Categoria: Tecnologia

Festeggiare e augurare Buon Ferragosto 2026 è semplicissimo con le immagini GIF divertenti e originali da condividere su WhatsApp, ma anche su Facebook, Instagram, TikTok . Le GIF per WhatsApp sono un modo alternativo che viene sempre apprezzato.  Cosa può essere più divertente e coinvolgente di condividere le tue emozioni di festa con GIF animate? Ecco una selezione delle migliori GIF per augurare un felice Ferragosto 2026 ai tuoi amici e alla tua famiglia.

Nel giorno in cui tradizionalmente ci si dedica alle gite fuori porta con lauti pranzi al sacco e, data la calura stagionale, a rinfrescanti bagni in acque marine, oltre al molto diffuso esodo verso le località montane o collinari, in cerca di refrigerio, inviare GIF di auguri è un modo semplice, rapido e innovativo di augurare un Buon Ferragosto 2026.

In questa galleria abbiamo raccolto le migliori immagini animate da condividere su WhatsApp e molti altri social network, tra cui Facebook, Instagram, Twitter e non solo. Non resta, quindi, che scoprire insieme le migliori immagini GIF Buon ferragosto 2026 di auguri da condividere online.

Migliori immagini GIF Buon Ferragosto 2026

Qui puoi trovare le migliori immagini GIF per augurare Buon Ferragosto 2026. Ci sono tante immagini animate realizzate per celebrare questa giornata estiva goliardica. Con l’arrivo di dispositivi mobili come smartphone e tablet è diventato estremamente semplice inviare e ricevere GIF gratis tramite WhatsApp.

Per salvare le immagini GIF presenti in questa galleria è necessario effettuare alcune operazioni. Per salvare un’immagine GIF su Android e iOS, tieni premuto il dito sulla GIF in questione per qualche secondo, fino a quando non comparirà sullo schermo una nuova finestra di dialogo. All’interno di quest’ultima clicca sulla voce Salva immagine.

L’immagine GIF verrà salvata all’interno del rullino, per quanto riguarda i dispositivi iOS, come iPhone, iPad e iPod Touch, mentre su Android verrà archiviata nella cartella Download del browser. In questo modo, potrai condividere le GIF divertenti e simpatiche presenti qui sotto anche con applicazioni di terze parti, come WhatsApp, e social network.

 

Un pezzo di paradiso è presente in questa GIF, il sole, l’acqua e degli occhiali da sole per godersi tutto.

Ferragosto è tempo di vacanza e di divertimento allora quale immagine migliore se non questa Immagine Gif di Buon Ferragosto con un divertente salvagente a forma di Fenicottero.

L’estate e anche tempo di grandi banchetti all’aperto che si concludo spesso con l’anguria: tra le più belle immagini GIF Buon Ferragosto 2026 c’è proprio il frutto dell’estate, l’immagine è in formato verticale ed è quindi l’ideale da condividere sui social come Instagram e Tik Tok . 

Le tecnologa non ci abbandona mai del tutto, allora anche in estate ci godiamo il mare con pc e smartphone

Una ragazza passa Ferragosto su bella acqua poco profonda e trasparente, un’immagine diversa, per chi ama la feste, ma anche la tranquilità

 

E tra le più belle immagini GIF Buon Ferragosto 2026 ecco i grandi fuochi d’artificio nel cielo di agosto!

L’immagine della luce brillante di un fuoco d’artificio che esplode nel cielo notturno. Una prova tangibile di come l’antico si fonda con il futuristico. L’immagine sembra danzare, un segno gioioso di celebrazione estiva. Fuochi di artificio animanti, in questa GIF per augurare buon Ferragosto. “Ferragosto non sarebbe lo stesso senza un po’ di fuochi d’artificio. Buon Ferragosto a tutti!”

 

Per fare gli auguri in modo originale e tecnologico ecco una GIF di Buon Ferragosto che mette insieme tecnologia e mare, cosa c’è di meglio?

 

Onde e stelle marine, una GIF spumeggiante per fare gli auguri.

 

Ed infine… Buon Ferragosto a tutti!!! E se volete non solo gif qui trovate le immagini per gli Auguri di buon Ferragosto

Volete fare gli Auguri? Usate le frasi originali per dare un Ferragosto 2026.

 

Perché si festeggia Ferragosto?

Ferragosto è una festa italiana antica e molto celebrata, le sue radici risalgono all’epoca dei Romani. Originalmente, durante il periodo di Ferragosto, gli antichi romani celebravano la fine dei lavori agricoli e onoravano Conso, il dio della terra e della fertilità.

Con l’ascesa del Cristianesimo, la festa è stata poi associata all’Assunzione di Maria, rendendo questa occasione un momento di celebrazione religiosa. Questa combinazione di patrimonio culturale e religioso ha reso Ferragosto un momento importante per fare gli auguri agli altri.

Praticamente, fare gli auguri a Ferragosto è un modo per celebrare insieme l’importanza storica, culturale, e religiosa di questa giornata. È un’opportunità per riconnettersi con gli amici e la famiglia, godersi una pausa dai normali impegni e riflettere sul significato della festa tutte insieme.

Buon Ferragosto! Il 15 Agosto 2026 si celebra Ferragosto come da tradizione e per questa festività ci sono tantissime immagini per WhatsApp, Facebook, Instagram e Tik Tok,  da inviare ad amici, colleghi e familiari. Il Ferragosto è una festività di origine veramente antica, dal momento che nella Roma imperiale era denominata Feriae Augusti.

Perché ci si fa gli auguri a Ferragosto?

La festività prende il nome dalle Feriae Augusti, ossia “il riposo di Augusto”, che era una festa istituita nell’anno 18 a.C. dall’imperatore Augusto per concedere un periodo di riposo dopo settimane di duro lavoro nel settore agricolo. Inoltre, Ferragosto ha anche radici nella tradizione dei Consualia, feste che celebravano la fine dei lavori agricoli e che erano dedicate a Conso, il dio della terra e della fertilità per i Romani.

Nell’antichità, Ferragosto era un momento di celebrazioni e festeggiamenti, e col tempo è diventato una tradizione per i lavoratori di augurare ai loro datori di lavoro un “buon Ferragosto” e ricevere in cambio un bonus monetario. Questa usanza divenne legge durante il Rinascimento in tutto lo Stato della Chiesa. Oggi, Ferragosto è una festività celebrata il 15 agosto in tutta Italia, a San Marino e nel Canton Ticino, ed è anche il periodo delle vacanze estive intorno a questa data, che può essere un weekend lungo (ponte di Ferragosto) o gran parte di agosto

In questa giornata tantissime persone e famiglie spendono il tempo libero con gite fuori porta, pranzi al sacco e rinfrescanti bagni al mare. Per augurare un Buon Ferragosto 2026 vi proponiamo le migliori immagini da condividere su WhatsApp e altri social network come Facebook, Twitter, Instagram e non solo. Quindi, non resta che scoprire insieme le migliori immagini per un Buon Ferragosto 2022. (Qui invece trovate le migliori GIF animate per augurare Buon Ferragosto 2026!)

 

 

Migliori immagini Buon Ferragosto 2026

Vi ricordiamo che per salvare le immagini qui presenti dovete eseguire alcune operazioni, estremamente semplici. Tenete premuto il dito sull’immagine per qualche secondo, fino a quando non comparirà sullo schermo una nuova finestra di dialogo. All’interno di quest’ultima clicca sulla voce Salva immagine. L’immagine verrà salvata all’interno del rullino dei dispositivi iOS, come iPhone, iPad e iPod Touch, mentre su Android verrà archiviata nella cartella Download del browser. Così facendo, è possibile condividere facilmente le immagini umoristiche anche con altre applicazioni di terze parte e social network, WhatsApp incluso.

Una vista mozzafiato e un po’ di tecnologia che non ci abbandona mai per un Ferragosto un po’ digitale

La spiaggia con le onde è una delle immagine più classiche per augurare un Buon Ferragosto.

Ferragosto coincide, molto spesso, con il periodo di vacanza. Ecco un’ immagine simpatica per augurare Buone Vacanze ad amici, colleghi e parenti.

 

E tra le migliori immagini Buon Ferragosto 2026 come rinunciare a quella dell’anguria, tra l’altro in formato verticale che si adatta meglio ai social come Instagram e Tik Tok.

Per chi vuole fare degli auguri non convenzionali ecco un’immagine elegante dele mare al tramonto

L’estate è il momento del divertimento e allora è un’immagine per gli auguri di Buon Ferragosto colorata e ispirata al mondo dei cartoon per fare gli auguri proprio a tutti

Buon Ferragosto 2026, immagini divertenti

Nella nostra raccolta delle migliori immagini Buona Ferragosto 2026 non possono mancare anche alcune foto divertenti da condividere su WhatsApp, Facebook e altri social network.

Anche i nostri amici a quattro zampe sono pronti a festeggiare Ferragosto.

Per Ferragosto non ti dimenticare la birra!

L’anguria piace a tutti, anche ai bambini! Un Buon Ferragosto divertente.

L’immagine da condividere e per il profilo dedicata a chi lavora anche a Ferragosto.

Come fare gli auguri di Ferragosto?

Fare gli auguri a Ferragosto può essere fatto in molti modi diversi, ad esempio:

Condividendo immagini tematiche e colorate sui social media, come Facebook, Instagram, WhatsApp o attraverso messaggi di testo;
Inviando cartoline di auguri tradizionali per posta, con foto e sfondi ispirati al mare, alla spiaggia e al divertimento estivo;
Scattando foto personali durante le proprie vacanze, personalizzandole con frasi di auguri e condividendole con amici e familiari.
Qui di seguito abbiamo raccolto alcune delle migliori immagini per augurare un buon Ferragosto, con diverse ispirazioni tra cui scenari marini, fuochi d’artificio e simboli italiani:

Un’immagine di una spiaggia soleggiata con ombrelloni colorati e la scritta “Buon Ferragosto” sulla sabbia;
Un’illustrazione di una tavola imbandita con cibo tipico italiano e un bicchiere di vino, con la scritta “Ferragosto in compagnia” sullo sfondo;
Una foto di fuochi d’artificio che illuminano il cielo notturno, con la frase “Felice Ferragosto!” sottostante;
Un’immagine di un’acqua cristallina con onde dolci che si infrangono sulla riva, mentre un gabbiano sorvola la scena con un cartello “Buon Ferragosto a tutti!”

Come si scrive Buon Ferragosto a tutti?

Per scrivere “Buon Ferragosto a tutti!” in modo corretto ed elegante, ecco alcuni suggerimenti:

I caratteri corsivi o calligrafici sono un’ottima scelta per trasmettere un senso di calore ed eleganza;
L’uso di colori vivaci come il blu (che ricorda il mare) o il rosso (che richiama il sole estivo) aiuta a rendere il messaggio più accattivante e allegro;
È possibile anche aggiungere qualche emojì tematico, come il sole , l’ombrello ️, o il gelato , per aggiungere un tocco di divertimento al messaggio.

Cosa scrivere a Ferragosto?

Se non sei sicuro di cosa scrivere nei tuoi auguri di Ferragosto, ecco alcune idee di messaggi che puoi utilizzare o personalizzare:

“Buon Ferragosto! Che questa giornata sia piena di sole, mare e allegria!”
“Auguri di un meraviglioso Ferragosto in compagnia delle persone che ami!”
“Che questo Ferragosto ti regali momenti indimenticabili, divertimento e tanto relax!”
“Tantissimi auguri per un Ferragosto spensierato e all’insegna del divertimento!”

Buon Ferragosto 2026, le frasi originali

Ecco la lista delle frasi più originali sul Ferragosto 2026 con cui festeggiare questa giornata all’insegna del relax.

Sole, mare e tanta allegria per un felice Ferragosto da passare in compagnia
Prova costume fallita: non pensiamoci, godiamoci il Ferragosto e da domani tutti a dieta!
Eccoci nella pineta, al crocicchio dove sono i limonari, con i gitanti stesi all’ombra dei pini, le radio accese, i cartocci e le bottiglie di Ferragosto. Alberto Moravia, Scherzi di ferragosto
L’estate si spara le ultime cartucce con ferragosto, malinconica come una bella donna che sfiorisce. L’anno prosegue, abbandonando le spiagge. Marcello Vitale
Una bella birra fredda e la migliore compagnia: non servono grandi cose per fare un grande giorno. Buon Ferragosto!
Un pensiero a tutti quelli che lavorano anche oggi, e che rendono più piacevole questo giorno di festa a tutti gli altri!

 

Nei testi generati da Claude arriva il watermark invisibile, noi non lo possiamo vedere ma la firma continua ad accompagnare il tetso anche quando esce dalla finestra del chatbot e per esempio  vengono copiati in Word o inviati per posta elettronica, ma anche se inseriti nel CMS di un sito. Non è un metadato nascosto nel documento,  bisogna chiarirlo, e non  è una sequenza di caratteri invisibili. È un watermark invisibile incorporato nel testo stesso, una firma pensata per essere riconosciuta dalle macchine senza modificare ciò che leggono gli esseri umani, si base sulla statistica, come tutte le cose che riguardano l’AI.

Claude mette il watermark sui testi, e ora?

Anthropic ha iniziato a introdurre questa tecnologia nei testi generati da Claude nell’ambito degli impegni previsti dal Code of Practice on Transparency of AI-Generated Content, collegato all’articolo 50 dell’AI Act europeo. La novità potrebbe sembrare una delle tante conseguenze tecniche della regolamentazione dell’intelligenza artificiale, ma in realtà introduce un cambiamento molto più profondo, perché fino a oggi abbiamo cercato soprattutto di riconoscere un testo artificiale dagli stili tipici dell’AI, la triade, il chiasmo, gli elenchi simmetrici, l’assenza di riferimenti specifici; adesso è il sistema che lo genera a lasciare deliberatamente una traccia della propria attività.

Per capire la differenza basta pensare ai tanti servizi di AI detection comparsi negli ultimi anni. Il loro compito è osservare un testo e cercare di stabilire, sulla base delle sue caratteristiche linguistiche e statistiche, se sia più probabile che sia stato scritto da un essere umano oppure da un modello generativo. Con il watermark il problema viene rovesciato: non bisogna più indovinare chi abbia scritto quelle parole, perché dentro la loro generazione può essere stato inserito fin dall’inizio un segnale destinato a raccontarne la provenienza, questo passaggio che potrebbe cambiare il rapporto fra intelligenza artificiale, editoria, università, aziende e piattaforme digitali.

Come funziona il watermark invisibile di Claude

Anthropic definisce il proprio sistema un imperceptible watermark, una marcatura invisibile, ma non solo invisibile, ma più specificamente incorporata negli output di testo dei modelli. Secondo l’azienda, il meccanismo non dovrebbe modificare in maniera percepibile significato, qualità o leggibilità del testo e, soprattutto, essendo incorporato nell’output, dovrebbe continuare a essere rilevabile dopo un normale copia e incolla e persino dopo alcune modifiche. Documentazione ufficiale Anthropic sul watermark di Claude

Anthropic non ha ancora pubblicato tutti i dettagli tecnici necessari per stabilire esattamente quale algoritmo utilizzi Claude e sarebbe quindi sbagliato descriverne il funzionamento come se conoscessimo già il codice. Possiamo però descrivere esattamente il principio sul quale si basano i sistemi di text watermarking per Large Language Model, e capire perché una firma possa rimanere dentro un semplice testo anche dopo averlo copiato da un’applicazione all’altra.

Quando un modello linguistico costruisce una frase non la possiede già completa in qualche archivio interno, ma procede generando una sequenza di parole. per ogni frase esistono diverse possibili formulazioni, ciascuna associata a una determinata probabilità. Davanti alla frase «Il mercato dell’intelligenza artificiale sta…», per esempio, il modello potrebbe avere buone ragioni per scegliere parole come «crescendo», «cambiando», «accelerando» oppure «evolvendo». Un sistema di watermarking può intervenire proprio in questo momento, modificando in maniera estremamente lieve le probabilità di alcune alternative, di alcune parole, secondo una regola conosciuta dal sistema che successivamente dovrà riconoscere la firma.

Una singola scelta non significa praticamente nulla e nessuno potrebbe leggere la parola «evolvendo» e dedurre che sia stata scritta da Claude. Quando però il processo viene ripetuto centinaia o migliaia di volte, la distribuzione delle scelte può costruire un segnale statisticamente riconoscibile. Il watermark, quindi, non deve necessariamente essere qualcosa che si trova accanto alle parole: può essere contenuto nel modo in cui quelle parole sono state scelte.

È lo stesso principio generale sul quale lavora da tempo la ricerca scientifica dedicata al watermarking dei modelli linguistici ed è simile, concettualmente, a quello descritto pubblicamente da Google DeepMind per SynthID Text, che interviene sulle probabilità dei token durante la generazione in modo da produrre una firma rilevabile senza alterare in maniera significativa la qualità dell’output. Google DeepMind: come funziona SynthID

Questo non significa che Anthropic stia necessariamente utilizzando la stessa tecnologia di Google, ma aiuta a comprendere perché cercare caratteri invisibili dentro un documento, ripulire la formattazione o passare il testo attraverso un editor non rappresenti una soluzione: se il segnale è nella scelta statistica delle parole, la formattazione non c’entra.

Perché il copia e incolla non basta a far sparire la firma

Qui sta uno degli aspetti più interessanti dell’annuncio. Siamo abituati a pensare che la natura digitale di un file si ricostruisca attraverso i metadati: una fotografia può contenere informazioni sulla macchina utilizzata, un documento può conservare il nome dell’autore e un file generato dall’intelligenza artificiale può includere informazioni sul modello usato per crearlo. Il problema è che i metadati sono relativamente fragili, perché possono essere eliminati volontariamente oppure semplicemente perdersi durante una conversione o un passaggio da un servizio all’altro.

Anthropic utilizza infatti un sistema diverso per alcuni file prodotti da Claude, come PNG, JPG e SVG, nei quali può inserire informazioni di provenienza basate sullo standard C2PA. Nel caso del testo, invece, l’idea è quella di evitare che la firma dipenda da un “passaporto”. Se copiamo un paragrafo da Claude e lo incolliamo dentro Word, non stiamo copiando il file originale ma soltanto le parole; se il watermark è costruito attraverso quelle parole, però, stiamo copiando anche il materiale che il  il sofware detector può riconscere.

Questo significa che una sequenza molto comune come Claude → copia → Word → CMS → pagina web potrebbe non essere sufficiente a cancellare la firma. È un dettaglio fondamentale per chi produce contenuti professionalmente, perché sposta il watermark dal mondo dei file a quello delle parole.

Chi può leggere la firma nascosta di Claude

Chi può leggere la firma nascosta di Claude è probabilmente la domanda più importante e, al momento, anche quella sulla quale è più facile prendere delle cantonate. Non esiste oggi un sistema pubblico universale nel quale chiunque possa incollare un articolo e ricevere una risposta incontrovertibile del tipo «questo testo è stato scritto da Claude 4.5». Anthropic afferma però che sta  lavorando affinché utenti e terze parti possano rilevare i watermark e le informazioni di provenienza inserite nei contenuti generati dai suoi modelli e promette di pubblicare ulteriore documentazione tecnica sui meccanismi di detection. Anthropic: How Claude marks AI-generated content

La distinzione è importante. Anthropic, essendo il soggetto che introduce la marcatura, dispone naturalmente delle informazioni necessarie per sviluppare un detector. Non sappiamo ancora, però, quanto sarà aperto il sistema di verifica: potrebbe essere messo a disposizione un servizio pubblico, potrebbe esistere un’API, potrebbero essere distribuiti strumenti specifici oppure potrebbe essere pubblicata una documentazione sufficiente a consentire verifiche indipendenti. Il punto è che la logica introdotta dall’Europa richiede che le marcature dei contenuti generati dall’intelligenza artificiale siano machine-readable e rilevabili. Il nuovo Code of Practice nasce precisamente per definire le modalità con cui i fornitori di sistemi generativi possono rispettare gli obblighi di trasparenza previsti dall’articolo 50 dell’AI Act. Commissione europea: Code of Practice on AI-generated content

Quello che invece non risulta dalla documentazione pubblicata da Anthropic è altrettanto importante: la firma non è stata presentata come un identificatore dell’utente. Non ci sono elementi per sostenere che, prendendo un articolo pubblicato online e rilevandone il watermark, un soggetto esterno possa risalire all’account Claude che lo ha prodotto, al prompt originale, alla conversazione o all’identità della persona che utilizzava il servizio. La differenza fra identificare il modello e identificare l’autore umano è enorme e diventerà probabilmente uno dei punti più delicati dell’intero sistema.

Se Claude corregge il mio articolo, chi lo ha scritto?

Il problema emerge immediatamente quando abbandoniamo il caso più semplice, quello nel quale qualcuno chiede a Claude «scrivimi un articolo di 10.000 battute» e pubblica integralmente la risposta.

Immaginiamo invece che un giornalista trascorra una giornata a raccogliere informazioni, faccia due interviste, costruisca la struttura di un pezzo e scriva personalmente 8.000 battute, poi incolli tutto dentro Claude chiedendo di correggere gli errori grammaticali e rendere più fluido qualche periodo. Il testo restituito dal sistema potrebbe contenere il watermark, ma sarebbe assurdo dedurne automaticamente che l’articolo è stato «scritto dall’intelligenza artificiale». Lo stesso problema si presenta con una traduzione, con il riassunto di una trascrizione o con la trasformazione di appunti in un formato più ordinato. Anthropic stessa mette in guardia da un’interpretazione troppo semplice del risultato: la presenza della marcatura può indicare che il contenuto è stato processato da Claude, ma non stabilisce da sola quanto del lavoro intellettuale originario appartenga al modello.

Qui nasce una distinzione che rischia di diventare decisiva nei prossimi anni: provenienza e paternità non sono la stessa cosa.

Un watermark può raccontare che un testo è passato attraverso una determinata tecnologia, ma non può ricostruire automaticamente il processo editoriale che lo ha prodotto. Non sa chi abbia trovato la notizia, verificato le fonti, scelto le domande di un’intervista, deciso la tesi dell’articolo o costruito il ragionamento. Se riducessimo tutto a «watermark presente uguale testo AI», avremmo costruito uno strumento tecnicamente sofisticato per arrivare a una conclusione sbagliata.

La differenza fra watermark e AI detector

Per comprendere la portata della novità bisogna separare due tecnologie che spesso vengono confuse. Gli attuali AI detector cercano generalmente di inferire, d capire,  l’origine di un testo analizzandone le caratteristiche: prevedibilità, distribuzione linguistica, struttura delle frasi e altri segnali statistici. È un approccio inevitabilmente probabilistico e ha prodotto negli anni errori e falsi positivi, soprattutto quando viene applicato a testi brevi, tradotti o scritti da persone con stili particolarmente regolari. Il watermark parte invece da una posizione privilegiata, perché il segnale viene introdotto deliberatamente dal sistema che genera il contenuto.

È una differenza simile a quella che passa tra cercare di riconoscere il modello di un’automobile osservando le tracce degli pneumatici sull’asfalto e leggerrne la targa. Nel secondo caso disponiamo di un’informazione intenzionalmente progettata per essere riconoscibile, ma anche la targa ha un limite: identifica un veicolo, non necessariamente la persona che in quel momento lo stava guidando: lo stesso vale per Claude. La presenza di una firma potrebbe fornire un’indicazione molto più solida sulla provenienza tecnologica rispetto ai tradizionali detector, senza per questo trasformarsi automaticamente in una prova della paternità del testo.

Si può perdere il watermark di Claude?

Sì, ed è Anthropic stessa ad ammetterlo. Un watermark testuale deve risolvere un problema quasi contraddittorio: essere sufficientemente forte da sopravvivere alle normali trasformazioni di un testo, ma abbastanza discreto da non modificarne la qualità e, soprattutto, da non produrre falsi positivi. La documentazione di Anthropic riconosce che modifiche profonde, parafrasi, traduzioni o combinazioni con altri contenuti possono ridurre la possibilità di rilevare il segnale. Anche la lunghezza conta, perché poche parole possono semplicemente non offrire una quantità sufficiente di informazioni statistiche per stabilire con una sicurezza accettabile la presenza della firma.

Non esiste, almeno sulla base delle informazioni pubbliche disponibili, una percentuale che consenta di affermare che cambiando il 20, il 30 o il 50 per cento delle parole il watermark scompaia. La robustezza dipende dall’algoritmo utilizzato, dalla lunghezza del documento, dal tipo di trasformazione e dalla soglia adottata dal detector, ed è precisamente questo uno dei campi sui quali si concentra la ricerca sul text watermarking.

C’è però una conseguenza ancora più importante: se il detector non trova la firma di Claude, non significa affatto che il testo sia stato scritto da un essere umano. Potrebbe essere stato prodotto con un modello non ancora dotato del watermark, potrebbe essere stato profondamente modificato, potrebbe essere troppo corto oppure potrebbe semplicemente provenire da ChatGPT, Gemini, Llama o da un altro sistema. Il watermark, quindi, non risolve il problema generale della AI detection. Risponde a una domanda molto più circoscritta e, proprio per questo, potenzialmente più affidabile: questo testo conserva un segnale riconducibile al sistema che lo ha generato?

L’AI Act sta trasformando una regola europea in uno standard mondiale

Il momento scelto da Anthropic per lanciare questa funzione non è casuale. Dal 2 agosto 2026 sono applicabili gli obblighi di trasparenza previsti dall’articolo 50 dell’AI Act per determinati contenuti generati o manipolati dall’intelligenza artificiale. La Commissione europea richiede che gli output dei sistemi generativi siano marcati in un formato machine-readable e rilevabile, tenendo conto delle caratteristiche tecniche dei diversi media. Commissione europea: trasparenza dei contenuti generati dall’AI. Digitalic ha seguito l’evoluzione dell’AI Act e delle nuove regole europee sull’intelligenza artificiale fin dalle prime fasi, ma il watermark di Claude permette di osservare un fenomeno particolarmente interessante: una norma europea può finire per modificare tecnicamente prodotti utilizzati in tutto il mondo.

Anthropic, infatti, non ha scelto di creare una versione europea di Claude che firma i testi e una versione internazionale che non lo fa. Per i modelli supportati la marcatura è destinata a essere applicata globalmente, anche attraverso le API e le piattaforme cloud sulle quali Claude viene distribuito. È una manifestazione quasi da manuale del cosiddetto Brussels effect: quando il mercato regolato è sufficientemente grande e importante, può essere più conveniente trasformare la norma locale in uno standard globale piuttosto che mantenere infrastrutture differenti.

Non riguarda soltanto chi usa Claude nel browser

Un altro aspetto facilmente sottovalutato è che Claude non vive soltanto dentro Claude.ai. I modelli Anthropic vengono utilizzati attraverso API, strumenti per sviluppatori e infrastrutture cloud e possono trovarsi dietro applicazioni nelle quali l’utente finale non vede neppure il nome Claude.

Anthropic indica tra gli ambienti interessati Claude, Claude Code e la propria piattaforma API e prevede il supporto alla marcatura anche nella distribuzione dei modelli attraverso grandi provider cloud. Questo significa che il watermark potrebbe diventare una proprietà dell’infrastruttura generativa sottostante, non semplicemente una funzione dell’interfaccia utilizzata dall’utente.

Per le aziende la questione assume quindi una dimensione completamente diversa. Un sistema interno che utilizza Claude per generare descrizioni di prodotti, documentazione, risposte ai clienti o report potrebbe produrre enormi quantità di testo contenente una firma di provenienza, anche se chi legge quei contenuti non ha mai interagito direttamente con Claude.

Google ha già SynthID, OpenAI per ora segue una strada diversa

Anthropic non è la sola azienda a muoversi in questa direzione. Google DeepMind lavora da tempo a SynthID, una famiglia di tecnologie per inserire watermark invisibili in immagini, audio, video e testo generati dall’intelligenza artificiale. Nel caso di SynthID Text, Google descrive pubblicamente un sistema che interviene sulla distribuzione dei token durante la generazione e successivamente analizza il testo per verificare la presenza del segnale. Google DeepMind SynthID

OpenAI sta invece costruendo una strategia più ampia di content provenance. Nel maggio 2026 ha annunciato l’uso combinato delle Content Credentials basate su C2PA e di Google SynthID per rafforzare la provenienza delle immagini generate dai propri sistemi, insieme a strumenti destinati alla verifica. OpenAI: Advancing content provenance

Per il normale testo prodotto da ChatGPT, tuttavia, al momento non è stato annunciato pubblicamente un watermark statistico equivalente a quello che Anthropic sta introducendo in Claude. OpenAI ha studiato in passato il problema del watermarking testuale e la situazione potrebbe naturalmente cambiare, soprattutto adesso che gli obblighi europei sono diventati operativi, ma sarebbe prematuro sostenere che ogni risposta di ChatGPT porti già con sé una firma invisibile analoga. La competizione fra i grandi produttori di modelli potrebbe quindi aprire un nuovo fronte. Finora abbiamo misurato chi avesse il modello più intelligente, più veloce, più economico o dotato della finestra di contesto maggiore; presto potremmo cominciare a confrontare anche chi sia in grado di certificare meglio la provenienza di ciò che produce.

Per giornali ed editori il problema non sarà capire se c’è l’AI, ma come è stata usata

È probabilmente nell’editoria che i rischi di una classificazione manichea appare più evidente. Un giornale può utilizzare l’intelligenza artificiale per trascrivere un’intervista, tradurre una dichiarazione, correggere la grammatica, riassumere un documento di cento pagine, suggerire un titolo oppure generare integralmente un articolo. Mettere tutte queste attività sotto l’etichetta «contenuto AI» significa perdere tutta l’informazione che davvero conta.

Il watermark rende paradossalmente questa distinzione ancora più urgente, perché potrebbe fornire una prova tecnica del passaggio attraverso un modello senza raccontare come quel modello sia stato utilizzato. Un testo scritto interamente da un giornalista e corretto da Claude potrebbe risultare marcato, mentre un articolo generato integralmente da un sistema e successivamente sottoposto a trasformazioni profonde potrebbe perdere parte del segnale.

Per questo l’editoria avrà bisogno di qualcosa di più sofisticato della semplice AI detection: dovrà definire la propria catena editoriale di provenienza, distinguendo la raccolta delle informazioni, la verifica delle fonti, la scrittura, la revisione e l’eventuale intervento dei sistemi generativi.

Il watermark non dice se una notizia è vera

Rimane infine un equivoco che rischia di accompagnare tutta questa tecnologia. Un contenuto certificato come umano non è automaticamente vero e un contenuto identificato come generato dall’intelligenza artificiale non è automaticamente falso. Un giornalista può inventare una notizia, mentre un modello può riassumere correttamente un bilancio societario; allo stesso modo un modello può allucinare una fonte e un essere umano può verificare scrupolosamente ogni informazione. Il watermark racconta la provenienza, non l’attendibilità.

È un’informazione preziosa, ma non è un certificato che attesta la veridicità di un testo. Confondere i due piani rischierebbe anzi di creare una falsa sicurezza ancora più pericolosa: se imparassimo a diffidare automaticamente di tutto ciò che porta una firma AI, potremmo finire per attribuire implicitamente maggiore credibilità a qualsiasi contenuto che non la possiede, proprio mentre diventa sempre più facile produrre artificialmente contenuti privi di un watermark riconoscibile.

Stiamo costruendo un Internet in cui i contenuti lasciano impronte

Quello si cui dobbiamo concentrarci non è solo che Claude metta una firma invisibile dentro quello che scrive, la vera questione è che stiamo cominciando a costruire un’infrastruttura della provenienza per l’Internet generativo. Per trent’anni la copia digitale ha avuto una caratteristica straordinaria: poteva essere perfettamente identica all’originale e contemporaneamente perdere quasi completamente la propria storia. Una fotografia viene scaricata, un testo copiato, un video ricodificato, uno screenshot estratto dal contesto e, passaggio dopo passaggio, diventa sempre più difficile capire da dove sia arrivato il contenuto che abbiamo davanti.

L’intelligenza artificiale rende questo problema gigantesco, perché la produzione non avviene più soltanto su scala umana.  I sistemi come C2PA, Content Credentials, SynthID e adesso il watermark testuale di Claude stanno cercando di ricostruire quel link, non attraverso un’etichetta appiccicata alla fine del processo, ma inserendo informazioni sulla provenienza nel contenuto o nella sua struttura fin dal momento della generazione.

Naturalmente non sarà un sistema perfetto, le firme potranno degradarsi, tecnologie diverse utilizzeranno standard diversi, esisteranno contenuti non marcati e continueranno a esserci tentativi di aggirare i sistemi di rilevamento. Soprattutto, nessun watermark potrà dirci da solo chi sia realmente l’autore intellettuale di un’opera o se quello che stiamo leggendo sia vero.

Il percorso universitario richiede una costante capacità di adattamento di fronte a volumi di studio sempre più ampi e a scadenze temporali che lasciano poco spazio alla dispersione delle energie pomeridiane. In un’epoca in cui il numero e la diffusione delle applicazioni, soprattutto quelle dotate di intelligenza artificiale, sta aumentando vertiginosamente, fa la differenza chi riesce a orientare il proprio progetto verso le esigenze reali degli utenti, evitando risposte preconfezionate e superficiali. Proprio per soddisfare questa necessità di specificità ed efficacia nel settore accademico, l’introduzione di un app come Docsity AI rappresenta un cambiamento importante, poiché mette a disposizione degli iscritti una tecnologia strutturata unicamente sulle dinamiche dell’apprendimento e della preparazione degli esami.

La differenza tra tecnologia generalista e strumenti costruiti su misura

La maggior parte dei sistemi di assistenza virtuale presenti sul mercato analizza i testi in modo standardizzato, offrendo sintesi che spesso trascurano i dettagli cruciali e i nodi concettuali che i professori valutano durante i colloqui d’esame. Il sistema di Docsity AI, al contrario, viene sviluppato per essere un vero e proprio alleato di studio per gli studenti, configurandosi come un’applicazione per prendere appunti, sbobinare lezioni e studiare con l’intelligenza artificiale costruita su misura per le specifiche necessità accademiche. Non si tratta di un’interfaccia generalista adatta a qualsiasi scopo commerciale, ma di uno strumento verticale concepito esclusivamente per superare ogni esame universitario attraverso l’elaborazione di contenuti didattici pertinenti. Questo significa che i modelli di calcolo focalizzano l’attenzione sulla precisione terminologica e sulla gerarchia delle informazioni, garantendo che ogni sintesi mantenga il rigore scientifico richiesto dai diversi corsi di laurea.

Centralizzare la gestione dei materiali in un’unica applicazione

Il vantaggio operativo principale risiede nella possibilità di raggruppare all’interno di un solo spazio virtuale fonti di informazione di natura completamente diversa, eliminando la frammentazione dei documenti che spesso rallenta il ripasso. In una sola applicazione diventa possibile registrare le lezioni d’aula, fotografare pagine di libri o appunti manoscritti, caricare file digitali e inserire link approfonditi dal web, lasciando che il sistema organizzi la documentazione in modo organico. L’algoritmo integrato elabora questi dati eterogenei per trasformare tutto in materiale pronto per gli esami, generando riassunti testuali scritti in modo fluido, mappe concettuali per la memoria visiva e flashcard personalizzate utili per l’autovalutazione quotidiana. Questo processo avviene senza limiti di volume o di formato, consentendo di gestire anche i programmi d’esame più corposi senza dover ricorrere a continui abbonamenti separati o a passaggi complessi da un programma all’altro.

Ottimizzazione del tempo e riduzione dell’ansia da prestazione

Disporre di dispense strutturate automaticamente sulla base delle proprie lezioni permette di dedicare la maggior parte del tempo all’assimilazione reale dei concetti, piuttosto che alla lunga e faticosa attività di trascrizione e sintesi manuale. Questo risparmio di ore preziose riduce sensibilmente l’ansia da prestazione che precede le sessioni invernali ed estive, offrendo allo studente una chiara percezione dei propri progressi attraverso simulazioni e test mirati. L’utilizzo consapevole di queste tecnologie verticali favorisce l’autonomia dello studente e migliora il rendimento accademico complessivo, dimostrando come l’innovazione digitale possa diventare il motore di un apprendimento consapevole, efficiente e sintonizzato sulle reali richieste del mondo universitario.



Siamo a Clavesana, in provincia di Cuneo, un paese di 1200 anime nelle Langhe. Qui le case sono tutte un po’ sparpagliate sulle colline, ma c’è un piccolo centro e nel centro c’è un bar. In questo bar c’è una donna del posto che ferma un uomo, un americano che vive lì da vent’anni e gli chiede: “Tu cosa ne pensi?” Non c’è nemmeno bisogno di dire a cosa si riferisce, perché entrambi lo sanno.

Sta parlando della Ferrari Luce, il modello elettrico del cavallino rampante che ha spaccato in due l’Italia. Ma non parliamo della Ferrari Luce. Dobbiamo chiederci perché questa donna chieda proprio a lui. Per rispondere abbiamo bisogno di una data e di un numero.

La data è il 2001, il numero è 14.800. Perché nel 2001 14.800 persone hanno firmato una petizione online per far licenziare quell’uomo dal suo posto di lavoro. E per cosa? Per la forma di un’auto, in particolare per il bagagliaio.

Lui è stato per 17 anni il capo del design di una delle marche più iconiche del mondo dell’auto, per BMW, ed è uno dei car designer più apprezzati di tutti i tempi. Ma per un certo periodo, nel 2001, è stato uno dei più criticati. Oggi parliamo di lui, di Chris Bangle, del design, dell’intelligenza artificiale, ma anche di una scala che sta nel suo studio, che prima non era una scala, ma era uno scola letame, e della frase che ha dipinto sui gradini perché risponde a molte domande.

Chris Bangle è nato in Ohio negli Stati Uniti, ha lavorato per Opel e per Fiat. Se vi ricordate il Fiat Coupé, ecco, è un progetto a cui ha lavorato Chris Bangle. Su Digitalic avevamo già raccontato Big Walking Arch #1, l’arte monumentale in movimento di Chris Bangle.

 

Chris Bangle, la BMW Serie 7 e le 14.800 firme

Nel 1992 diventa il primo capo del design BMW non tedesco, e nel 2001 viene annunciata la Serie 7, l’ammiraglia di casa BMW, nome in codice E65. Il pubblico la guarda e dice che è troppo grossa, troppo muscolosa.

Al bagagliaio all’insù piovono le critiche e vengono raccolte le firme per farlo licenziare. Ma questa non è semplicemente la storia di un designer che è stato criticato, è qualcosa di molto più profondo. È la storia di chi si trova per primo davanti a un problema, lo risolve e per questo viene criticato.

Io gliel’ho chiesto. Gli ho chiesto quando ha capito che la serie 7 sarebbe stata criticata. Prima ancora di rispondermi ha detto però una frase:

“Innanzitutto lo dico sempre, comincio con questa frase: qualsiasi cosa sia stata realizzata dal design nel periodo in cui sono stato direttore, in Fiat, BMW o altrove, se vi piace, per favore date tutto il merito ai designer, ai modellatori e ai tecnici che l’hanno fatta, in particolare ai designer del modello. Se non vi piace, è sempre colpa mia”.

Vedete il suo atteggiamento. I meriti si distribuiscono e la colpa si prende.

Poi mi ha risposto.

“La Serie 7 sarà una macchina molto controversa, divisiva per molte persone”.

Sapeva che quella macchina sarebbe stata criticata ancora prima di tracciare una singola linea sul foglio.

Questo perché doveva essere insieme la macchina più efficiente e più sicura mai realizzata dalla casa. Ma un motore più efficiente richiede più aria, quindi più volume. Una macchina più sicura richiede più airbag, quindi un abitacolo più grande. Doveva affrontare delle sfide inedite e la soluzione non poteva che essere estremamente innovativa.

Perché la BMW Serie 7 doveva diventare un altro animale

E poi c’era una regola BMW che non poteva essere toccata.

“Era ovvio fin dall’inizio del progetto. Avevamo capito che questa macchina non sarebbe stata come nessun’altra BMW, perché il suo impianto di base era completamente fuori dai normali canoni BMW. Doveva essere più efficiente e più potente, ma soprattutto più potente risparmiando CO2. Questo richiedeva per il motore un volume molto fuori dalla norma di quel momento, perché per renderlo più efficiente serviva molta aria.

Le ruote e i cerchi non erano più grandi dei precedenti. Le persone dentro, invece, crescono: a ogni generazione servono più o meno altri sette o nove millimetri. Ma soprattutto questa era una Serie 7, quindi serviva comfort e la seduta doveva essere ancora più comoda. Tutta l’elettronica inserita nei sedili li rendeva ancora più grandi. Nel frattempo era aumentata anche la sicurezza, perciò serviva più spazio qui, qui e qui, intorno alla testa. Tutto più grande. E per una regola interna di BMW la macchina non poteva essere lunga più di cinque metri, esattamente come la precedente.

Quindi avevi una macchina della stessa lunghezza, con ruote delle stesse dimensioni di prima, ma un corpo enorme, molto più alto per le persone all’interno e anche per poter guardare sopra il cofano. Per raggiungere l’aerodinamica necessaria, poi, il posteriore doveva alzarsi. La somma di tutto questo non era più lo snello cuneo BMW, era completamente un altro animale”.

Stessa lunghezza, stesse ruote, ma molto più volume da sistemare. Le richieste dell’aerodinamica che hanno portato ad alzare il posteriore.

Non c’erano tante soluzioni, ce n’era una sola e sembrava quella sbagliata. Per far capire ai dirigenti BMW il problema che si trovavano di fronte, Bangle non ha presentato dei disegni, ha presentato due foto, due foto di cestisti, di giocatori di basket, una presa dagli anni ’60 e una presa dagli anni ’90.

Le due foto erano molto diverse perché nella prima il cestista degli anni ’60 era longilineo, magro, mentre nella seconda il giocatore di basket era molto più muscoloso. Ha presentato quelle foto perché ha dovuto spiegare che non stavano cambiando il design di una macchina, stavano cambiando il corpo.

“Quando abbiamo presentato la vettura all’interno di BMW, ho mostrato due immagini di giocatori di basket. Una era dell’inizio degli anni Sessanta: forse li ricordi, erano ragazzi altissimi, ma super magri. Poi ho detto: adesso siamo negli anni Novanta, guardate un giocatore di basket di oggi. Muscoloso, enorme, fortissimo. È la stessa differenza. Prima lavoravamo con la snellezza, adesso lavoriamo con i muscoli”.

Tutto questo è storia.

Quella macchina è del 2001 e poi tutti l’hanno copiata. Ma io a Chris Bangle ho chiesto qualcosa sul presente, gli ho chiesto dell’intelligenza artificiale e se ci fosse stata l’AI nel 2001, se avrebbe potuto disegnare quella macchina allo stesso modo.

Se ci fosse stata l’intelligenza artificiale nel 2001

E lui mi ha dato una risposta molto più ampia. Mi ha spiegato per lui che cosa può fare e che cosa non può fare l’intelligenza artificiale nel design.

“Oggi l’intelligenza artificiale ha nel design un ruolo molto strano. È basata soprattutto sulla ricombinazione, secondo determinate percentuali, di cose piacevoli già conosciute attraverso i dati con cui è stata addestrata. Per questi sistemi è difficilissimo capire come gestire qualcosa di completamente nuovo, oppure prendere una certa serie di problemi e risolverli in un modo che risulti piacevole rispetto a tutti quei parametri.

Fino a oggi nessuno sa come risolvere questo tipo di problema con l’AI. L’AI produce soltanto alternative interessanti. Il problema è che oggi molti dirigenti credono che basti questo: ‘Mi basta che sembri una macchina che avrebbe potuto fare un’altra azienda, cambiamole un po’ il frontale’. Per loro è sufficiente. Non hanno bisogno delle persone e così cominciano a licenziare i designer creativi, preferendo qualcosa che considerano più efficiente. Secondo me è sbagliato”.

Se un’azienda si convince che i designer servono soltanto a fare un frontale che ricordi altre automobili, allora non servono più, basta l’intelligenza artificiale. Ma questa è una teoria, poi arriva la pratica e purtroppo gli effetti dell’intelligenza artificiale non tanto sui designer, ma sulle decisioni che vengono prese.

“La settimana scorsa ho ricevuto un’email da un gruppo di designer estremamente esperti, con moltissimi anni nel settore. Sono stati licenziati tutti perché un’azienda automobilistica ha deciso di chiudere lo studio in cui lavoravano le persone e passare direttamente da AI ad AI, senza intervento umano. Per ora è ancora sperimentale, ma intanto li hanno licenziati tutti”.

Un’azienda ha chiuso un intero reparto di design e così progettisti con vent’anni di esperienza sono stati licenziati tutti insieme, sostituiti in un processo in cui è stata introdotta l’intelligenza artificiale per generare nuovi disegni.

Automobile o car, la distinzione di Chris Bangle

Per capire cosa c’è dietro a quei licenziamenti dobbiamo fare una distinzione che Bangle fa in inglese perché in italiano non rende allo stesso modo.

“Possiamo dire che esistono tre modi di affrontare un progetto, in particolare il design automobilistico. Il primo è il modo dell’automobile. Un’automobile, per definizione, è un oggetto che si sposta da solo: ‘auto’ significa da solo, ‘mobile’ significa che si sposta. La definizione comprende anche un ascensore o cose come i taxi.

Un taxi è completamente dimenticabile. Chi ricorda l’ultimo taxi che ha preso? Forse per il tassista è diverso, ma per te è soltanto un oggetto che ti ha trasportato. Il design di questo tipo di oggetto richiede soprattutto efficienza e il rispetto delle regole del buon design, prodotto per prodotto, come per un telefono o qualunque altra cosa.

Un altro modo di fare design automobilistico è costruire sulla base del passato, in modo quasi identico a ciò che è stato fatto prima, cambiandolo leggermente per dire: ‘Guardate, questa è la mia impronta’. Purtroppo questo basta a molti giovani designer e l’AI, che è bravissima a fornire questa mescolanza del passato, per loro diventa molto più di uno strumento di aiuto: diventa un appoggio quasi indispensabile, perché è l’unico modo in cui sanno lavorare.

Il terzo modo è progettare una vettura nel senso emotivo del termine. Per me una vettura identitaria non è una semplice automobile. È un’affermazione emotiva, un’affermazione di personalità e di carattere. Un’automobile è ciò che usi, ma una vettura è ciò che sei.

Per il tassista, se ama quella vettura, può essere la sua auto identitaria. Per te che l’hai usata è un’automobile. Si dice sempre: ‘La vettura identitaria è quella che lavi a mano; dell’automobile non te ne importa nulla’”.

Ecco, un’automobile è semplicemente un oggetto che si muove da solo, come un taxi, come un ascensore, e deve essere progettato secondo regole di buon design, di efficienza, di coerenza.

La car, invece, è un’altra cosa. La car esprime una personalità, un senso, un’appartenenza. Se il lavoro del designer è solo quello di aggiornare delle linee, di ricombinare dei disegni del passato, allora probabilmente nelle aziende può nascere l’idea che siano sostituibili con l’intelligenza artificiale.

Un’altra cosa è disegnare una car.

I due millimetri che l’AI non sa spostare

Ma allora qual è il vero ruolo del designer, in particolare nel mondo dell’auto? Chris Bangle lo spiega in maniera illuminante:

“I veri designer automobilistici sono quelli che studiano per ore per spostare una linea di due millimetri”.

Perché?

“Perché quei due millimetri fanno la differenza tra una vettura che sembra felice e una vettura che sembra infelice. Felice, infelice: in un taxi non importa nulla. Ma per una vettura è il giorno e la notte”.

Due millimetri. Pensateci: ore di lavoro per decidere se spostare una linea di 2 millimetri, perché il vero progettista, il vero designer sa che quei 2 millimetri possono cambiare la faccia di un’auto, renderla felice, arrabbiata, prepotente.

È questo il vero lavoro del designer, non soltanto disegnare delle linee, ma sapere che cosa quelle linee comunicano. Ora potreste pensare che Chris Bangle sia contro l’intelligenza artificiale. Non è assolutamente così, anzi ha presentato al governo tedesco un’idea, un progetto molto affascinante che si chiama Second Existence.

Second Existence, progettare già per la seconda vita

L’idea è che ogni oggetto non debba essere solo progettato per essere riciclato, perché anche per riciclarlo si spende molta energia, bisogna triturarlo, fondere i materiali. Lui dice che un oggetto deve essere progettato già pensando a un secondo utilizzo.

Cioè una lavatrice deve avere dei pannelli che poi possono essere utilizzati per fare delle automobili, delle mensole, in modo che non debba essere riciclato il materiale. È un’idea innovativa e anche molto scomoda.

Le macchine assemblano, le persone smontano

“In breve, un paio di anni fa il governo tedesco mi ha chiesto di preparare un rapporto, destinato a una giornata di confronto tra governo e industria, sulla coesistenza tra umanità e tecnologia. Non su come sviluppiamo la tecnologia, ma sulla coesistenza: saremo ancora vivi? Erano piuttosto allarmati. Mi hanno chiesto: ‘Puoi affrontarlo dal punto di vista del design?’. Ho risposto: ‘Lo farò dal punto di vista del design e delle persone che lavorano come operai. È questo che mi interessa’.

Insieme a Stefan Bartscher, esperto di robotica di BMW, abbiamo lavorato su un sistema di ingegneria inversa e sui processi produttivi. In sintesi, siamo partiti da un fatto: le macchine sono bravissime ad assemblare le cose, non si può fare meglio. Lo fanno bene perché il processo è prevedibile e preciso. Finito. Gli esseri umani, invece, sono bravissimi a smontare le cose. Perché? Perché è imprevedibile: ogni oggetto che arriva per essere smontato è diverso. E non è un’attività precisa. Sono due caratteristiche nelle quali l’umanità è molto brava.

Infatti, uno degli ultimi baluardi dei servizi umani nel mondo è costituito da tutte le attività imprecise e imprevedibili: i servizi sociali, l’agricoltura, tutto ciò che ha a che fare con la medicina e così via. Attività estremamente imprevedibili e spesso imprecise. La medicina è un po’ diversa, naturalmente. Su questa base era chiaro che possiamo tracciare l’avanzamento della robotica, che prima o poi può arrivare a fare tutto. La domanda allora è: dove la fermiamo, e perché?

Chi decide che cosa è bello

Abbiamo guardato alla storia del design e abbiamo visto quello che dicevi all’inizio: alle persone piace ciò che fanno le macchine. È stata la rivoluzione industriale a portare il modernismo, l’idea che ci piaccia ciò che piace produrre alle macchine. E veniamo allenati finché piace anche a noi.

Siamo completamente innamorati dei quadrati con gli angoli arrotondati. Li ameremo fino alla morte. Guarda la nuova Ferrari: amerai un quadrato con gli angoli arrotondati. E man mano noi designer assumiamo tutto questo come la nostra idea di ciò che è buono, bello e meraviglioso.

Se torni indietro di duecento o trecento anni, non valeva il principio ‘meno è meglio’, ma ‘più è meglio’. Il re era pieno di ornamenti, mentre il poveraccio sembrava un mobile danese moderno. Adesso è il contrario. Se noi designer siamo stati capaci di cambiare così profondamente la mente delle persone in questa direzione, possiamo cambiarla anche nell’altra.

Oggi abbiamo l’idea che tutto debba essere olistico, pulito, uniforme: questo sarebbe il buon design. Ma possiamo dire: ‘No, è un caos, sembra fatto di pezzi raccolti dappertutto. Proprio questo è buon design’. Perché? Perché quei pezzi arrivano da oggetti smontati e sono stati riutilizzati in un nuovo oggetto. Questo è meglio.

Questa è l’idea. Prima di tutto deve cambiare il design. Ma se costruisci un’economia basata su cose smontate e poi riassemblate, puoi farlo soltanto con l’AI.

Non era un processo proponibile vent’anni fa, perché non esisteva alcun modo per prendere pezzi provenienti da questo, da quello e da quell’altro oggetto e riassemblarli per farne qualcosa di nuovo. Non potevi tenerne traccia: erano troppi. Con l’AI non è un problema. Già oggi esistono programmi in cui l’AI preassembla determinate cose e stabilisce quali pezzi possano stare insieme in un modo oppure in un altro. Il ruolo del designer di domani sarà guidare, pilotare questo processo, in modo che l’AI realizzi qualcosa che corrisponda più o meno al desiderio espresso dalla persona che assegna l’incarico.

Un sistema di crediti per il lavoro umano

È economico? No, assolutamente no. È efficiente? No. Qual è il vantaggio? Impiega persone. Allo stesso modo, all’inizio le auto elettriche non erano efficienti e non erano economiche. Tesla e altri sono rimasti in pista grazie alla vendita di crediti ad aziende come BMW e Mercedes. Il sistema dei crediti ZEV è quello che ha tenuto in vita Tesla per dieci anni, mentre imparava a costruire un’automobile.

Allo stesso modo, chi produce questi telefoni paga davvero alla società una quota corretta dei profitti che realizza? Aziende che valgono migliaia di miliardi restituiscono alla società ciò che dovrebbero?

Immaginiamo di stabilire questo: chi realizza un oggetto assemblato dalle macchine deve comprare crediti dalle persone che smontano a mano altri oggetti. Noi designer dobbiamo convincere il pubblico che una cosa realizzata in questo modo è bella e desiderabile.

In realtà abbiamo con il consumatore un rapporto che si può dimostrare storicamente. È come ne La bisbetica domata, con Elizabeth Taylor e Richard Burton, quando lui dice: ‘Guarda quella bella donna’, e lei risponde: ‘Sì, è una bella donna’. Poi lui dice: ‘No, è un vecchio’, e lei: ‘È un vecchio’. Era già così sotto il suo potere che, se lui diceva ‘su’, lei diceva ‘su’; se lui diceva ‘giù’, lei diceva ‘giù’. Noi siamo così con il consumatore. Se per diecimila anni diciamo ‘più è meglio’, le persone dicono ‘più è meglio’. Se per due generazioni diciamo ‘meno è meglio’, dicono ‘meno è meglio’. Quindi tocca a noi.

Dal consumo al riuso

Noi per primi dobbiamo compiere questi cambiamenti mentali. Se oggi chiedi a un giovane designer di cominciare a pensare in questo modo, incontri problemi reali. Prendiamo la Cina, per esempio. C’è molto denaro, ma non circola. Il governo compie sforzi enormi per spingere i consumatori a comprare. Ma che cosa significa oggi? Significa estrarre più risorse naturali e consumare più energia. Quando riutilizzi un oggetto, tutta l’energia impiegata per stampare quella parte non va perduta.

Se butti via quella parte o la macini per riportarla alla materia prima, perdi tutte le risorse e l’energia impiegate per produrla. Se la riusi, le dai un’altra vita. È molto più efficiente. Quindi, in un Paese in cui la robotica sostituisce tutto, che cosa fai delle persone?

E i lavoratori della conoscenza? Pensate davvero che basti spostarli tutti lì? Per me, se vogliamo un pianeta sano e sicuro, dobbiamo smettere di passare da materia prima a consumo e poi di nuovo a materia prima. Dobbiamo passare da materia prima a consumo, poi riuso e ancora riuso.

Se siamo davvero intelligenti, cominciamo a progettare fin dall’inizio per la seconda vita. Già la prima volta pensiamo alla seconda. Onestamente è una sfida intellettuale molto più difficile per i designer. È molto più semplice dire: ‘Abbiamo dieci regole, dieci teoremi. Meno è meglio, bene’. No, è troppo semplice. Il futuro non chiede questo. E soltanto l’AI può renderlo possibile”.

Poi dice che il design e i designer ci hanno insegnato ad amare le superfici lisce, gli angoli arrotondati.

E così come hanno fatto questo, possono insegnarci ad amare i prodotti ricombinati, a farci capire, percepire che un oggetto fatto da oggetti diversi messi insieme è bello. È questa la nuova sfida che propone.

Il futuro del design è impossibile senza l’intelligenza artificiale in questa visione, ma non perché la macchina disegni al posto dell’uomo, ma perché è in grado di tracciare tutti i pezzi, tutte le parti e proporre delle ricombinazioni.

È in questo che è insostituibile.

Non è economico e non è efficiente. Ma ancora una volta Chris Bangle trova una soluzione innovativa a un problema che ha affrontato prima degli altri, cioè dare davvero nuova vita agli oggetti senza passare dal dispendioso riciclo.

Ancora una volta lui ha visto una soluzione probabilmente che altri non hanno visto e che poi copieranno tutti.

Torniamo alla scala, quella dell’inizio. Una scala che prima era uno scola letame perché, dice Chris Bangle, nulla come uno scola letame sfrutta al massimo lo spazio.

Ecco, su quella scala, su quei gradini, lui ha dipinto una frase. La frase è di un fumettista che si chiama Walt Kelly e disegnava un opossum che si chiamava Pogo. La frase la spiega Chris Bangle.

“Per me era fondamentale ripensare il concetto di sé, dell’io, in tutto questo. Sono arrivato qui dopo un grande lavoro, con l’etichetta del grande designer di BMW, ma in realtà nessuno è tutto ciò che viene usato per descriverlo. Quando lo scopri, è una liberazione: sei libero di essere qualcosa che, in ogni caso, è finto. Questa idea mi piace moltissimo”.

L’idea è questo, in italiano suona così: va probabilmente bene essere qualsiasi cosa che non puoi essere quando scopri che non puoi essere tutto ciò che sei.

Il grande designer ci dice una cosa: che nessuno è la descrizione che gli altri ne fanno e accorgersene non è una perdita, è una liberazione perché possiamo essere davvero noi e non aderire a una descrizione che comunque sarebbe stata finta.

La macchina invece è il contrario, è esattamente quello che sembra a tutti.

Il 2 agosto 2026 doveva essere il giorno in cui l’AI Act mostrava i denti, con gli obblighi sui sistemi ad alto rischio e l’apparato sanzionatorio al completo; è arrivato, ma con un contenuto diverso da quello che il calendario prometteva fino a poche settimane fa. A cambiare le carte è stato il Digital Omnibus sull’AI, il Regolamento (UE) 2026/1744, pubblicato in Gazzetta Ufficiale il 24 luglio 2026 e in vigore dal 27 luglio, prima modifica sostanziale all’AI Act dalla sua adozione. Il risultato è che dal 2 agosto scattano davvero gli obblighi di trasparenza, mentre la parte più stringente della normativa, quello sui sistemi ad alto rischio, arriverà più tardi.

Cosa cambia con l’AI Act dal 2 agosto 2026

Conviene partire da dove eravamo rimasti. Quando su Digitalic abbiamo aperto il conto alla rovescia verso le sanzioni, il 2 agosto era la data in cui l’AI Act sarebbe passato da impianto giuridico annunciato a strumento operativo con obblighi stringenti sull’alto rischio. Quella lettura, corretta allora, oggi va aggiornata; il legislatore europeo ha spostato in avanti la parte più pesante, lasciando in piedi una fetta di obblighi che riguarda un numero molto più ampio di aziende, quella sulla trasparenza. La struttura dell’AI Act resta intatta, con la sua classificazione dei sistemi per livello di rischio; a muoversi sono le date, non l’architettura.

AI Act entrata in vigore: le date che contano (e il ruolo della legge italiana)

Sull’entrata in vigore serve chiarezza, perché si confondono spesso tre eventi diversi. Il primo è europeo e risale a due anni fa: l’AI Act, il Regolamento (UE) 2024/1689, è entrato in vigore il 1 agosto 2024, venti giorni dopo la pubblicazione in Gazzetta del 12 luglio; da lì è partito un calendario scaglionato che ha portato i divieti sulle pratiche a rischio inaccettabile a febbraio 2025 e gli obblighi sui modelli generalisti ad agosto 2025. Il secondo evento è nazionale: la Legge 23 settembre 2025 numero 132 è entrata in vigore il 10 ottobre 2025, e ha reso l’Italia il primo Paese dell’Unione con un quadro nazionale organico allineato all’AI Act, che lo integra senza sostituirlo. Il terzo evento è quello di adesso, il Digital Omnibus in vigore dal 27 luglio 2026, che riscrive parte del calendario europeo. Tenere distinti i tre momenti è il primo passo per capire cosa un’azienda deve fare, e quando; l’entrata in vigore di una norma non coincide quasi mai con l’applicazione dei suoi obblighi, che seguono date proprie.

Il Digital Omnibus è legge: l’iter e la fretta di Bruxelles

Il percorso è stato rapido e dichiaratamente d’urgenza. La Commissione ha proposto il Digital Omnibus il 19 novembre 2025, il Parlamento lo ha adottato il 16 giugno 2026, il Consiglio ha dato il via libera definitivo il 29 giugno e l’atto è stato firmato l’8 luglio. Al Parlamento europeo il testo è passato con 423 voti favorevoli, 57 contrari e 174 astensioni. Il regolamento giustifica l’entrata in vigore compressa al terzo giorno dalla pubblicazione, per garantire certezza giuridica senza ritardo, vista l’imminente applicazione generale dell’AI Act prevista per il 2 agosto. Le istituzioni insistono su un punto: l’Omnibus rinvia alcune scadenze, ma leggerlo come una sospensione della regolazione europea sull’AI sarebbe un errore. Questo filone va tenuto distinto dal secondo pacchetto di semplificazione, quello su dati e cybersicurezza che tocca GDPR, ePrivacy, NIS2 e Data Act; quel dossier resta in negoziato, con un accordo atteso nella prima metà del 2027.

Obblighi di trasparenza AI Act: cosa scatta subito e cosa no

Qui sta la notizia operativa. Gli obblighi di trasparenza dell’articolo 50, incluso il dovere di informare l’utente quando sta interagendo con un sistema di AI, si applicano dal 2 agosto 2026. Significa avvisi chiari sui chatbot, etichettatura dei contenuti sintetici e dei deepfake, informativa sui sistemi di riconoscimento delle emozioni e di categorizzazione biometrica. L’eccezione da mappare con precisione riguarda la marcatura tecnica: l’obbligo previsto dall’articolo 50, paragrafo 2, non si applica ai sistemi già presenti sul mercato a quella data, che hanno tempo fino al 2 dicembre 2026. Tradurre la distinzione in pratica richiede di sapere quali sistemi erano già immessi sul mercato e quando, un lavoro di inventario più che una formalità. Chi gestisce assistenti conversazionali, generatori di immagini o strumenti di sintesi vocale rivolti al pubblico è già dentro il perimetro, e lo è da adesso.

AI ad alto rischio: perché il vero appuntamento è il 2 dicembre 2027

Il rinvio più rilevante riguarda la categoria che spaventa di più le imprese. La data di applicazione per i sistemi ad alto rischio autonomi dell’Allegato III, che comprendono l’AI usata in ambito lavorativo, nell’istruzione, nella valutazione del credito, nelle forze dell’ordine e nelle infrastrutture critiche, si sposta dal 2 agosto 2026 al 2 dicembre 2027. Per i sistemi integrati in prodotti già soggetti alla normativa sulla sicurezza, come dispositivi medici, macchinari e giocattoli, la conformità è rinviata fino al 2 agosto 2028. La logica scelta lega l’applicazione delle regole all’adozione, da parte della Commissione, di una decisione che confermi la disponibilità di standard e linee guida, con le nuove date come termine ultimo di garanzia. Il motivo è concreto: gli standard armonizzati e gli strumenti di conformità non erano pronti, e imporre obblighi senza gli attrezzi per rispettarli avrebbe prodotto incertezza più che tutela. La contropartita è il rischio che il rinvio venga scambiato per un liberi tutti, cosa che non è.

Le nuove pratiche vietate dall’AI Act: nudifier e materiale pedopornografico

Il Digital Omnibus non toglie soltanto, aggiunge anche. L’Omnibus introduce due nuove pratiche vietate, che colpiscono i sistemi progettati per generare o manipolare immagini intime realistiche non consensuali e materiale pedopornografico, con applicazione dal 2 dicembre 2026. Il segnale politico è netto, perché sposta sul terreno della proibizione assoluta, quella soggetta alle sanzioni più alte, una tipologia di abuso finora affrontata solo da altri corpi normativi; l’AI Act fornirà così una base regolatoria diretta per l’applicazione, dove prima intervenivano soltanto altri regimi giuridici.

GPAI e divieti: cosa resta invariato

Nel rumore sulle scadenze rinviate si rischia di perdere ciò che non si è mosso. Le disposizioni dell’AI Act che governano i modelli per finalità generali, i cosiddetti GPAI, continuano ad applicarsi come previsto, inclusi gli obblighi di trasparenza, rendicontazione e gestione del rischio sistemico per i modelli più grandi. Restano in vigore anche i divieti sulle pratiche a rischio inaccettabile, attivi dal febbraio 2025. Per chi produce o integra modelli il quadro raccontato quando è iniziata la fase GPAI vale ancora per intero, dal Code of Practice pubblicato a luglio 2025 alla soglia dei 10^23 FLOP che separa i GPAI standard da quelli con rischio sistemico. Chi ha costruito la propria conformità su quel binario non deve rifare nulla, deve solo continuare.

Più poteri all’AI Office, più respiro alle PMI

Sotto il titolo del rinvio l’Omnibus ridisegna anche la mappa dei poteri. L’AI Office diventa responsabile in via esclusiva della vigilanza e dell’applicazione degli obblighi dell’AI Act per i sistemi basati su modelli GPAI, quando modello e sistema sono sviluppati dallo stesso fornitore, e per i sistemi che costituiscono o sono integrati in una piattaforma o motore di ricerca di dimensioni molto grandi ai sensi del Digital Services Act. Il rafforzamento lega la sorveglianza dei modelli generalisti alle piattaforme già regolate dal DSA. In direzione contraria arriva un alleggerimento per le imprese minori: la modalità semplificata per adempiere all’obbligo del sistema di gestione della qualità, prima riservata alle microimprese, è estesa a tutte le PMI comprese le startup, e diverse flessibilità sono state allargate alle small mid-cap. Per un tessuto come quello italiano, fatto in larga parte di aziende piccole, non è un dettaglio.

Le sanzioni dell’AI Act: quanto si rischia davvero

Il capitolo sanzioni spiega perché la trasparenza non sia un adempimento minore. L’AI Act prevede sanzioni fino a 35 milioni di euro o il 7% del fatturato mondiale per le pratiche vietate, e fino a 15 milioni o il 3% per la non conformità dei sistemi ad alto rischio. Gli obblighi di trasparenza dell’articolo 50 ricadono nella fascia intermedia, quella fino a 15 milioni o al 3% del fatturato; sufficiente a rendere l’inadempimento un rischio da mettere a bilancio. Le cifre sono massimali statutari, non automatismi, e il regolamento impone proporzionalità, con soglie più basse per le PMI; la sostanza però non cambia, ignorare la trasparenza costa.

Semplificazione o arretramento: il contraddittorio sul rinvio

Il giudizio sull’operazione dipende da dove si guarda. Le associazioni industriali hanno accolto con favore le modifiche, e DIGITALEUROPE, tra i critici più espliciti dei costi e dei tempi originari dell’AI Act, ha sostenuto in larga parte la direzione del pacchetto di semplificazione. I funzionari sostengono che le modifiche offrano alle aziende certezza giuridica prima che scattino gli obblighi più duri. Le organizzazioni per i diritti digitali leggono invece l’operazione come un arretramento: il gruppo Liberties ha sostenuto che l’accordo finale indebolisce diverse tutele contenute nell’AI Act originario, descrivendo il rinvio degli obblighi sull’alto rischio come un ritardo nella protezione dei diritti fondamentali attesa per agosto 2026. Nel merito, Liberties contesta l’uso ampliato di dati personali sensibili per l’individuazione dei bias in tutti i sistemi di AI, l’indebolimento dei requisiti di alfabetizzazione all’AI e la riduzione delle informazioni che i fornitori di sistemi ad alto rischio devono pubblicare nel database europeo. Cautele arrivano anche da una parte del mondo delle piccole imprese; l’European Digital SME Alliance ha ammonito che “la Commissione deve evitare di creare nuovi vantaggi per gli incumbent tecnologici stranieri”. Questo pezzo non può sciogliere il nodo per il lettore, ma deve metterglielo davanti: semplificare la conformità aiuta chi vuole rispettare le regole, e insieme apre spazio a chi quelle regole preferirebbe non avere affatto.

AI Act e Italia: la Legge 132 e il ritardo delle imprese

Sul fronte nazionale l’Italia ha un vantaggio di cornice e un problema di sostanza. Il vantaggio è la Legge 132, già richiamata sopra, che colloca il Paese davanti agli altri sul piano dell’impianto normativo. Il problema è la preparazione. I numeri raccolti nella nostra guida su come le PMI possono prepararsi alle norme sull’AI raccontano un Paese a due velocità: nel 2025 il 26,7% delle PMI ha testato o utilizza stabilmente strumenti di intelligenza artificiale, con un incremento del 50% rispetto al 2024, ma solo il 7% delle piccole imprese e il 15% delle medie ha avviato progetti strutturati di AI. Il rinvio dell’alto rischio regala tempo proprio a chi ne aveva più bisogno; la tentazione, prevedibile, sarà spenderlo male, rimandando ancora. La 132 alza l’asticella nazionale, ma senza attuazione operativa resta un primato sulla carta.

Cosa devono fare adesso le aziende

Il rinvio porta con sé una controindicazione precisa, la tentazione di fermare i programmi di conformità in attesa del 2027. Sarebbe la lettura sbagliata. La trasparenza va garantita subito, quindi vanno verificati gli avvisi sui chatbot, l’etichettatura dei contenuti generati, le informative sui sistemi biometrici, e va costruito l’inventario dei sistemi già sul mercato per capire quali ricadono nella deroga di dicembre. La documentazione tecnica, i sistemi di gestione del rischio e i meccanismi di sorveglianza umana pensati per l’alto rischio restano investimenti utili a prescindere dalla data, perché migliorano i sistemi indipendentemente dalla funzione regolatoria. Il rischio di fondo, per l’Europa, non è normativo ma competitivo, quello raccontato in Europa 2031: diventare il continente che scrive le regole migliori sull’intelligenza artificiale prodotta altrove. La domanda che l’AI Act pone alle imprese non è cambiata con l’Omnibus; è solo diventata più onesta, perché non chiede più “quando scatta la sanzione”, ma “quando i nostri sistemi saranno davvero sotto controllo”.

Claude ha hackerato tre aziende durante i test di sicurezza Anthropic, come già era avvenuto con ChatGPT. Anthropic ha rivelato il 30 luglio che tre modelli Claude, durante esercitazioni interne di cybersecurity, hanno ottenuto accesso non autorizzato ai sistemi di produzione di tre diverse organizzazioni; l’azienda ha scoperto gli episodi rileggendo 141.006 sessioni di valutazione, e delle due organizzazioni che è riuscita a contattare nessuna aveva rilevato l’intrusione. La terza, al momento della pubblicazione, non era ancora stata raggiunta. Le aziende contattate erano due su tre, entrambe ignare di essere state violate; della terza non si sapeva ancora nulla. Un modello di intelligenza artificiale ha compromesso infrastrutture reali, ha estratto credenziali e dati, e per mesi nessuno se n’è accorto; a scoprirlo non è stato un sistema di difesa aziendale, ma chi aveva costruito il modello, rileggendo a posteriori i propri log.

Anthropic, Claude e Irregular: cosa è successo nei test di cybersecurity

Il punto di partenza è un episodio che riguarda un concorrente, e che Digitalic ha già raccontato in come GPT-5.6 SOL è evaso e ha hackerato Hugging Face. Il 21 luglio OpenAI ha comunicato che alcuni suoi modelli erano riusciti a uscire da un ambiente di test isolato sfruttando una vulnerabilità sconosciuta, uno zero-day, arrivando fino all’infrastruttura di produzione di Hugging Face, la piattaforma per modelli open source e dataset. In risposta a quella disclosure, Anthropic ha avviato una revisione retrospettiva su larga scala delle proprie valutazioni di sicurezza; cercava esattamente questo, prove che Claude fosse riuscito a raggiungere internet da dentro ambienti che avrebbero dovuto essere sigillati.

Su 141.006 sessioni analizzate, Anthropic ne ha isolate tre problematiche, distribuite su sei run complessive, quattro delle quali colpivano la stessa organizzazione. Tutte e tre avvenivano dentro l’ambiente di Irregular, uno dei partner di valutazione esterni dell’azienda. In tutti i casi il compito assegnato era un capture-the-flag: uno scenario fittizio in cui a Claude viene detto che un’informazione segreta, la bandiera, è nascosta su un’altra macchina della rete, e il modello deve trovarla senza che gli venga prescritto alcun metodo. È l’esercizio standard con cui i laboratori misurano le capacità offensive di un modello.

Qui entra la parte scomoda. Il prompt di Anthropic diceva esplicitamente a Claude che si trovava in una simulazione e che non aveva accesso a internet; per un’incomprensione tra Anthropic e il partner, quell’accesso invece c’era, una macchina lasciata connessa alla rete pubblica per errore di configurazione. Quando la ricerca della bandiera ha portato Claude verso sistemi reali sul web aperto, il modello li ha trattati come parte dell’esercizio, perché era stato istruito a credere che tutto ciò che incontrava fosse finto.

Le tecniche usate non hanno nulla di sofisticato, e questo è forse il dato che dovrebbe far riflettere di più chi gestisce infrastrutture: password deboli, endpoint non autenticati, pagine di debug esposte, SQL injection. Nessuna vulnerabilità complessa, nessun zero-day. Claude ha compromesso aziende reali usando gli errori di base che i responsabili di sicurezza conoscono da vent’anni e continuano a lasciare aperti.

Opus 4.7, Mythos 5 e il modello di ricerca: i tre incidenti in dettaglio

Claude Opus 4.7 e il database di produzione violato

Il primo episodio, il più grave, ha coinvolto Claude Opus 4.7. L’azienda fittizia scelta dal partner condivideva il nome con un dominio internet attivo e reale; il container aveva accesso diretto e non voluto alla rete. In quattro run distinte, dopo aver faticato a raggiungere il bersaglio simulato, Claude ha scoperto che la società vera era raggiungibile online e l’ha assunta come obiettivo legittimo del gioco. Ha identificato e sfruttato le vulnerabilità, ha estratto credenziali applicative e di infrastruttura, ha raggiunto un database con diverse centinaia di righe di dati di produzione. Anthropic segnala un particolare che pesa: in tutte e quattro le run il modello a un certo punto ha capito, e lo si legge nel suo ragionamento verbalizzato, che il sistema era reale; in due casi si è raccontato che l’azienda vera doveva comunque far parte dell’esercizio, e ha continuato l’attacco.

Mythos 5 e il pacchetto PyPI malevolo su 15 sistemi

Il secondo episodio porta la firma di Mythos 5, il modello della classe che Anthropic colloca sopra la famiglia Opus, lo stesso di cui avevamo raccontato la turbolenta uscita in Claude Fable 5: bloccato dal Governo USA, ecco perché. Dentro l’ambiente fittizio Claude ha trovato un documento che sembrava la guida di configurazione di un’altra azienda immaginaria, con l’istruzione di installare un pacchetto Python da PyPI che in realtà non esisteva. Il modello ha visto un’apertura: pubblicare un pacchetto con quel nome significava farlo scaricare e installare automaticamente. Così ha costruito e caricato su PyPI un pacchetto malevolo. Per farlo è arrivato lontano: serviva un account, per l’account un indirizzo email, per l’email un numero di telefono; ha provato e fallito a procurarsi fondi per pagarne uno, ha ripiegato su un provider gratuito, ha registrato l’account, ha caricato il malware. Il pacchetto è rimasto online circa un’ora; in quella finestra è stato scaricato ed eseguito su 15 sistemi reali. Uno era lo scanner di una società di sicurezza che installa pacchetti Python per analizzarli: quando lo scanner ha eseguito il codice, Claude ha esfiltrato le credenziali dell’azienda e le ha usate per raggiungere altra infrastruttura. Nel suo ragionamento, all’inizio, il modello aveva individuato correttamente la posta in gioco, annotando che se quello fosse stato internet vero l’attacco sarebbe stato reale e “non okay”; poi si è convinto di essere ancora in simulazione perché non riconosceva le autorità di certificazione e perché la data di sistema, 2026, gli sembrava la prova di uno scenario costruito. Non è più tornato su quella conclusione.

Il modello di ricerca che si è fermato da solo

Il terzo episodio è opera di un modello di ricerca interno, non destinato al rilascio. Non riuscendo a raggiungere il bersaglio previsto, ha cercato alternative online scansionando circa 9.000 obiettivi, fino a compromettere l’applicazione internet-facing di un’azienda leggendo credenziali da una pagina di debug esposta e usando SQL injection. Per gran parte della run ha creduto di operare nel simulato; poi ha capito che l’host compromesso stava in un account cloud senza alcun legame con la sfida, ne ha dedotto da solo che il bersaglio era reale, e ha smesso.

Harness failure o problema di allineamento? La lettura di Anthropic

Qui c’è la differenza che rende questa storia più di una cronaca di incidente. Tre modelli, tre comportamenti diversi di fronte agli indizi di realtà. Opus 4.7, il più vecchio, ha riconosciuto di essere su sistemi di produzione e ha continuato. Mythos 5 ha correttamente intuito di essere sul web aperto, poi ha ragionato a ritroso fino a riconvincersi di essere in simulazione. Il modello di ricerca più recente, quando le prove sono emerse, si è fermato senza che nessuno glielo chiedesse.

Anthropic è prudente, e fa bene a esserlo: sono tre episodi isolati, non un esperimento controllato, e non permettono conclusioni forti. L’azienda però osserva che il comportamento desiderabile, riconoscere che un bersaglio è reale e fermarsi da soli, si è manifestato solo nel modello più recente, e anche quello è andato oltre il punto in cui avrebbe dovuto arrestarsi. È un segnale coerente con l’idea che i modelli più avanzati rispondano in modo più appropriato; resta un segnale, non una prova.

Sulla natura dell’incidente Anthropic prende una posizione precisa, e va letta per quello che è, la tesi della parte interessata: questi episodi sarebbero più vicini a un fallimento dell’infrastruttura di test, un “harness failure”, che a un fallimento di allineamento del modello. Il ragionamento regge: i modelli erano stati esplicitamente informati di non avere accesso a internet, l’accesso c’era per errore, la conclusione che l’ambiente reale fosse simulato era, parole dell’azienda, arguably reasonable. In nessun caso un modello ha tentato di esfiltrare sé stesso o di evadere; nessuno perseguiva un obiettivo proprio. I modelli giravano poi senza i classificatori e il monitoraggio che Anthropic applica alle versioni in commercio, protezioni che, sostiene l’azienda, avrebbero bloccato quei comportamenti.

La lettura è onesta e in parte convincente; merita però un contrappunto. Che un modello, dopo aver scritto nel proprio ragionamento che un’azione sarebbe reale e “non okay”, trovi comunque il modo di convincersi del contrario e proceda, non è solo un problema di configurazione dell’ambiente: è un problema di quanto poco basta perché un sistema molto capace si racconti la storia che gli serve per continuare a fare ciò che stava facendo. Anthropic stessa lo riconosce quando dice che il tragitto compiuto da Mythos 5 per pubblicare il pacchetto resta lontano dal comportamento ideale, indipendentemente da cosa credesse dell’ambiente, e che è un’area su cui addestrare di più.

Agenti AI e sicurezza aziendale: perché l’incidente riguarda ogni infrastruttura

La conseguenza operativa è più larga del singolo caso Anthropic. Un agente autonomo abbastanza capace, lasciato senza confini chiari e senza le protezioni di produzione, compie azioni offensive reali usando tecniche elementari, e lo fa mentre è convinto di giocare. Le aziende colpite non avevano difese sofisticate da opporre: avevano password deboli, endpoint aperti, pagine di debug esposte. Le stesse cose che un pentester umano avrebbe trovato in un pomeriggio, con la differenza che l’agente non dorme, scala su migliaia di bersagli in parallelo e non ha bisogno di essere pagato. È lo scenario che Digitalic descriveva analizzando la cybersecurity delle PMI davanti alla difesa continua: l’AI riduce la distanza tra intenzione e azione, e porta nel radar anche aziende che si credevano troppo piccole per essere colpite.

La stessa autonomia ha due facce. È quella che, ben governata, porta Anthropic a superare OpenAI nei ricavi facendo leva sugli sviluppatori; mal confinata, è quella che trasforma un test in una violazione reale. Per un mercato italiano in cui i gruppi citati nell’apertura della sede Anthropic di Milano stanno dispiegando questi modelli su larga scala, la domanda su chi controlla l’ambiente in cui l’agente opera smette di essere teorica.

Per chi valuta modelli, la lezione che Anthropic dichiara di trarne è netta: gli ambienti di test che coinvolgono capacità autonome potenti richiedono gli stessi controlli di qualsiasi altro sistema di produzione, perché il test serve proprio quando ancora non sai di cosa il modello è capace. Un poligono di sole finzioni sembra a rischio zero; non lo è, se l’agente al suo interno è abbastanza avanzato e il perimetro è poroso. L’azienda ha fermato tutte le valutazioni cyber il 23 luglio, ha identificato i tre episodi il giorno dopo, ha avvisato Irregular e le organizzazioni il 27; ha aperto un dialogo con METR per una revisione indipendente con accesso alle trascrizioni, e ha annunciato la pubblicazione di una trascrizione, opportunamente redatta, del caso del pacchetto PyPI.

Resta l’osservazione da cui siamo partiti, quella che nessuna postmortem risolve: la difesa non è arrivata dalle aziende bersaglio, che non hanno visto nulla, ma da chi ha costruito l’attaccante e ha avuto la disciplina di rileggersi i log. In un futuro in cui gli agenti che compiono queste azioni non saranno strumenti di test di un laboratorio che poi si autodenuncia, ma software qualsiasi in mano a chiunque, la domanda diventa chi terrà quei log, e chi avrà voglia di rileggerli.