Un piccolo team di Zurigo ha addestrato un modello linguistico. Il mese prossimo vuole offrirlo a clienti nell'UE. Venerdì il loro avvocato invia una sola riga. Dov'è il vostro riepilogo pubblico dell'addestramento?
Questa guida spiega che cos'è quel riepilogo e che cosa chiede lo schema dell'UE. Poi mostra come tenere registri che sostengono il riepilogo.
Chi deve pubblicare un riepilogo dell'addestramento
Il regolamento sull'IA obbliga ogni fornitore di un modello di IA per finalità generali a pubblicare un riepilogo dei suoi contenuti di addestramento.
La regola si trova nell'articolo 53(1)(d) del regolamento sull'IA dell'UE. I fornitori di modelli di IA per finalità generali devono «redigere e mettere a disposizione del pubblico una sintesi sufficientemente dettagliata dei contenuti utilizzati per l'addestramento del modello di IA per finalità generali, secondo uno schema fornito dall'AI Office».
I modelli open source non sfuggono a questo obbligo. L'articolo 53(2) del regolamento sull'IA toglie alcuni obblighi ai modelli open source, ma solo le lettere (a) e (b). Il riepilogo della lettera (d) resta in vigore.
L'obbligo si applica dal 2 agosto 2025 (ricontrollato su EUR-Lex il 21 ottobre 2026). I modelli immessi sul mercato prima di quella data hanno più tempo. Il loro riepilogo deve essere pubblico entro il 2 agosto 2027 (ricontrollato nella nota della Commissione il 21 ottobre 2026).
Le tre sezioni dello schema
Lo schema della Commissione ha tre sezioni, e ognuna chiede un quadro generale dei dati.
L'AI Office ha pubblicato la sua nota esplicativa con lo schema il 24 luglio 2025. Ogni riepilogo deve seguirla. Lo schema ha tre sezioni.
- «1. Informazioni generali» indica il fornitore e il modello. Dichiara i tipi di contenuto da cui il modello ha imparato e quanto di ciascuno, entro intervalli ampi. Descrive il carattere generale dei dati di addestramento.
- «2. Elenco delle fonti di dati» indica i principali set di dati. Descrive a parole i dati raccolti online. Copre anche tutte le altre fonti, come i dati degli utenti o i dati sintetici.
- «3. Aspetti rilevanti del trattamento dei dati» ha tre parti. La parte 3.1 è «Rispetto della riserva dei diritti rispetto all'eccezione per l'estrazione di testo e di dati o opt-out». La parte 3.2 è «Rimozione di contenuti illegali». La parte 3.3 è «Altre informazioni (facoltativo)».
La sezione 2 è divisa ulteriormente. Copre set di dati pubblici, set di dati privati, dati raccolti online, dati degli utenti e dati sintetici. I set di dati privati sono divisi di nuovo. Una parte sono i dati concessi in licenza dai titolari dei diritti. L'altra parte sono i dati provenienti da altri terzi.
I nomi di dominio e la regola di aggiornamento
Elencate i siti web più grandi da cui avete raccolto dati, e aggiornate il riepilogo quando addestrate ulteriormente il modello.
La sezione 2.3 dello schema copre i dati raccolti ed estratti online. Chiede un elenco di nomi di dominio. Indicate i nomi «nel 10 % superiore di tutti i nomi di dominio, determinato in base alla quantità di contenuti estratti». Le piccole e medie imprese hanno una regola più leggera. Elencano «il 5% superiore, oppure i primi 1000 domini».
Il riepilogo è anche un documento vivo. Quando addestrate ulteriormente il modello, lo aggiornate. La nota chiede aggiornamenti a intervalli di sei mesi, o prima se i nuovi dati sono significativi. Ogni aggiornamento porta la sua data.
Dove e quando pubblicarlo
Il riepilogo va sul vostro sito web, ben visibile, al più tardi quando il modello arriva sul mercato dell'UE.
La nota dice che il riepilogo «dovrebbe essere messo a disposizione del pubblico al più tardi quando il modello è immesso sul mercato dell'Unione». Dice anche dove. «Dovrebbe essere pubblicato sul sito web ufficiale del fornitore in modo chiaramente visibile e accessibile». Il riepilogo viaggia anche «insieme al modello attraverso tutti i suoi canali pubblici di distribuzione».
In parole semplici, vi serve una pagina facile da trovare sul vostro sito. Vi serve anche una copia ovunque le persone scarichino il modello.
Che cosa lo schema non chiede
Non dovete elencare ogni opera o file da cui il modello ha imparato.
Il paragrafo 16 della nota è chiaro su questo punto. Lo schema «non richiede la divulgazione dei dettagli dei dati e delle opere specifiche usati per addestrare il modello». Il considerando 107 del regolamento sull'IA dice che il riepilogo dovrebbe essere «generalmente completo» ma non «tecnicamente dettagliato».
La nota indica anche lo scopo. Il riepilogo serve a «fornire una trasparenza pubblica significativa e ad aiutare le parti con interessi legittimi a esercitare e far valere i loro diritti ai sensi del diritto dell'Unione». Un titolare di diritti lo legge per vedere se la sua opera potrebbe trovarsi all'interno. Poi può farvi delle domande. Vorrete avere registri per rispondere.
Sostenete il riepilogo con registri sigillati
Sigillate i manifesti dei set di dati, i file di licenza e il riepilogo stesso come versioni datate, così potete mostrare che cosa avevate e quando.
Il riepilogo è una dichiarazione pubblica. Un giorno un titolare di diritti o l'AI Office potrebbe chiedere che cosa c'era dietro. Supponiamo che la vostra sezione 2.2.1 elenchi dati concessi in licenza dai titolari dei diritti. Vorrete quei file di licenza così com'erano il giorno dell'addestramento. Supponiamo che la vostra sezione 3.1 dica che avete rispettato gli opt-out. Vorrete il manifesto del set di dati e l'elenco degli opt-out così com'erano quel giorno.
Su Swiss Trust Layer caricate questi file in una cartella e la sigillate. La piattaforma calcola un'impronta di ogni file e del pacchetto sigillato. A Swisscom Trust Services, un prestatore di servizi fiduciari qualificato, va solo l'impronta. Il file in sé no. Swisscom firma l'impronta e aggiunge una marca temporale secondo RFC 3161. Ogni versione sigillata riceve un certificato di prova, un PDF firmato. Elenca il nome di ogni file e la sua impronta, più il numero di versione. Un codice QR su di esso apre una pagina di verifica pubblica che non richiede accesso.
Ogni volta che aggiornate il riepilogo, aggiungete una nuova versione della cartella. La cartella conserva una Version History, cioè una cronologia delle versioni, e ogni versione conserva il proprio sigillo. Qualsiasi modifica a un file dà un'impronta diversa. Così una catena datata di versioni mostra che cosa avevate in ogni data.
Che cosa prova un sigillo e che cosa no
Un sigillo prova che il registro esisteva in una data e non è cambiato da allora; non prova che i dati siano stati usati legalmente.
Siate onesti sul limite. Un sigillo prova che questo esatto file esisteva in quel momento e non è cambiato da allora. Non prova chi ha creato il contenuto, che il contenuto sia vero, o che chi ha sigillato detenga i diritti. Non prova che i vostri dati di addestramento siano stati usati legalmente. Un sigillo non crea il diritto d'autore. Il diritto d'autore nasce con la creazione. Un file di licenza sigillato mostra quale testo di licenza avevate quel giorno. Se quella licenza copra il vostro uso è una questione legale a cui il sigillo non può rispondere.
Sigillate oggi il manifesto del set di dati, i file di licenza e la bozza del riepilogo come versione uno su Swiss Trust Layer.
