Le quattro etichette IA di cui ha bisogno ogni editore europeo, e che cosa significa ciascuna
AI Technology

Le quattro etichette IA di cui ha bisogno ogni editore europeo, e che cosa significa ciascuna

Generato dall'IA, modificato dall'IA, assistito dall'IA, scritto da una persona. Quattro dichiarazioni coprono quasi tutto ciò che produce un team editoriale. Che cosa le distingue, come decidere in un minuto e perché un'etichetta inesatta è peggio di un'etichetta assente.

S
Swiss Trust Layer Editorial Team· Legal & Compliance
·August 4, 2026· 7 min lettura

Da quando l'articolo 50 del regolamento UE sull'IA si applica, dal 2 agosto 2026, nella maggior parte dei team contenuti la domanda è cambiata: non più se dichiarare, ma che cosa scrivere esattamente. "Realizzato con l'IA" non è una risposta. Copre sia un modello che ha scritto ogni parola sia un modello che ha suggerito un titolo, e non sono la stessa affermazione.

Quattro dichiarazioni coprono quasi tutto ciò che produce un team editoriale. Ecco che cosa le distingue.

Perché una sola etichetta non basta

L'obbligo riguarda l'accuratezza, non l'aver detto qualcosa. Un'informativa che esagera il coinvolgimento del modello è inesatta. Una che lo sottostima è inesatta nella direzione che costa di più, perché è quella che qualcuno ha interesse a contestare.

C'è anche un argomento commerciale che con il regolamento non c'entra. Un generico "c'era di mezzo l'IA" appiattisce il lavoro che il vostro team ha davvero fatto. Se una persona ha documentato, strutturato, scritto e revisionato un pezzo e un modello ha aiutato da qualche parte, dirlo con precisione descrive quel lavoro meglio di un'etichetta di avvertimento generica.

Generato dall'IA

Che cosa significa. Un modello ha prodotto il contenuto, con poca o nessuna paternità umana nel risultato. Una persona può avere scritto un prompt, scelto fra più output, corretto un refuso. La sostanza è del modello.

Esempio. Descrizioni prodotto generate da una scheda tecnica per duemila articoli a catalogo, controllate a campione ma non riscritte.

L'errore comune. I team evitano questa etichetta perché sembra un'ammissione. Se è ciò che è successo, è la dichiarazione accurata, e una dichiarazione accurata non è una debolezza. La debolezza è un pezzo etichettato assistito dall'IA che il lettore capisce essere stato generato.

Modificato dall'IA

Che cosa significa. Una persona ha realizzato l'opera, poi un modello l'ha alterata al punto da cambiare ciò che mostra. Ciò che conta è se l'alterazione ha cambiato la sostanza, non se uno strumento ha toccato il file.

Esempio. Una fotografia da cui un modello ha rimosso un oggetto sullo sfondo, o un'intervista registrata in cui un modello ha cambiato formulazioni nella trascrizione.

L'errore comune. Trattare ogni regolazione automatica come una modifica. Correzione colore, riduzione del rumore e correzione grammaticale non cambiano ciò che l'opera mostra. Rimuovere una persona da una fotografia sì.

Assistito dall'IA

Che cosa significa. Una persona ha scritto l'opera e ha usato un modello come strumento lungo il percorso. Il modello ha contribuito al processo. Il risultato è il lavoro di quella persona.

Esempio. Un articolo che una redattrice ha documentato, strutturato e scritto, usando un modello per riassumere fonti, proporre una scaletta o stringere un paragrafo che ha poi riscritto.

L'errore comune. Vederla come una versione più tenue di generato dall'IA e sceglierla quando la verità è più vicina a generato. È l'etichetta che onestamente descrive la maggior parte dei team al lavoro, ed è proprio per questo che va applicata onestamente e non come impostazione predefinita.

Scritto da una persona

Che cosa significa. Nessun coinvolgimento di un modello degno di dichiarazione.

Perché dichiararlo. È quella che i team saltano, perché tacere sembra equivalente. Non lo è. Il silenzio è ambiguo, e lo diventerà di più man mano che i contenuti pubblicati porteranno una dichiarazione. Un'affermazione positiva, che una persona ha scritto questo, registrata al momento della pubblicazione, vale di più quanto più i contenuti IA diventano comuni.

L'errore comune. Rivendicarla perché nessun modello è intervenuto nella stesura finale, ignorando un modello usato nella ricerca o nella strutturazione. Se un modello ha plasmato il lavoro, l'etichetta onesta è assistito dall'IA.

Decidere in meno di un minuto

Tre domande, in quest'ordine.

Un modello ha prodotto la sostanza di ciò che il lettore vede? Se sì: generato dall'IA. Fine.

Un modello ha cambiato ciò che l'opera finita mostra, dopo che una persona l'ha realizzata? Se sì: modificato dall'IA. Fine.

Un modello ha aiutato in un qualsiasi momento? Se sì: assistito dall'IA. Se davvero no: scritto da una persona.

L'ordine conta. Scendere dalla dichiarazione più forte impedisce di fermarsi su quella più comoda e chiamarla accurata.

Dichiararlo in modo che resti verificabile

Scegliere l'etichetta giusta è la prima metà. La seconda è che l'etichetta è una dichiarazione che fate voi, e chi fa una dichiarazione è chi viene chiamato a sostenerla.

Un'etichetta scritta su una pagina si può modificare in seguito, anche da parte vostra. Una dichiarazione legata all'hash di quel file esatto e fissata nel tempo da una marca temporale qualificata no. Questa differenza resta invisibile finché un cliente, una piattaforma o una controparte non vi chiede di sostenere una dichiarazione fatta mesi prima, e a quel punto è tutto. Che cosa chiede l'articolo 50 e dove si colloca una dichiarazione sigillata è sulla pagina dedicata all'articolo 50.

Scegliete l'etichetta accurata. Poi rendetela qualcosa che potrete ancora dimostrare fra sei mesi.

Proteggi il tuo lavoro con Swiss Trust Layer AG

Sigilla la tua proprietà intellettuale con un e-Sigillo provato in tribunale, supportato da Swisscom Trust Services.

Prenota una Demo Gratuita

Related Articles

A checkbox is not proof: labelling versus evidence under the AI Act
AI & Technology

A checkbox is not proof: labelling versus evidence under the AI Act

A label and a record look identical on a page and behave completely differently the moment somebody questions them. This is what separates a self-declaration from evidence, why the usual internal records do not close the gap, and what a qualified timestamp changes.

August 3, 2026Read more →
Article 50 is live today. Here is how to prove your content is compliant.
AI & Technology

Article 50 is live today. Here is how to prove your content is compliant.

The transparency obligations in Article 50 of the EU AI Act apply from today. This is what the obligation actually requires, why a label alone leaves the burden of proof with the publisher, and the four parts of a record that somebody outside your organisation can check.

August 2, 2026Read more →
What EU AI Act Article 50 actually asks you to do, in plain terms
AI & Technology

What EU AI Act Article 50 actually asks you to do, in plain terms

Article 50 of the EU AI Act applies from 2 August 2026. This is a plain reading of what it asks for: who it binds, what content is in scope, what labelling actually means in practice, and the three questions worth settling before Monday morning.

August 1, 2026Read more →
Voice cloning and consent: proving you had the right to use a voice
AI & Technology

Voice cloning and consent: proving you had the right to use a voice

Voice cloning consent disputes are rarely about whether permission was given. They are usually about whether anyone can prove exactly what was agreed and when. Here is why right-of-publicity law for voice varies by jurisdiction, what EU AI Act Article 50 adds on top of consent, and where a qualified timestamp actually helps, and where it does not.

July 23, 2026Read more →
How AI companies prove training-data provenance and defend copyright claims
AI & Technology

How AI companies prove training-data provenance and defend copyright claims

AI companies face two distinct exposures when training models: EU AI Act Article 10's data governance requirements, and civil copyright claims over training data. Here is what a defensible dataset provenance record actually needs, and what a qualified timestamp on a dataset hash can and cannot prove.

July 22, 2026Read more →