L’evoluzione dell’intelligenza artificiale generativa e la sua capillare diffusione nel tessuto informativo globale hanno reso improcrastinabile il tema della tracciabilità e della trasparenza dei contenuti. In questo contesto di trasformazione tecnologica, la regolamentazione si sta strutturando in modo sempre più definito, un'evoluzione che ha come punto finale l’entrata in vigore delle disposizioni europee sulla trasparenza dei sistemi sintetici. A partire dal 2 agosto 2026, infatti, l'Articolo 50 della normativa europea sull'IA (EU AI Act) impone un obbligo normativo chiaro a chiunque sviluppi o distribuisca sistemi di intelligenza artificiale generativa rivolti agli utenti dell'Unione Europea: garantire che i contenuti prodotti siano chiaramente individuabili e identificabili come artificiali.
L'Articolo 50 del Regolamento UE 2024/1689 si configura come una misura volta principalmente alla tutela dell'ecosistema informativo, e rientra nella tendenza comune delle istituzioni – e in parte delle aziende – di rendere gli strumenti generativi e gli LLM entità regolamentate e più trasparenti nei confronti del pubblico. L'obiettivo dichiarato è quello di mitigare i rischi di inganno, impersonificazione e diffusione di disinformazione. A differenza della disciplina prevista per i sistemi ad alto rischio, i requisiti di trasparenza previsti dall'Articolo 50 coprono un ampio spettro di applicazioni, estendendosi a quasi tutti i sistemi che interagiscono con le persone o generano testi, immagini, audio o video sintetici. Per garantire il rispetto di tali requisiti, la Commissione Europea e l'Ufficio per l'IA hanno agevolato la stesura di un Codice di Buona Pratica sulla Trasparenza del Contenuto generato da IA. Il Codice, articolato in una sezione per i fornitori ("providers") relativa alla marcatura e al rilevamento, e una per gli utilizzatori ("deployers") dedicata all'etichettatura di deepfake e testi generati, costituisce uno strumento volontario per dimostrare la conformità legale, fermo restando il carattere vincolante degli obblighi sanciti dal regolamento. Le sanzioni per il mancato rispetto delle norme sulla trasparenza presentano profili particolarmente severi, prevedendo sanzioni pecuniarie che possono raggiungere i 15 milioni di euro o il 3% del fatturato globale annuo dell'impresa, a seconda di quale sia l'importo maggiore.
Nel quadro industriale, diverse aziende del settore dell'intelligenza artificiale hanno iniziato ad adeguarsi a tali requisiti normativi. Tra queste, Anthropic ha formalmente sottoscritto il Codice di Pratica dell'Articolo 50, impegnandosi a implementare meccanismi di marcatura automatica su scala globale sia a livello di modello che di prodotti. Tali accorgimenti operativi interessano sia l'inserimento di filigrane digitali ("watermark") impercettibili all'interno del testo, sia l'integrazione di mefadati di provenienza firmati per i file, conformi allo standard aperto C2PA. Dal punto di vista strettamente tecnico, il watermarking del testo sfrutta specifiche proprietà del processo generativo dei grandi modelli linguistici (LLM). Poiché un modello linguistico seleziona la parola successiva calcolando una distribuzione di probabilità, la filigrana viene inserita preferenzialmente nei momenti in cui il modello presenta un'alta entropia semantica, ovvero quando vi sono diverse opzioni sintattiche o lessicali ugualmente plausibili tra cui scegliere. Una chiave segreta orienta la scelta verso determinati termini, creando un'alterazione statistica impercettibile alla lettura umana ma identificabile da un algoritmo di rilevamento. Soluzioni concettualmente analoghe sono state sviluppate anche da altre realtà del settore, come Google DeepMind attraverso la tecnologia SynthID, basata su un meccanismo di campionamento denominato "tournament sampling" e integrata nella libreria open source Transformers di Hugging Face.
Nonostante i notevoli progressi ingegneristici, le tecnologie di marcatura e filigrana digitale mostrano limiti strutturali ampiamente riconosciuti sia dalla comunità scientifica sia dagli stessi sviluppatori. La robustezza del watermark risulta infatti vulnerabile di fronte a modifiche del testo come la riscrittura profonda, la traduzione in un'altra lingua o il montaggio con frammenti di origine umana. Inoltre, nei casi in cui il testo generato sia estremamente breve o vincolato da formulazioni fattuali obbligate — circostanze caratterizzate da bassa entropia —, il margine di inserimento della filigrana si riduce significativamente, rendendo il segnale non affidabile o del tutto assente. A questi ostacoli di natura tecnica si affiancano dibattiti di carattere legale ed etico: se da un lato l'Unione Europea esige strumenti di rilevamento accurati per tutelare l'integrità dell'informazione, dall'altro la dipendenza da chiavi di decodifica detenute in modo esclusivo dai fornitori rischia di limitare la verifica pubblica, generando un monopolio di potere, tra le aziende in possesso delle chiavi, e le entità autonome, pubbliche o indipendenti, che non possiedono lo strumento di verifica, entrando in questo modo potenzialmente in tensione con i principi della spiegabilità dell'IA, della trasparenza e della tutela della privacy.