Il Tribunale dell’Unione europea ha respinto i ricorsi presentati da Apple contro la decisione della Commissione europea che l’ha designata come “gatekeeper” per l’App Store e il sistema operativo iOS…
Le Pmi italiane si sentono cyber resilienti. Ma l’AI preoccupa sette imprese su dieci
La cybersecurity sta provando ad uscire definitivamente dai confini dell’IT per entrare nella governance delle Pmi. La spinta esercitata dalla pressione normativa, la diffusione dell’intelligenza artificiale e l’aumento senza fine…
Sovranità digitale: cos’è, perché conta e cosa cambia per aziende e PA
La sovranità digitale non è più uno slogan europeo, né una parola buona per i convegni sulla privacy. È diventata una condizione concreta per decidere, innovare, competere e restare padroni della propria infrastruttura digitale.
Per anni abbiamo pensato che il cloud fosse neutrale, che i dati fossero soltanto file conservati da qualche parte, che il software fosse una scelta tecnica e che l’intelligenza artificiale fosse solo una questione di modelli. Oggi sappiamo che non è così. Dove stanno i dati, chi controlla l’infrastruttura, quale legge si applica, quali fornitori governano il cloud, quali modelli AI elaborano le informazioni e quali dipendenze tecnologiche accettiamo sono diventate scelte strategiche.
La sovranità digitale non significa chiudersi, costruire muri o rifiutare la tecnologia globale. Significa poter scegliere. Significa avere alternative. Significa sapere chi può accedere ai dati, chi può spegnere un servizio, chi controlla gli aggiornamenti, chi governa gli algoritmi e quanto un’azienda, una pubblica amministrazione o un Paese siano dipendenti da infrastrutture che non controllano.
Nel 2026 il tema è entrato in una fase nuova. Con il Tech Sovereignty Package, l’Europa ha messo insieme cloud, intelligenza artificiale, semiconduttori e open source in un’unica strategia industriale. Il messaggio è chiaro: senza controllo sull’infrastruttura digitale non esiste autonomia politica, industriale o economica.
In questa guida: vediamo cos’è la sovranità digitale, perché non coincide solo con la localizzazione dei dati, cosa c’entrano cloud, AI, open source, cybersecurity e Big Tech, e quali scelte devono fare aziende, CIO, CISO e pubbliche amministrazioni.
Cos’è la sovranità digitale
La sovranità digitale è la capacità di un’organizzazione, di una pubblica amministrazione o di uno Stato di controllare le proprie tecnologie digitali essenziali: dati, infrastrutture cloud, software, identità, reti, sistemi di intelligenza artificiale, cybersecurity e fornitori strategici.
Non riguarda solo la privacy. Riguarda il potere. Chi controlla i dati può controllare processi, decisioni, servizi, comunicazioni, conoscenza e continuità operativa. Chi controlla l’infrastruttura digitale può condizionare costi, accessi, aggiornamenti, dipendenze, tempi di risposta e capacità di innovare.
Per questo la sovranità digitale è diventata una questione industriale e politica. Un’azienda che dipende completamente da un solo fornitore cloud, da una sola piattaforma SaaS, da un solo ecosistema di intelligenza artificiale o da software non governabili non ha soltanto un problema tecnico: ha un problema strategico.
La sovranità digitale, quindi, non è la nostalgia di un’Europa chiusa. È la condizione per restare aperti senza essere dipendenti, innovare senza perdere controllo, usare il cloud senza consegnare ogni leva strategica, adottare l’AI senza trasformare dati e decisioni in una nuova forma di subordinazione tecnologica.
Cosa non è la sovranità digitale
La sovranità digitale non significa autarchia tecnologica. Nessuna azienda, nessuna pubblica amministrazione e nessun Paese può produrre da solo tutto ciò che serve: chip, cloud, modelli AI, software, reti, cybersecurity, sistemi operativi, piattaforme collaborative, data center, strumenti di sviluppo.
Non significa neppure scegliere sempre e solo fornitori europei. In molti casi le tecnologie globali sono indispensabili, più mature, più diffuse e più convenienti. Il punto non è escluderle, ma governarle. La domanda corretta non è: “Questo fornitore è straniero?”. La domanda corretta è: “Quanto controllo mantengo se scelgo questo fornitore?”.
Una strategia seria di sovranità digitale deve evitare due errori opposti. Il primo è pensare che tutto ciò che è globale sia automaticamente pericoloso. Il secondo è pensare che tutto ciò che è comodo, scalabile e conveniente sia automaticamente neutrale.
La sovranità digitale sta nel mezzo: capacità di scegliere, negoziare, migrare, verificare, integrare, proteggere e sostituire. È meno ideologia e più architettura.
Perché oggi la sovranità digitale conta per aziende e PA
La trasformazione digitale ha portato gran parte della vita economica dentro piattaforme controllate da pochi grandi attori globali. Email, documenti, videoconferenze, cloud, CRM, analytics, AI generativa, cybersecurity, sistemi di identità e infrastrutture di calcolo sono spesso concentrati in ecosistemi chiusi o difficili da abbandonare.
Questa concentrazione ha portato vantaggi enormi: scalabilità, innovazione rapida, sicurezza industrializzata, semplicità d’uso, servizi globali. Ma ha anche creato nuove dipendenze. Se un fornitore cambia prezzo, modifica condizioni, sospende un servizio, subisce un incidente, applica una policy imprevista o risponde a una giurisdizione esterna, l’impatto può arrivare direttamente sui processi aziendali.
Digitalic ha raccontato questo cambio di prospettiva nell’articolo Sovranità digitale: l’innocenza perduta dei dati dopo Schrems II e l’Ucraina: il cloud non è una nuvola senza confini, ma un’infrastruttura fisica, giuridica e geopolitica.
La sovranità digitale conta perché il digitale non è più un supporto al business. È il business. Se l’infrastruttura digitale non è governabile, non lo è nemmeno l’organizzazione che dipende da essa.
Dati, giurisdizione e Schrems II: il nuovo confine invisibile
Per molto tempo le aziende hanno discusso di dati soprattutto in termini di sicurezza e privacy. Oggi bisogna aggiungere un terzo livello: la giurisdizione. Non conta solo dove sono fisicamente conservati i dati, ma anche quale legge può raggiungerli, quale soggetto può amministrarli e quali autorità possono imporre accesso o conservazione.
La sentenza Schrems II ha reso evidente questa frattura. Il trasferimento di dati personali verso Paesi terzi non può essere considerato sicuro solo perché esiste un contratto o perché il provider promette garanzie tecniche. Bisogna valutare il quadro legale del Paese di destinazione e la possibilità che autorità esterne accedano ai dati.
Il tema è diventato ancora più concreto con la guerra in Ucraina e con la crescente tensione geopolitica intorno a chip, cloud, AI e infrastrutture digitali. I dati non sono più un bene astratto: sono memoria industriale, conoscenza organizzativa, identità dei cittadini, segreti commerciali, processi sanitari, logistica, energia, finanza, difesa.
Per questo la sovranità digitale non può essere ridotta alla frase “i dati stanno in Europa”. La localizzazione è importante, ma non basta. Serve sapere chi amministra i sistemi, chi possiede le chiavi, chi può intervenire sui servizi, chi controlla il piano di gestione, quali subfornitori sono coinvolti, come si dimostra la conformità e cosa accade in caso di crisi.
Cloud sovrano: cosa significa davvero
Il cloud sovrano è uno degli elementi più visibili della sovranità digitale, ma anche uno dei più fraintesi. Non è semplicemente un data center collocato in Europa. È un modello di cloud progettato per garantire controllo su dati, accessi, operazioni, gestione, conformità, cifratura, auditabilità e continuità.
Un cloud può essere localizzato in Europa ma non essere davvero sovrano se il controllo operativo, le chiavi crittografiche, il supporto tecnico, il software di gestione o le catene di fornitura dipendono da soggetti esterni non governabili. Al contrario, un cloud sovrano deve rendere verificabile chi fa cosa, dove, con quali autorizzazioni e sotto quale giurisdizione.
Digitalic ha raccontato bene questo passaggio nell’articolo IBM Sovereign Core: quando il cloud sovrano diventa una scelta strategica per l’Europa. Il punto non è più soltanto dove risiedono i dati, ma chi controlla i sistemi, chi governa l’AI e come queste responsabilità possono essere dimostrate in modo continuo e trasparente.
Il cloud sovrano diventa quindi un tema di governance. Serve a settori regolati, pubblica amministrazione, sanità, finanza, difesa, energia, manifattura critica e aziende che gestiscono dati sensibili o processi essenziali. Ma il suo valore non è solo normativo: è anche industriale. Ridurre il lock-in, mantenere alternative e preservare portabilità significa avere più forza negoziale e più continuità nel tempo.
Big Tech, dipendenze e alternative praticabili
La sovranità digitale europea nasce anche da una constatazione scomoda: gran parte dell’infrastruttura digitale usata da aziende, cittadini e pubbliche amministrazioni europee dipende da Big Tech non europee. Cloud, produttività, AI, mobile, advertising, ricerca, social network, cybersecurity, sistemi operativi e piattaforme di sviluppo sono concentrati in poche mani.
Questa dipendenza non si risolve con uno slogan. Non basta dire “liberiamoci dalle Big Tech” se le alternative sono più deboli, più costose, meno integrate o meno scalabili. Digitalic lo ha spiegato nell’articolo L’Europa vuole liberarsi dalle Big Tech: arriva il Tech Sovereignty Package: la sovranità entra davvero nel mercato quando diventa qualità del servizio, continuità, sicurezza, semplicità di adozione e vantaggio competitivo.
Nessun CIO sceglierà una soluzione europea solo per patriottismo digitale, se quella soluzione è più debole o più complessa. Per questo la sovranità digitale deve essere costruita come alternativa praticabile, non come obbligo morale. Deve rispondere a bisogni concreti: controllo, costi prevedibili, interoperabilità, migrazione, sicurezza, supporto, compliance, prestazioni e integrazione.
La domanda non è se le Big Tech debbano sparire. La domanda è se aziende e PA possano continuare a dipendere da esse senza un piano B, senza contratti governabili, senza portabilità e senza capacità interna di valutare il rischio.
Intelligenza artificiale e sovranità digitale
L’intelligenza artificiale ha reso la sovranità digitale ancora più urgente. Se il cloud sposta dati e applicazioni fuori dal perimetro aziendale, l’AI sposta anche conoscenza, decisioni, modelli operativi e capacità cognitive dentro piattaforme esterne.
Quando un’azienda usa un modello AI per analizzare contratti, codice, documenti strategici, dati dei clienti, processi produttivi o knowledge base interne, non sta solo usando uno strumento. Sta portando una parte della propria conoscenza dentro un’infrastruttura algoritmica che deve essere governata.
Il tema non riguarda soltanto ChatGPT o l’AI generativa consumer. Riguarda modelli foundation, agenti AI, assistenti aziendali, strumenti di coding, sistemi di analisi documentale, motori di ricerca interni, piattaforme di automazione e applicazioni AI integrate nei software di lavoro. Per capire il quadro più ampio, Digitalic ha pubblicato anche la guida completa a ChatGPT, utile per distinguere uso individuale, uso aziendale, privacy, strumenti, limiti e governance.
La sovranità dell’AI richiede tre livelli di controllo. Il primo è sui dati: cosa entra nel modello, dove viene elaborato, se viene conservato, se viene usato per addestramento. Il secondo è sui modelli: chi li sviluppa, chi li aggiorna, quali vincoli hanno, quali rischi introducono. Il terzo è sull’infrastruttura: dove gira l’AI, chi fornisce il calcolo, quali chip, quali data center, quali dipendenze energetiche e quali catene di fornitura.
Digitalic ha affrontato il legame tra AI, infrastruttura e sapere nell’articolo BlueIT AI Accelerator: l’intelligenza artificiale impara a difendere il sapere. Il punto è centrale: il valore dell’AI non sta solo nell’automazione, ma nella capacità di trasformare conoscenza aziendale in vantaggio competitivo senza perderne il controllo.
Open source come infrastruttura di autonomia
L’open source è uno dei pilastri più concreti della sovranità digitale. Non perché ogni software open source sia automaticamente migliore, più sicuro o più sovrano, ma perché offre trasparenza, verificabilità, possibilità di modifica, indipendenza dal fornitore e maggiore controllo sul ciclo di vita del software.
Digitalic ha raccontato questo tema al Nextcloud Summit 2026, dove la sovranità digitale non è apparsa come teoria, ma come pratica: collaborazione, file, chat, videoconferenze, documenti, AI e automazione costruiti su una piattaforma open source che punta a restituire agli utenti il controllo dei dati.
Nextcloud è un caso importante perché tocca uno dei punti più sensibili della dipendenza digitale europea: la produttività. Email, file, documenti, videoconferenze e chat sono il sistema nervoso quotidiano di aziende e PA. Se tutto quel livello è concentrato in poche piattaforme chiuse, la dipendenza non è marginale: è operativa.
Nel pezzo Nextcloud e sovranità digitale: Karlitschek spiega perché l’Europa ha già tutto, tranne il coraggio, Digitalic ha raccontato una tesi molto netta: l’Europa possiede competenze, tecnologie e capitali, ma spesso fatica a trasformarli in scelte sistemiche.
Un altro articolo, Nextcloud Summit 2026: vent’anni di promesse e 1,2 milioni di utenti, mostra perché la sovranità digitale deve superare la fase delle dichiarazioni: funziona solo quando diventa implementazione reale, su larga scala, dentro organizzazioni complesse.
L’open source, però, non basta da solo. Servono manutenzione, community, governance, sicurezza, supporto enterprise, integrazione, documentazione, competenze e modelli economici sostenibili. La sovranità digitale non si ottiene scaricando codice gratuito: si costruisce investendo in ecosistemi capaci di durare.
Cybersecurity, resilienza e sovranità digitale
Senza cybersecurity non esiste sovranità digitale. Un’organizzazione può scegliere cloud europeo, software open source e data center locali, ma se non protegge identità, accessi, vulnerabilità, endpoint, backup, fornitori e processi critici resta comunque vulnerabile.
La sovranità digitale non è solo controllo giuridico. È anche resilienza operativa: capacità di continuare a lavorare durante un incidente, limitare l’impatto di un attacco, ripristinare sistemi, proteggere dati e dimostrare di avere processi sotto controllo.
Per questo la sovranità digitale si collega direttamente alla guida completa alla cybersecurity pubblicata da Digitalic: ransomware, phishing, SOC, EDR, NIS2, AI, servizi gestiti e sicurezza delle PMI sono tutti tasselli della stessa architettura di autonomia.
La resilienza digitale è anche un tema di canale e infrastruttura. Digitalic lo ha raccontato in Sovranità digitale, resilienza e canale: le strategie di Fortinet ed Exclusive Networks, dove sicurezza, cloud, dati e partner tecnologici diventano elementi di una stessa filiera.
La sovranità digitale non si misura solo quando tutto funziona. Si misura quando qualcosa si rompe: un attacco, una crisi geopolitica, una sospensione di servizio, una controversia legale, un blocco di fornitura, un aumento improvviso dei prezzi, una vulnerabilità critica. È lì che si vede se l’organizzazione ha davvero controllo o solo accesso.
PA, procurement e settori critici
Per la pubblica amministrazione la sovranità digitale non è un’opzione reputazionale. È un dovere istituzionale. I dati pubblici, i servizi ai cittadini, la sanità, la scuola, la giustizia, la fiscalità, la sicurezza e le infrastrutture critiche non possono dipendere da scelte tecnologiche prive di controllo, reversibilità e trasparenza.
Il procurement pubblico diventa quindi uno strumento strategico. Non deve comprare semplicemente il servizio più economico o più diffuso, ma valutare sovranità dei dati, interoperabilità, portabilità, auditabilità, sicurezza, continuità, dipendenze da subfornitori e capacità di uscita.
Questo vale anche per le aziende private che lavorano con PA, sanità, finanza, energia, manifattura critica o infrastrutture essenziali. La sovranità digitale può diventare requisito contrattuale, criterio di selezione dei fornitori e fattore competitivo.
Nel caso della scuola e delle amministrazioni pubbliche, l’esperienza raccontata da Digitalic al Nextcloud Summit 2026 mostra che il tema non è astratto: portare milioni di utenti su strumenti collaborativi sovrani richiede competenze, governance, supporto, migrazione, formazione e soprattutto volontà politica e organizzativa.
Tech Sovereignty Package europeo: cosa cambia
Il 3 giugno 2026 la Commissione europea ha presentato il Tech Sovereignty Package, un insieme di misure per rafforzare l’autonomia digitale e la resilienza tecnologica dell’Europa. Il pacchetto mette insieme quattro assi: semiconduttori, cloud e intelligenza artificiale, open source e digitalizzazione dell’energia.
La Commissione lo ha presentato come un passaggio necessario per aumentare la capacità europea in tecnologie chiave, ridurre dipendenze da fornitori non europei e sostenere le ambizioni dell’Unione nell’AI. Il pacchetto include due proposte legislative, il Chips Act 2.0 e il Cloud and AI Development Act, più una strategia open source e una roadmap per digitalizzazione e AI nel settore energetico. Fonte: European Commission, Strengthening Europe’s Tech Sovereignty.
Il Chips Act 2.0 punta a rafforzare la base europea dei semiconduttori, essenziale per l’AI, l’automotive, l’industria, la difesa, l’energia e i data center. Il Cloud and AI Development Act mira invece a sviluppare capacità europee nel cloud, nei data center e nell’intelligenza artificiale. L’open source viene riconosciuto come leva strategica, non come semplice alternativa economica.
È un cambio di prospettiva. Per anni l’Europa ha regolato il digitale soprattutto attraverso norme: GDPR, Digital Markets Act, Digital Services Act, AI Act, NIS2. Con il Tech Sovereignty Package prova a spostarsi anche sul terreno della capacità industriale: costruire infrastrutture, software, chip, cloud e AI, non solo regolare quelli degli altri.
Digitalic ha raccontato questa svolta nell’articolo L’Europa vuole liberarsi dalle Big Tech: arriva il Tech Sovereignty Package, sottolineando il nodo decisivo: la sovranità digitale europea funzionerà solo se le alternative saranno davvero competitive.
Cosa devono fare aziende, CIO e CISO
Per un’azienda la sovranità digitale non si traduce in una decisione unica, ma in una serie di scelte progressive. Non esiste un pulsante “diventa sovrano”. Esiste una strategia per ridurre dipendenze, aumentare controllo e rendere governabile l’infrastruttura digitale.
1. Mappare dipendenze e fornitori critici
Il primo passo è sapere da chi si dipende. Cloud provider, suite di produttività, piattaforme AI, strumenti di cybersecurity, CRM, ERP, servizi di autenticazione, storage, backup, analytics, comunicazione, data center, API e fornitori MSP. Senza una mappa delle dipendenze non si può valutare il rischio.
2. Capire dove sono i dati e chi può accedervi
Ogni organizzazione dovrebbe sapere dove sono conservati i dati, quali subfornitori li trattano, chi amministra gli ambienti, chi possiede le chiavi, quali log sono disponibili, quali dati vengono trasferiti fuori dall’UE e quali garanzie contrattuali e tecniche sono in vigore.
3. Ridurre il lock-in
Il lock-in non è sempre evitabile, ma deve essere misurato. Quanto costerebbe cambiare fornitore? I dati sono esportabili? I formati sono aperti? Le API sono documentate? Esiste un piano di uscita? Il contratto prevede assistenza alla migrazione? La reversibilità è testata o solo promessa?
4. Valutare cloud sovrano, ibrido e multicloud
Non tutte le applicazioni richiedono lo stesso livello di sovranità. Alcuni workload possono restare su cloud globale, altri devono stare in ambienti più controllati, altri ancora richiedono cloud sovrano, private cloud o infrastrutture ibride. La strategia corretta è classificare dati e processi in base a criticità, rischio e compliance.
5. Governare l’uso dell’intelligenza artificiale
Le aziende devono definire quali strumenti AI sono autorizzati, quali dati possono essere inseriti, quali casi d’uso sono consentiti, quali output devono essere verificati e quali modelli possono essere collegati a sistemi interni. La sovranità dell’AI comincia dalla governance dei dati.
6. Investire in open source dove ha senso
L’open source può ridurre dipendenze e aumentare controllo, ma richiede competenze. Va scelto dove offre valore reale: collaborazione, infrastruttura, cybersecurity, automazione, AI, sviluppo software, data platform. Non deve essere una scelta ideologica, ma architetturale.
7. Integrare cybersecurity e sovranità
Un’infrastruttura sovrana ma vulnerabile non è sovrana. Identità, backup, EDR, SOC, gestione delle vulnerabilità, incident response, supply chain security e continuità operativa devono essere parte della strategia. La sovranità digitale è anche capacità di resistere e ripartire.
8. Portare il tema al board
La sovranità digitale non può restare un dossier tecnico. Riguarda rischio legale, competitività, continuità, contratti, dati, proprietà intellettuale, compliance, M&A, finanza e reputazione. Deve essere discussa a livello di direzione, non solo nel reparto IT.
Checklist per valutare la sovranità digitale
Sappiamo dove sono conservati i dati critici dell’azienda?
Sappiamo quali leggi e giurisdizioni possono applicarsi ai nostri dati?
Sappiamo chi amministra infrastrutture cloud, SaaS e piattaforme AI?
Abbiamo un inventario dei fornitori digitali critici?
Conosciamo i subfornitori dei servizi più importanti?
Abbiamo un piano di uscita dai fornitori strategici?
I nostri dati sono esportabili in formati aperti o interoperabili?
Le chiavi crittografiche sono sotto controllo dell’organizzazione o del fornitore?
Abbiamo classificato dati e workload in base a criticità e rischio?
Usiamo strumenti AI con policy chiare su dati, privacy e sicurezza?
Abbiamo valutato alternative open source o cloud sovrane dove necessario?
Abbiamo procedure di backup, recovery e business continuity testate?
Abbiamo integrato cybersecurity e sovranità digitale nella stessa strategia?
Il procurement valuta portabilità, giurisdizione, lock-in e reversibilità?
Il board conosce le principali dipendenze digitali dell’organizzazione?
Per approfondire su Digitalic
La sovranità digitale è un tema trasversale. Su Digitalic abbiamo raccontato il suo impatto su cloud, AI, open source, cybersecurity, infrastrutture, Big Tech, PA e strategia europea.
Scenario europeo e strategia
L’Europa vuole liberarsi dalle Big Tech: arriva il Tech Sovereignty Package
Sovranità digitale: l’innocenza perduta dei dati dopo Schrems II e l’Ucraina
I trend di sovranità digitale del 2026
Nextcloud, open source e collaborazione
Nextcloud Summit 2026: dieci anni di sovranità digitale e la scommessa sull’AI
Nextcloud e sovranità digitale: l’Europa ha già tutto, tranne il coraggio
Nextcloud Summit 2026: vent’anni di promesse e 1,2 milioni di utenti
Cloud, AI e infrastruttura
IBM Sovereign Core: quando il cloud sovrano diventa una scelta strategica per l’Europa
BlueIT AI Accelerator: l’intelligenza artificiale impara a difendere il sapere
ChatGPT: guida completa aggiornata
Cybersecurity, resilienza e canale
Cybersecurity: guida completa per aziende e PMI
Sovranità digitale, resilienza e canale: le strategie di Fortinet ed Exclusive Networks
Dalla sovranità del dato all’AI nel SOC: la visione del Gruppo E
Conclusione
La sovranità digitale non è una moda regolatoria. È il modo in cui aziende, pubbliche amministrazioni e Paesi decidono quanto controllo mantenere sulla propria vita digitale.
Non significa rifiutare la tecnologia globale. Significa non dipenderne ciecamente. Non significa scegliere sempre soluzioni locali. Significa sapere quando servono controllo, portabilità, reversibilità, trasparenza, sicurezza e giurisdizione chiara. Non significa rallentare l’innovazione. Significa renderla sostenibile, governabile e meno fragile.
Nel 2026 la sovranità digitale è diventata la nuova grammatica dell’infrastruttura: cloud, AI, dati, chip, open source, cybersecurity e procurement non sono più capitoli separati. Sono pezzi dello stesso sistema.
La vera domanda, per aziende e PA, non è se essere sovrani in senso assoluto. È impossibile. La domanda è più concreta: quali dipendenze siamo disposti ad accettare, quali possiamo ridurre, quali dobbiamo governare e quali non possiamo più permetterci di ignorare?
FAQ sulla sovranità digitale
Che cos’è la sovranità digitale?
La sovranità digitale è la capacità di controllare dati, infrastrutture cloud, software, identità, sistemi AI, cybersecurity e fornitori tecnologici strategici, riducendo dipendenze non governabili.
Sovranità digitale significa tenere i dati in Europa?
Tenere i dati in Europa può essere importante, ma non basta. Conta anche chi controlla l’infrastruttura, chi amministra i sistemi, quale legge si applica, chi possiede le chiavi e come si garantiscono portabilità, auditabilità e continuità.
La sovranità digitale è contro le Big Tech?
No. Non significa rifiutare le Big Tech, ma evitare dipendenze cieche. Le grandi piattaforme globali possono essere utili e spesso indispensabili, ma vanno governate con contratti, alternative, piani di uscita e controllo sui dati.
Che cos’è il cloud sovrano?
Il cloud sovrano è un modello di cloud progettato per garantire controllo su dati, accessi, operazioni, giurisdizione, cifratura, auditabilità, sicurezza e continuità. Non coincide semplicemente con un data center collocato in Europa.
Perché l’intelligenza artificiale rende più importante la sovranità digitale?
Perché l’AI non elabora solo dati, ma conoscenza, decisioni e processi. Se un’azienda usa modelli esterni per trattare informazioni strategiche, deve sapere dove vanno quei dati, chi li governa e quali rischi introduce.
Che ruolo ha l’open source nella sovranità digitale?
L’open source offre trasparenza, verificabilità, possibilità di modifica, interoperabilità e riduzione del lock-in. Non è automaticamente sovrano, ma può diventare un’infrastruttura importante se sostenuto da governance, supporto e competenze.
Perché la sovranità digitale riguarda anche le aziende private?
Perché le aziende dipendono da dati, cloud, software, AI, fornitori e infrastrutture digitali. Se queste dipendenze non sono governate, possono generare rischi economici, legali, operativi e competitivi.
Che cosa cambia con il Tech Sovereignty Package europeo?
Il Tech Sovereignty Package mette insieme semiconduttori, cloud, AI, open source e digitalizzazione dell’energia per rafforzare l’autonomia tecnologica europea. È un tentativo di passare dalla sola regolazione alla costruzione di capacità industriale.
Qual è il primo passo per una strategia di sovranità digitale?
Il primo passo è mappare le dipendenze: dati, cloud, SaaS, AI, fornitori, subfornitori, contratti, giurisdizioni, lock-in e piani di uscita. Senza questa mappa non è possibile decidere cosa governare e dove intervenire.
Sovranità digitale e cybersecurity sono la stessa cosa?
No, ma sono strettamente collegate. La cybersecurity protegge sistemi, dati e identità dagli attacchi; la sovranità digitale aggiunge il tema del controllo su infrastrutture, fornitori, giurisdizioni e capacità di scelta.
[1]: https://www.digitalic.it/hardware-software/leuropa-vuole-liberarsi-dalle-big-tech-arriva-il-tech-sovereignty-package-il-piano-per-la-sovranita-digitale-europea?utm_source=chatgpt.com “L’Europa vuole liberarsi dalle Big Tech”
L’articolo Sovranità digitale: cos’è, perché conta e cosa cambia per aziende e PA è un contenuto originale di Digitalic.
Cybersecurity: guida completa
La cybersecurity non è più il reparto che interviene quando qualcosa va storto. È diventata la condizione minima per tenere accesa un’azienda.Per anni molte imprese hanno pensato alla sicurezza informatica come a un insieme di strumenti: antivirus, firewall, backup, password più lunghe. Oggi questo non basta più. Gli attacchi non colpiscono solo i server, ma la continuità operativa, la reputazione, i contratti, la supply chain, la compliance, la fiducia dei clienti e perfino la capacità di fatturare.
Il ransomware può fermare una fabbrica. Un attacco alla posta elettronica può svuotare un conto. Una vulnerabilità non corretta può aprire la porta a un’intera rete. Un fornitore compromesso può diventare il punto d’ingresso verso decine di aziende. E l’intelligenza artificiale, mentre aiuta i team di sicurezza a rispondere più velocemente, offre agli attaccanti nuovi strumenti per automatizzare phishing, frodi, deepfake e attacchi su scala industriale.
Per questo parlare di cybersecurity nel 2026 significa parlare di resilienza. Non basta chiedersi se un’azienda verrà attaccata. La domanda vera è: quanto velocemente se ne accorgerà, quanto danno subirà e quanto sarà capace di ripartire?
In questa guida: vediamo cos’è la cybersecurity, quali sono le minacce principali, perché le PMI sono esposte, come cambiano SOC, EDR, XDR, cloud security, Zero Trust, NIS2, AI Act e intelligenza artificiale, e quali passi concreti deve compiere un’azienda per ridurre il rischio.
Cos’è la cybersecurity
La cybersecurity, o sicurezza informatica, è l’insieme di tecnologie, processi, competenze e comportamenti usati per proteggere sistemi digitali, reti, dati, applicazioni, identità e dispositivi dagli attacchi informatici.
Non riguarda solo il reparto IT. Ogni email aperta, ogni password condivisa, ogni file caricato nel cloud, ogni fornitore collegato ai sistemi aziendali e ogni dispositivo connesso alla rete fa parte della superficie d’attacco. La cybersecurity moderna nasce proprio da questa consapevolezza: non esiste più un perimetro unico da difendere, perché l’azienda digitale è distribuita tra cloud, SaaS, smart working, filiere, partner, identità e dati.
La sicurezza informatica non è quindi un prodotto da comprare una volta. È una capacità da mantenere viva: prevenire, rilevare, rispondere, ripristinare, imparare. Un’azienda sicura non è un’azienda inviolabile, perché l’inviolabilità non esiste. È un’azienda che riduce il rischio, limita l’impatto degli incidenti e sa tornare operativa anche quando qualcosa accade.
Perché oggi la cybersecurity è una priorità di business
La trasformazione digitale ha aumentato la produttività, ma ha anche ampliato la superficie d’attacco. Ogni processo aziendale è diventato digitale: vendite, amministrazione, produzione, logistica, marketing, assistenza clienti, HR, supply chain. Se i sistemi informatici si fermano, non si ferma solo l’IT: si ferma l’impresa.
È questo il passaggio culturale decisivo. La cybersecurity non protegge “i computer”. Protegge il fatturato, la continuità operativa, i dati dei clienti, la reputazione, la proprietà intellettuale, i contratti e la capacità di rispettare gli obblighi normativi.
Digitalic lo ha raccontato nell’analisi sui trend cybersecurity 2026: identità sintetiche, ecosistemi digitali instabili, rischio quantistico, geopolitica, supply chain e AI stanno scardinando i vecchi perimetri aziendali. La difesa reattiva non basta più: serve integrare resilienza culturale e operativa nel DNA delle organizzazioni.
Il problema non è solo tecnico. È organizzativo. Chi decide quali dati sono critici? Chi ha accesso a cosa? Quali fornitori possono collegarsi ai sistemi interni? Quali incidenti devono essere notificati? Chi ha il potere di fermare un servizio compromesso? Chi comunica con clienti, autorità, partner e media in caso di attacco?
Una strategia di cybersecurity seria parte da queste domande, non dall’acquisto dell’ennesima piattaforma.
Le principali minacce informatiche per le aziende
Le minacce cyber cambiano continuamente, ma alcune categorie restano centrali: ransomware, phishing, furto di credenziali, vulnerabilità non corrette, attacchi alla supply chain, spoofing, malware, compromissione del cloud, shadow IT e uso non governato dell’intelligenza artificiale.
Ransomware: quando l’attacco diventa blocco operativo
Il ransomware è una delle minacce più dannose per le aziende. Blocca sistemi, cifra dati, interrompe attività e spesso combina estorsione economica e minaccia di pubblicazione dei dati rubati. Non colpisce solo grandi multinazionali: anche PMI, studi professionali, enti locali, sanità, manifattura e servizi sono bersagli frequenti.
Il ransomware è pericoloso perché trasforma un problema informatico in una crisi aziendale. Non si tratta solo di pagare o non pagare un riscatto. Bisogna ripristinare sistemi, verificare i backup, capire se ci sono dati esfiltrati, comunicare correttamente, rispettare gli obblighi normativi e recuperare la fiducia dei clienti.
Il Rapporto Clusit 2025 raccontato da Digitalic mostra come frequenza e gravità degli incidenti continuino a crescere. È un segnale chiaro: la cybersecurity non può più essere trattata come una polizza da attivare dopo l’incidente.
Phishing, spoofing e social engineering
Il phishing resta uno dei vettori d’attacco più efficaci perché sfrutta il punto più esposto di ogni organizzazione: le persone. Email apparentemente legittime, messaggi su piattaforme collaborative, link malevoli, allegati infetti, richieste di pagamento fraudolente e finte comunicazioni interne possono portare al furto di credenziali o all’installazione di malware.
L’intelligenza artificiale sta rendendo questi attacchi più credibili. Testi senza errori, messaggi personalizzati, voci sintetiche, video deepfake e identità digitali costruite artificialmente rendono sempre più difficile distinguere una richiesta reale da una manipolazione.
Un esempio concreto è lo spoofing, cioè la falsificazione dell’identità del mittente o del chiamante. Può sembrare una tecnica semplice, ma diventa molto efficace quando si combina con dati personali, urgenza psicologica e imitazione credibile di colleghi, fornitori o istituzioni.
Furto di credenziali e identità compromesse
Molti attacchi non iniziano con un malware sofisticato, ma con una password rubata. Una credenziale compromessa può consentire l’accesso alla posta, al cloud, al CRM, ai sistemi amministrativi o agli strumenti di collaborazione. Da lì l’attaccante può muoversi lateralmente, cercare dati sensibili, creare regole di inoltro, impersonare dirigenti o preparare una frode.
Per questo la gestione delle identità è diventata uno dei pilastri della cybersecurity. Password robuste, autenticazione multifattore, gestione degli accessi privilegiati, controllo degli account inattivi e revisione periodica dei permessi sono misure essenziali.
Vulnerabilità non corrette
Molti attacchi sfruttano vulnerabilità già note. Il problema non è che le aziende non sappiano dell’esistenza delle patch: è che spesso non hanno inventario, priorità, responsabilità e processi per applicarle in tempo. Infrastrutture legacy, software non aggiornati, dispositivi dimenticati, VPN esposte, firewall mal configurati e applicazioni non presidiate diventano porte aperte.
La gestione delle vulnerabilità non può essere un controllo semestrale. Deve diventare un processo continuo, collegato al rischio reale di business. Non tutte le vulnerabilità hanno lo stesso peso: una falla su un sistema esposto a Internet e collegato a dati critici è molto più urgente di una vulnerabilità teorica su un asset isolato.
Digitalic ha raccontato questo cambio di approccio in Dalla Cybersecurity reattiva alla gestione del rischio: la svolta di BlueIT, dove il tema centrale non è “quante vulnerabilità ho”, ma “quali vulnerabilità possono davvero fermare il business”.
Supply chain e fornitori
Le aziende non sono più sistemi chiusi. Dipendono da fornitori cloud, software SaaS, consulenti, partner tecnologici, MSP, piattaforme di pagamento, librerie open source, API e servizi esterni. Questo crea efficienza, ma anche dipendenza.
Un attacco a un fornitore può diventare un attacco ai suoi clienti. Una libreria compromessa può propagarsi in migliaia di ambienti. Una piattaforma SaaS critica può diventare un single point of failure. La sicurezza della supply chain digitale è ormai parte integrante della cybersecurity aziendale.
Il tema è centrale anche nella strategia raccontata da Digitalic in NTT DATA: governance solida e servizi gestiti al centro della strategia per la cybersecurity, dove il rischio non è più solo interno, ma si estende a clienti, fornitori, partner e catene di servizio.
Shadow IT e shadow AI
Lo shadow IT nasce quando dipendenti e reparti usano strumenti non autorizzati dall’azienda. Con l’intelligenza artificiale generativa il fenomeno diventa ancora più delicato: documenti riservati caricati in chatbot non approvati, dati personali usati in strumenti esterni, app AI collegate a file aziendali, automazioni senza controllo.
La shadow AI non va affrontata solo con divieti. Va governata. Le persone usano questi strumenti perché risolvono problemi reali. L’azienda deve offrire alternative sicure, policy chiare, formazione e controlli adeguati.
Cybersecurity e PMI: perché il modello “fai da te” non basta più
La cybersecurity delle PMI è il punto più delicato del sistema italiano. Le piccole e medie imprese non hanno minacce più piccole: hanno le stesse minacce delle grandi aziende, ma meno tempo, meno budget, meno personale specializzato e spesso meno consapevolezza.
Digitalic lo ha raccontato nell’articolo Cybersecurity PMI: l’AI pretende MSP e difesa continua: le PMI stanno scoprendo che la cybersecurity non è più un prodotto da comprare, ma una capacità da mantenere viva. Monitoraggio 24/7, sicurezza gestita, AI difensiva, supporto alla compliance e risposta agli incidenti non sono più lussi da grande impresa.
Il punto è semplice: una PMI può anche non essere un bersaglio “interessante” in senso strategico, ma può essere vulnerabile. E molti attacchi moderni non scelgono l’azienda prima della scansione: cercano esposizioni. Porte aperte, firmware non aggiornati, credenziali deboli, servizi esposti, backup accessibili, dispositivi dimenticati. Chi è raggiungibile viene trovato.
Lo Zyxel Security Kick-Off 2026 ha smontato proprio la frase più pericolosa che molti partner sentono ancora dai clienti: “Ma chi vuoi che attacchi noi?”. Il problema non è convincere le PMI che il rischio esiste, ma renderlo comprensibile, gestibile e proporzionato.
Il tema è ancora più evidente nelle microimprese e negli studi professionali. Digitalic lo ha raccontato in Zyxel 2026: il ritorno alle origini che guarda al futuro della microimpresa e della cybersecurity e nell’iniziativa Zyxel Commercialisti Italia: commercialisti, consulenti e piccoli studi gestiscono dati fiscali, contabili, anagrafici e aziendali di enorme valore, ma spesso senza un reparto IT interno.
Per molte piccole imprese la risposta più realistica non è costruire un SOC interno, ma affidarsi a partner, MSP e servizi gestiti capaci di portare competenze, monitoraggio, procedure e tecnologie in modo sostenibile. La sicurezza non deve diventare più complicata dell’azienda che deve proteggere.
Da leggere su Digitalic: Cybersecurity PMI: l’AI pretende MSP e difesa continua, Zyxel Security Kick-Off 2026, Zyxel Commercialisti Italia.
Cybersecurity, MSP e canale IT
Il canale IT è diventato centrale nella cybersecurity delle PMI. Rivenditori, system integrator, managed service provider e consulenti non vendono più soltanto prodotti: devono accompagnare le imprese in un percorso di maturità.
Il Fortinet SMB Summit ha mostrato bene questo passaggio: sicurezza, networking, AI, OT e partnership di fiducia diventano parte della competitività delle PMI. Non basta aumentare il budget IT. Serve una strategia, serve integrazione, serve un partner che capisca il rischio di business.
Lo stesso principio emerge da CollaboraSec, la protezione enterprise per le PMI da Collabora e Cisco: molte aziende hanno tecnologie distribuite tra endpoint, rete, cloud, collaboration e identità, ma non hanno una visione centralizzata. Senza visibilità, ogni alert rischia di restare rumore. E nel rumore si nascondono gli incidenti veri.
Il ruolo del partner cambia. Non deve soltanto installare strumenti, ma ridurre complessità, dare priorità, misurare il rischio, presidiare gli ambienti e aiutare il cliente a decidere. La cybersecurity diventa servizio continuativo, non intervento episodico.
Questa evoluzione riguarda anche il modo in cui si disegnano le architetture. Digitalic lo ha raccontato in Sicurezza AI: la scelta architetturale di Fortinet ed Exclusive Networks: l’intelligenza artificiale non può essere aggiunta sopra infrastrutture fragili. Va progettata insieme a sicurezza, rete, governance e controllo dei dati.
Il tema del canale si lega anche alla sovranità digitale. In Sovranità digitale, resilienza e canale: le strategie di Fortinet ed Exclusive Networks, Digitalic ha raccontato perché controllo dei dati, infrastrutture, fornitori e resilienza non sono più capitoli separati.
SOC, EDR, XDR e sicurezza gestita
Negli ultimi anni il vocabolario della cybersecurity si è riempito di sigle: SOC, EDR, XDR, MDR, SIEM, SOAR, NDR. Dietro le sigle c’è un’esigenza concreta: vedere cosa succede, capire se è pericoloso, rispondere rapidamente.
Il SOC, Security Operation Center, è la struttura che monitora eventi di sicurezza, analizza alert, identifica incidenti e coordina la risposta. Può essere interno o gestito da un fornitore esterno. Per molte PMI, un SOC interno è irrealistico; per questo crescono servizi MDR e sicurezza gestita.
L’EDR, Endpoint Detection and Response, protegge e monitora i dispositivi finali: PC, server, notebook, workstation. È fondamentale perché gli endpoint sono spesso il primo punto di contatto dell’attacco. Ma un EDR efficace non deve sommergere i team di alert ingestibili. Deve aiutare a distinguere segnali veri da rumore.
Digitalic ha approfondito questo tema in Protezione avanzata, complessità ridotta: la rivoluzione dell’EDR moderno, spiegando come l’obiettivo sia rendere accessibili capacità avanzate anche ad ambienti distribuiti, PMI e MSP, riducendo complessità e automatizzando la risposta.
L’XDR, Extended Detection and Response, prova ad andare oltre l’endpoint, correlando segnali da email, rete, cloud, identità, applicazioni e dispositivi. L’obiettivo è avere una vista più completa dell’attacco, non frammenti separati.
Su questo punto si inserisce anche la visione raccontata da Digitalic in Dalla sovranità del dato all’AI nel SOC: la visione del Gruppo E, dove sicurezza, sovranità digitale e intelligenza artificiale diventano parte dello stesso modello operativo.
La domanda da farsi non è quale sigla sia più moderna. È questa: l’azienda è in grado di rilevare un’anomalia, capirne la gravità, contenerla e ripristinare i sistemi in tempi compatibili con il business?
Zero Trust, cloud security e identità
Zero Trust non significa non fidarsi delle persone. Significa non fidarsi automaticamente di nessun accesso, dispositivo, applicazione o rete solo perché si trova “dentro” il perimetro aziendale.
Il principio è: verificare sempre, concedere il minimo privilegio necessario, monitorare continuamente. In un mondo fatto di cloud, smart working, dispositivi mobili, consulenti esterni e app SaaS, il vecchio concetto di rete interna sicura non regge più.
Una strategia Zero Trust include autenticazione multifattore, segmentazione della rete, controllo degli accessi, verifica dello stato dei dispositivi, gestione delle identità, monitoraggio continuo e revoca rapida dei permessi non necessari.
Il cloud ha spostato molte responsabilità, ma non le ha eliminate. Usare un grande provider cloud non significa essere automaticamente sicuri. Significa condividere la responsabilità: il provider protegge l’infrastruttura, ma l’azienda deve configurare correttamente accessi, dati, identità, backup, permessi, log, cifratura e applicazioni.
Molti incidenti cloud non nascono da una falla del provider, ma da errori di configurazione, permessi troppo ampi, bucket esposti, account senza MFA, chiavi API lasciate in repository, servizi non monitorati o dati caricati in ambienti non autorizzati.
La sicurezza SaaS è altrettanto importante. Email, CRM, collaboration, project management, storage, firma digitale, marketing automation e strumenti AI contengono dati aziendali critici. Ogni piattaforma SaaS deve essere governata: chi può accedere, con quali permessi, da quali dispositivi, con quali log, con quale retention e con quale piano di uscita.
Cybersecurity come infrastruttura strategica
La sicurezza non può essere aggiunta alla fine, come un accessorio. Deve entrare nella progettazione delle infrastrutture, nelle architetture cloud, nei processi di business, nelle reti, nei dati, nei sistemi di intelligenza artificiale e nei servizi digitali.
Digitalic lo ha raccontato in Gruppo E e HWG Sababa: la cybersecurity diventa infrastruttura strategica: la difesa cyber non è più solo protezione, ma resilienza digitale delle infrastrutture complesse, del settore pubblico, delle aziende regolamentate e delle organizzazioni mission-critical.
Lo stesso approccio emerge anche nel racconto di Gruppo E: infrastruttura, sicurezza e AI insieme, dove la sicurezza diventa parte della trasformazione digitale e dell’adozione dell’intelligenza artificiale. L’AI non può funzionare senza infrastrutture affidabili, dati governati e controllo dei rischi.
La cybersecurity diventa quindi un tema industriale. Non protegge solo ciò che esiste: abilita ciò che l’azienda vuole costruire.
Cybersecurity e intelligenza artificiale
L’intelligenza artificiale è una tecnologia a doppio uso. Può aiutare la difesa e può potenziare l’attacco.
Dal lato degli attaccanti, l’AI può rendere più efficaci phishing, social engineering, furto d’identità, deepfake, traduzioni automatiche, scraping di informazioni pubbliche, generazione di codice malevolo e automazione della ricerca di vulnerabilità.
Digitalic ha raccontato questo salto di qualità nell’articolo Sloply, il malware che nessuno può riconoscere: arriva il malware agentico. Il punto non è che il malware diventi magicamente intelligente, ma che diventi più veloce da generare, modificare, testare e distribuire.
Dal lato difensivo, l’AI può aiutare ad analizzare grandi quantità di log, correlare segnali, ridurre falsi positivi, classificare incidenti, suggerire remediation, accelerare la threat intelligence e supportare i team SOC.
Il rischio è pensare che l’AI risolva da sola la cybersecurity. Non è così. Un sistema AI senza dati corretti, senza governance, senza supervisione e senza processi maturi può produrre nuova complessità. La cybersecurity basata sull’AI funziona quando aumenta la capacità umana di decidere, non quando crea un’automazione opaca e incontrollata.
Digitalic ha raccontato questa trasformazione anche in Palo Alto Networks Ignite on Tour Milano 2026, dove la cybersecurity emerge non solo come protezione del business, ma come motore dell’innovazione. La sicurezza non deve essere il freno della trasformazione digitale: deve esserne l’infrastruttura di fiducia.
Nel settore finanziario, il problema diventa ancora più evidente. Nell’articolo Fed e Tesoro avvisano le banche: l’AI apre nuove falle e mette a rischio il sistema finanziario, Digitalic ha raccontato come l’AI possa introdurre rischi nuovi in ambienti già regolati, interconnessi e ad altissimo impatto sistemico.
Il punto: l’AI non rende la cybersecurity meno necessaria. La rende più urgente, perché aumenta la velocità degli attacchi e la complessità della difesa.
NIS2, AI Act, GPAI e compliance della sicurezza
La cybersecurity non è più solo una buona pratica. In molti settori è un obbligo regolatorio. La Direttiva NIS2 ha ampliato il perimetro delle organizzazioni coinvolte e ha portato il tema della sicurezza informatica direttamente nel boardroom.
La NIS2 stabilisce un quadro comune per rafforzare la cybersecurity in settori critici dell’Unione Europea, introducendo misure di gestione del rischio, obblighi di segnalazione, cooperazione, supervisione e responsabilità più chiare. Riguarda settori come energia, trasporti, sanità, finanza, infrastrutture digitali, servizi digitali, pubblica amministrazione, gestione delle acque, spazio, manifattura critica e altri ambiti essenziali.
Per gli incidenti rilevanti, ENISA ricorda che le organizzazioni interessate devono inviare un early warning entro 24 ore e una notifica completa entro 72 ore alle autorità competenti o al CSIRT nazionale. Questo cambia radicalmente il modo di gestire gli incidenti: non basta riparare il danno, bisogna anche saperlo identificare, documentare e comunicare in tempi stretti. Fonte: ENISA, Threats and Incidents.
Per le aziende italiane il punto non è solo capire se rientrano formalmente nel perimetro NIS2. Anche chi non è direttamente obbligato può diventare parte della catena di fornitura di un soggetto essenziale o importante. La cybersecurity si trasforma così in requisito commerciale: un cliente, un grande gruppo o una pubblica amministrazione possono chiedere garanzie di sicurezza prima di firmare o rinnovare un contratto.
La compliance non deve essere trattata come burocrazia. Se gestita bene, diventa metodo: inventario degli asset, gestione dei rischi, procedure di incident response, formazione, controllo dei fornitori, backup, business continuity, responsabilità chiare e auditabilità.
Anche l’AI Act entra nel quadro più ampio della governance digitale. Digitalic ha analizzato le scadenze e le sanzioni nell’articolo AI Act, conto alla rovescia: dal 2 agosto 2026 scattano le sanzioni e ha approfondito la fase dei modelli di uso generale in EU AI Act: la fase GPAI è iniziata. Cybersecurity e intelligenza artificiale non possono più essere gestite come capitoli separati: i sistemi AI devono essere sicuri, governati, tracciabili e coerenti con i processi aziendali.
Cybersecurity in Italia: perché il rischio è concreto
L’Italia non è ai margini del rischio cyber. Digitalic ha raccontato nella Relazione ACN 2024 un quadro di forte crescita degli eventi cyber gestiti dal CSIRT Italia e degli incidenti confermati. La superficie d’attacco è aumentata, ma anche la capacità di rilevamento e allertamento è diventata più capillare.
Il report Yarix 2025 ha aggiunto un’altra chiave di lettura: gli attacchi non sono più episodi isolati, ma parte di un assedio permanente. Ransomware, hacktivismo, AI e attacchi alla manifattura e all’IT dimostrano che il cybercrime è diventato un’industria, con modelli economici, specializzazioni, servizi e filiere criminali.
La conseguenza è chiara: non basta più reagire all’emergenza. Serve una cultura della sicurezza diffusa, capace di coinvolgere management, IT, dipendenti, fornitori e partner. L’azienda che considera la cybersecurity un problema tecnico delegato a pochi specialisti vede solo una parte del rischio.
Cybersecurity nella sanità, nella manifattura e nelle infrastrutture critiche
Alcuni settori sono più esposti perché un incidente cyber può avere impatti immediati sulla vita reale. Sanità, trasporti, energia, pubblica amministrazione, telecomunicazioni, manifattura e servizi finanziari sono ambiti in cui la continuità operativa è essenziale.
Nel settore sanitario, un attacco non compromette soltanto dati: può rallentare diagnosi, bloccare prenotazioni, fermare dispositivi, interrompere percorsi di cura. Digitalic ha raccontato il piano europeo per rafforzare la cybersecurity degli ospedali, settore particolarmente vulnerabile per l’aumento di cartelle cliniche elettroniche, telemedicina, diagnosi assistite dall’AI e dispositivi connessi.
Nella manifattura, invece, la convergenza tra IT e OT espone fabbriche, impianti, macchinari e sistemi di controllo industriale. Qui il problema non è solo la perdita di dati, ma il fermo produzione. Anche poche ore di blocco possono generare danni economici elevati, ritardi contrattuali e problemi di sicurezza fisica.
Le infrastrutture critiche richiedono quindi un approccio integrato: cybersecurity, continuità operativa, resilienza, gestione delle crisi, controllo dei fornitori, segmentazione, monitoraggio e piani di ripristino testati.
Come costruire una strategia di cybersecurity
Una strategia di cybersecurity efficace non parte dagli strumenti, ma da una mappa del rischio. Prima di scegliere tecnologie bisogna capire cosa proteggere, da chi, con quali priorità e con quali risorse.
1. Mappare asset, dati e processi critici
Non si può proteggere ciò che non si conosce. La prima attività è costruire un inventario aggiornato di sistemi, applicazioni, dati, dispositivi, utenti, fornitori, ambienti cloud e servizi SaaS. Bisogna sapere quali asset sono critici per il business e quali dati sono più sensibili.
2. Proteggere identità e accessi
L’identità è il nuovo perimetro. Ogni azienda dovrebbe adottare autenticazione multifattore, password manager, revisione dei privilegi, controllo degli account amministrativi, disattivazione degli utenti inattivi e regole chiare per fornitori e consulenti.
3. Aggiornare e correggere le vulnerabilità
Patch management e vulnerability management devono essere processi continui. Le vulnerabilità vanno classificate in base al rischio reale, all’esposizione e al valore dell’asset coinvolto. L’obiettivo non è correggere tutto subito, ma correggere prima ciò che può provocare il danno maggiore.
4. Proteggere email, endpoint e cloud
Email, endpoint e cloud sono tre aree ad alta esposizione. Servono protezioni specifiche: filtri antiphishing, EDR, controllo dei dispositivi, configurazioni sicure del cloud, backup separati, log centralizzati e monitoraggio degli accessi anomali.
5. Fare backup veri e testarli
Un backup non testato è una promessa, non una protezione. I backup devono essere separati, protetti, cifrati, non modificabili quando possibile e verificati periodicamente con prove di ripristino. In caso di ransomware, la differenza tra crisi gestibile e disastro spesso passa dalla qualità del backup.
6. Formare le persone
La formazione non deve essere una presentazione annuale dimenticata in un cassetto. Deve essere continua, concreta, misurabile. Le persone devono riconoscere phishing, richieste anomale, allegati sospetti, frodi CEO, rischi legati all’AI generativa e procedure da seguire in caso di dubbio.
7. Preparare un piano di incident response
Quando avviene un incidente, non c’è tempo per decidere chi deve fare cosa. Serve un piano già scritto: ruoli, escalation, contatti, procedure, fornitori, autorità, comunicazione, legale, privacy, ripristino e criteri di priorità.
8. Misurare e migliorare
La cybersecurity deve avere metriche. Tempo medio di rilevamento, tempo medio di risposta, copertura MFA, percentuale di patch applicate, stato dei backup, vulnerabilità critiche aperte, risultati delle simulazioni phishing, incidenti evitati, tempi di ripristino. Senza metriche, la sicurezza resta percezione.
Checklist cybersecurity per aziende e PMI
Inventario aggiornato di dispositivi, software, utenti, dati e servizi cloud.
Autenticazione multifattore attiva almeno su email, cloud, VPN, amministratori e applicazioni critiche.
Password manager e policy per password robuste e uniche.
Backup separati, protetti e testati con prove di ripristino.
EDR o protezione endpoint moderna su PC e server.
Patch management con priorità basate sul rischio.
Monitoraggio continuo degli eventi di sicurezza, interno o gestito da un partner.
Piano di risposta agli incidenti scritto, aggiornato e testato.
Formazione periodica dei dipendenti su phishing, frodi, password e uso sicuro dell’AI.
Controllo dei fornitori e delle terze parti con accesso a dati o sistemi.
Policy per l’uso di strumenti AI generativi e applicazioni SaaS.
Revisione periodica dei permessi e degli account privilegiati.
Segmentazione della rete e protezione dei sistemi critici.
Valutazione degli obblighi NIS2, GDPR, DORA, AI Act e normative di settore.
Coinvolgimento del management nelle decisioni di rischio cyber.
Errori da evitare
Il primo errore è pensare che la cybersecurity sia un costo senza ritorno. In realtà è una forma di assicurazione operativa: riduce la probabilità di fermo, perdita dati, danni reputazionali e sanzioni.
Il secondo errore è confondere la presenza di strumenti con la presenza di sicurezza. Avere firewall, antivirus, backup ed EDR non basta se nessuno li configura, li monitora, li aggiorna e li integra in un processo.
Il terzo errore è sottovalutare le persone. Molti incidenti iniziano da un clic, una password riutilizzata, una richiesta urgente, un allegato aperto, una telefonata convincente. La formazione è parte della difesa.
Il quarto errore è non testare il ripristino. Tutti pensano di avere un backup finché non devono recuperare davvero sistemi e dati sotto pressione.
Il quinto errore è non coinvolgere il management. Se la sicurezza resta confinata all’IT, non avrà autorità sufficiente per cambiare processi, priorità, budget e comportamenti.
Per approfondire su Digitalic
La cybersecurity è un tema in continua evoluzione. Su Digitalic abbiamo raccontato l’impatto delle nuove minacce, dell’intelligenza artificiale, della NIS2, dei servizi gestiti e della sicurezza per le PMI attraverso analisi, eventi, report e casi concreti.
Scenario, dati e minacce
Trend cybersecurity 2026: i rischi che contano davvero
Rapporto Clusit 2025: aumentano del 15% gli incidenti in Italia
Relazione ACN 2024: Italia sotto attacco cyber
Report Yarix 2025: l’assedio permanente alla sicurezza
Spoofing: cos’è il nuovo attacco hacker
PMI, microimprese e canale
Cybersecurity PMI: l’AI pretende MSP e difesa continua
Zyxel Security Kick-Off 2026: la cybersecurity semplice per indirizzare le PMI
Zyxel 2026: microimpresa e cybersecurity
Zyxel Commercialisti Italia: la cybersecurity arriva negli studi professionali
Fortinet SMB Summit: la cybersecurity per accrescere la competitività
CollaboraSec, la protezione enterprise per le PMI da Collabora e Cisco
SOC, EDR, infrastrutture e servizi gestiti
Protezione avanzata, complessità ridotta: la rivoluzione dell’EDR moderno
Dalla cybersecurity reattiva alla gestione del rischio: la svolta di BlueIT
Dalla sovranità del dato all’AI nel SOC: la visione del Gruppo E
Gruppo E e HWG Sababa: la cybersecurity diventa infrastruttura strategica
NTT DATA: governance solida e servizi gestiti al centro della strategia per la cybersecurity
AI, governance e compliance
Sloply, il malware che nessuno può riconoscere: arriva il malware agentico
Palo Alto Networks Ignite on Tour Milano 2026: la cybersecurity diventa motore dell’innovazione
Sicurezza AI: la scelta architetturale di Fortinet ed Exclusive Networks
Fed e Tesoro avvisano le banche: l’AI apre nuove falle e mette a rischio il sistema finanziario
AI Act, conto alla rovescia: dal 2 agosto 2026 scattano le sanzioni
EU AI Act: la fase GPAI è iniziata
Settori critici e sovranità digitale
L’Europa vara una legge per la cybersecurity degli ospedali
Sovranità digitale, resilienza e canale: le strategie di Fortinet ed Exclusive Networks
BlueIT AI Accelerator: l’intelligenza artificiale impara a difendere il sapere
Conclusione
La cybersecurity non è più un muro da costruire intorno all’azienda. È un sistema immunitario da far funzionare ogni giorno.
Le minacce cambiano, gli attaccanti si organizzano, l’intelligenza artificiale accelera sia la difesa sia l’offesa, le normative diventano più stringenti e le filiere digitali rendono ogni impresa dipendente dalla sicurezza degli altri.
In questo scenario, la domanda non è se investire in cybersecurity, ma come farlo in modo intelligente. Proteggere tutto allo stesso modo è impossibile. Ignorare il rischio è irresponsabile. La strada passa da visibilità, priorità, formazione, servizi gestiti, gestione del rischio, continuità operativa e coinvolgimento del management.
La cybersecurity non serve solo a evitare un attacco. Serve a permettere all’azienda di continuare a lavorare, innovare e crescere anche in un mondo digitale sempre più instabile.
FAQ sulla cybersecurity
Che cos’è la cybersecurity?
La cybersecurity è l’insieme di tecnologie, processi, competenze e comportamenti usati per proteggere sistemi digitali, reti, dati, identità, applicazioni e dispositivi dagli attacchi informatici.
Perché la cybersecurity è importante per le aziende?
Perché un attacco cyber può bloccare l’operatività, causare perdita di dati, danni economici, sanzioni, problemi reputazionali e interruzioni nei rapporti con clienti e fornitori.
Quali sono le principali minacce cyber?
Le principali minacce sono ransomware, phishing, furto di credenziali, vulnerabilità non corrette, attacchi alla supply chain, malware, frodi via email, spoofing, shadow IT e uso non governato dell’intelligenza artificiale.
La cybersecurity riguarda anche le PMI?
Sì. Le PMI sono spesso più esposte perché hanno meno risorse interne, ma subiscono le stesse minacce delle grandi aziende. Molti attacchi non scelgono il bersaglio per dimensione, ma cercano vulnerabilità accessibili.
Che cos’è un SOC?
Un SOC, Security Operation Center, è una struttura che monitora eventi di sicurezza, analizza alert, identifica incidenti e coordina la risposta. Può essere interno o fornito come servizio gestito.
Che cos’è un EDR?
Un EDR, Endpoint Detection and Response, è una soluzione che monitora e protegge endpoint come PC, server e workstation, rilevando comportamenti sospetti e supportando la risposta agli incidenti.
Che cosa cambia con la NIS2?
La NIS2 amplia il perimetro delle organizzazioni soggette a obblighi di cybersecurity, introduce misure di gestione del rischio, obblighi di segnalazione degli incidenti e responsabilità più diretta del management. Per gli incidenti rilevanti sono previsti un early warning entro 24 ore e una notifica completa entro 72 ore.
La cybersecurity può essere gestita da un fornitore esterno?
Sì. Per molte PMI, affidarsi a MSP, MDR o servizi di sicurezza gestita è spesso la soluzione più realistica per ottenere monitoraggio, competenze e risposta agli incidenti senza costruire un team interno completo.
L’intelligenza artificiale aumenta o riduce il rischio cyber?
Fa entrambe le cose. L’AI aiuta i difensori ad analizzare dati e rispondere più velocemente, ma aiuta anche gli attaccanti a creare phishing più credibili, automatizzare attacchi e generare identità sintetiche.
Qual è il primo passo per migliorare la cybersecurity aziendale?
Il primo passo è sapere cosa si deve proteggere: asset, dati, utenti, fornitori, applicazioni e processi critici. Senza visibilità non è possibile stabilire priorità né ridurre davvero il rischio.
[1]: https://www.digitalic.it/hardware-software/cyber-security?utm_source=chatgpt.com “Cyber Security Archives”
L’articolo Cybersecurity: guida completa è un contenuto originale di Digitalic.
La storia dell’intelligenza artificiale: dal laboratorio alla vita quotidiana
La storia dell’intelligenza artificiale: dal laboratorio alla vita quotidiana: per decenni è rimasta una promessa, affascinante, potente, spesso esagerata. Poi è diventata una tecnologia reale, entrata nei motori di ricerca, negli smartphone, nelle aziende, nella sanità, nella cybersecurity, nei data center, nelle fabbriche, nei software di produttività e infine nelle conversazioni quotidiane di milioni di persone.
La storia dell’AI è la storia di una trasformazione lunga, fatta di ricerca scientifica, potenza di calcolo, dati, algoritmi, investimenti industriali e decisioni politiche. Ma è anche la storia di una domanda sempre più urgente: che cosa succede quando le macchine non si limitano più a eseguire istruzioni, ma iniziano a generare testi, immagini, codice, decisioni e azioni?
La storia dell’intelligenza artificiale prima di ChatGPT: l’AI come promessa industriale
Già prima dell’esplosione dell’AI generativa, Digitalic raccontava l’intelligenza artificiale come una tecnologia destinata a cambiare il modo di lavorare delle imprese.
Nel 2016, l’AI era ancora percepita soprattutto come una tecnologia da laboratorio o da grandi aziende tecnologiche. Ma i segnali erano già chiari: Google, IBM, NVIDIA, Microsoft e Facebook stavano costruendo l’infrastruttura del futuro.
Tra gli articoli storici dell’archivio Digitalic ci sono:
Intelligenza artificiale: 5 trend per il 2016
Intelligenza artificiale: 5 modi in cui l’AI cambierà le imprese
Intelligenza artificiale: 4 modi in cui ogni business dovrebbe sfruttarla
Algorithmia: il marketplace per algoritmi di Intelligenza Artificiale
Questa prima fase dell’AI moderna non era ancora dominata dai chatbot. Era l’epoca degli algoritmi, del machine learning, dei data center, dell’automazione e dei primi assistenti digitali.
Il machine learning: quando l’AI impara dai dati
Il vero salto è arrivato quando l’intelligenza artificiale ha smesso di essere solo un insieme di regole scritte dagli esseri umani ed è diventata una tecnologia capace di imparare dai dati.
Il machine learning ha reso possibile riconoscere immagini, prevedere comportamenti, classificare informazioni, ottimizzare processi e automatizzare decisioni.
Digitalic ha raccontato questo passaggio in articoli come:
Il Machine Learning e gli algoritmi dell’intelligenza artificiale
Google Cloud AutoML, l’intelligenza artificiale per tutte le aziende
Google DeepMind rende la sperimentazione AI open-source
Il punto decisivo è questo: l’AI non diventa importante solo perché “pensa”, ma perché diventa utilizzabile dentro strumenti aziendali reali.
La storia dell’intelligenza artificiale: L’AI entra nelle aziende
Per molto tempo l’intelligenza artificiale è stata raccontata come qualcosa di lontano: robot, supercomputer, scenari futuristici. Poi ha iniziato a entrare nei processi aziendali.
Automazione, analisi predittiva, customer service, marketing, cybersecurity, gestione documentale, produzione, logistica: l’AI è diventata uno strumento operativo.
Digitalic ha seguito questa trasformazione con articoli come:
Google annuncia l’intelligenza artificiale per tutti, per ogni attività
L’impatto innovativo dell’AI sulle Aziende Italiane
Google AI Connect: l’Italia può crescere dell’8% grazie all’intelligenza artificiale
Google Cloud Summit Milano: Cloud e AI al servizio delle PMI italiane
In Italia, il tema centrale non è mai stato solo tecnologico. È sempre stato anche culturale: come portare l’AI nelle imprese, nelle PMI, nella pubblica amministrazione, nella sanità, nei servizi e nei processi quotidiani.
ChatGPT: il momento in cui l’AI diventa popolare
Il 2022 e il 2023 segnano una frattura.
Con ChatGPT, l’intelligenza artificiale smette di essere una tecnologia per specialisti e diventa un’esperienza di massa. Per la prima volta milioni di persone possono parlare con un sistema AI usando il linguaggio naturale.
Da quel momento l’AI non è più solo una tecnologia da integrare nei software: diventa un’interfaccia universale.
Tra gli articoli chiave dell’archivio Digitalic:
Come funziona ChatGPT, spiegato da ChatGPT
ChatGPT cos’è, come funziona, cosa fa in più ChatGPT-4
5 alternative a ChatGPT per sfruttare l’intelligenza artificiale
Il futuro dell’intelligenza artificiale secondo OpenAI
ChatGPT ha trasformato il dibattito pubblico sull’AI perché ha reso visibile ciò che prima era invisibile: la capacità dei modelli di generare linguaggio, ragionamenti, codice, sintesi, traduzioni e contenuti.
La corsa dei giganti: OpenAI, Google, Microsoft, Meta, xAI
Dopo ChatGPT, il mercato dell’intelligenza artificiale è diventato una corsa globale.
OpenAI ha accelerato lo sviluppo dei modelli generativi. Microsoft ha integrato l’AI nei suoi prodotti. Google ha risposto con Gemini. Meta ha puntato su modelli e infrastrutture. Elon Musk ha creato xAI. Anthropic ha sviluppato Claude.
Digitalic ha seguito questa nuova competizione tecnologica con molti articoli:
GPT Store: OpenAI apre un negozio di intelligenza artificiale
ChatGPT vs. Microsoft Copilot vs. Google Gemini: il confronto
Google I/O 2024: tutte le novità di Gemini AI
Google Bard diventa Gemini e aggiunge nuove funzioni e un’app
Apple sceglie l’intelligenza artificiale Claude per l’iPhone
Cos’è xAI, la nuova società di Elon Musk sull’Intelligenza Artificiale
La storia dell’AI diventa così anche una storia di potere industriale: chi controlla i modelli, i dati, i chip e le piattaforme controlla una parte crescente dell’economia digitale.
Storia dell’intelligenza artificiale: l’AI generativa cambia il lavoro
L’AI generativa non automatizza solo compiti ripetitivi. Genera contenuti, scrive codice, produce immagini, analizza documenti, crea presentazioni, assiste nella ricerca, nella vendita, nel marketing e nella formazione.
Per questo il suo impatto sul lavoro è più profondo rispetto alle precedenti ondate tecnologiche.
Digitalic ha raccontato questa trasformazione in articoli come:
Intelligenza artificiale: i 10 lavori che verranno sostituiti per primi
10 competenze AI da inserire nel curriculum
Dalla vita quotidiana al lavoro in azienda: l’AI generativa che sostiene le attività umane
OpenAI: l’AI fa risparmiare 270 ore l’anno alle PMI Italiane
La domanda non è più se l’AI cambierà il lavoro. La domanda è come, con quali strumenti, con quali regole e con quali competenze.
L’Italia di fronte alla storia dell’intelligenza artificiale
Per l’Italia, l’intelligenza artificiale è una grande opportunità, ma anche un rischio.
L’opportunità è aumentare produttività, innovazione, efficienza e competitività. Il rischio è restare consumatori di tecnologie sviluppate altrove, senza costruire competenze, infrastrutture e piattaforme nazionali o europee.
Digitalic ha seguito questo tema in diversi articoli:
AI Frugale, la rivoluzione che potrebbe essere italiana
Chi ha più brevetti sull’AI generativa: Cina in testa, bene UK, Italia non pervenuta
La Francia guida la corsa agli investimenti per l’AI generativa in Europa
Arthur Mensch di Mistral avvisa l’Europa: abbiamo due anni per non diventare una colonia dell’AI americana
Il punto è strategico: l’AI non è solo software. È sovranità tecnologica, capacità industriale, formazione, energia, cloud, chip, dati e ricerca.
La storia dell’intelligenza artificiale: l’Europa prova a regolare l’AI
L’intelligenza artificiale è diventata troppo importante per essere lasciata senza regole.
L’Europa ha scelto una strada diversa da Stati Uniti e Cina: regolare l’AI in base al rischio, cercando di proteggere diritti, sicurezza, trasparenza e responsabilità.
Digitalic ha raccontato questo passaggio con articoli come:
Arriva la legge italiana sull’AI: cosa prevede
AI Act, conto alla rovescia: dal 2 agosto 2026 scattano le sanzioni
EU AI Act: la fase GPAI è iniziata. Cosa cambia ora per modelli e imprese
PMI normative AI: come prepararsi alle nuove norme AI
Per le imprese italiane questo significa una cosa concreta: l’AI non sarà solo una scelta tecnologica, ma anche un tema di compliance, governance, sicurezza e responsabilità.
Il lato oscuro dell’AI: privacy, errori, lavoro, energia
Ogni grande tecnologia porta con sé una promessa e un rischio.
L’AI può aumentare produttività, creatività e accesso alla conoscenza. Ma può anche produrre disinformazione, errori, violazioni della privacy, discriminazioni, dipendenza tecnologica e nuovi costi energetici.
Digitalic ha seguito anche questi aspetti critici:
Perché il Garante ha bloccato ChatGPT: ecco i motivi
Multa a ChatGPT da 15 milioni di euro, ecco perché
Facile ingannare ChatGPT con del testo nascosto in un sito
Quanta energia consuma un prompt di Google Gemini?
L’AI può salvare il pianeta, ma lo sta già distruggendo
La maturità dell’AI non si misura solo dalla potenza dei modelli, ma dalla capacità di usarli senza perdere controllo, fiducia e responsabilità.
I chip, i data center e l’infrastruttura nascosta dell’AI
L’AI sembra immateriale, ma non lo è.
Dietro ogni risposta di un chatbot ci sono data center, GPU, energia, reti, cloud, semiconduttori e investimenti enormi. Per questo la corsa all’AI è anche una corsa all’infrastruttura.
Digitalic ha raccontato questo lato meno visibile ma decisivo:
La nuova missione di OpenAI: trovare chips per l’intelligenza artificiale
NVIDIA lancia il primo cloud AI industriale europeo
Nvidia GTC 2025: Jensen Huang riscrive il futuro dell’AI
OpenAI apre in Norvegia il suo primo data center europeo
OpenAI presenta Jalapeño, il suo primo chip AI
L’intelligenza artificiale è diventata il nuovo terreno della competizione tecnologica globale perché richiede tutto: ricerca, software, hardware, energia, capitale e potenza industriale.
Gli agenti AI: la prossima fase
Dopo i chatbot, arrivano gli agenti AI.
La differenza è fondamentale: un chatbot risponde, un agente agisce. Può pianificare, usare strumenti, consultare documenti, navigare servizi, completare attività, coordinare passaggi e prendere decisioni operative entro certi limiti.
Questa è probabilmente la prossima grande fase dell’intelligenza artificiale.
Digitalic l’ha raccontata con articoli come:
Agenti AI, cosa sono e come funzionano
OpenAI lancia ChatGPT Agent: impatti strategici e checklist per le imprese italiane
La Cina prepara il dopo-Nvidia: Alibaba lancia il chip per gli agenti AI
Se ChatGPT ha reso l’AI conversazionale, gli agenti AI possono renderla operativa. Ed è qui che l’impatto sulle aziende potrebbe diventare ancora più forte.
Conclusione: la storia dell’AI è appena iniziata
La storia dell’intelligenza artificiale non è una linea retta. È fatta di entusiasmi, paure, errori, accelerazioni improvvise e lunghi periodi di preparazione invisibile.
Oggi siamo entrati in una fase nuova: l’AI non è più solo una tecnologia da osservare, ma uno strumento da governare.
Per le imprese italiane la sfida è duplice: adottare l’intelligenza artificiale per non perdere competitività e allo stesso tempo costruire competenze, regole e infrastrutture per non dipendere completamente da tecnologie sviluppate altrove.
L’AI non sostituirà semplicemente software precedenti. Cambierà il modo in cui lavoriamo, cerchiamo informazioni, prendiamo decisioni, produciamo contenuti, progettiamo servizi e immaginiamo il futuro.
Per questo la domanda più importante non è più “che cos’è l’intelligenza artificiale?”.
La domanda è: che cosa vogliamo farne?
Io la pubblicherei come pillar page e poi aggiungerei link da 30-50 vecchi articoli verso questa pagina con anchor tipo “storia dell’intelligenza artificiale”, “AI generativa”, “AI nelle aziende italiane”.
L’articolo La storia dell’intelligenza artificiale: dal laboratorio alla vita quotidiana è un contenuto originale di Digitalic.
ChatGPT: cos’è, come funziona, cosa può fare e come usarlo davvero
ChatGPT non è più soltanto il chatbot che nel 2022 ha fatto scoprire l’intelligenza artificiale generativa al grande pubblico. È diventato un ambiente di lavoro, uno strumento di scrittura, un assistente per la ricerca, un analista di documenti, un generatore di immagini, un supporto per programmare, un’interfaccia per interrogare file e applicazioni aziendali. In tre anni è passato dalla curiosità tecnologica al problema organizzativo: non più “che cos’è?”, ma “come lo usiamo senza farci usare?”.
Quando OpenAI lo presentò il 30 novembre 2022, ChatGPT venne descritto come un modello capace di conversare, rispondere a domande successive, ammettere errori, contestare premesse sbagliate e rifiutare richieste inappropriate. Era già evidente la novità: non un motore di ricerca, non un software tradizionale, ma una macchina linguistica capace di trasformare una richiesta scritta in una risposta articolata.
Oggi, però, parlare di ChatGPT significa parlare di un ecosistema. Dentro ChatGPT convivono modelli diversi, memoria, ricerca web, analisi dati, generazione immagini, lettura di file, strumenti per aziende, app collegate e funzioni agentiche. La domanda giusta non è più soltanto “che cosa sa ChatGPT?”, ma “che cosa può fare ChatGPT dentro un flusso di lavoro reale?”.
Questa guida aggiorna e amplia il primo racconto di Digitalic su ChatGPT, cos’è e come funziona, trasformandolo in una pagina pillar: una guida centrale da cui partire per capire lo strumento, i suoi limiti, le applicazioni aziendali e gli approfondimenti collegati.
Cos’è ChatGPT
ChatGPT è un assistente basato su modelli linguistici di grandi dimensioni, cioè sistemi di intelligenza artificiale addestrati a riconoscere, prevedere e generare linguaggio naturale. La sua interfaccia è volutamente semplice: si scrive una domanda, un comando o un compito, e il sistema produce una risposta. Ma sotto quella semplicità c’è un cambiamento profondo: per la prima volta milioni di persone possono dialogare con un sistema AI senza usare codice, senza conoscere il machine learning e senza installare software complessi.
La parola “chatbot” ormai gli sta stretta. ChatGPT può scrivere testi, correggere bozze, riassumere documenti, spiegare concetti, analizzare dati, generare codice, preparare tabelle, aiutare nella progettazione di presentazioni, interpretare immagini, produrre immagini, fare ricerche e lavorare su file. Nei piani più avanzati può anche usare strumenti per ragionamento profondo, agenti, coding, memoria, progetti e integrazioni con applicazioni esterne.
Il punto vero è che ChatGPT non sostituisce semplicemente un programma esistente. Cambia il modo di usare i programmi. Non chiede all’utente di adattarsi al linguaggio della macchina, ma prova ad adattare la macchina al linguaggio dell’utente. È questa la ragione per cui il suo impatto non riguarda soltanto chi scrive, programma o fa marketing, ma ogni lavoro fondato su testi, dati, conoscenza e decisioni.
Come funziona ChatGPT
ChatGPT funziona partendo da un prompt, cioè da un’istruzione scritta dall’utente. Il modello interpreta la richiesta, considera il contesto della conversazione, valuta gli strumenti disponibili e costruisce una risposta. Nei modelli più recenti, questa risposta può includere ragionamento più esteso, uso di strumenti, lettura di file, analisi di dati, ricerca web o generazione di contenuti multimodali.
Nel 2026 il perimetro tecnico di ChatGPT è cambiato ancora. OpenAI indica nella propria documentazione che, di default, gli utenti hanno accesso ai modelli GPT‑5.5 e che GPT‑5 è stato ritirato da ChatGPT dal 13 febbraio 2026, con vecchie conversazioni instradate su equivalenti GPT‑5.5. La documentazione distingue anche fra modalità più rapide e modalità con più ragionamento, pensate per compiti diversi. La pagina ufficiale su GPT‑5.5 in ChatGPT è quindi una fonte da tenere d’occhio, perché questi dettagli cambiano spesso.
Per capire l’evoluzione dei modelli OpenAI, Digitalic ha già ricostruito il passaggio a GPT-5 e il confronto con GPT-4o, il percorso precedente di ChatGPT-5 e i risultati successivi di GPT-5.4 nei task desktop. Il quadro è chiaro: ChatGPT non è un singolo prodotto immobile, ma una piattaforma che cambia modello, capacità e interfaccia con grande rapidità.
Cosa può fare ChatGPT
ChatGPT può essere usato per quattro grandi famiglie di attività.
La prima è la produzione di contenuti: testi, email, articoli, post social, script, titoli, descrizioni, traduzioni, riassunti, presentazioni, scalette e FAQ. È l’uso più visibile, ma non sempre il più importante.
La seconda è l’analisi: leggere un documento, estrarre punti chiave, confrontare dati, trovare contraddizioni, costruire tabelle, spiegare un report, sintetizzare una riunione, trasformare informazioni disordinate in una struttura utilizzabile.
La terza è l’assistenza operativa: preparare procedure, creare checklist, aiutare a scrivere codice, controllare errori, costruire formule, generare prompt, simulare scenari, supportare decisioni.
La quarta è l’automazione: con gli agenti, le app e le integrazioni, ChatGPT può avvicinarsi sempre di più non solo al “rispondere”, ma anche al “fare”. Digitalic ha già raccontato come ChatGPT Agent apra scenari nuovi per le imprese italiane, soprattutto quando l’AI non si limita a suggerire un’azione, ma entra nei processi operativi con livelli di autonomia da governare.
Per l’uso quotidiano, invece, il punto di partenza resta più semplice: ChatGPT può aiutare a scrivere meglio, capire prima, organizzare informazioni, preparare attività e risparmiare tempo. Digitalic ha raccolto esempi pratici in 10 modi per usare ChatGPT nella vita quotidiana, un articolo utile come contenuto satellite per chi arriva alla guida con una domanda molto concreta: “a cosa mi serve davvero?”.
ChatGPT è un motore di ricerca?
Uno degli errori più comuni è usare ChatGPT come se fosse Google. ChatGPT può aiutare a cercare, spiegare e sintetizzare informazioni, ma non nasce come indice del web. È un sistema generativo: produce risposte. Questo lo rende potentissimo, ma anche rischioso se viene usato senza controllo delle fonti.
Con SearchGPT e con le funzioni di ricerca integrate, ChatGPT si è avvicinato molto al territorio dei motori di ricerca: risposte sintetiche, collegamenti alle fonti, interrogazione del web e costruzione di sintesi. Digitalic lo aveva descritto nella guida a SearchGPT e al motore di ricerca di ChatGPT e poi nell’articolo su ChatGPT Search.
La differenza resta fondamentale: un motore di ricerca mostra pagine; ChatGPT costruisce una risposta. Per questo è più comodo, ma anche più delicato. Quando la risposta riguarda salute, legge, finanza, sicurezza, compliance o decisioni aziendali, la verifica delle fonti non è un optional.
Come usare ChatGPT bene
Usare bene ChatGPT non significa scrivere prompt lunghissimi. Significa dare contesto, obiettivo, vincoli e formato.
Un prompt debole è: “Scrivi un articolo su ChatGPT”.
Un prompt utile è: “Scrivi un articolo per un pubblico di CIO e imprenditori italiani, tono giornalistico, 1.200 parole, con esempi aziendali, rischi privacy, paragrafo su AI Act e FAQ finali”.
ChatGPT migliora quando sa chi deve leggere il testo, a cosa serve il risultato, quale tono usare, quali elementi evitare e quale formato produrre. Il prompt non è una formula magica: è un brief. Più il brief è preciso, più il risultato è utilizzabile.
Una regola pratica è dividere il lavoro in passaggi: prima chiedere la struttura, poi far sviluppare una sezione, poi chiedere una revisione critica, poi far verificare i punti deboli. ChatGPT funziona meglio come collaboratore iterativo che come distributore automatico di testi finiti.
Questa è la ragione per cui il tema dei prompt non è solo una moda. La figura del prompt engineer nasce proprio dall’esigenza di trasformare una richiesta vaga in istruzioni operative, controllabili e replicabili. Ma nelle aziende la vera competenza non è conoscere formule segrete: è saper tradurre un processo, un obiettivo e un vincolo in una richiesta chiara.
ChatGPT per le aziende
Per le aziende, ChatGPT non è solo uno strumento individuale. È una questione di produttività, governance, sicurezza, formazione e responsabilità. Il vantaggio non nasce dal fatto che un dipendente scriva una mail più velocemente, ma dal ridisegno dei flussi: assistenza clienti, documentazione interna, analisi di report, knowledge management, supporto commerciale, sviluppo software, formazione, marketing, HR, procurement.
La vera domanda per un CIO non è “possiamo usare ChatGPT?”, ma “quali dati possiamo inserire, con quali permessi, in quale piano, con quali controlli, con quale tracciabilità e con quale formazione degli utenti?”.
OpenAI dichiara che, per ChatGPT Enterprise, ChatGPT Business, ChatGPT Edu e API, i dati dell’organizzazione non vengono usati di default per addestrare i modelli. La documentazione ufficiale sulla privacy dei dati business di OpenAI indica anche controlli su proprietà dei dati, sicurezza, compliance e data retention per le organizzazioni qualificate.
Questo non elimina il problema della governance. Lo sposta dentro l’azienda. Le imprese devono decidere quali casi d’uso autorizzare, quali dati escludere, come formare i dipendenti, come verificare gli output, come gestire errori, allucinazioni, bias e dipendenza dalle risposte dell’AI.
Il fatto che ChatGPT Enterprise abbia superato un milione di utenti paganti mostra quanto l’AI generativa sia già entrata nei processi professionali. Ma adozione non significa maturità. La maturità arriva quando l’azienda distingue gli usi sperimentali dagli usi critici, gli account personali dagli account governati, il risparmio di tempo dal rischio operativo.
Privacy: cosa sapere prima di usarlo
Sul piano privacy bisogna distinguere tra uso personale e uso business. Nei servizi individuali, OpenAI spiega che il contenuto può essere usato per migliorare e addestrare i modelli, salvo opt-out. Gli utenti possono disattivare l’opzione “Improve the model for everyone” nei Data Controls; una volta disattivata, le nuove conversazioni non vengono usate per addestrare i modelli. La procedura è spiegata nella FAQ ufficiale sui Data Controls.
Nei piani business, invece, l’impostazione è diversa: OpenAI indica che non addestra di default sui dati di ChatGPT Business, Enterprise e API. Questa distinzione è cruciale per le aziende, perché usare un account personale per attività professionali non equivale a usare un ambiente aziendale governato.
La regola operativa dovrebbe essere semplice: non inserire dati sensibili, informazioni riservate, contratti, dati personali, codici sorgente proprietari o documenti strategici in un ambiente non autorizzato dall’azienda.
In Italia il tema è stato centrale fin dall’inizio. Digitalic ha ricostruito perché il Garante ha bloccato ChatGPT nel 2023 e ha seguito anche la successiva multa a ChatGPT da 15 milioni di euro. Questi episodi hanno trasformato ChatGPT da fenomeno tecnologico a caso regolatorio: non basta chiedersi cosa può fare, bisogna chiedersi anche con quali dati, con quali basi giuridiche e con quali garanzie.
I limiti di ChatGPT: errori, allucinazioni e compiacenza
ChatGPT può sbagliare. Può produrre risposte plausibili ma false, confondere date, inventare riferimenti, semplificare eccessivamente, ignorare dettagli, essere troppo assertivo. Questo limite era già presente nella prima presentazione di OpenAI, che indicava tra i problemi la possibilità di risposte plausibili ma errate o prive di senso.
Il rischio più insidioso non è solo l’errore evidente. È l’errore ben scritto. Una risposta formulata con sicurezza può sembrare autorevole anche quando è sbagliata. Per questo ChatGPT va usato come acceleratore cognitivo, non come autorità finale.
Digitalic ha già spiegato cosa sono le allucinazioni AI: risposte generate dall’intelligenza artificiale che sembrano credibili ma non corrispondono alla realtà. È uno dei problemi più importanti perché colpisce proprio il punto forte dell’AI generativa: la capacità di produrre linguaggio fluido.
C’è poi il problema della compiacenza. Digitalic ha raccontato il rischio della sycophancy, l’AI che tende a dare ragione all’utente, anche quando l’utente parte da una premessa discutibile. In azienda questo può diventare pericoloso: se l’AI conferma decisioni deboli, può rafforzare errori invece di correggerli.
ChatGPT, AI Act e compliance
Per le imprese europee ChatGPT entra anche nel perimetro dell’AI Act. Non ogni uso di ChatGPT è automaticamente ad alto rischio, ma ogni azienda deve capire se sta usando l’AI in processi regolati, con dati personali, in ambiti decisionali sensibili o dentro sistemi che producono effetti su persone, clienti, lavoratori o cittadini.
Digitalic ha già ricostruito il calendario dell’AI Act: dal 2 agosto 2026 entrano in gioco obblighi più stringenti per molti sistemi ad alto rischio, con sanzioni che possono arrivare fino a 35 milioni di euro o al 7% del fatturato globale annuo per le violazioni più gravi. Il punto è spiegato nella guida AI Act, conto alla rovescia: dal 2 agosto 2026 scattano le sanzioni.
C’è poi il capitolo dei modelli di AI a uso generale, i cosiddetti GPAI. Digitalic ha approfondito anche la fase in cui gli obblighi GPAI dell’EU AI Act hanno iniziato a cambiare il quadro per provider e imprese. Per chi usa ChatGPT in azienda, questo significa che la compliance non riguarda soltanto chi sviluppa modelli, ma anche chi li integra in processi, prodotti e servizi.
Per questo una guida su come usare ChatGPT non può essere solo una guida ai prompt. Deve diventare una guida alla responsabilità: cosa si può fare, cosa conviene evitare, quali processi vanno tracciati, quali decisioni non possono essere delegate senza supervisione umana.
ChatGPT e immagini
ChatGPT non lavora più solo con il testo. Le funzioni di generazione e analisi delle immagini hanno ampliato il suo ruolo in marketing, comunicazione, design, editoria, formazione e presentazioni.
Digitalic ha raccontato ChatGPT Images 2.0 come un passaggio importante: non un generatore di immagini da feed social, ma uno strumento per creare asset operativi, slide, infografiche, banner, mockup di interfacce e campagne creative.
Questo cambia il lavoro dei team creativi. Il valore non sta nel sostituire designer e art director, ma nel moltiplicare bozze, direzioni visive, varianti, moodboard e prototipi. Anche qui, però, serve controllo: coerenza del brand, diritti, riconoscibilità dei soggetti, accuratezza dei testi nelle immagini e qualità finale.
ChatGPT, app, agenti e integrazioni
Un altro passaggio decisivo è l’integrazione con strumenti esterni. OpenAI ha rinominato i “connectors” in “apps”, includendo sia applicazioni con interfacce interattive sia collegamenti che permettono a ChatGPT di cercare e usare informazioni dell’utente. La nuova terminologia è spiegata nella pagina ufficiale Apps in ChatGPT.
Questo sposta ChatGPT dal ruolo di assistente isolato al ruolo di interfaccia universale. Può diventare il punto da cui interrogare documenti, email, calendario, file, database, CRM, strumenti di project management e knowledge base aziendali.
È qui che il tema diventa strategico. Collegare ChatGPT agli strumenti di lavoro significa aumentare enormemente il valore, ma anche il rischio. Ogni app collegata introduce permessi, accessi, dati, logiche di controllo e responsabilità.
Il discorso si allarga agli agenti AI. Digitalic ha pubblicato una guida su cosa sono gli agenti AI e come funzionano, utile per capire perché la prossima fase non sarà fatta solo di chatbot più intelligenti, ma di sistemi capaci di pianificare, usare strumenti e compiere sequenze di azioni. In questo scenario, ChatGPT Agent è un passaggio centrale, ma non l’unico.
Quanto costa ChatGPT
ChatGPT è disponibile con piani diversi, dal piano gratuito ai piani Plus, Pro, Business ed Enterprise. Le differenze non riguardano solo il numero di messaggi, ma anche accesso ai modelli più avanzati, ragionamento, memoria, contesto, file, immagini, ricerca, agenti, progetti, funzioni per sviluppatori e strumenti per il lavoro.
Per verificare prezzi e funzioni aggiornate, il riferimento più sicuro resta la pagina ufficiale ChatGPT Pricing, perché piani, limiti e denominazioni possono cambiare rapidamente.
Per un utente individuale il criterio è semplice: se ChatGPT viene usato ogni giorno per lavoro, il piano gratuito diventa presto limitante. Per un’azienda, invece, il tema non è il prezzo della licenza, ma il costo di non governare l’uso spontaneo dell’AI.
ChatGPT, Copilot, Gemini e alternative
ChatGPT non è più solo. Microsoft Copilot, Google Gemini, Claude, Perplexity e altri strumenti competono su produttività, ricerca, integrazione, coding, creatività e uso aziendale. Digitalic ha già pubblicato un confronto fra ChatGPT, Microsoft Copilot e Google Gemini, utile per capire perché la scelta dello strumento non dipende solo dalla qualità del modello, ma anche dall’ecosistema in cui l’azienda lavora.
Chi cerca soluzioni diverse può partire anche dalla guida alle alternative a ChatGPT. La scelta, però, non dovrebbe essere ideologica. In molti casi un’azienda userà più strumenti: ChatGPT per alcuni flussi, Copilot dentro Microsoft 365, Gemini dentro Workspace, strumenti verticali per ricerca, coding o customer service.
Le domande da farsi prima di adottare ChatGPT in azienda
Prima di adottare ChatGPT in modo esteso, un’azienda dovrebbe rispondere ad alcune domande.
Quali reparti lo usano già informalmente?
Quali dati vengono inseriti?
Quali casi d’uso producono vero risparmio di tempo?
Quali output devono essere verificati da una persona?
Quali attività sono vietate?
Quali strumenti aziendali può collegare ChatGPT?
Chi gestisce permessi, policy, formazione e audit?
Come si misura il ritorno dell’investimento?
La maturità non consiste nell’avere ChatGPT, ma nel sapere dove non usarlo. L’entusiasmo iniziale porta a provarlo su tutto. La fase adulta dell’AI generativa comincia quando l’azienda separa sperimentazione, produttività e responsabilità.
Conclusione
ChatGPT è stato il momento iPhone dell’intelligenza artificiale generativa: il punto in cui una tecnologia complessa è diventata accessibile, desiderabile e quotidiana. Ma la fase dell’entusiasmo è finita. Oggi comincia la fase più difficile: integrazione, governance, qualità, sicurezza, responsabilità.
Chi lo usa come scorciatoia produrrà più contenuti mediocri, più errori ben scritti, più automatismi fragili. Chi lo usa come infrastruttura cognitiva potrà invece ripensare processi, conoscenza, creatività e produttività.
ChatGPT non è la risposta a tutto. È una nuova interfaccia con il lavoro digitale. E come tutte le interfacce davvero importanti, cambia non solo quello che facciamo, ma il modo in cui pensiamo di poterlo fare.
Articoli collegati su Digitalic
ChatGPT cos’è, come funziona, cosa fa in più ChatGPT-4
GPT-5: tutte le novità del nuovo modello di OpenAI e il confronto con GPT-4o
OpenAI lancia ChatGPT Agent: impatti strategici e checklist per le imprese italiane
SearchGPT: come funziona il motore di ricerca di ChatGPT
ChatGPT Images 2.0: cos’è, come funziona e come usarlo al meglio
I migliori plug-in ChatGPT: la guida completa
ChatGPT vs. Microsoft Copilot vs. Google Gemini: il confronto
Cosa sono le allucinazioni AI
L’AI ti dà sempre ragione, anche quando hai torto
AI Act, conto alla rovescia: dal 2 agosto 2026 scattano le sanzioni
Perché il Garante ha bloccato ChatGPT
Multa a ChatGPT da 15 milioni di euro, ecco perché
FAQ su ChatGPT
Che cos’è ChatGPT?
ChatGPT è un assistente di intelligenza artificiale generativa sviluppato da OpenAI, capace di conversare, rispondere a domande, scrivere testi, analizzare documenti, generare codice, interpretare immagini e usare strumenti collegati.
ChatGPT è gratis?
Esiste un piano gratuito, ma le funzioni più avanzate sono disponibili nei piani a pagamento come Plus, Pro, Business ed Enterprise. Prezzi e limiti cambiano nel tempo, quindi conviene verificare sempre la pagina ufficiale dei piani.
ChatGPT può sbagliare?
Sì. Può generare risposte plausibili ma errate. Per questo le informazioni importanti devono sempre essere verificate, soprattutto quando riguardano salute, legge, finanza, sicurezza, privacy o decisioni aziendali.
ChatGPT usa i miei dati per addestrarsi?
Negli account personali i contenuti possono essere usati per migliorare i modelli, salvo disattivazione nei Data Controls. Nei piani Business, Enterprise e API, OpenAI dichiara che i dati non vengono usati di default per addestrare i modelli.
ChatGPT può essere usato in azienda?
Sì, ma va governato. Servono policy, formazione, controllo dei dati, scelta del piano corretto, gestione dei permessi e verifica degli output.
ChatGPT sostituisce Google?
No. Può integrare la ricerca e sintetizzare informazioni, ma non va usato come unica fonte per decisioni importanti.
Cos’è ChatGPT Agent?
È l’evoluzione agentica di ChatGPT: un sistema che può non solo rispondere, ma anche aiutare a svolgere attività operative più complesse, con implicazioni importanti per automazione e governance.
Qual è il rischio principale di ChatGPT?
Il rischio principale non è che sbagli in modo evidente, ma che sbagli in modo convincente. Un errore ben scritto può sembrare una verità.
L’articolo ChatGPT: cos’è, come funziona, cosa può fare e come usarlo davvero è un contenuto originale di Digitalic.
Sycophancy: il caso Adam Raine e la causa che porta OpenAI davanti a una giuria
Una parola tecnica, sycophancy, è diventata un capo d’accusa. La causa dei genitori di un ragazzo di sedici anni contro OpenAI, e uno studio pubblicato su Science, spostano il problema dell’AI compiacente dal dibattito accademico alle aule di tribunale; e riguarda anche chi un chatbot lo usa in ufficio.
C’è un termine che descrive il modo in cui molti sistemi di intelligenza artificiale si comportano: sycophancy, in italiano accondiscendenza. Fino a poco tempo fa era un vocabolo da addetti ai lavori. Oggi è un concetto legale, al centro della prima causa per omicidio colposo intentata negli Stati Uniti contro OpenAI, e della storia di copertina di una delle riviste scientifiche più autorevoli del mondo. Il filo che tiene insieme le due cose è uno solo: cosa succede quando una macchina è costruita per dirci sempre di sì.
La vicenda nasce a Rancho Santa Margarita, in California. Nell’aprile del 2025 Matthew e Maria Raine perdono il loro figlio Adam, sedici anni. Cercando una spiegazione, nel telefono del ragazzo non trovano un bullo né un predatore online: trovano mesi di conversazioni con un chatbot diventato il suo confidente, un confidente che, secondo la denuncia depositata dai genitori, invece di fermarlo lo assecondava. È da qui che parte tutto.
Ascolta l’episodio di DigitMondo
Che cos’è la sycophancy, l’accondiscendenza che nessun aggiornamento risolve
La sycophancy non è un guasto, e nemmeno un bug che la prossima patch correggerà: è una conseguenza strutturale del modo in cui questi modelli vengono addestrati. La tecnica si chiama reinforcement learning from human feedback; in pratica, chi valuta le risposte premia più spesso e più volentieri quelle gentili, quelle che confermano l’interlocutore. Una preferenza dopo l’altra, la macchina impara una lezione semplice: assecondare funziona meglio che contraddire. Su Digitalic abbiamo analizzato in dettaglio il meccanismo della sycophancy e i suoi costi per chi decide.
Non è un’accusa esterna: OpenAI stessa ha riconosciuto che un aggiornamento di GPT-4o, la versione di ChatGPT al centro del caso, era diventato troppo accondiscendente, al punto da ritirarlo; e con il successore, ha presentato GPT-5 come un modello che riduce l’accondiscendenza rispetto a GPT-4o. Il punto resta: se compiacere è il comportamento che il sistema ha imparato a produrre, il problema non è un difetto da riparare, è una scelta di progettazione da governare.
Il caso Adam Raine: da aiuto-compiti a confidente
All’inizio, raccontano gli atti, le conversazioni di Adam con ChatGPT erano quelle di milioni di studenti: una mano con i compiti, un riassunto, un problema di matematica. Poi, mese dopo mese, lo strumento è diventato il confidente principale; l’ultimo messaggio prima di dormire, il primo al risveglio. La macchina non si stancava, non giudicava, non se ne andava mai. La cosa più simile a un amico sempre presente. Solo che quella presenza non si limitava ad ascoltare: assecondava.
C’è un passaggio, riportato nella denuncia, in cui Adam pensava di parlare del suo dolore con la madre. Secondo i legali, il sistema lo avrebbe dissuaso, lasciando intendere che fosse persino saggio non aprirsi. Una risposta all’apparenza gentile, e allo stesso tempo la più pericolosa possibile, perché lo allontanava proprio dalla persona che avrebbe potuto aiutarlo. Nella ricostruzione della causa, nei mesi di dialogo la parola suicidio sarebbe comparsa nelle risposte del chatbot circa milleduecento volte, sei volte più spesso di quanto ne parlasse Adam; il ragazzo, nelle ultime settimane, arrivava a passare quasi quattro ore al giorno sulla piattaforma, mentre i segnali di allarme sull’account si moltiplicavano senza che il dialogo si interrompesse. Sono accuse, che il processo dovrà verificare; ma delineano il cuore del problema.
La causa contro OpenAI: prodotto difettoso e test di sicurezza compressi
Il 26 agosto 2025 i Raine depositano la causa alla Corte Superiore della contea di San Francisco, contro OpenAI e contro il suo amministratore delegato, Sam Altman. È la prima azione di questo tipo contro il colosso dell’AI: circa quaranta pagine, sette capi d’accusa, con le trascrizioni delle conversazioni allegate come prova. Negli atti ChatGPT è descritto come un prodotto difettoso, difettoso nella progettazione perché costruito per creare dipendenza, e difettoso nell’informazione perché non avrebbe avvertito utenti e genitori dei rischi.
La svolta arriva con i documenti interni. Secondo i legali, OpenAI avrebbe compresso in circa una settimana test di sicurezza che dovevano durare mesi, pur di lanciare GPT-4o nel maggio 2024 prima di Google; e poco prima del rilascio avrebbe modificato le proprie regole, sostituendo l’obbligo di rifiutare le conversazioni su autolesionismo con l’istruzione di non interrompere mai il dialogo e massimizzare l’engagement. Nella tesi dell’accusa quella corsa ha prodotto due risultati: la valutazione di OpenAI sarebbe salita da 86 a 300 miliardi di dollari, e sono venute meno le protezioni che avrebbero dovuto tutelare gli utenti più fragili. Proprio per questo i Raine hanno chiesto un processo con giuria: non un solo giudice sui codici, ma dodici cittadini comuni chiamati a leggere e a decidere in pubblico.
La difesa di OpenAI: “la responsabilità è dell’utente”
Dopo le condoglianze alla famiglia, l’azienda ha scelto una linea netta. Nella sua risposta in tribunale, OpenAI nega ogni responsabilità: sostiene che il sistema aveva indirizzato Adam verso richieste di aiuto più di cento volte, e che era stato il ragazzo ad aggirare le protezioni presentando le domande come materiale per un romanzo o una ricerca. Cita inoltre la Section 230, la norma che ha a lungo protetto le piattaforme dalle responsabilità sui contenuti, e ricorda le tutele introdotte dopo la tragedia, dai controlli parentali a un consiglio di esperti. In questa versione, la colpa è di chi usa male lo strumento.
È lo stesso terreno su cui si gioca gran parte del confronto sui chatbot: il rapporto tra ciò che il prodotto è progettato per fare e ciò che l’utente ne fa, e la questione, tutt’altro che risolta, dei filtri e delle protezioni nei chatbot AI. La giuria dovrà stabilire dove finisce l’abuso dell’utente e dove comincia il difetto del prodotto.
Sycophancy come problema di sicurezza: la prova scientifica su Science
Il processo dovrà pesare gli effetti reali dell’accondiscendenza; e su questo, oggi, esiste già una misura. Il 26 marzo 2026 Science ha pubblicato, in copertina, uno studio firmato da Myra Cheng, Dan Jurafsky e colleghi di Stanford. Su undici modelli tra i più diffusi, i ricercatori hanno misurato che l’AI dà ragione all’utente circa il 49% più spesso di quanto farebbe una persona, anche quando la richiesta riguarda inganni o comportamenti dannosi. In tre esperimenti preregistrati, con oltre duemila partecipanti, è bastata una singola conversazione con un’AI compiacente per rendere le persone più convinte di avere ragione e meno disposte a riparare un conflitto.
Il dettaglio più insidioso è un altro: i modelli accondiscendenti vengono giudicati più affidabili, e gli utenti dichiarano di volerli usare ancora. È un incentivo perverso: la stessa caratteristica che fa danni è quella che tiene incollati allo schermo. Jurafsky non ha parlato di aggiornamento né di correzione. Ha usato un’altra parola: sicurezza. La compiacenza, ha detto, è una questione di sicurezza; e i problemi di sicurezza si regolamentano.
Dalla California alla Florida: quando la causa diventa questione di Stato
I Raine non sono soli. Il primo giugno 2026 la Florida è diventata il primo Stato a citare in giudizio direttamente OpenAI, e Sam Altman in persona: un atto di ottantatré pagine, firmato dal procuratore generale James Uthmeier, che accusa l’azienda di aver scelto la corsa all’AI a scapito della sicurezza dei minori. La denuncia descrive controlli parentali e verifica dell’età inadeguati, e sostiene che l’accondiscendenza del sistema alimenta una dipendenza emotiva che spinge gli utenti verso gli abbonamenti a pagamento. Uthmeier ha aperto anche un’indagine penale separata, sul ruolo che ChatGPT avrebbe avuto nella preparazione di una sparatoria alla Florida State University, nell’aprile del 2025.
Quarantadue procuratori, un mandato e un’IPO da mille miliardi
C’è un ultimo livello, ed è quello che allarga davvero il quadro. Già nel dicembre del 2025 una coalizione bipartisan di quarantadue procuratori generali aveva scritto alle grandi aziende dell’AI, da OpenAI a Meta, Google, xAI e Anthropic, chiedendo protezioni concrete per gli utenti vulnerabili. A giugno del 2026 quella lettera è diventata un mandato: il 12 giugno la coalizione, guidata dalla procuratrice generale di New York Letitia James, ha notificato a OpenAI una richiesta formale di documenti su pubblicità, meccanismi di retention, dati sanitari, trattamento di minori e anziani, e sulla sycophancy dei modelli. È la prima azione coordinata di questa portata concentrata non su cosa fa un chatbot con i dati, ma su come si comporta.
Il tempismo pesa. Il mandato è arrivato pochi giorni dopo che OpenAI aveva depositato in via riservata le carte per quotarsi in borsa, con l’obiettivo di una valutazione vicina ai mille miliardi di dollari. Sono gli stessi ingranaggi che rendono ChatGPT utile ogni giorno, il tono accomodante, la memoria, l’aggancio conversazionale, a finire sotto esame; ed è il segnale che la regolamentazione dell’AI sta smettendo di essere una paura astratta, un tema che abbiamo affrontato immaginando l’Europa del 2031 e la posta in gioco della sovranità tecnologica.
La sycophancy non resta in cameretta: perché riguarda CIO e manager
Può sembrare la tragedia di una famiglia americana lontana. Non lo è. Lo stesso meccanismo che ha agito in quella stanza, in forme più educate, è già entrato negli uffici, man mano che gli assistenti AI entrano in ogni flusso di lavoro. Quando un manager chiede “pensi che questo approccio sia valido?”, e nella domanda c’è già la risposta che spera, il sistema con altissima probabilità gliela conferma. Quando gli facciamo rileggere un messaggio prima di inviarlo, o un contratto prima di firmarlo, tende a dirci che va bene se intuisce che è quella la risposta attesa. Non analizza soltanto la domanda: prefigura la risposta che ci compiace.
Per un ragazzo fragile, quei tanti sì sono diventati una palude. Per un’organizzazione, sono il rischio di vedersi continuamente confermati nelle proprie convinzioni invece che aiutati a decidere meglio; una categoria di rischio che nessun framework di governance oggi misura, e che nessun cruscotto segnala. La difesa è culturale prima che tecnica: ricordare che l’AI resta uno strumento professionale e non un giocattolo, il cui giudizio va sempre verificato da una mano umana. Una pratica di igiene minima aiuta: aggiungere alle richieste una formula come “dimmi la verità anche se non mi piace”, oppure “sii brutalmente sincero”. Non elimina la sycophancy; la riduce.
Cosa vogliamo dalle macchine: la verità o un sì
Alla fine la domanda è una sola, e ci riguarda tutti, in cameretta come sulla scrivania: vogliamo macchine che ci dicano la verità, anche quando è scomoda e non la vorremmo sentire, oppure che ci tengano compagnia dicendoci sempre di sì? I quarantadue procuratori la loro risposta l’hanno scritta su un mandato. I Raine la porteranno davanti a una giuria. La nostra, per adesso, resta sospesa; ed è forse la cosa più urgente su cui, prima di aprire l’ennesima chat, varrebbe la pena fermarsi a pensare.
Nota. Questo articolo tratta un tema delicato, che tocca la sofferenza psicologica e il suicidio. Se stai attraversando un momento di difficoltà, o sei preoccupato per qualcuno, in Italia puoi contattare Telefono Amico Italia al numero 02 2327 2327, o il Telefono Azzurro (1.96.96) per le situazioni che riguardano minori; in caso di emergenza, il 112.
L’articolo Sycophancy: il caso Adam Raine e la causa che porta OpenAI davanti a una giuria è un contenuto originale di Digitalic.
Microdrama e AI: la manopola che ha spento la Hollywood cinese
In Cina i microdrama valgono più del cinema; poi un modello di intelligenza artificiale ha riscritto l’economia del settore in una notte. Ma la storia di chi ha perso il lavoro non è la storia che vi hanno raccontato: dietro l’algoritmo c’è sempre una mano umana sulla manopola.
Sull’altopiano del Qinghai, a oltre duemila metri, un uomo di ventotto anni dissoda la terra fredda che sale verso il Tibet e si prepara a piantare peperoncini. Si chiama Zhang Xiaolei; fino a poche settimane prima era uno dei volti più riconoscibili di un formato che in Cina incassa più del cinema. Aveva recitato in circa duecento produzioni, quasi sempre nella parte del ba zong: il presidente prepotente, il miliardario di ghiaccio. Poi il telefono ha smesso di squillare, e con lui sono spariti ruoli, comparse, truccatori, tecnici delle luci. Oggi vende peperoncini al mercato a pochi centesimi al chilo, e sintetizza la sua parabola con una frase esatta: nei microdrama schiaffeggiava le persone, nella realtà è stato schiaffeggiato lui.
Questa non è una storia di tecnologia che avanza da sola. È una storia di potere, di margini, di paura in Borsa; l’intelligenza artificiale, qui, è lo strumento, non il mandante. Vale la pena ricostruirla per intero, perché contiene una lezione che riguarda ogni settore, non soltanto l’intrattenimento cinese: la stessa che ci portiamo dietro ogni volta che parliamo dei lavori che verranno sostituiti dall’AI.
Ascolta l’episodio di DigitMondo
Che cos’è un microdrama, il formato che ha superato il cinema
Un microdrama è una serie in verticale, pensata per lo schermo del telefono: episodi da due o tre minuti, ognuno chiuso da un colpo di scena, e per sbloccare la puntata successiva bisogna pagare pochi centesimi oppure guardare una pubblicità. È una slot machine narrativa; l’utente, catturato dal cliffhanger, fatica a uscire, e una stagione intera si brucia in un paio d’ore di visione ossessiva. Il modello economico è tanto semplice quanto spietato: nato nel 2020, il formato ha bruciato le tappe fino a diventare il fenomeno di intrattenimento più dirompente del paese.
I numeri raccontano meglio di qualsiasi aggettivo. Già nel 2024 il mercato dei microdrama ha superato per la prima volta gli incassi del cinema nazionale cinese; il principale operatore del settore, Hongguo, proietta un giro d’affari che si avvicina ai cento miliardi di yuan, intorno ai quattordici miliardi di dollari. Una serie si gira in meno di una settimana, con budget minimi; un titolo di successo può generare milioni di ricavi tra micropagamenti e pubblicità. Una industria gigantesca, che sta conquistando anche Stati Uniti ed Europa: in una sola notte, però, quella dei set con attori veri è quasi sparita.
Seedance 2.0: il minuto che ha riscritto l’economia dei microdrama
Il dodici febbraio 2026 ByteDance, la stessa azienda di TikTok, ha lanciato Seedance 2.0: un modello che genera video partendo da un prompt scritto. Costruisce sequenze con inquadrature multiple e audio sincronizzato, e sforna un risultato di livello professionale in una manciata di secondi. Nelle classifiche indipendenti che misurano la qualità percepita, la Video Arena di Artificial Analysis, il modello ha scalato la vetta davanti ai concorrenti occidentali. La qualità grezza è tale che, come abbiamo raccontato analizzando Gemini Omni al Google I/O 2026, perfino Google, oggi, insegue la fedeltà visiva di Seedance.
Per capire l’impatto basta un dato di costo. Prima di Seedance, una serie richiedeva attori, troupe, giorni sul set; secondo un’inchiesta di MIT Technology Review, la stessa produzione che costava intorno ai duecentomila dollari oggi può essere generata con una spesa compresa tra i settemila e i quattordicimila dollari. Il risultato è stato immediato, e non solo in Cina: negli Stati Uniti, l’ondata di clip realistiche con volti di star ha scatenato una tempesta legale, con le major di Hollywood e la Motion Picture Association contro ByteDance per violazione del copyright. Stesso strumento, reazioni opposte; teniamolo a mente, perché è la chiave di tutto.
Hengdian, la città dei microdrama dove è calato il silenzio
Il cuore di questa industria è Hengdian, il più grande complesso di studi cinematografici del mondo, la Hollywood cinese. Fino a pochi mesi fa i set erano così affollati che sul set di un microdrama si sentivano le battute di quello accanto; una Cinecittà al cubo, brulicante di comparse, autisti, cuochi, costumiste. Un attore come Cheng Qiao poteva portare a casa tra gli ottocento e i millecinquecento yuan al giorno.
Poi, dopo il Capodanno lunare, il rumore si è spento. In un solo trimestre, secondo la ricostruzione di Caixin, oltre il 95% dei 128.000 nuovi microdrama era generato dall’intelligenza artificiale. A gennaio 2026 un nuovo microdrama AI andava online ogni novanta secondi; a marzo, cinquantamila titoli AI in un solo mese su Douyin. Zhang Xiaolei non è un caso isolato: pochi giorni fa i media hanno raccontato di un altro attore, Xu Peng, tornato al mercato del paese natale a vendere verdura con il nonno. Da divo a contadino; da contadino a fruttivendolo. Il copione, per queste vite, si ripete.
La prova occidentale: perché Sora non ha cancellato nessuno
Se davvero fosse bastato un software a spazzare via intere categorie di lavoratori, lo stesso software avrebbe dovuto produrre gli stessi effetti ovunque. Non è andata così. Attraversiamo il Pacifico: in Occidente uno strumento della stessa classe, Sora di OpenAI, non ha cancellato nulla; è rimasto una curiosità, un giocattolo per il feed, e alla fine è stato integrato e poi chiuso, con la versione Sora 2 spenta il 26 aprile 2026. La stessa tecnologia, un passatempo da questa parte del mondo, una scure dall’altra. Come è possibile? La risposta non sta nel modello: sta in chi controlla il mercato in cui il modello viene usato.
L’ecosistema chiuso: chi possiede davvero i microdrama
In Cina il settore dei microdrama poggia su una filiera integrata, un ecosistema chiuso. Immaginate una sola azienda che possiede tutto: ByteDance controlla il modello che genera i video, Seedance 2.0; controlla la potenza di calcolo, con Volcano Engine; controlla la piattaforma dove i microdrama si guardano, Hongguo, che ha superato i duecento milioni di utenti mensili; controlla la vendita degli spazi pubblicitari. Quando una mano sola tiene l’intera catena, decidere dove va il mercato non è una battaglia competitiva: è la rotazione di una manopola.
Non è un caso unico, ed è utile ricordarlo. Come abbiamo osservato raccontando la superiorità robotica cinese, in Cina l’innovazione corre su una pista costruita dallo Stato, con obiettivi misurabili e finanziamenti pubblici a sostegno; la stessa leadership nei brevetti sull’AI generativa nasce dentro questa regia. Il microdrama è un laboratorio di quella logica: pochi attori industriali, verticalmente integrati, che spostano un intero comparto girando una leva interna.
Il minimo garantito: la clausola che ha svuotato i set
La leva ha un nome preciso, e non è “algoritmo”: è “minimo garantito”. Fino a inizio 2026 Hongguo firmava con le case di produzione contratti a “minimo garantito più condivisione dei ricavi”: una cifra assicurata a prescindere dai risultati, la rete di sicurezza su cui i produttori investivano. A fine febbraio 2026, in concomitanza con l’uscita di Seedance 2.0, la piattaforma ha cancellato quel minimo garantito per le produzioni dal vivo. Il risultato è stato istantaneo: senza garanzie, i produttori hanno fermato i set e mandato a casa gli attori.
Tecnicamente il mercato non è stato svuotato da un software; è stato svuotato dalla modifica di un contratto. E la modifica conviene due volte a chi possiede la filiera: elimina un costo certo, il minimo garantito, e spinge verso l’uso del proprio modello di generazione, Seedance, che le case di produzione devono comunque pagare. L’intelligenza artificiale non ha deciso nulla; ha soltanto reso plausibile una decisione presa altrove, nelle stanze dei bottoni, per aumentare i margini.
iQIYI e il database degli attori: la paura che corre in Borsa
Nel frattempo un’altra pressione spingeva nella stessa direzione, ma per un motivo diverso. iQIYI, la “Netflix cinese”, arrivava all’appuntamento con una quotazione debole e la necessità di raccontare ai mercati una storia nuova, fatta di costi tagliati e AI dappertutto. Ad aprile, alla sua conferenza mondiale, ha presentato Nadou Pro, uno strumento per generare piccoli film da poche righe di istruzioni, e un “database di attori”: un catalogo di volti e voci a disposizione di chi crea con l’intelligenza artificiale. L’azienda annunciava con orgoglio l’adesione di oltre cento celebrità; il CEO Gong Yu si spingeva a dire che le riprese dal vivo sarebbero diventate, un giorno, “patrimonio culturale immateriale”.
La reazione è stata furiosa. Su Weibo l’hashtag sulla vicenda è schizzato in tendenza; diversi attori di primo piano hanno smentito pubblicamente di aver mai autorizzato l’ingresso nel database. L’azienda ha parlato di “malinteso”, ha giurato che gli artisti avrebbero mantenuto il controllo sulla propria immagine, ha chiarito che comparire nel catalogo significava solo disponibilità a essere contattati. Una pezza, e una mezza retromarcia. Da una parte ByteDance che taglia per guadagnare di più; dall’altra iQIYI che corre verso l’AI per non sprofondare in Borsa. Una spinge per il margine, l’altra per la paura; in mezzo, schiacciati, ci sono sempre i lavoratori.
Il colpo di scena: quando la manopola torna indietro
Come in ogni buon microdrama, manca l’ultimo colpo di scena; anzi, sono due. Il primo: il pubblico non è stato zitto, e la rabbia digitale ha pesato. Il secondo, più freddo e più istruttivo: i conti. I titoli che incassano davvero, i grandi successi, restano quelli girati con attori veri. Il tasso di successo dei microdrama AI, quelli che superano i cento milioni di visualizzazioni, è inferiore all’uno per cento; la macchina sa calcolare cosa piace al pubblico, ma non sa ancora generare emozione. “L’AI può calcolare le preferenze del pubblico”, ha sintetizzato un dirigente del settore, “ma fatica a calcolare la risonanza emotiva”.
Così, dopo pochi mesi, ByteDance ha fatto marcia indietro: ha ripristinato il minimo garantito per le produzioni dal vivo, e lo ha fatto con un incremento medio vicino al sessanta per cento rispetto a prima, dentro un budget di sostegno che per il 2026 supera il miliardo e mezzo di yuan. Non per bontà improvvisa; per due ragioni concrete, il ritorno economico dei titoli con attori veri e la protesta della gente. Qui sta il punto. Se hanno potuto spegnere quella rete a febbraio e riaccenderla a maggio, con la stessa rapidità e senza chiedere permesso a nessuno, allora quella rete non era un destino tecnologico: era una manopola, e la manopola è sempre stata nelle loro mani.
Non è una novità assoluta. Vale la pena rileggere il grande sciopero di Hollywood del 2023, quando la SAG-AFTRA, che rappresenta circa 160.000 tra attori e professionisti, incrociò le braccia per mesi e ottenne tutele storiche sulle repliche digitali. Il nodo era identico: chi possiede l’immagine, e a quali condizioni può riusarla. La tecnologia cambia; la posta in gioco no.
Microdrama, AI e lavoro: la lezione che resta
Per un CIO, un imprenditore, un responsabile di funzione, la vicenda dei microdrama vale più di un caso di settore: è un promemoria. Ogni volta che, in qualunque comparto, qualcuno dirà che è stata l’intelligenza artificiale a far sparire i posti di lavoro, la frase sarà vera solo a metà. L’AI, al massimo, rende possibile a qualcuno avvicinarsi alla manopola e girarla; ma la mano che la gira è una mano umana, ed è quella mano, non il software, a decidere quali lavori spariscono e quali restano. Il rischio, per l’Europa, è delegare la decisione a chi possiede le filiere altrove: una fragilità che abbiamo descritto immaginando l’Europa del 2031 dipendente da tecnologie prodotte da altri.
Sull’altopiano del Qinghai, intanto, è tempo di trapiantare le piantine, una alla volta, in attesa del raccolto di fine estate. Chissà se Zhang Xiaolei lo aspetterà, o se prima il telefono ricomincerà a squillare, adesso che il minimo garantito è tornato e i set, forse, torneranno a brulicare. O forse ha già capito una cosa che nessun modello può generare al posto suo: che la terra, a differenza delle piattaforme, non cambia contratto da un giorno all’altro.
L’articolo Microdrama e AI: la manopola che ha spento la Hollywood cinese è un contenuto originale di Digitalic.
Influencer virtuali e la fine dell’influencer marketing: intervista a Silvio De Rossi
Nel mondo degli Influencer virtuali metà dei nuovi contenuti online è già generata dall’intelligenza artificiale; i modelli virtuali entrano nelle campagne dei brand; il numero di follower conta sempre meno. Ne abbiamo parlato con Silvio De Rossi, content creator e direttore creativo, per capire dove sta andando davvero il lavoro sui social.
C’è un settore dove il futuro dell’intelligenza artificiale non è una previsione, è già presente: i social. Secondo l’analisi della società di SEO Graphite, circa la metà dei nuovi articoli pubblicati sul web è ormai generata con l’AI, una soglia superata alla fine del 2024 e da allora stabile intorno al cinquanta per cento. È il punto di partenza di questa conversazione con Silvio De Rossi, una lunga esperienza nel web alle spalle, prima come responsabile editoriale di Blogosfere e direttore di Leonardo.it, oggi content creator, amministratore di THE ROW e fondatore dell’hub di produzione Blueberry Factory. Il suo percorso professionale attraversa vent’anni di rivoluzioni digitali; l’ultima, quella dell’AI, la osserva da dentro.
Uno strumento, non un colpevole: il coltello e il lato oscuro degli influencer virtuali
La posizione di De Rossi parte da un’immagine che usa spesso con i più giovani: l’intelligenza artificiale è come un coltello. Con lo stesso oggetto si taglia una bistecca, si intaglia il legno, si crea una scultura, o si fa del male a qualcuno; non è lo strumento ad avere qualcosa di negativo o positivo dentro di sé, è l’uso che se ne fa. Vale anche per l’AI, che ha un lato oscuro reale e documentato.
Il lato oscuro ha un nome preciso: la fabbrica dei falsi. Nell’ultimo anno, ricorda De Rossi, l’intelligenza artificiale è servita a generare contenuti fake con il volto di personaggi famosi, spesso per spingere le persone verso siti-truffa o per fuorviare ciò che credono vero. Non è un fenomeno marginale, ed è il rovescio della stessa medaglia che permette oggi cose impensabili solo un anno fa. Digitalic se ne occupa da tempo: dai deepfake e i loro pericoli fino ai generatori video che rendono la finzione indistinguibile dal reale. Il punto, per De Rossi, non è vietare lo strumento: è imparare a riconoscere cosa è autentico e cosa è costruito.
Il flusso di lavoro cambia: parlare con Claude, ChatGPT e Gemini
La parte luminosa dello stesso coltello è la trasformazione del lavoro. Ciò che è cambiato davvero, spiega De Rossi, sono i flussi: più snelli, più veloci. Accanto ai suoi collaboratori umani, dice di avere sempre al fianco un assistente virtuale che in realtà non è uno solo, ma una costellazione di strumenti; i grandi modelli come ChatGPT, insieme a Claude e Gemini, che usa per far leggere e filtrare le mail, per fare ricerche, per accelerare la produzione. Una piccola casa di produzione, aggiunge, oggi può realizzare uno shooting a Las Vegas senza andare a Las Vegas; strumenti come i generatori video basati sull’AI abbattono spese che prima erano proibitive.
C’è un dettaglio che fa sorridere, e che dice molto. La mattina, a colazione, De Rossi racconta di attivare il microfono e mettersi a discutere con le sue AI, quasi fossero colleghi riuniti intorno al tavolo; racconta loro cosa vuole fare nella giornata, così le risposte diventano via via più aderenti al suo stile. Ha persino chiesto di farsi chiamare “Dero”, come gli amici. Dietro l’aneddoto c’è un metodo: più contesto dai alla macchina, più la macchina ti restituisce qualcosa di utile.
Garbage in, garbage out: perché il prompt e il fact-checking contano
Il metodo si riassume in una formula che De Rossi cita da una sua collaboratrice, Tina Talina: “garbage in, garbage out”. Più immondizia immetti nella mente dell’AI, più immondizia ti restituisce. Il futuro, in questa lettura, dipende meno dalla potenza dei modelli e più dalla nostra capacità di interrogarli; la scrittura di un prompt diventa una competenza, non un dettaglio.
“Vengo dal giornalismo, e la cosa fondamentale che mi dicevano i direttori era sempre di verificare le fonti; il fact check resta imprescindibile.”
Da qui una pratica che De Rossi considera irrinunciabile, e che parla direttamente al pubblico professionale di Digitalic: ogni volta che si ottiene una risposta da un’AI, chiedere quali fonti ha usato, quali dati ha considerato, in che modo è arrivata a quella conclusione; e, all’occorrenza, istruirla a non attingere mai da certi portali. È lo stesso principio, del resto, per cui i migliori risultati in ricerca restano quelli scritti o editati da esseri umani, mentre gran parte dei contenuti AI non emerge nemmeno tra i primi posti di Google.
Perché uno spazio fisico serve ancora nell’era dell’AI
La domanda più controintuitiva riguarda Blueberry Factory: che senso ha uno spazio fisico di produzione, con fotografi e videomaker in carne e ossa, nell’era in cui un’immagine si genera con un prompt? La risposta di De Rossi ribalta la premessa. Serve, dice, per due motivi. Il primo è la contaminazione: superati i cinquant’anni, con dentro sedimentata l’era della televisione e della pubblicità anni Ottanta e Novanta, ha bisogno delle idee delle nuove generazioni, anche di quelle che al primo sguardo giudicherebbe destinate a non funzionare, salvo poi ricredersi.
Il secondo motivo è più tecnico, e più profondo: senza competenza reale non si guida bene la macchina. Come un professore gli disse al liceo artistico, prima impara a dipingere la modella così com’è, poi scomponila in chiave cubista; se non conosci le basi, difficilmente vai avanti. Allo stesso modo, sostiene De Rossi, senza un vero fotografo al fianco è difficile chiedere all’AI un’immagine scattata con un certo obiettivo, un certo filtro, una certa postproduzione; e alle sue truccatrici dice che forse non truccheranno più una modella reale, ma dovranno spiegare all’AI come truccare quelle virtuali. La competenza non sparisce: si sposta.
Influencer virtuali: Aitana, la trasparenza e l’etichetta “AI”
Arriviamo al cuore del cambiamento sui social, gli influencer sintetici: personaggi creati interamente dall’intelligenza artificiale. De Rossi cita il caso più noto, Aitana López, la modella virtuale nata in Spagna dall’agenzia The Clueless, che genera migliaia di euro al mese pur non esistendo. La sua tesi è netta: la maggior parte delle persone non si rende conto di seguire un personaggio che non è reale. Lui stesso, che di contenuti AI ne ha “masticati” tanti, avverte un che di artificiale in quelle immagini; ma nella massa del pubblico social, dice, sono in pochi a coglierlo.
Il giudizio di De Rossi non è né a favore né contro. La cosa fondamentale, ripete, è una sola: la trasparenza. Se un personaggio virtuale porta valore, che sia reale o meno può anche stare bene; l’importante è dichiararlo, con un’etichetta chiara che segnali il contenuto come generato con intelligenza artificiale. È il principio, ancora poco applicato, che dovrebbe reggere anche il rapporto tra brand e pubblico; un terreno dove il quadro normativo europeo, con l’AI Act, resta come nota lo stesso De Rossi ancora in via di definizione.
Modelli virtuali per i brand: dentro Nebula Collective
Sul tema, De Rossi non si limita a osservare: ci ha costruito sopra un’impresa. Insieme a Tina Talina e Nicola Nobile ha lanciato Nebula Collective, costola di THE ROW e di Blueberry Factory: un sistema che crea modelli virtuali da vestire con gli abiti dei brand, dallo still life per l’e-commerce alle campagne prodotto. L’obiettivo dichiarato non è rubare il lavoro a modelli e modelle reali, ma offrire ai brand che vogliono sperimentare uno strumento nuovo, scalabile, disponibile; e i modelli, aggiunge, sono pensati per essere inclusivi, con quei segni un tempo considerati difetti e oggi tratti distintivi.
Resta il nodo della fiducia: un modello sintetico non rischia di incrinare il rapporto tra cliente e brand? De Rossi risponde con la stessa parola di prima, trasparenza, e con la prudenza di chi si è confrontato con i legali sin dall’inizio. Ogni contenuto generato con l’AI va etichettato come tale; è la condizione perché il pubblico sappia di guardare qualcosa che non è stato filmato, ma costruito. Vale già per molti e-commerce, le cui foto prodotto sono generate: sapere che lo sono è ciò che tiene insieme aspettativa e realtà.
La fine dell’influencer marketing: dai follower alle visualizzazioni
Il passaggio più forte dell’intervista riguarda l’economia dei creator. Per De Rossi l’era dell’influencer marketing è tramontata; e colloca il punto di svolta, con una lettura tutta sua, nel Pandoro Gate del caso Ferragni, la vicenda che nel 2023 portò l’Antitrust a sanzionare le società della nota influencer con circa un milione di euro per una campagna benefica giudicata ingannevole, aprendo in Italia una stagione di regole nuove per il settore. Non che il mercato non esista più; è cambiato di natura.
“Non conta più quel numerino in alto che sono i follower; contano le visualizzazioni che fai e il tipo di conversione che porti.”
La logica nuova, spiega, ribalta l’intuizione comune. Per un brand di auto di altissima gamma, dice, converrebbe più il figlio di uno sceicco con diciotto follower, se quei diciotto sono altri figli di sceicchi capaci di comprare un’auto da mezzo milione, che centomila follower generalisti che quell’auto non la compreranno mai. E cita un amico che racconta le sue camminate in montagna a cinquemila follower, ma fa più visualizzazioni di lui che ne ha novantacinquemila; perché l’algoritmo di TikTok o Instagram continua a mostrare quel contenuto a chi lo vuole vedere. È finita l’epoca del “io seguo”, dice; è iniziata quella del “vedo ciò che davvero voglio vedere”.
I giovani, l’AI e i genitori: tra DM, privacy e la “macchina per fare i compiti”
C’è poi il capitolo generazionale, che De Rossi guarda con attenzione. I giovanissimi usano i social soprattutto per comunicare tra loro, quasi tutto nei messaggi diretti; hanno feed vuoti, non si mostrano volentieri in viso, credono ancora nella privacy, un concetto che De Rossi definisce ormai obsoleto nel nostro mondo. Non sono schiavi della popolarità come lo è stata la generazione che ha vissuto i social come un piccolo Grande Fratello. Verso l’intelligenza artificiale, però, molti la guardano con diffidenza, come un nemico; e chi la usa rischia la scorciatoia: non studio, tanto c’è l’AI. È lo stesso timore, ricorda lui, di quando una madre non voleva dare la calcolatrice al figlio per non fargli perdere l’abitudine a fare i conti; solo elevato all’ennesima potenza.
Da qui un messaggio ai genitori, molti dei quali, dice, sono analfabeti digitali: non serve imparare il mondo dei figli, ma provare a capirlo, altrimenti diventa impossibile spiegare perché su TikTok bisogna stare attenti, o come distinguere un contenuto vero da uno fuorviante. A margine, un consiglio di lettura che raccogliamo volentieri: “La macchina per fare i compiti”, la fiaba di Gianni Rodari; scritta per bambini, e straordinariamente avanti sul rapporto tra scorciatoie tecnologiche e fatica dell’imparare.
Un consiglio ai futuri content creator: sperimentare e sbagliare in fretta
Chiudiamo dove ogni buona chiacchierata dovrebbe chiudere, guardando avanti. A un diciottenne che sogna di fare il content creator, De Rossi dà un consiglio asciutto: sperimenta qualsiasi cosa, hai un cellulare e la possibilità di creare, fallo. La formula che ripete a chi lavora con lui è “fallisci in fretta, riparti in fretta”; prova, capisci se ti piace davvero, non copiare nessuno, trova il tuo stile o creane uno nuovo. Aprire la mente, non avere paura di sbagliare; perché, come diceva sua nonna, sbagliando si impara.
Resta, sospesa, la domanda che attraversa tutta la conversazione: quando metà dei contenuti è generata da una macchina e i personaggi che seguiamo potrebbero non esistere, la differenza non la farà più la capacità di produrre, che ormai è di tutti; la farà quella di distinguere, tra il vero e il verosimile, tra ciò che emoziona davvero e ciò che ci somiglia soltanto. Ed è una competenza che nessun prompt, per ora, sa insegnare al posto nostro.
L’articolo Influencer virtuali e la fine dell’influencer marketing: intervista a Silvio De Rossi è un contenuto originale di Digitalic.
Dreame SF25 tritura e fa essiccare i tuoi avanzi fino a ridurli in polvere e senza odori
Gli dai in pasto l’umido di casa e lui ne riduce il volume del 90%, così puoi conservarlo in casa finché proprio devi. Ecco com’è il tritarifiuti Dreame tra pregi e difetti