Nuovi reati

AI ad alto rischio e responsabilità 231: cosa devono fare gli enti


Indirizzo copiato

Dal 30 settembre 2026 le nuove fattispecie penali sull’IA entrano nel catalogo dei reati presupposto 231. Imprese ed enti devono censire i sistemi ad alto rischio, definire ruoli e controlli, presidiare i fornitori e verificare l’adeguatezza del Modello 231 rispetto ai nuovi obblighi

Pubblicato il 9 nov 2026



AI Questions Icon
Chiedi all'AI
Riassumi questo articolo
Approfondisci con altre fonti
ChatGPT Image 30 ott 2026, 16_28_00




Il rapporto tra responsabilità 231 e intelligenza artificiale cambia con l’ingresso di nuovi reati presupposto e con una disciplina che impone agli enti di censire i sistemi ad alto rischio, rafforzare la sorveglianza umana e aggiornare modelli organizzativi, controlli e flussi informativi.

Responsabilità 231 e intelligenza artificiale: il quadro tra AI Act e legge 132/2025

Il Regolamento (UE) 2024/1689, AI Act, come noto, ha introdotto una disciplina armonizzata dell’intelligenza artificiale fondata sulla graduazione degli obblighi in ragione del rischio. In tale quadro normativo si inserisce la legge 23 settembre 2025, n. 132, le cui disposizioni devono essere interpretate e applicate conformemente al Regolamento europeo.

L’art. 24 della legge n. 132/2025 delega il Governo sia ad adeguare la normativa nazionale all’AI Act, sia a precisare la disciplina dei casi di realizzazione e impiego illeciti dei sistemi di intelligenza artificiale. Tra i criteri direttivi figura l’introduzione di fattispecie penali, punite a titolo di dolo o di colpa, incentrate sull’omessa adozione o sull’omesso adeguamento di misure di sicurezza nella produzione, nella messa in circolazione e nell’utilizzo professionale dei sistemi di IA, quando dall’omissione derivi un pericolo concreto per la vita, per l’incolumità individuale o pubblica ovvero per la sicurezza dello Stato.

In attuazione della suddetta delega, il Consiglio dei ministri, nella seduta del 10 giugno 2026, ha approvato in esame preliminare uno schema di decreto legislativo, successivamente trasmesso alle Camere come Atto del Governo n. 418.

Acquisiti i pareri del Garante per la protezione dei dati personali, della Conferenza unificata e delle competenti Commissioni parlamentari, il Consiglio dei ministri ha approvato il testo in via definitiva nella seduta del 4 agosto 2026. È stato così emanato il D. Lgs. 9 settembre 2026, n. 160, pubblicato nella Gazzetta Ufficiale n. 214 del 15 settembre 2026 e in vigore dal 30 settembre 2026, che interviene, tra l’altro, sulla disciplina penale e sul sistema della responsabilità degli enti ai sensi del D. Lgs. 231/2001.

I nuovi reati presupposto 231 legati all’intelligenza artificiale

Tra le modifiche di maggiore interesse per gli enti si colloca l’introduzione, ad opera dell’art. 15 del D. Lgs. n. 160/2026, del nuovo art. 25-vicies, D. Lgs. 231/2001, rubricato «Reati commessi con l’uso di sistemi di intelligenza artificiale».

La disposizione determina l’ingresso nel catalogo dei reati-presupposto di due fattispecie: da un lato, il nuovo delitto di cui all’art. 437-bis c.p., per il quale è prevista la sanzione pecuniaria da seicento a mille quote; dall’altro, il delitto di illecita diffusione di contenuti generati o alterati con sistemi di intelligenza artificiale, previsto dall’art. 612-quater c.p. e già introdotto dalla legge n. 132/2025 nel Codice Rocco, per il quale è applicabile la sanzione pecuniaria da duecento a settecento quote.

Per entrambe le ipotesi l’art. 25-vicies, co. 3, D. Lgs. 231/2001 contempla, inoltre, le sanzioni interdittive di cui all’art. 9, comma 2, lettere b), c), d) ed e), D. Lgs. 231/2001: sospensione o revoca delle autorizzazioni, licenze o concessioni funzionali alla commissione dell’illecito; divieto di contrattare con la pubblica amministrazione; esclusione da agevolazioni, finanziamenti, contributi o sussidi; divieto di pubblicizzare beni o servizi.

L’ampliamento del catalogo non incide sui criteri generali di imputazione della responsabilità all’ente, restando, dunque, necessario accertare che il reato sia stato commesso nell’interesse o a vantaggio dell’organizzazione da un soggetto apicale o da una persona sottoposta alla sua direzione o vigilanza. La novità, tuttavia, non sembra possa essere recepita mediante un mero aggiornamento formale della parte speciale del Modello 231, ma occorre ricostruire i processi nei quali i sistemi di IA vengono sviluppati, acquistati, configurati o utilizzati, individuando responsabilità, poteri autorizzativi e controlli.

Responsabilità 231 e sistemi di IA ad alto rischio

Tutto ciò premesso, il baricentro dell’intervento è rappresentato dal nuovo art. 437-bis c.p., introdotto dall’art. 12 del D. Lgs. n. 160/2026 e rubricato «Omessa adozione di misure di sicurezza nei sistemi di intelligenza artificiale e alterazione illecita dei sistemi». La disposizione si articola in quattro commi e riguarda le attività di progettazione, addestramento, produzione e immissione sul mercato di sistemi di intelligenza artificiale ad alto rischio, nonché, con una previsione specifica, il loro utilizzo professionale.

Le condotte punite dall’art. 437-bis c.p.

Con maggior grado di dettaglio, il primo comma punisce chiunque ometta di adottare le misure tecniche di sicurezza, previste per la progettazione, l’addestramento, la produzione e l’immissione sul mercato di sistemi di IA ad alto rischio, idonee a prevenire malfunzionamenti o alterazioni del funzionamento dei sistemi, ovvero ometta di adottare misure di sorveglianza umana. Vale la pena precisare, tuttavia, che non ogni carenza assume rilevanza penale.

Infatti, la norma richiede che dalle omissioni derivi un pericolo per la vita o l’incolumità pubblica o individuale, nel qual caso la pena è la reclusione da uno a cinque anni; qualora, invece, dal fatto derivi un pericolo per la sicurezza dello Stato, la pena è la reclusione da due a otto anni. Il testo, peraltro, non qualifica espressamente il pericolo come «concreto», diversamente da quanto previsto nei criteri di delega; esso resta, nondimeno, elemento costitutivo della fattispecie e dovrà, pertanto, essere accertato in concreto.

La fattispecie descritta al secondo comma, invece, riguarda l’alterazione di sistemi di IA ad alto rischio, al di fuori dei casi indicati al primo comma. In tale ipotesi, salvo che il fatto costituisca più grave reato, la pena è la reclusione da due a sei anni qualora dal fatto derivi un pericolo per la vita o l’incolumità pubblica o individuale, e da tre a dieci anni qualora derivi un pericolo per la sicurezza dello Stato.

Il terzo comma prevede che, se taluno dei fatti previsti dal primo comma è commesso per colpa grave, la pena è ridotta da un terzo a un sesto.

L’utilizzatore professionale e la sorveglianza umana

Il quarto comma, infine, introduce una previsione specificamente rivolta all’utilizzatore professionale di sistemi di IA ad alto rischio, il quale è punito con le pene previste dal primo comma qualora ometta intenzionalmente di adottare misure di sorveglianza umana e da tale omissione derivi, rispettivamente, un pericolo per la vita o l’incolumità pubblica o individuale oppure un pericolo per la sicurezza dello Stato. La disposizione assume particolare rilievo per gli enti che, nella maggior parte dei casi, si avvalgono di sistemi di IA sviluppati da terzi.

Per l’utilizzatore professionale, tuttavia, la norma richiede che l’omissione sia intenzionale, mentre la punibilità a titolo di colpa grave è prevista per i soli fatti di cui al primo comma.

La classificazione dei sistemi di IA ad alto rischio

Il riferimento ai sistemi ad alto rischio costituisce, quindi, il primo filtro applicativo della norma ora descritta. La nozione deve essere ricostruita, coerentemente con il rinvio operato dall’art. 11 del D. Lgs. n. 160/2026 alle definizioni dell’AI Act, sulla base dell’art. 6 e degli allegati I e III dell’AI Act. Sono tali, in primo luogo, i sistemi destinati a essere utilizzati come componenti di sicurezza di prodotti, o che costituiscono essi stessi prodotti, disciplinati dalla normativa di armonizzazione elencata nell’allegato I, quando sia richiesta una valutazione di conformità da parte di un organismo terzo.

Rientrano, inoltre, nel perimetro i sistemi impiegati negli ambiti elencati nell’allegato III, tra i quali biometria, infrastrutture critiche, istruzione, occupazione e gestione dei lavoratori, accesso a servizi essenziali, attività di contrasto, migrazione e controllo delle frontiere, amministrazione della giustizia e processi democratici.

Per i sistemi ricompresi nell’allegato III la classificazione non è sempre automatica. L’art. 6, paragrafo 3, consente di escludere la natura di sistema ad alto rischio quando non sussista un rischio significativo di danno per la salute, la sicurezza o i diritti fondamentali e il sistema non influenzi materialmente il risultato del processo decisionale, purché ricorrano le condizioni previste dal Regolamento. L’eccezione non opera per i sistemi che effettuano profilazione di persone fisiche e la valutazione deve essere documentata dal fornitore.

Ne discende che la sola qualificazione del sistema come ad alto rischio non è sufficiente a integrare il delitto, ma occorre accertare anche la condotta omissiva o alterativa e il pericolo concreto richiesto dalla norma. La classificazione conserva, nondimeno, un rilievo organizzativo decisivo. Infatti, in assenza di un inventario aggiornato dei sistemi, di una valutazione motivata e di una chiara allocazione dei ruoli, risulterebbe difficoltoso dimostrare l’adeguatezza dell’assetto preventivo.

AI Act e responsabilità 231: il nodo delle scadenze

Chiarito il perimetro dei sistemi di intelligenza artificiale ad alto rischio, occorre soffermarsi sul regime di applicazione progressiva dell’AI Act. Dal 2 febbraio 2025 si applicano, tra l’altro, le disposizioni generali, gli obblighi di alfabetizzazione in materia di IA e le pratiche di IA vietate disciplinate dall’art. 5. Dal 2 agosto 2025 sono divenute applicabili la disciplina relativa ai modelli di IA per finalità generali, l’architettura di governance e gran parte del quadro sanzionatorio.

La data generale di applicazione dell’AI Act è fissata al 2 agosto 2026. Nel calendario originario, da tale data avrebbero trovato applicazione, per i sistemi ad alto rischio individuati dall’art. 6, paragrafo 2, e dall’Allegato III, anche il sistema di gestione dei rischi, la documentazione tecnica, la registrazione automatica degli eventi, la sorveglianza umana e i requisiti di accuratezza, robustezza e cybersicurezza. Per i sistemi collegati ai prodotti di cui all’art. 6, paragrafo 1, la scadenza era invece fissata al 2 agosto 2027.

In tale quadro di riferimento si inserisce il Regolamento (UE) 2026/1744, c.d. Digital Omnibus sull’IA, pubblicato nella Gazzetta ufficiale dell’Unione europea il 24 luglio 2026 e in vigore dal 27 luglio 2026, che interviene su tale scansione. Esso prevede che le sezioni 1, 2 e 3 del Capo III dell’AI Act si applichino a decorrere dal 2 dicembre 2027 ai sistemi ad alto rischio di cui all’art. 6, paragrafo 2, e all’Allegato III, e dal 2 agosto 2028 ai sistemi di cui all’art. 6, paragrafo 1, e all’Allegato I.

Il differimento, tuttavia, vale la pena precisarlo, non riguarda indistintamente l’intero Regolamento e non equivale a una moratoria generale.

Restano ferme le disposizioni già applicabili e, soprattutto, la tempistica europea non coincide con quella della fattispecie penale nazionale. Il D. Lgs. n. 160/2026, infatti, prevede una norma di coordinamento con i termini del Regolamento soltanto per le disposizioni del titolo I, relative all’utilizzo dei sistemi di IA nell’attività di polizia (art. 21, comma 2), mentre nulla dispone per il titolo II, che reca le modifiche al codice penale e al D. Lgs. 231/2001.

Ne discende che l’art. 437-bis c.p. e l’art. 25-vicies trovano applicazione dal 30 settembre 2026, ben prima che divengano applicabili gli obblighi europei in materia di gestione dei rischi, sorveglianza umana, accuratezza, robustezza e cybersicurezza, ai quali la fattispecie penale sostanzialmente si raccorda. Resta, dunque, da chiarire in via interpretativa quale sia, nel frattempo, il parametro delle «misure tecniche di sicurezza, previste» per i sistemi ad alto rischio, cui la norma fa espresso riferimento.

ISO/IEC 27001 e Modello 231 per la governance dell’IA

Ebbene, a fronte di tale articolato contesto normativo, la ISO/IEC 27001:2022 può costituire un presidio di particolare utilità. Lo standard non è specificamente dedicato all’intelligenza artificiale e la certificazione non determina, di per sé, una presunzione di conformità all’AI Act né un’esimente rispetto alla responsabilità ex D. Lgs. 231/2001. La sua funzione è, infatti, diversa: predisporre un sistema di gestione della sicurezza delle informazioni fondato sulla valutazione e sul trattamento del rischio.

La ISO/IEC 27001 richiede di definire il contesto e il perimetro organizzativo, individuare i requisiti legali e contrattuali, attribuire ruoli e responsabilità, valutare i rischi, pianificare il relativo trattamento, mantenere informazioni documentate, monitorare l’efficacia dei controlli, svolgere audit e riesaminare periodicamente il sistema. La ISO/IEC 27002:2022 completa tale impianto attraverso indicazioni operative sui controlli organizzativi, relativi alle persone, fisici e tecnologici.

Il raccordo con l’art. 437-bis può essere colto sotto diversi profili. L’inventario degli asset consente di censire sistemi, modelli, dati, interfacce e dipendenze da fornitori; la definizione di ruoli e responsabilità rende effettiva la sorveglianza umana; la gestione degli accessi, delle configurazioni, delle vulnerabilità, del ciclo di sviluppo, dei test e delle modifiche concorre a prevenire malfunzionamenti e alterazioni; logging, monitoraggio e gestione degli incidenti permettono di rilevare le anomalie e ricostruire le attività svolte sul sistema.

Particolare rilievo assumono, inoltre, i controlli sulla catena di fornitura. Molti sistemi di IA sono acquisiti come servizi cloud o dipendono da modelli e componenti di terzi. Ne consegue che requisiti di sicurezza, obblighi di cooperazione, gestione delle modifiche, accesso alle evidenze e disciplina degli incidenti devono essere tradotti anche nei rapporti contrattuali con i fornitori.

Il valore della ISO/IEC 27001 non risiede, pertanto, nel possesso formale del certificato, ma nella possibilità di dimostrare una catena di controllo coerente e verificabile: valutazione del rischio, piano di trattamento, selezione dei controlli, evidenze della loro attuazione, monitoraggio e miglioramento continuo. In questa prospettiva, il sistema di gestione può offrire un supporto concreto all’aggiornamento del Modello 231 e alla valutazione dell’idoneità delle misure adottate.

Tale profilo trova, peraltro, conferma nello stesso D. Lgs. n. 160/2026 sul versante civilistico: nelle azioni di risarcimento dei danni cagionati da sistemi di IA, il giudice può ordinare l’esibizione dei registri, della documentazione sul sistema di gestione dei rischi, della documentazione tecnica e delle informazioni sulla sorveglianza umana (art. 17), mentre la conformità del sistema all’AI Act, anche se certificata, non esclude di per sé la responsabilità del convenuto (art. 19).

Resta, nondimeno, un limite. La ISO/IEC 27001, infatti, presidia direttamente la sicurezza delle informazioni, mentre affronta solo indirettamente profili quali trasparenza, qualità degli output, impatti sui diritti fondamentali e governo complessivo del rischio algoritmico. Per tali aspetti può assumere rilievo la ISO/IEC 42001:2023, dedicata ai sistemi di gestione dell’intelligenza artificiale. In definitiva, l’integrazione tra i due standard può certamente consentire di coniugare sicurezza delle informazioni e governance dell’IA, senza trasformare la certificazione in un automatismo esimente.

Responsabilità 231 nell’IA: gli adeguamenti richiesti agli enti

In conclusione, appare pertanto opportuno che gli enti verifichino l’esistenza e le concrete modalità di impiego, nell’ambito della propria organizzazione, di sistemi o modelli di intelligenza artificiale.

Tale attività dovrebbe essere accompagnata dalla ricostruzione dei ruoli assunti lungo il ciclo di vita dei sistemi, dall’individuazione dei relativi fornitori e responsabili interni e, soprattutto, da una valutazione documentata circa la loro eventuale riconducibilità alle categorie dei sistemi ad alto rischio previste dall’art. 6 e dagli allegati I e III dell’AI Act.

Alla luce del quadro normativo prospettato, si ritiene necessario procedere senza indugio all’aggiornamento del risk assessment, del Modello di organizzazione, gestione e controllo, dei protocolli aziendali, delle procedure in materia di sicurezza e sorveglianza umana, nonché dei flussi informativi destinati all’Organismo di Vigilanza, con particolare attenzione, per gli enti che si avvalgono di sistemi sviluppati da terzi, ai presidi in materia di sorveglianza umana, in virtù del quarto comma dell’art. 437-bis c.p.

Partecipa alla community

guest

0 Commenti
Più recenti
Più votati
Inline Feedback
Vedi tutti i commenti

People&Change

Tutti
CARRIERE
AI E LAVORO
COMPETENZE
Produttività e AI
AI IN AZIENDA
SCENARI
FORMAZIONE
CULTURA AZIENDALE
AI in azienda
Carriera
AI leadership
Leggi l'articolo Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
competenze
Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
Leggi l'articolo AI e lavoro, chi beneficerà davvero del tempo risparmiato?
scenari
AI e lavoro, chi beneficerà davvero del tempo risparmiato?
Leggi l'articolo Industria 5.0, chi difende le competenze quando decide l’AI
scenario
Industria 5.0, chi difende le competenze quando decide l’AI
Leggi l'articolo AI e lavoro in Italia: perché la formazione non può aspettare
l'analisi
AI e lavoro in Italia: perché la formazione non può aspettare
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership
Leggi l'articolo Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
competenze
Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
Leggi l'articolo AI e lavoro, chi beneficerà davvero del tempo risparmiato?
scenari
AI e lavoro, chi beneficerà davvero del tempo risparmiato?
Leggi l'articolo Industria 5.0, chi difende le competenze quando decide l’AI
scenario
Industria 5.0, chi difende le competenze quando decide l’AI
Leggi l'articolo AI e lavoro in Italia: perché la formazione non può aspettare
l'analisi
AI e lavoro in Italia: perché la formazione non può aspettare
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership
0
Lascia un commento, la tua opinione conta.x