L’inquadramento giuridico dell’intelligenza artificiale richiede di precisare che il Regolamento (UE) 2024/1689 del Parlamento europeo e del Consiglio che stabilisce regole armonizzate sull’intelligenza artificiale (di seguito AI Act o Regolamento) non estende la propria disciplina a qualsiasi soluzione tecnologica riconducibile al concetto di IA, limitandosi piuttosto a regolare esclusivamente le soluzioni di IA che rientrano nel suo perimetro applicativo e ne soddisfano i requisiti definitori.
Come già emerso in altri ambiti normativi di natura interdisciplinare, l’adozione di un apparato terminologico coerente e condiviso si rivela imprescindibile per descrivere adeguatamente quali sono le soluzioni di IA, le tecniche impiegate e i requisiti giuridici e tecnici applicabili. Tale complessità è stata evidenziata in un recente contributo, ancora in fase di revisione (Sun et al. 2026). Tale vocabolario comune dovrebbe costituire un linguaggio condiviso tra gli esperti delle diverse discipline, facilitando la comunicazione e lo scambio di conoscenze al di là dei confini settoriali, indipendentemente dal contesto specifico in cui le soluzioni di IA vengono sviluppate o utilizzate. Come rilevato nel Considerando 12 dell’AI Act[1].
Indice degli argomenti
Sistemi e modelli di AI
Ai fini di verificare l’applicabilità dell’AI Act ad una determinata soluzione di IA, è necessario, in primo luogo, comprendere se queste ultime corrispondano alle definizioni normative di “sistema di intelligenza artificiale” o di “modello di intelligenza artificiale per finalità generali” previste dall’AI Act.
Il presente lavoro si concentra sulla prima delle due categorie definitorie: sistema di intelligenza artificiale. Il Regolamento si applica unicamente ai sistemi che soddisfano i requisiti stabiliti dall’articolo 3, punto 1, e rientrino nella definizione di “sistema di IA”, ossia “un sistema automatizzato progettato per funzionare con livelli di autonomia variabili e che può presentare adattabilità dopo la diffusione e che, per obiettivi espliciti o impliciti, deduce dall’input che riceve come generare output quali previsioni, contenuti, raccomandazioni o decisioni che possono influenzare ambienti fisici o virtuali”.
La corretta interpretazione della definizione di “sistema di IA” assume quindi carattere fondamentale per la delimitazione dell’ambito di applicazione della disciplina. Di seguito sarà illustrato più nel dettaglio l’iter che ha portato alla definizione di sistema di IA presente nell’AI Act e che cosa, in concreto, occorre considerare per comprendere se una soluzione di IA rientra nell’ambito di applicazione del Regolamento.
Definizione di sistema di IA nell’AI Act: l’iter europeo
Nella storia dell’intelligenza artificiale sono state proposte diverse definizioni che tendevano a fare riferimento allo sviluppo di sistemi capaci di imitare o riprodurre il pensiero e l’azione umani, di agire razionalmente e di interagire con l’ambiente circostante. L’IA mira, infatti, a sintetizzare o riprodurre i processi cognitivi umani, quali la percezione, la creatività, la comprensione, il linguaggio o l’apprendimento. Le numerose versioni della definizione di sistema di IA proposte negli anni, fino a quella inserita nell’AI Act, riflettono le difficoltà incontrate per formulare una definizione di sistema di intelligenza artificiale (Presno Linera e Meuwese 2025).
Una delle prime definizioni di “Intelligenza artificiale” elaborata a livello delle Istituzioni dell’UE si trova nella Comunicazione della Commissione europea “L’intelligenza artificiale per l’Europa” del 2018 (Mantelero, Resta e Riccio 2025); secondo la Commissione, l’IA “indica sistemi che mostrano un comportamento intelligente analizzando il proprio ambiente e compiendo azioni, con un certo grado di autonomia, per raggiungere specifici obiettivi. I sistemi basati sull’IA possono consistere solo in software che agiscono nel mondo virtuale (per esempio assistenti vocali, software per l’analisi delle immagini, motori di ricerca, sistemi di riconoscimento vocale e facciale); oppure incorporare l’IA in dispositivi hardware (per esempio in robot avanzati, auto a guida autonoma, droni o applicazioni dell’Internet delle cose)” (Commissione europea 2018).
Successivamente, nel 2019, anche il Gruppo di esperti nominato dalla Commissione europea (High Level Expert Group o HLEG) ha inserito nel glossario degli “Orientamenti etici per un’IA affidabile” una definizione di sistemi di IA, ossia “Sistemi software (ed eventualmente hardware) progettati dall’uomo che, dato un obiettivo complesso, agiscono nella dimensione fisica o digitale percependo il proprio ambiente attraverso l’acquisizione di dati, interpretando i dati strutturati o non strutturati raccolti, ragionando sulla conoscenza o elaborando le informazioni derivate da questi dati e decidendo le migliori azioni da intraprendere per raggiungere l’obiettivo dato. ” (Commissione europea 2019).
Cosa dice l’OCSE
Nel dibattito sulla definizione di “sistema di intelligenza artificiale”, oltre alla Commissione europea e all’ HLEG, ha svolto un ruolo di primo piano anche l’Organizzazione per la cooperazione e lo sviluppo economico (OCSE o OECD). Infatti, nel mese di novembre 2018, il gruppo di esperti sull’intelligenza artificiale dell’OCSE ha istituito un sottogruppo incaricato di elaborare una descrizione di un sistema di intelligenza artificiale che fosse comprensibile, tecnicamente accurata, neutrale rispetto alla tecnologia e applicabile sia nel breve sia nel lungo periodo.
Inoltre, l’intento dichiarato è stato quello di creare una definizione sufficientemente ampia da ricomprendere molte delle definizioni di intelligenza artificiale comunemente utilizzate dalle comunità scientifiche, imprenditoriali e dei decisori pubblici. Inoltre, ha contribuito all’elaborazione della Raccomandazione del Consiglio dell’OCSE sull’intelligenza artificiale (OECD 2019). Dal lavoro emerge una possibile risposta al quesito su che cosa possa essere considerato un sistema di intelligenza artificiale. Secondo l’OCSE, infatti, un sistema di IA “Sistemi basati su macchine che, per un determinato insieme di obiettivi definiti dall’uomo, sono in grado di formulare previsioni, raccomandazioni o decisioni, influenzando ambienti reali o virtuali, e che sono progettati per operare con diversi livelli di autonomia”.
Nel mese di novembre del 2023, l’OECD ha aggiornato la definizione come segue: “Un sistema basato su macchine che, per obiettivi espliciti o impliciti, deduce, a partire dagli input ricevuti, come generare output quali previsioni, contenuti, raccomandazioni o decisioni che possono influenzare ambienti fisici o virtuali. I diversi sistemi di intelligenza artificiale si distinguono per i rispettivi livelli di autonomia e per la capacità di adattamento successiva alla loro messa in esercizio” (OECD 2023). Sia la prima versione della definizione che la seconda hanno influenzato le diverse fasi della redazione della definizione di sistema di IA all’interno dell’AI Act.
La proposta della Commissione UE
Tornando ora al piano europeo, dopo aver preso in considerazione i diversi punti di vista, nel 2020, la Commissione europea nel Libro bianco sull’Intelligenza artificiale (Commissione europea 2020) ha affermato che “qualunque nuovo strumento giuridico dovrà comprendere una definizione di IA abbastanza flessibile da accogliere il progresso tecnico, ma anche sufficientemente precisa da garantire la necessaria certezza del diritto“.
Fatte queste premesse e osservata la complessità di trovare una definizione comune condivisa, la Commissione europea, nella proposta di Regolamento sull’intelligenza artificiale (Commissione europea 2021) è approdata alla seguente proposta: un sistema di IA è “un software sviluppato con una o più delle tecniche e degli approcci elencati nell’allegato I, che può, per una determinata serie di obiettivi definiti dall’uomo, generare output quali contenuti, previsioni, raccomandazioni o decisioni che influenzano gli ambienti con cui interagiscono”.
Leggendo il testo è evidente che tale definizione è stata poi ulteriormente modificata nel corso del trilogo (durante il quale sono stati presi in considerazione sia la nuova definizione proposta dall’OCSE nel 2023, sia gli sviluppi tecnologici) e si è approdati alla definizione che oggi è prevista dall’art. 3 dell’AI Act[2]. È da notare che, come riportato sopra, l’intenzione delle istituzioni dell’UE è stata quella di proporre una definizione con un ambito di applicazione sufficientemente ampio in modo da consentire un adattamento ai futuri sviluppi dell’intelligenza artificiale (Fernández-Llorca et al. 2025).
Tuttavia, questa ampiezza definitoria rischia di non favorire la certezza del diritto in quanto, in alcuni casi, potrebbe risultare complesso determinare i confini della stessa e potrebbe essere difficoltoso comprenderne a pieno i limiti senza degli esempi pratici su quali soluzioni di IA vi rientrino o meno (Trincado Castán 2024). Per tentare di sciogliere questi dubbi è intervenuta la Commissione europea.
Definizione di sistema di IA: le Linee guida della Commissione europea
Come visto nelle pagine precedenti, una domanda centrale per comprendere da un punto di vista pratico quando una soluzione che adotta l’IA rientri nell’ambito di applicazione dell’AI Act (e, dunque, inneschi la necessità di rispettare gli obblighi dalla normativa sull’IA) è: “quando un sistema software costituisce un “sistema di IA” ai sensi del Regolamento”? La risposta a questa domanda è preliminare alle altre valutazioni richieste dalla normativa.
Occorre, tuttavia considerare che, come chiarisce la stessa Commissione, la stragrande maggioranza dei sistemi, pur potendo tecnicamente qualificarsi come sistemi di IA, non sarà soggetta ad alcun requisito normativo specifico previsto dall’AI Act, in quanto classificabili come sistemi a “rischio limitato” (Commissione europea 2025). Alla luce di quanto detto, identificare correttamente i confini della definizione è dunque un prerequisito indispensabile per ogni operatore economico.
In questo contesto, posta la delicatezza di comprendere appieno i limiti della definizione di “sistema di IA” anche da un punto di vista operativo, l’articolo 96, paragrafo 1, lettera f), dell’AI Act stesso ha conferito alla Commissione europea il mandato di elaborare Linee guida interpretative sull’applicazione della definizione. La Commissione ha assolto tale compito pubblicando, a febbraio 2025, le linee guida sull’applicazione della definizione di sistema di IA (Commissione europea 2025) (di seguito, “Linee Guida”), un documento non vincolante destinato ad assistere fornitori, deployer e altri soggetti interessati nel determinare se un sistema costituisca o meno un sistema di IA ai sensi del Regolamento.
Va precisato che le Linee Guida non sono vincolanti ma costituiscono un supporto interpretativo fornito dalla Commissione; infatti, solo la Corte di giustizia dell’Unione europea (CGUE) può fornire interpretazioni autorevoli del regolamento sull’IA”[3].
È importante evidenziare che le Linee Guida adottano un approccio analitico che rifiuta la meccanicità applicativa; infatti, come precisato al paragrafo 6 delle stesse, “[l]a definizione di sistema di IA non dovrebbe essere applicata meccanicamente; ciascun sistema deve essere valutato sulla base delle sue caratteristiche specifiche”. Questo principio metodologico è fondamentale per i professionisti e le imprese in quanto non esistono scorciatoie definitorie né elenchi esaustivi di sistemi inclusi o esclusi. Ogni valutazione richiede un’analisi caso per caso. Le Linee Guida identificano sette elementi costitutivi della definizione di Sistema di IA, che devono essere analizzati congiuntamente secondo una prospettiva basata sul ciclo di vita del sistema.
Sistema automatizzato
Il termine “automatizzato” si riferisce al fatto che il sistema opera mediante macchine, intese come l’insieme di componenti hardware (processori, memorie, unità di rete) e software (codice, programmi, sistemi operativi) che ne consentono il funzionamento. La definizione è intenzionalmente ampia e, come precisato al paragrafo 13 delle Linee Guida stesse, essa ricomprende anche i sistemi di calcolo quantistico, i sistemi biologici od organici dotati di capacità computazionali.
Dal punto di vista operativo, questo elemento non solleva particolari problemi interpretativi per le imprese; infatti, qualsiasi sistema software che elabora dati in modo automatizzato soddisfa questo requisito. Il rilievo pratico è piuttosto nell’interazione con gli altri elementi della definizione.
Autonomia del sistema
Il requisito di autonomia determina la linea di demarcazione tra i sistemi di IA e i sistemi automatizzati tradizionali. Le Linee guida richiamano il considerando 12 dell’AI Act chiarisce che “con “livelli di autonomia variabili” si intende che il sistema deve essere progettato per operare con un certo grado di autonomia di azione rispetto al coinvolgimento umano”.
Le Linee Guida precisano che sono esclusi dalla definizione i sistemi “progettati per funzionare esclusivamente con il pieno coinvolgimento e intervento umano manuale”. Il punto discriminante è dunque la capacità del sistema di generare output senza che questo sia controllato manualmente o specificato in modo esplicito ed esatto da un essere umano. Esemplificativamente, un sistema che richiede input manuali ma è in grado di produrre autonomamente un output (come una raccomandazione o una previsione) soddisfa il requisito dell’autonomia.
Per le imprese, questo elemento ha implicazioni importanti nella progettazione dei flussi di lavoro: l’introduzione di checkpoint di supervisione umana sui singoli output del sistema non elimina necessariamente il carattere autonomo del sistema, se il sistema è strutturalmente capace di produrre output in modo indipendente. Il grado di autonomia in alcuni casi assume particolare rilevanza; ad esempio, “nei settori ad alto rischio individuati nell’allegato I e nell’allegato III dell’AI Act, possono, a determinate condizioni, comportare rischi potenziali e considerazioni in materia di sorveglianza umana aggiuntivi”.
Adattabilità dopo la diffusione
L’adattabilità si riferisce alla capacità di autoapprendimento del sistema, che consente di modificare il proprio comportamento durante l’uso, come ribadito anche nel considerando 12 dell’AI Act. Un sistema adattivo può produrre risultati diversi per gli stessi input dopo aver “appreso” dall’esperienza accumulata nel corso dell’utilizzo.
Tuttavia, le Linee Guida chiariscono espressamente che l’adattabilità è un elemento facoltativo; infatti, l’utilizzo del termine “può” nella definizione normativa indica che un sistema può costituire un sistema di IA anche in assenza di capacità di autoapprendimento post-deployment. Il chiarimento può avere rilevanza pratica nella misura in cui determina che sistemi con architetture fisse, non aggiornabili dopo il rilascio, potrebbero comunque rientrare nella definizione di sistema di IA nel caso in cui soddisfino gli altri requisiti individuati nella definizione e non rientrino tra i sistemi che la Commissione esclude espressamente dall’ambito di applicazione della definizione di sistema di IA.
Obiettivi espliciti o impliciti
I sistemi di IA operano perseguendo uno o più obiettivi, che possono essere espliciti, quindi chiaramente dichiarati e codificati dallo sviluppatore, come l’ottimizzazione di una funzione di costo, o impliciti, ovvero desumibili dal comportamento del sistema o derivanti dai dati di addestramento o dall’interazione del sistema di IA con il proprio ambiente.
Le Linee Guida, richiamando anche in questo caso il considerando 12 dell’AI Act, distinguono opportunamente tra gli obiettivi interni del sistema e la sua finalità prevista. Gli obiettivi riguardano i compiti che il sistema deve svolgere, hanno una rilevanza interna al sistema e fanno riferimento agli obiettivi dei compiti da svolgere e ai loro risultati (“ad esempio, un sistema di assistente di IA virtuale aziendale può avere come obiettivi di rispondere alle domande degli utenti su una serie di documenti con un’elevata accuratezza e un basso tasso di errori”).
La finalità prevista ha invece valenza esterna e si riferisce al contesto applicativo in cui il sistema è progettato per operare e “all'”uso di un sistema di IA previsto dal fornitore” (“ad esempio, nel caso di un sistema di assistente di IA virtuale aziendale, la finalità prevista potrebbe essere quella di assistere un determinato dipartimento di un’impresa nello svolgimento di determinati compiti”). Questa distinzione è molto importante poiché la finalità prevista può influenzare la classificazione del livello di rischio del sistema e la determinazione degli obblighi di conformità.
Capacità inferenziale
Il considerando 12 dell’AI Act, cui fanno riferimento anche le Linee Guida, identifica la capacità inferenziale come la caratteristica fondamentale che distingue i sistemi di IA dai sistemi software tradizionali. In particolare, questa capacità “si riferisce al processo di ottenimento degli output, quali previsioni, contenuti, raccomandazioni o decisioni, che possono influenzare gli ambienti fisici e virtuali e alla capacità dei sistemi di IA di ricavare modelli o algoritmi, o entrambi, da input o dati”.
Secondo la Commissione, la formulazione normativa “deduce come” è deliberatamente ampia ed abbraccia tanto la fase di utilizzo del sistema (in cui questo genera output dagli input) quanto la fase di costruzione (in cui si sviluppano modelli o algoritmi attraverso tecniche di IA). È interessante notare altresì che le Linee Guida precisano che la nozione di inferenza è compatibile con la definizione ISO/IEC 22989, che include nei presupposti del ragionamento inferenziale non solo fatti e regole, ma anche modelli, caratteristiche e dati grezzi.
La capacità inferenziale, pertanto, costituisce un elemento fondamentale nel determinare la linea di confine tra i sistemi che rientrano nell’ambito di applicazione dell’AI Act e quelli che ne rimangono esclusi.
Output e influenza sugli ambienti fisici o virtuali
Il sesto elemento cataloga le tipologie di output che un sistema di IA può generare: previsioni, contenuti, raccomandazioni e decisioni. Le diverse tipologie di output evidenziano un diverso grado di coinvolgimento umano.
Le previsioni, che “costituiscono uno degli output più comuni prodotti dal sistema di IA e richiedono il minore coinvolgimento umano”, sono stime di valori sconosciuti a partire da input noti. I sistemi di IA si distinguono dai sistemi predittivi tradizionali per la capacità di rilevare pattern complessi in ambienti dinamici; ad esempio, si pensi ai sistemi di guida autonoma o ai sistemi di previsione del consumo energetico che analizzano dati eterogenei (contatori intelligenti, previsioni meteorologiche, comportamenti dei consumatori).
I contenuti si riferiscono alla generazione di nuovo materiale (testi, immagini, video, audio) da parte del sistema. Questa categoria assume particolare rilievo con la diffusione dei sistemi di IA generativa, ai quali l’AI Act dedica specifiche disposizioni in merito ai requisiti di trasparenza.
Le raccomandazioni sono “suggerimenti per azioni, prodotti o servizi rivolti agli utenti sulla base delle loro preferenze, dei loro comportamenti o di altri input di dati”.
Anche in questo caso, come per le previsioni, le raccomandazioni possono essere generate sia da sistemi di IA sia da sistemi che non usano l’IA. Anche in questo caso le differenze tra la qualità delle raccomandazioni varia molto; infatti “sistemi di raccomandazione basati sull’IA, ad esempio, possono far leva sui dati su larga scala, adattarsi al comportamento degli utenti in tempo reale, fornire raccomandazioni altamente personalizzate ed espandersi in modo efficiente con l’aumento del set di dati, funzionalità raramente possedute dai sistemi non basati sull’IA”.
Le Linee Guida operano poi una distinzione importante: quando le raccomandazioni sono automaticamente applicate senza valutazione umana, esse si trasformano in decisioni.
Le decisioni, secondo quanto affermato nelle Linee Guida “si riferiscono a conclusioni o scelte effettuate da un sistema. Un sistema di IA che produce una decisione automatizza processi tradizionalmente gestiti dalla valutazione umana”. In particolare, un determinato risultato è prodotto nell’ambiente senza alcun intervento umano attraverso un processo completamente automatizzato.
Tale distinzione è rilevante per determinare se si applichino obblighi aggiuntivi, ad esempio in materia di trasparenza verso gli individui soggetti a decisioni automatizzate.
Interazione con l’ambiente
L’ultimo elemento evidenzia che i sistemi di IA non sono sistemi passivi, ma hanno un impatto attivo sull’ambiente in cui operano. Il riferimento ad “ambienti fisici o virtuali”, richiamato nel punto precedente, abbraccia sia le interazioni con oggetti tangibili (si pensi a un braccio robotico controllato da un sistema di IA) sia quelle con spazi digitali, flussi di dati ed ecosistemi software. Dopo aver analizzato gli elementi costitutivi della definizione di sistema di IA, le Linee Guida si occupano altresì di delimitarne negativamente il perimetro, individuando le categorie di sistemi che, pur presentando alcune caratteristiche superficialmente analoghe, non possono essere ricondotte alla nozione di sistema di IA ai sensi dell’AI Act.
La Commissione muove le proprie considerazioni dall’assunto del considerando 12 dell’AI Act secondo cui “la definizione di sistema di IA dovrebbe distinguere i sistemi di IA dai tradizionali sistemi software o dagli approcci di programmazione più semplici, e non dovrebbe riguardare i sistemi basati sulle regole definite unicamente da persone fisiche per eseguire operazioni in modo automatico”. A partire da questo criterio orientativo, le Linee Guida individuano quattro categorie di sistemi esclusi. Ovviamente, dal punto di vista del rispetto della normativa, è opportuno svolgere una valutazione caso per caso sulla singola soluzione che si intende sviluppare o adottare.
Sistemi per migliorare l’ottimizzazione matematica
Secondo la Commissione, rientrano in questa categoria i sistemi utilizzati per migliorare l’ottimizzazione matematica o per accelerare e approssimare metodi di ottimizzazione tradizionali e consolidati, quali i metodi di regressione lineare o logistica. Tali sistemi, pur possedendo una capacità inferenziale, non trascendono l’elaborazione di base dei dati. Tra gli esempi presenti nelle Linee Guida si trovano i modelli basati sull’apprendimento automatico che approssimano funzioni o parametri nei problemi di ottimizzazione mantenendo nel contempo le prestazioni.
Un altro indicatore utile in sede interpretativa è la consolidata diffusione di tali sistemi nel tempo; pertanto, il fatto che un sistema sia stato impiegato stabilmente nel settore per molti anni può costituire un indizio del fatto che esso non rientri nella definizione di sistema di IA. Le Linee Guida richiamano, a titolo esemplificativo, “sistemi basati sulla fisica possono utilizzare tecniche di apprendimento automatico per migliorare le prestazioni computazionali, accelerando le simulazioni tradizionali basate sulla fisica o stimando parametri, che vengono poi immessi nei modelli fisici consolidati. Tali sistemi non rientrerebbero nell’ambito di applicazione della definizione di sistema di IA”.
Rispetto a questa esclusione, alcuni autori affermano che la stessa si concentra sull’applicazione pratica del sistema algoritmico anziché sulle proprietà del sistema stesso e ciò non sarebbe coerente con la definizione contenuta nell’AI Act; infatti, nella definizione di sistema di IA dell’AI Act, l’applicazione pratica non è un elemento che determina se una soluzione sia o meno un sistema di IA (Algorithm Audit 2025).
Elaborazione di base dei dati
La seconda categoria riguarda i sistemi di elaborazione di base dei dati. Questi ultimi seguono istruzioni o operazioni predefinite ed esplicite, e sono sviluppati per eseguire compiti sulla base di input manuali o norme, senza alcuna forma di apprendimento, ragionamento o modellizzazione in qualsiasi fase del ciclo di vita; infatti “operano sulla base di regole fisse programmate dagli esseri umani, senza utilizzare tecniche di IA, come l’apprendimento automatico o l’inferenza basata sulla logica, per generare output”.
Le Linee Guida includono in questa categoria i sistemi di gestione delle banche dati utilizzati per selezionare o filtrare dati sulla base di criteri specifici, i fogli elettronici privi di funzionalità basate sull’IA, nonché i software che calcolano medie statistiche a partire da indagini. Analogamente, i sistemi destinati esclusivamente all’analisi descrittiva, al test di ipotesi e alla visualizzazione dei dati non rientrano nella definizione, secondo la Commissione.
Sistemi basati sull’euristica classica
La terza categoria riguarda i sistemi basati sull’euristica classica. La Commissione la definisce come “una tecnica di risoluzione dei problemi incentrata su metodi basati sull’esperienza per trovare soluzioni approssimative in modo efficiente”. A differenza dei moderni sistemi di apprendimento automatico, i sistemi di euristica classica applicano algoritmi e regole predefiniti per ricavare soluzioni, senza adeguare i propri modelli sulla base delle relazioni input-output osservate.
L’esempio paradigmatico richiamato dalle Linee Guida è il programma di scacchi che utilizza un algoritmo minimax con funzioni di valutazione euristica che, pur essendo in grado di esaminare posizioni complesse sulla scacchiera, opera senza apprendimento preliminare dai dati.
Sistemi di previsione semplici
La quarta ed ultima categoria esclude i sistemi automatizzati le cui prestazioni possono essere conseguite mediante una regola di apprendimento statistico di base. Secondo la Commissione, tali sistemi, “sebbene tecnicamente classificabili come basati su approcci di apprendimento automatico, non rientrano nella definizione di sistema di IA a causa delle loro prestazioni”, che possono essere limitate rispetto ai sistemi di IA più avanzati.
Le Linee Guida richiamano, a titolo di esempio, i sistemi che prevedono un indice azionario utilizzando sempre il prezzo medio storico, ovvero quelli che stimano la temperatura del giorno successivo sulla base della media della settimana precedente.
Rispetto a questo punto, alcuni autori hanno considerato che nella definizione di sistema di IA di cui all’articolo 3 dell’AI Act e nel considerando 12, la complessità di un sistema non è menzionata come fattore determinante per la qualificazione come sistema di IA; pertanto, questa eccezione può creare confusione in quanto non è chiaro quando una regola di apprendimento statistico possa essere considerata “di base” (Algorithm Audit 2025).
Definizione di sistema di IA nell’AI Act: conclusioni e limiti
Alla luce di quanto visto sopra, le linee guida costituiscono comunque uno strumento importante per le organizzazioni, seppur con dei limiti e con le criticità evidenziate. L’analisi svolta consente di trarre alcune considerazioni conclusive sulla definizione di sistema di IA nell’AI Act e sulle sue implicazioni pratiche.
La definizione di sistema di IA di cui all’articolo 3, punto 1, dell’AI Act rappresenta il risultato di un lungo iter evolutivo, che ha attraversato un complesso dibattito istituzionale, tecnico e accademico. Come emerso dalla ricostruzione dell’iter definitorio, le versioni succedutesi nel tempo riflettono la difficoltà strutturale di fissare in termini giuridici un fenomeno tecnologico in rapida evoluzione. La scelta di una definizione funzionale rappresenta un compromesso deliberato tra l’esigenza di certezza del diritto e la necessità di non cristallizzare la normativa attorno a tecnologie che potrebbero risultare già superate al momento della sua applicazione.
Questa tensione non è stata interamente risolta; infatti, l’ampiezza definitoria rischia di generare un’incertezza applicativa che le stesse Linee Guida della Commissione non sembrano in grado di dissipare completamente.
In ogni caso, allo stato attuale, è necessario svolgere una valutazione caso per caso delle proprie soluzioni partendo dai criteri indicati dalla Commissione nelle Linee Guida. Occorre altresì tenere in considerazione che le indicazioni della Commissione non sono vincolanti e possono costituire una guida autorevole e per avere maggiori certezze interpretative occorrerà attendere i provvedimenti delle autorità competenti e le sentenze della Corte di giustizia dell’Unione europea.
Note
[1] Considerando 12 “La nozione di «sistema di IA» di cui al presente regolamento dovrebbe essere definita in maniera chiara e dovrebbe essere strettamente allineata al lavoro delle organizzazioni internazionali che si occupano di IA al fine di garantire la certezza del diritto, agevolare la convergenza internazionale e un’ampia accettazione, prevedendo nel contempo la flessibilità necessaria per agevolare i rapidi sviluppi tecnologici in questo ambito. […]”↩
[2] Regolamento (UE) 2024/1689, art. 3, par. 1, «sistema di IA»: un sistema automatizzato progettato per funzionare con livelli di autonomia variabili e che può presentare adattabilità dopo la diffusione e che, per obiettivi espliciti o impliciti, deduce dall’input che riceve come generare output quali previsioni, contenuti, raccomandazioni o decisioni che possono influenzare ambienti fisici o virtuali.↩
[3] Ibid., par. 7.↩
Bibliografia
Algorithm Audit. Implementation of the AI Act: Definition of an AI System. White paper. febbraio 2025. https://algorithmaudit.eu.
Commissione europea. L’intelligenza artificiale per l’Europa. COM(2018) 237 final. Bruxelles: Commissione europea, 25 aprile 2018.
Commissione europea. Piano coordinato sull’intelligenza artificiale. COM(2018) 795 final. Bruxelles: Commissione europea, 7 dicembre 2018.
Commissione europea. Libro bianco sull’intelligenza artificiale – Un approccio europeo all’eccellenza e alla fiducia. COM(2020) 65 final. Bruxelles: Commissione europea, 19 febbraio 2020.
Commissione europea. Proposta di regolamento del Parlamento europeo e del Consiglio che stabilisce regole armonizzate sull’intelligenza artificiale (legge sull’intelligenza artificiale) e modifica alcuni atti legislativi dell’Unione. COM/2021/206 final. Bruxelles: Commissione europea, 21 aprile 2021.
Commissione europea. Orientamenti sulla definizione di sistema di intelligenza artificiale stabilita dal Regolamento (UE) 2024/1689. Bruxelles: Commissione europea, febbraio 2025. https://ec.europa.eu/newsroom/dae/redirection/document/112455.
Commissione europea, Gruppo indipendente di esperti sull’intelligenza artificiale. Una definizione di IA: principali capacità e discipline scientifiche. Bruxelles: Commissione europea, 8 aprile 2019.
Commissione europea, Gruppo indipendente di esperti sull’intelligenza artificiale. Orientamenti etici per un’IA affidabile. Bruxelles: Commissione europea, aprile 2019.
Fernández-Llorca, David, Emilia Gómez, Ignacio Sánchez e Gabriele Mazzini. “An Interdisciplinary Account of the Terminological Choices by EU Policymakers Ahead of the Final Agreement on the AI Act: AI System, General Purpose AI System, Foundation Model, and Generative AI.” Artificial Intelligence and Law 33, n. 4 (2025): 875–888. https://doi.org/10.1007/s10506-024-09412-y.
Mantelero, Alessandro, Giorgio Resta e Giovanni Maria Riccio, a cura di. Intelligenza artificiale. Commentario. Regolamento (UE) 2024/1689. Milano: Ipsoa, 2025.
OECD. Recommendation of the Council on Artificial Intelligence. OECD/LEGAL/0449. Paris: OECD, 22 maggio 2019. https://legalinstruments.oecd.org/en/instruments/OECD-LEGAL-0449.
OECD. “Updates to the OECD’s Definition of an AI System Explained.” OECD.AI, 29 novembre 2023. https://oecd.ai/en/wonk/ai-system-definition-update.
Parlamento europeo e Consiglio dell’Unione europea. Regolamento (UE) 2024/1689 del 13 giugno 2024 che stabilisce regole armonizzate sull’intelligenza artificiale e modifica i regolamenti (CE) n. 300/2008, (UE) n. 167/2013, (UE) n. 168/2013, (UE) 2018/858, (UE) 2018/1139 e (UE) 2019/2144 e le direttive 2014/90/UE, (UE) 2016/797 e (UE) 2020/1828 (regolamento sull’intelligenza artificiale). Gazzetta Ufficiale dell’Unione europea, L 1689, 12 luglio 2024.
Presno Linera, Miguel Ángel e Anne Meuwese. “Regulating AI from Europe: A Joint Analysis of the AI Act and the Framework Convention on AI.” Theory and Practice of Legislation 13, n. 3 (2025): 292–311. https://doi.org/10.1080/20508840.2025.2492524.
Rossi, Arianna, Francesca Gennari, Ilaria Fagioli, Alessandro Mazzarini, Fabrizio Moncelli, Denise Amram, Simona Crea e Andrea Parziale. “The AI System Definition under the AI Act, a New Nomen Rosae?” CEUR Workshop Proceedings 4074 (2025). https://ceur-ws.org/Vol-4074/short6-16.pdf.
Sun, Yuanyuan, Timothy Parker, Lara Gierschmann, Sana Shams, Teo Canmetin, Mathieu Duteil, Rokas Gipiškis e Ze Shen Chin. “Defining AI Models and AI Systems: A Framework to Resolve the Boundary Problem.” arXiv:2603.10023 [cs.CY], 22 febbraio 2026. https://arxiv.org/abs/2603.10023.
Trincado Castán, Carlos. “The Legal Concept of Artificial Intelligence: The Debate Surrounding the Definition of AI System in the AI Act.” BioLaw Journal – Rivista di BioDiritto, n. 1 (2024). https://doi.org/10.15168/2284-4503-3000
Partecipa alla community