA, regolamento (UE) 2022/2065 del Parlamento europeo e del Consiglio del 19 ottobre 2022 (Digital Services Act), GUUE L 277, 27 ottobre 2022, 1-102.
• UNIONE EUROPEA, regolamento (UE) 2022/868 del Parlamento europeo e del Consiglio del 30 maggio 2022 (Data Governance Act), GUUE L 152, 3 giugno 2022, 1-44.
• UNIONE EUROPEA, regolamento (UE) 2023/2854 del Parlamento europeo e del Consiglio del 13 dicembre 2023 (Data Act), GUUE L, 2023/2854, 22 dicembre 2023.
• UNIONE EUROPEA, regolamento (UE) 2024/1689 del Parlamento europeo e del Consiglio del 13 giugno 2024 (AI Act), GUUE L, 2024/1689, 12 luglio 2024, spec. artt. 50, 53 e 113.
• UNIONE EUROPEA, regolamento (UE) 2024/2847 del Parlamento europeo e del Consiglio del 23 ottobre 2024 (Cyber Resilience Act), GUUE L, 2024/2847, 20 novembre 2024.
• UNIONE EUROPEA, regolamento (UE) 2024/900 del Parlamento europeo e del Consiglio del 13 marzo 2024 sulla trasparenza e il targeting della pubblicità politica, GUUE L, 2024/900, 20 marzo 2024.
• UNIONE EUROPEA, regolamento (UE) 2026/1744 del Parlamento europeo e del Consiglio dell’8 luglio 2026 (Digital Omnibus on AI), GUUE L, 2026/1744, 24 luglio 2026.
• VACCARI C., CHADWICK A., Deepfakes and Disinformation: Exploring the Impact of Synthetic Political Video on Deception, Uncertainty, and Trust in News, Social Media + Society, 2020.

A. PAJNO – F. DONATI – A. PERRUCCI (a cura di), Intelligenza artificiale e diritto: una rivoluzione?, vol. II, Bologna, il Mulino, 2022, 281-304.↩︎

COMMISSIONE EUROPEA, Guidelines on Transparency Obligations for Providers and Deployers of Certain AI Systems, 2026.↩︎

UNIONE EUROPEA, regolamento (UE) 2024/1689 del Parlamento europeo e del Consiglio del 13 giugno 2024, art. 113; COMMISSIONE EUROPEA, AI Act Service Desk: Timeline for Implementation, 2026.↩︎

COMMISSIONE EUROPEA, Code of Practice on Transparency of AI-Generated Content, 10 giugno 2026; COMMISSIONE EUROPEA – AI BOARD, valutazioni di adeguatezza del Codice, 8-9 luglio 2026.↩︎

UNIONE EUROPEA, regolamento (UE) 2026/1744 del Parlamento europeo e del Consiglio dell’8 luglio 2026, GUUE L, 2026/1744, 24 luglio 2026.↩︎

EUROPEAN DATA PROTECTION BOARD, Opinion 28/2024 on Certain Data Protection Aspects Related to the Processing of Personal Data in the Context of AI Models, 17 dicembre 2024.↩︎

Cfr. CORTE DI GIUSTIZIA DELL’UNIONE EUROPEA, 7 dicembre 2023, C-634/21, SCHUFA Holding (Scoring), punti 43-73.↩︎

B. CHESNEY – D.K. CITRON, Deep Fakes: A Looming Challenge for Privacy, Democracy, and National Security, in California Law Review, n. 6/2019, 1758.↩︎

C. VACCARI – A. CHADWICK, Deepfakes and Disinformation: Exploring the Impact of Synthetic Political Video on Deception, Uncertainty, and Trust in News, in Social Media + Society, n. 1/2020, 1-13.↩︎

B. DI BELLO, AI pro. Progettare, creare e comunicare con l’intelligenza artificiale generativa, Milano, Hoepli, 2024, 113-167.↩︎

GARANTE PER LA PROTEZIONE DEI DATI PERSONALI, provvedimento 30 marzo 2023, n. 112, doc. web n. 9870832.↩︎

R. RAZZANTE (a cura di), Manuale sull’intelligenza artificiale, Torino, Giappichelli, 2024, 208-210.↩︎

A. SIMONCINI, Il linguaggio dell’Intelligenza Artificiale e la tutela costituzionale, in Rivista AIC, n. 2/2023, 2-39.↩︎

E. FALLETTI, Discriminazione algoritmica. Una prospettiva comparata, Torino, Giappichelli, 2022, 209-215.↩︎