L\u2019intelligenza artificiale \u00e8 ormai entrata nei processi aziendali con una velocit\u00e0 che, fino a pochi anni fa, sarebbe stata difficile da immaginare. In molte imprese non si parla pi\u00f9 soltanto di sperimentazione, ma di strumenti gi\u00e0 integrati nella gestione quotidiana: piattaforme per analizzare documenti, software predittivi, sistemi di automazione, chatbot, applicazioni per la selezione del personale, strumenti per classificare pratiche, valutare dati, generare report o supportare decisioni commerciali e operative.<\/p>\n\n\n\n
Il punto critico \u00e8 che spesso questi strumenti non entrano in azienda attraverso un unico percorso controllato. In alcuni casi vengono scelti dal management, con un progetto definito e un budget dedicato. In altri casi, invece, vengono adottati in modo frammentato dai singoli reparti: marketing, risorse umane, vendite, customer care, amministrazione, procurement, compliance, sicurezza informatica. Il risultato \u00e8 una mappa difficile da ricostruire, fatta di pi\u00f9 fornitori, pi\u00f9 piattaforme, pi\u00f9 dati trattati e pi\u00f9 output generati da sistemi che non sempre sono stati valutati con la necessaria attenzione.<\/p>\n\n\n\n\n\n\n\n
Questa situazione apre un tema centrale per le imprese: non basta chiedersi se uno strumento AI sia utile, performante o conveniente. Occorre capire se sia governabile. Significa sapere quali dati utilizza, dove vengono conservati, chi pu\u00f2 accedervi, come vengono prodotti gli output, quali decisioni possono essere influenzate, quali controlli umani sono previsti e quale responsabilit\u00e0 resta in capo all\u2019azienda che decide di adottarlo.<\/p>\n\n\n\n
In questo scenario, la due diligence tecnologica sui fornitori AI diventa un passaggio essenziale. Non \u00e8 un adempimento formale, ma uno strumento di protezione aziendale. Serve a evitare che l\u2019impresa diventi dipendente da soluzioni opache, difficili da verificare o non adeguatamente documentate.<\/p>\n\n\n\n
Per anni l\u2019acquisto di tecnologie aziendali \u00e8 stato valutato soprattutto su alcuni criteri classici: funzionalit\u00e0, costo, integrazione con i sistemi esistenti, sicurezza informatica, assistenza, continuit\u00e0 del servizio e facilit\u00e0 d\u2019uso. Con l\u2019intelligenza artificiale questa valutazione non \u00e8 pi\u00f9 sufficiente.<\/p>\n\n\n\n
Un software tradizionale, in genere, consente di archiviare dati, automatizzare procedure o gestire operazioni. Un sistema AI pu\u00f2 fare qualcosa di pi\u00f9 delicato: pu\u00f2 interpretare informazioni, classificare contenuti, generare testi, assegnare punteggi, suggerire priorit\u00e0, individuare anomalie, prevedere comportamenti, proporre decisioni o influenzare il modo in cui un operatore umano legge una determinata situazione.<\/p>\n\n\n\n
La differenza \u00e8 sostanziale. Quando un sistema AI entra in un processo aziendale, non si limita sempre a eseguire un comando. In molti casi contribuisce a orientare una scelta. Pu\u00f2 suggerire quale candidato approfondire, quale cliente considerare pi\u00f9 rischioso, quale pratica trattare con urgenza, quale segnalazione archiviare, quale documento considerare rilevante, quale risposta fornire a un utente.<\/p>\n\n\n\n
Proprio per questo, il procurement tecnologico deve diventare anche un presidio di governance. Acquistare una soluzione AI significa valutare non solo la qualit\u00e0 tecnica dello strumento, ma anche la sua trasparenza, la tracciabilit\u00e0 delle operazioni, la documentazione disponibile, le garanzie contrattuali e la possibilit\u00e0 di ricostruire le decisioni influenzate dal sistema.<\/p>\n\n\n\n
La domanda da porre a ogni fornitore \u00e8 semplice, ma decisiva: questo strumento permette all\u2019azienda di spiegare come \u00e8 stato generato un risultato?<\/p>\n\n\n\n
Se la risposta \u00e8 vaga, il rischio aumenta. Una piattaforma pu\u00f2 funzionare bene in fase dimostrativa, apparire innovativa e promettere risparmi di tempo significativi. Ma la sua reale affidabilit\u00e0 emerge solo quando vengono analizzati documentazione, log, gestione dei dati, controlli, aggiornamenti, limiti dichiarati e responsabilit\u00e0 del provider.<\/p>\n\n\n\n
Il quadro normativo europeo sull\u2019intelligenza artificiale rende questo tema ancora pi\u00f9 rilevante. L\u2019AI Act introduce un sistema di regole basato sul rischio e prevede obblighi diversi a seconda del ruolo dell\u2019operatore e dell\u2019utilizzo concreto dello strumento.<\/p>\n\n\n\n
Molte aziende non saranno produttrici di sistemi AI, ma utilizzatrici di soluzioni messe a disposizione da fornitori terzi. Questo ruolo, per\u00f2, non le esonera da responsabilit\u00e0. Quando un\u2019impresa integra uno strumento AI nei propri processi, soprattutto se lo utilizza in ambiti sensibili, deve essere in grado di dimostrare di averlo adottato e gestito in modo corretto.<\/p>\n\n\n\n
La data del 2 agosto 2026 rappresenta una soglia importante perch\u00e9 segna l\u2019applicazione di una parte significativa delle regole previste dal Regolamento europeo, incluse quelle relative a diversi sistemi ad alto rischio, agli obblighi di trasparenza e ai meccanismi di controllo da parte delle autorit\u00e0 competenti.<\/p>\n\n\n\n
Per le imprese, attendere l\u2019ultimo momento sarebbe un errore. La compliance AI non si costruisce in poche settimane. Richiede una mappatura degli strumenti gi\u00e0 utilizzati, una classificazione dei rischi, una revisione dei fornitori, un controllo dei contratti e una definizione chiara dei ruoli interni.<\/p>\n\n\n\n
Il tema non riguarda soltanto le grandi multinazionali. Anche una PMI pu\u00f2 utilizzare strumenti AI integrati in software gestionali, piattaforme HR, sistemi CRM, tool di marketing automation, servizi cloud, chatbot o applicazioni per l\u2019analisi documentale. In molti casi l\u2019intelligenza artificiale \u00e8 gi\u00e0 presente nei processi, anche se l\u2019azienda non l\u2019ha ancora censita formalmente.<\/p>\n\n\n\n
Non tutti gli utilizzi dell\u2019intelligenza artificiale hanno lo stesso livello di rischio. Uno strumento usato per riassumere testi interni ha un impatto diverso da un sistema che valuta candidati, clienti, lavoratori, debitori o controparti commerciali.<\/p>\n\n\n\n
Le aree pi\u00f9 delicate sono quelle in cui l\u2019AI incide su persone fisiche, diritti, accesso a servizi, credito, lavoro, sicurezza, reputazione o decisioni ad alto impatto.<\/p>\n\n\n\n
Una prima area sensibile riguarda le risorse umane. I sistemi utilizzati per selezionare candidati, filtrare curriculum, valutare performance, assegnare mansioni o supportare decisioni su promozioni e cessazioni del rapporto di lavoro devono essere analizzati con particolare attenzione. Il rischio non \u00e8 soltanto tecnico, ma anche organizzativo e reputazionale. Un algoritmo pu\u00f2 amplificare bias, interpretare male dati incompleti o produrre valutazioni difficili da contestare se non esiste una tracciabilit\u00e0 adeguata.<\/p>\n\n\n\n
Una seconda area riguarda credito, solvibilit\u00e0 e valutazione economica. Strumenti che supportano attivit\u00e0 di scoring, analisi del rischio, valutazione dell\u2019affidabilit\u00e0 o gestione delle posizioni debitorie possono incidere in modo significativo su decisioni commerciali e patrimoniali. In questi casi \u00e8 fondamentale sapere quali dati sono stati utilizzati, quale peso hanno avuto nell\u2019elaborazione e quale controllo umano \u00e8 intervenuto prima della decisione finale.<\/p>\n\n\n\n
Una terza area riguarda customer care e interazione con il pubblico. Chatbot, assistenti virtuali e sistemi generativi possono migliorare la velocit\u00e0 di risposta, ma devono essere gestiti con trasparenza. L\u2019utente deve poter comprendere quando interagisce con un sistema automatizzato e l\u2019azienda deve mantenere il controllo sui contenuti prodotti, sulle informazioni fornite e sugli eventuali errori.<\/p>\n\n\n\n
Una quarta area riguarda sicurezza, compliance e investigazioni interne. L\u2019AI pu\u00f2 essere molto utile nell\u2019analisi di anomalie, flussi documentali, segnalazioni, comportamenti digitali o rischi aziendali. Tuttavia, proprio in questi ambiti, \u00e8 indispensabile definire finalit\u00e0, limiti, accessi autorizzati, conservazione dei dati, controllo umano e coordinamento con privacy, diritto del lavoro e sicurezza informatica.<\/p>\n\n\n\n
Una due diligence efficace parte dalla classificazione dell\u2019utilizzo previsto. Prima ancora di valutare il prezzo o le funzionalit\u00e0, l\u2019impresa dovrebbe chiedersi a cosa servir\u00e0 concretamente lo strumento AI, quali reparti lo useranno e quali dati verranno trattati.<\/p>\n\n\n\n
Il fornitore deve essere in grado di spiegare la finalit\u00e0 del sistema, il ruolo che ricopre nella catena del valore, le categorie di dati coinvolte, i soggetti interessati, le integrazioni con altri strumenti e l\u2019eventuale classificazione del sistema in base al livello di rischio.<\/p>\n\n\n\n
Il secondo aspetto riguarda la documentazione. Un provider affidabile dovrebbe fornire istruzioni d\u2019uso chiare, descrizione del funzionamento, limiti noti, misure di sicurezza, livelli di accuratezza dichiarati, modalit\u00e0 di monitoraggio, gestione degli aggiornamenti, policy sui dati e procedure in caso di incidenti.<\/p>\n\n\n\n
Il terzo punto riguarda la gestione dei dati. L\u2019azienda deve sapere dove vengono conservati, se vengono trasferiti a terzi, quali subfornitori intervengono, se possono essere utilizzati per addestrare modelli, come vengono protetti, per quanto tempo vengono conservati e in che modo possono essere cancellati o esportati.<\/p>\n\n\n\n
Il quarto punto riguarda la tracciabilit\u00e0. Se un sistema AI genera output che influenzano decisioni aziendali, devono restare disponibili elementi utili a ricostruire il processo: input rilevanti, output prodotti, versione del sistema, timestamp, utenti coinvolti, interventi umani, modifiche, escalation e incidenti.<\/p>\n\n\n\n
Il quinto punto riguarda la supervisione umana. Non basta prevedere che una persona \u201ccontrolli\u201d il risultato. Occorre che quella persona abbia competenza, autorit\u00e0 e informazioni sufficienti per intervenire davvero. Un controllo umano puramente formale non riduce il rischio: lo sposta soltanto su un operatore che potrebbe non avere gli strumenti per valutare correttamente l\u2019output generato dal sistema.<\/p>\n\n\n\n
La due diligence non deve restare confinata alla fase preliminare. Deve tradursi nel contratto.<\/p>\n\n\n\n
Le clausole ordinarie su prezzo, durata, assistenza, livelli di servizio, recesso e responsabilit\u00e0 non bastano pi\u00f9. Nel caso dei fornitori AI servono previsioni specifiche su documentazione, audit, log, dati, subfornitori, aggiornamenti del modello, sicurezza, incidenti, cancellazione delle informazioni, supporto regolatorio, gestione delle modifiche e continuit\u00e0 operativa.<\/p>\n\n\n\n
Un tema particolarmente delicato riguarda gli aggiornamenti. I sistemi AI cambiano nel tempo. Possono essere introdotte nuove funzionalit\u00e0, nuovi modelli, nuove fonti, nuovi criteri di ranking, nuove integrazioni o nuovi subprocessor. Ogni modifica pu\u00f2 incidere sul livello di rischio dello strumento. Per questo il contratto dovrebbe prevedere obblighi di comunicazione, possibilit\u00e0 di test, documentazione delle versioni e facolt\u00e0 per l\u2019azienda di sospendere o rivalutare l\u2019utilizzo in caso di cambiamenti rilevanti.<\/p>\n\n\n\n
Anche l\u2019uscita dal rapporto contrattuale deve essere regolata con attenzione. L\u2019impresa deve poter cambiare fornitore senza perdere dati, log, documenti, evidenze e continuit\u00e0 operativa. La portabilit\u00e0 delle informazioni, i tempi di cancellazione, la conservazione delle prove e il supporto in caso di contestazioni sono elementi che devono essere considerati prima dell\u2019acquisto, non quando il rapporto \u00e8 gi\u00e0 compromesso.<\/p>\n\n\n\n
Una clausola generica sull\u2019obbligo di rispettare la normativa applicabile ha scarso valore operativo. Serve una disciplina concreta: chi fa cosa, con quali dati, con quali controlli, con quali tempi, con quali evidenze e con quali responsabilit\u00e0.<\/p>\n\n\n\n
L\u2019intelligenza artificiale viene spesso adottata per accelerare processi. Ma la velocit\u00e0 pu\u00f2 diventare un problema quando supera la capacit\u00e0 dell\u2019azienda di spiegare cosa \u00e8 accaduto.<\/p>\n\n\n\n
Un report generato automaticamente, una classificazione, un punteggio, una sintesi o una raccomandazione sono utili solo se possono essere collegati a una fonte, a un contesto, a un modello, a una versione, a una finalit\u00e0 e a un controllo umano.<\/p>\n\n\n\n
La tracciabilit\u00e0 consente di ricostruire il percorso decisionale. In ambito creditizio, permette di capire perch\u00e9 una controparte \u00e8 stata considerata pi\u00f9 rischiosa. In ambito HR, consente di verificare quale ruolo abbia avuto il sistema nella valutazione di un candidato o di un dipendente. In ambito compliance, permette di distinguere tra segnale automatico, verifica umana e decisione finale. Nel customer care, aiuta a comprendere quando una risposta automatizzata ha prodotto un effetto concreto sull\u2019utente.<\/p>\n\n\n\n
Senza log e senza documentazione, la decisione perde memoria. E quando una decisione perde memoria, diventa difficile difenderla, correggerla o dimostrare che sia stata presa in modo corretto.<\/p>\n\n\n\n
Per questo la qualit\u00e0 di un sistema AI non si misura soltanto dalla sua capacit\u00e0 di produrre output rapidi. Si misura anche dalla possibilit\u00e0 di controllare, verificare e ricostruire quegli output.<\/p>\n\n\n\n
L\u2019adozione dell\u2019intelligenza artificiale apre anche un tema di sicurezza economica. I dati aziendali non sono semplici informazioni operative: rappresentano un patrimonio.<\/p>\n\n\n\n
Clienti, fornitori, contratti, dossier, posizioni creditorie, segnalazioni interne, pratiche legali, strategie commerciali, documenti riservati e informazioni reputazionali sono asset che devono essere protetti. Quando entrano in un sistema AI, l\u2019impresa deve chiedersi quale valore sta trasferendo al fornitore e quale controllo mantiene su quel patrimonio informativo.<\/p>\n\n\n\n
Le catene tecniche dei provider possono essere complesse. Dietro una piattaforma apparentemente semplice possono esserci infrastrutture cloud, API, modelli di terze parti, subfornitori, sistemi di elaborazione esterni e aggiornamenti continui. Senza una due diligence adeguata, l\u2019azienda rischia di non sapere dove finiscono i propri dati, chi li tratta e per quali finalit\u00e0.<\/p>\n\n\n\n
Questo non significa rinunciare all\u2019AI. Significa usarla con metodo. L\u2019intelligenza artificiale pu\u00f2 migliorare l\u2019analisi documentale, la gestione delle pratiche, l\u2019individuazione di anomalie, la lettura di grandi quantit\u00e0 di dati e il supporto alle decisioni. Ma il valore resta solido solo se l\u2019impresa conserva il governo della catena informativa.<\/p>\n\n\n\n
Prima di valutare nuovi fornitori, molte aziende dovrebbero fare un passo preliminare: censire gli strumenti AI gi\u00e0 presenti.<\/p>\n\n\n\n
Spesso l\u2019intelligenza artificiale \u00e8 stata attivata senza un progetto centrale. Pu\u00f2 essere integrata in software gi\u00e0 in uso, acquistata da singoli reparti, utilizzata tramite account personali o sperimentata su dati aziendali senza una procedura formalizzata.<\/p>\n\n\n\n
La mappa interna dovrebbe indicare quali strumenti vengono utilizzati, da quale funzione aziendale, per quali finalit\u00e0, con quali dati, quali output producono, quali persone coinvolgono, quali decisioni possono influenzare, se esistono log, se \u00e8 previsto un controllo umano e se vengono trattate informazioni relative a lavoratori, clienti o altri soggetti.<\/p>\n\n\n\n
Questa attivit\u00e0 non \u00e8 solo amministrativa. \u00c8 una forma di intelligence interna. Permette al management di capire dove l\u2019informazione entra, dove viene trasformata, dove produce effetti e dove resta traccia.<\/p>\n\n\n\n
Una volta costruita la mappa, gli utilizzi devono essere classificati per livello di rischio. Alcuni strumenti avranno impatto minimo. Altri richiederanno obblighi di trasparenza. Altri ancora potranno rientrare in aree pi\u00f9 sensibili o potenzialmente ad alto rischio. La classificazione consente di stabilire priorit\u00e0 e di concentrare le verifiche dove il rischio \u00e8 maggiore.<\/p>\n\n\n\n
La soglia del 2026 dovrebbe essere vista come un\u2019occasione per mettere ordine. Le imprese dovrebbero arrivarci con un inventario degli usi AI, una lista dei fornitori, una classificazione dei rischi, contratti aggiornati, log disponibili, ruoli di supervisione definiti e processi di escalation chiari.<\/p>\n\n\n\n
La governance dell\u2019AI non riguarda soltanto legal, compliance o IT. Coinvolge procurement, direzione aziendale, risorse umane, commerciale, sicurezza, privacy e tutte le funzioni operative che utilizzano strumenti basati su intelligenza artificiale.<\/p>\n\n\n\n
Il punto decisivo \u00e8 la responsabilit\u00e0. L\u2019AI pu\u00f2 suggerire, classificare, generare e velocizzare. Ma l\u2019organizzazione che la utilizza resta responsabile delle decisioni che prende, dei dati che conferisce, dei fornitori che sceglie e degli effetti che produce.<\/p>\n\n\n\n
La due diligence tecnologica sui fornitori AI serve proprio a trasformare questa responsabilit\u00e0 in metodo. Evita che l\u2019acquisto resti confinato alla demo commerciale e porta la valutazione sul terreno pi\u00f9 importante: affidabilit\u00e0, tracciabilit\u00e0, sicurezza, controllo, documentazione e sostenibilit\u00e0 dell\u2019uso.<\/p>\n\n\n\n
In materia di intelligenza artificiale, la maturit\u00e0 di un\u2019impresa si vede dalla qualit\u00e0 delle domande che pone prima di adottare una tecnologia. Chiedere come funziona un sistema, quali dati usa, quali limiti ha, quali prove conserva e quali responsabilit\u00e0 assume il fornitore non \u00e8 prudenza eccessiva. \u00c8 governo del rischio.<\/p>\n\n\n\n
L\u2019AI pu\u00f2 accelerare molti processi aziendali. Ma senza controllo, pu\u00f2 accelerare anche errori, dipendenze operative, opacit\u00e0 decisionali e vulnerabilit\u00e0 informative. Per questo la due diligence sui fornitori non \u00e8 pi\u00f9 un\u2019attivit\u00e0 accessoria: \u00e8 una condizione essenziale per usare l\u2019intelligenza artificiale in modo realmente utile, sicuro e sostenibile.<\/p>\n\n\n\n
<\/p>\n","protected":false},"excerpt":{"rendered":"
L\u2019intelligenza artificiale \u00e8 ormai entrata nei processi aziendali con una velocit\u00e0 che, fino a pochi anni fa, sarebbe stata difficile da immaginare. In molte imprese non si parla pi\u00f9 soltanto…<\/p>\n","protected":false},"author":1,"featured_media":1733,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"content-type":"","_sitemap_exclude":false,"_sitemap_priority":"","_sitemap_frequency":"","footnotes":""},"categories":[42,1],"tags":[],"class_list":["post-1732","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-area-legale","category-senza-categoria"],"yoast_head":"\n