{"id":58351,"date":"2026-09-12T07:45:17","date_gmt":"2026-09-12T05:45:17","guid":{"rendered":"https:\/\/truescreen.io\/articoli\/intelligenza-artificiale-pubblica-amministrazione-provenienza-dato\/"},"modified":"2026-09-12T07:52:02","modified_gmt":"2026-09-12T05:52:02","slug":"intelligenza-artificiale-pubblica-amministrazione-provenienza-dato","status":"publish","type":"articoli","link":"https:\/\/truescreen.io\/it\/articoli\/intelligenza-artificiale-pubblica-amministrazione-provenienza-dato\/","title":{"rendered":"Atti amministrativi scritti con l’intelligenza artificiale: la provenienza del dato che il testo riassume"},"content":{"rendered":"
\n
\n

Atti amministrativi scritti con l’intelligenza artificiale: la provenienza del dato che il testo riassume<\/h1>\n<\/div>\n<\/div>\n
\n
\n

Pubblicato il 12 settembre 2026<\/p>\n

Fra il fatto e il documento ufficiale che lo descrive si \u00e8 inserito un anello nuovo. L’intelligenza artificiale nella pubblica amministrazione redige rapporti di polizia dall’audio delle body cam, verifica le istanze nelle autorizzazioni ambientali, estrae dati dalle riprese di chi entra in uno stadio. La redazione degli atti amministrativi diventa revisione, e il dibattito guarda a come il modello scrive, alle allucinazioni e alla revisione umana che dovrebbe intercettarle.<\/p>\n

Sono preoccupazioni fondate, ma arrivano dopo. La domanda che decide il valore dell’atto sta a monte: da dove viene il dato che il modello riassume. Se la fotografia, la lettura strumentale, la registrazione o la schermata di partenza non sono state certificate all’acquisizione, l’atto eredita un vuoto che nessuna correzione della prosa colma, perch\u00e9 la revisione controlla la coerenza del racconto, non l’autenticit\u00e0 della fonte. La qualit\u00e0 dell’atto si decide alla fonte, prima della generazione.<\/p>\n

\n

Un atto amministrativo redatto con l’intelligenza artificiale \u00e8 un documento il cui testo viene generato da un modello linguistico a partire da una base documentale (audio, fotografie, letture strumentali, schermate, documenti caricati) e poi rivisto e sottoscritto da un funzionario responsabile. L’esempio pi\u00f9 diffuso \u00e8 Draft One di Axon: secondo il COPS Office del Dipartimento di Giustizia statunitense<\/a>, il sistema elabora l’audio della body cam con una variante di ChatGPT e produce la bozza del rapporto, che l’agente rivede, corregge e accompagna con una dichiarazione firmata sull’uso dello strumento. In Texas il Johnson County Sheriff’s Office lo ha impiegato per il rapporto su una ricerca nella rete di telecamere Flock riguardante una donna che aveva abortito autonomamente (404 Media<\/a>). La bozza nasce in circa cinque minuti; il suo valore dipende dall’audio e dalle immagini da cui parte.<\/p>\n<\/blockquote>\n

Dove entra l’intelligenza artificiale nella pubblica amministrazione: il modello linguistico dentro l’atto<\/h2>\n

Il modello linguistico di grandi dimensioni (LLM) entra nell’atto nella redazione del testo, nell’istruttoria della pratica e nella produzione del dato di partenza.<\/p>\n

Casi a confronto: rapporti di polizia negli Stati Uniti, flussi di lavoro nella PA tedesca, attuazione italiana dell’AI Act<\/h3>\n

Negli Stati Uniti il modello scrive il rapporto. Dopo il caso texano ricostruito da 404 Media<\/a>, la Electronic Frontier Foundation<\/a> ha censito le reazioni dei legislatori: la California, con la SB 524<\/a>, impone la dichiarazione in calce al rapporto redatto con l’intelligenza artificiale e la conservazione della prima bozza. In Germania il modello istruisce la pratica: Spark, il software del ministero federale per il digitale, verifica con prompt predefiniti completezza e plausibilit\u00e0 delle istanze, e il ministro Wildberger punta ad accelerare del 50-80 per cento le procedure infrastrutturali (BMDS<\/a>; heise<\/a>). In Italia il sistema produce il dato di partenza: lo schema di decreto di adeguamento all’AI Act, in attuazione della Legge 132\/2025, prevede l’estrazione automatica dei dati biometrici dal volto di chi accede a luoghi con esigenze di ordine pubblico, e il Garante privacy, nel parere del 14 luglio 2026, la giudica incoerente con l’articolo 26, paragrafo 10, dell’AI Act (Matteo Flora<\/a>; Agenda Digitale<\/a>).<\/p>\n

\n\n\n\n\n\n\n\n
Paese<\/th>\nChi genera il testo o il dato<\/th>\nBase documentale<\/th>\nChe cosa manca<\/th>\n<\/tr>\n<\/thead>\n
Stati Uniti (Texas)<\/td>\nDraft One di Axon: bozza del rapporto in circa cinque minuti<\/td>\nAudio della body cam dell’agente<\/td>\nLa bozza originale non viene conservata<\/td>\n<\/tr>\n
Germania<\/td>\nSpark, software del ministero federale per il digitale: completezza, plausibilit\u00e0, inquadramenti giuridici<\/td>\nIstanze in Word, PDF e PowerPoint convertite in Markdown<\/td>\nNessuna validazione scientifica n\u00e9 soglia di errore; risultati diversi a parit\u00e0 di input<\/td>\n<\/tr>\n
Italia<\/td>\nEstrazione automatica dei dati biometrici prevista dal decreto di adeguamento all’AI Act<\/td>\nRiprese di chi accede a stadi, stazioni e manifestazioni, consultabili per sette giorni<\/td>\nIl Garante chiede il trattamento solo a posteriori; l’abbinamento diventa presupposto di atti successivi<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n

Che cosa controlla la revisione umana e che cosa non pu\u00f2 controllare<\/h3>\n

La revisione umana controlla il testo: coerenza, completezza, allucinazioni, riferimenti normativi. Non pu\u00f2 controllare ci\u00f2 che il testo non contiene: quando, dove e da chi \u00e8 stata acquisita la fonte, e se \u00e8 arrivata intatta alla generazione.<\/p>\n

\n\n\n\n\n\n\n\n\n\n\n
Che cosa la revisione umana controlla<\/th>\nChe cosa non pu\u00f2 controllare senza certificazione della fonte<\/th>\n<\/tr>\n<\/thead>\n
La coerenza interna del racconto<\/td>\nChe la fotografia sia stata scattata nel luogo e nell’ora dichiarati<\/td>\n<\/tr>\n
Le allucinazioni del modello<\/td>\nChe l’audio non sia stato tagliato prima della trascrizione<\/td>\n<\/tr>\n
L’aderenza del testo ai documenti letti<\/td>\nChe la lettura strumentale corrisponda al valore mostrato dall’apparecchio<\/td>\n<\/tr>\n
La correttezza dei riferimenti normativi<\/td>\nChe la schermata di un portale o di una PEC rappresenti ci\u00f2 che era a video<\/td>\n<\/tr>\n
Le omissioni rispetto al materiale fornito<\/td>\nChi ha caricato un documento nel fascicolo, e quando<\/td>\n<\/tr>\n
La plausibilit\u00e0 della ricostruzione dei fatti<\/td>\nL’integrit\u00e0 del file fra l’acquisizione e la generazione<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n
\n

A differenza di quanto si tende a credere, la revisione umana di un testo generato verifica la forma e la coerenza del racconto, ma non pu\u00f2 ricostruire la data, il luogo e l’integrit\u00e0 della fonte da cui il racconto nasce. Stefan Kaufmann, su netzpolitik.org<\/a>, osserva sul software del ministero tedesco che non esiste una validazione scientifica n\u00e9 una soglia di errore definita, che il sistema restituisce risultati diversi a parit\u00e0 di input e che il revisore, il cosiddetto \u00abhuman in the loop\u00bb, non \u00e8 in grado di giudicare in modo affidabile se l’output \u00e8 corretto. Il problema si aggrava se la bozza scompare: secondo la Electronic Frontier Foundation<\/a>, Draft One non conserva la bozza originale, per una scelta che Axon definisce voluta. A posteriori nessuno separa ci\u00f2 che ha scritto il modello da ci\u00f2 che ha scritto l’agente.<\/p>\n<\/blockquote>\n

La domanda che decide il valore dell’atto: da dove viene il dato<\/h2>\n

Il valore di un atto redatto con l’intelligenza artificiale non supera quello della fonte da cui parte. Chi firma deve sapere quando la base documentale \u00e8 nata, dove e se \u00e8 arrivata intatta alla generazione; altrimenti l’atto si regge sulla memoria dell’operatore e non su un accertamento.<\/p>\n

Fotografie, letture strumentali, registrazioni e schermate: la base documentale dell’atto<\/h3>\n

La base documentale nasce fuori dall’ufficio: fotografie dal telefono di servizio, letture strumentali<\/a>, registrazioni dalle body cam, schermate da gestionali e caselle PEC. Una registrazione di videosorveglianza<\/a> conserva valore probatorio solo se l’estrazione ne documenta impianto e intervallo; una schermata<\/a> \u00e8 fra i formati pi\u00f9 semplici da alterare. Nel testo finale, per\u00f2, una fotografia certificata e una ritoccata producono la stessa frase.<\/p>\n

Il vuoto ereditato: quando la fonte non \u00e8 certificata, la prosa non lo colma<\/h3>\n

Se la fonte non \u00e8 certificata, l’atto eredita il vuoto e la revisione non lo vede, perch\u00e9 il vuoto sta prima del testo. Un revisore corregge una data sbagliata dal modello; non pu\u00f2 stabilire se la data impressa nella fotografia \u00e8 quella dello scatto.<\/p>\n

\n

Il valore probatorio di un atto generato da un modello linguistico non supera quello della base documentale da cui parte. Il Codice dell’amministrazione digitale<\/a>, all’articolo 20, lega il valore probatorio del documento informatico alle sue caratteristiche di sicurezza, integrit\u00e0 e immodificabilit\u00e0, e l’articolo 2712 del codice civile<\/a> riconosce alle riproduzioni informatiche piena prova dei fatti rappresentati solo se chi vi \u00e8 contrapposto non ne disconosce la conformit\u00e0. Quando una parte disconosce la fotografia, la registrazione o la schermata che ha alimentato l’atto, il testo generato non ha nulla da opporre: la prosa non contiene la data di acquisizione, l’impronta del file n\u00e9 il dispositivo di origine. La marca temporale<\/a> apposta all’origine, con la presunzione di accuratezza della data e di integrit\u00e0 prevista dall’articolo 41 di eIDAS<\/a>, \u00e8 ci\u00f2 che permette all’atto di reggere alla contestazione.<\/p>\n<\/blockquote>\n

Che cosa chiede il diritto: sorveglianza umana, trasparenza e motivazione fondata sui fatti<\/h2>\n

Diritto europeo e diritto italiano convergono sulle stesse richieste: sorveglianza umana capace di comprendere l’output, trasparenza verso chi subisce la decisione, motivazione fondata su fatti accertati. Nessuna si soddisfa senza risalire alla fonte.<\/p>\n

AI Act: sorveglianza umana (art. 14 e 26) e obblighi di trasparenza (art. 50) per l’uso pubblico<\/h3>\n
\n

L’articolo 14 dell’AI Act (Regolamento UE 2024\/1689<\/a>) richiede che i sistemi ad alto rischio siano progettati per una sorveglianza umana effettiva: le persone incaricate devono poter comprendere le capacit\u00e0 e i limiti del sistema, interpretarne correttamente l’output, decidere di non usarlo o di ignorarlo, intervenire o interromperne il funzionamento (sintesi dell’articolo 14<\/a>). L’articolo 26<\/a> trasferisce l’obbligo a chi utilizza il sistema, autorit\u00e0 pubbliche comprese: sorveglianza affidata a persone competenti, uso conforme alle istruzioni, conservazione dei log generati. L’articolo 12<\/a> impone la registrazione automatica degli eventi e l’articolo 50<\/a> gli obblighi di trasparenza. Per un’amministrazione significa una cosa precisa: interpretare correttamente l’output di un modello che riassume una fotografia presuppone la possibilit\u00e0 di controllare quella fotografia, la sua data e la sua integrit\u00e0. Una sorveglianza che legge solo il testo non \u00e8 la sorveglianza che il regolamento descrive.<\/p>\n<\/blockquote>\n

Per le autorit\u00e0 pubbliche valgono gli obblighi di registrazione degli eventi<\/a> e gli obblighi di trasparenza dell’articolo 50<\/a>; i limiti dell’AI Act sull’autenticit\u00e0 dei contenuti<\/a> lasciano per\u00f2 all’amministrazione il compito di provare la fonte. La sorveglianza umana richiesta dall’articolo 14 dell’AI Act presuppone che il revisore possa risalire alla fonte: con TrueScreen<\/a> ogni acquisizione resta verificabile in modo indipendente, anche da chi non ha partecipato al procedimento.<\/p>\n

L’atto amministrativo informatico e la motivazione: elementi di fatto accertati, non riferiti<\/h3>\n

L’atto redatto con l’intelligenza artificiale resta un atto del funzionario, motivato con fatti accertati. L’articolo 3 della legge 241\/1990<\/a> impone di indicare i presupposti di fatto e le ragioni giuridiche della decisione in relazione alle risultanze dell’istruttoria: la motivazione del provvedimento amministrativo non pu\u00f2 riferire ci\u00f2 che un modello ha riassunto, deve indicare fatti che l’istruttoria del procedimento amministrativo ha accertato.<\/p>\n

La Legge 132\/2025<\/a>, la legge italiana sull’intelligenza artificiale in vigore dal 10 ottobre 2025, stabilisce all’articolo 14 che le pubbliche amministrazioni usano l’IA in funzione strumentale e di supporto, con la persona unica responsabile dei provvedimenti e garanzie di conoscibilit\u00e0 e tracciabilit\u00e0. Il Consiglio di Stato, sezione VI, sentenza 8472 del 13 dicembre 2019<\/a>, aveva gi\u00e0 subordinato l’uso dell’algoritmo nel procedimento a condizioni precise: conoscibilit\u00e0 del meccanismo, non esclusivit\u00e0 della decisione (il funzionario deve poter verificare logica e legittimit\u00e0 dell’esito) e non discriminazione.<\/p>\n

Il documento amministrativo informatico resta disciplinato dal CAD<\/a>: l’articolo 40 impone di formare gli originali con mezzi informatici, l’articolo 20 ne regola il valore probatorio. La firma digitale del funzionario attesta chi assume la paternit\u00e0 del testo, non da dove vengono i fatti.<\/p>\n

Cosa deve fare un’amministrazione quando utilizza l’IA in un procedimento?<\/h3>\n

Un’amministrazione che utilizza l’intelligenza artificiale in un procedimento deve garantire alcune condizioni precise, e la prima \u00e8 la pi\u00f9 trascurata.<\/p>\n

    \n
  1. Certificare la base documentale prima della generazione: fotografie, registrazioni, letture e schermate ricevono sigillo digitale e marca temporale all’acquisizione.<\/li>\n
  2. Informare l’interessato dell’uso dell’IA, in coerenza con l’articolo 50 dell’AI Act e con la conoscibilit\u00e0 richiesta dalla Legge 132\/2025.<\/li>\n
  3. Garantire una sorveglianza umana effettiva ai sensi dell’articolo 14 dell’AI Act: comprendere l’output, confrontarlo con la fonte, poter non usarlo.<\/li>\n
  4. Conservare i log e la bozza originale, come richiedono gli articoli 12 e 26 dell’AI Act, per distinguere il contributo del modello da quello della persona.<\/li>\n
  5. Motivare con fatti accertati, secondo l’articolo 3 della legge 241\/1990, cio\u00e8 con presupposti che l’amministrazione \u00e8 in grado di verificare.<\/li>\n<\/ol>\n
    \n
    \n \"TrueScreen\"\n <\/div>\n
    \n

    TrueScreen<\/p>\n

    TrueScreen, la piattaforma di acquisizione e certificazione forense<\/p>\n

    Acquisisci e certifica contenuti digitali con valore legale, dall’origine.<\/p>\n

    Scopri di pi\u00f9 →<\/a>\n <\/div>\n<\/div>\n

    Casi pratici negli enti locali: l’accertamento sul territorio e la relazione istruttoria<\/h2>\n

    Negli enti locali il vuoto si apre soprattutto nell’accertamento sul territorio, dove la fonte \u00e8 una fotografia, e nella relazione istruttoria, dove la fonte \u00e8 un documento caricato da terzi.<\/p>\n

    Il rapporto redatto da fotografie scattate con un telefono di servizio mai certificate<\/h3>\n

    Un agente di polizia locale fotografa un’occupazione abusiva di suolo pubblico con il telefono di servizio e in ufficio chiede a un modello la bozza del verbale; il funzionario rivede e firma. Tre settimane dopo l’interessato contesta il quando e il dove: le foto, sostiene, risalgono a un giorno in cui l’occupazione era autorizzata.<\/p>\n

    \n

    Un verbale redatto da fotografie non certificate poggia su immagini prive di data certa e di integrit\u00e0 dimostrabile, e la sua tenuta dipende da chi le contesta. L’articolo 2712 del codice civile<\/a> attribuisce alle riproduzioni fotografiche e informatiche piena prova dei fatti rappresentati, ma solo se colui contro il quale sono prodotte non ne disconosce la conformit\u00e0 ai fatti: al primo disconoscimento l’ente deve dimostrare luogo e ora dello scatto, e i metadati di un telefono si riscrivono senza lasciare traccia. La prosa del modello, per quanto corretta, offre una descrizione e nessuna dimostrazione. Se invece ogni fotografia riceve sigillo digitale e marca temporale allo scatto, con la presunzione di accuratezza della data prevista dall’articolo 41 di eIDAS<\/a>, l’ente esibisce il pacchetto di verifica e non la memoria dell’agente. \u00c8 la differenza fra un fatto riferito e un fatto accertato.<\/p>\n<\/blockquote>\n

    Lo stesso vale per le ispezioni in cantiere<\/a> e per la documentazione della polizia locale<\/a>: il responsabile per la transizione digitale che introduce un modello nella redazione dei verbali dovrebbe introdurre insieme la certificazione degli scatti.<\/p>\n

    La relazione che riassume documenti caricati da terzi senza prova di quando e da chi<\/h3>\n

    In un procedimento autorizzativo il fascicolo si riempie di documenti caricati dalle parti: planimetrie, relazioni tecniche, ricevute PEC. Un modello li legge e produce la relazione istruttoria che il responsabile del procedimento adotta. Se una controparte sostiene che un allegato \u00e8 stato sostituito dopo la scadenza, la relazione non ha come difendersi: il modello ha riassunto ci\u00f2 che ha trovato, senza sapere da quando era l\u00ec.<\/p>\n

    Il punto debole sta a monte del riassunto, nell’assenza di data certa e di impronta del file all’ingresso nel fascicolo: una schermata di portale o di casella PEC andrebbe acquisita e certificata quando viene prodotta<\/a>. Le amministrazioni usano TrueScreen<\/a> per dare data certa e integrit\u00e0 dimostrabile ai documenti caricati da terzi, prima che una relazione istruttoria li riassuma.<\/p>\n

    Come si certifica la fonte di un atto redatto con l’intelligenza artificiale?<\/h2>\n

    TrueScreen<\/a>, the Data Authenticity Platform, certifica alla fonte il materiale che alimenta l’atto: fotografia, registrazione, lettura strumentale o schermata ricevono sigillo digitale e marca temporale nell’istante dell’acquisizione, con i metadati verificati e un rapporto tecnico che chiunque pu\u00f2 ricontrollare. La certificazione precede la lettura da parte del modello, che riassume cos\u00ec materiale gi\u00e0 provato.<\/p>\n

    \n

    Certificare la fonte di un atto redatto con l’intelligenza artificiale significa fissare, nell’istante in cui il dato nasce, ci\u00f2 che nessuna revisione pu\u00f2 ricostruire dopo: quando, dove e con quale dispositivo \u00e8 stato acquisito, e che da allora non \u00e8 cambiato. La metodologia forense di TrueScreen<\/a> \u00e8 conforme alla norma ISO\/IEC 27037 (identificazione, raccolta, acquisizione e conservazione delle prove digitali): l’acquisizione avviene in un ambiente controllato in cui nessuna persona, software o sistema pu\u00f2 alterare ci\u00f2 che viene acquisito; i dati vengono verificati nell’integrit\u00e0 del dispositivo e nell’autenticit\u00e0 dei metadati (ora, posizione, indirizzo IP, identificativi); l’impronta del file viene calcolata con SHA-256<\/a>, standard NIST; sigillo digitale e marca temporale ufficiali, riconosciuti internazionalmente, chiudono il pacchetto. La marca temporale gode della presunzione di accuratezza della data e di integrit\u00e0 dei dati prevista dall’articolo 41 di eIDAS<\/a>.<\/p>\n<\/blockquote>\n

    Acquisizione in tempo reale e importazione di un file esistente si chiamano entrambe certificazione, ma non valgono allo stesso modo: la prima certifica il dato dal momento in cui nasce e offre il massimo valore probatorio; con la seconda TrueScreen<\/a> attesta che dall’importazione in poi il file non \u00e8 cambiato, non come \u00e8 nato.<\/p>\n

    Il pacchetto certificato \u00e8 autonomo: legale della controparte, consulente tecnico o giudice possono ricontrollare impronta, sigillo e marca temporale con strumenti standard, senza rivolgersi a TrueScreen<\/a> e senza fidarsi di chi lo consegna, perch\u00e9 il rapporto tecnico in PDF e JSON contiene la catena di custodia completa: \u00e8 la verifica indipendente della documentazione digitale<\/a>.<\/p>\n

    TrueScreen<\/a> garantisce il come, non il cosa: attesta che l’acquisizione \u00e8 genuina e che il contenuto non \u00e8 stato alterato, non che ci\u00f2 che stava davanti alla fotocamera fosse ci\u00f2 che l’operatore dichiara, e non giudica il merito dell’atto. Ne esce documentazione con valore probatorio, che diventa prova quando il giudice la ammette. Per l’amministrazione il vantaggio sta nella separazione netta fra ci\u00f2 che il modello ha scritto e ci\u00f2 che \u00e8 accaduto: il testo resta responsabilit\u00e0 di chi lo firma, mentre i fatti su cui si regge portano una data, un luogo e un’impronta che nessuno ha potuto toccare.<\/p>\n

    \n

    FAQ: intelligenza artificiale nella pubblica amministrazione e provenienza del dato<\/h2>\n
    \n
    \nUn atto amministrativo redatto con l’intelligenza artificiale \u00e8 valido?<\/span>
    \n+<\/span><\/summary>\n
    \n

    Un atto amministrativo redatto con l’intelligenza artificiale \u00e8 valido se un funzionario lo sottoscrive, ne assume la responsabilit\u00e0 e lo motiva con fatti accertati. L’articolo 14 della Legge 132\/2025<\/a> ammette l’IA nelle pubbliche amministrazioni solo in funzione strumentale e di supporto, con la persona che resta l’unica responsabile dei provvedimenti e con garanzie di conoscibilit\u00e0 e tracciabilit\u00e0. Il Consiglio di Stato, sentenza 8472\/2019<\/a>, richiede conoscibilit\u00e0 del meccanismo, non esclusivit\u00e0 della decisione e non discriminazione. La validit\u00e0 non dipende dal modello, ma dai presupposti di fatto su cui l’atto si fonda e dalla possibilit\u00e0 di verificarli.<\/p>\n<\/div>\n<\/details>\n

    \nCosa deve indicare la motivazione di un atto amministrativo scritto con l’IA?<\/span>
    \n+<\/span><\/summary>\n
    \n

    La motivazione di un atto amministrativo scritto con l’IA deve indicare i presupposti di fatto e le ragioni giuridiche che hanno determinato la decisione, in relazione alle risultanze dell’istruttoria, come prescrive l’articolo 3 della legge 241\/1990<\/a>. L’uso di un modello linguistico non modifica questo obbligo, ma lo rende pi\u00f9 esigente: i presupposti di fatto devono essere accertati, cio\u00e8 riconducibili a una fonte che l’amministrazione pu\u00f2 esibire e che la controparte pu\u00f2 verificare. Un riassunto generato da fotografie, registrazioni o schermate prive di data certa e di integrit\u00e0 dimostrabile riferisce fatti; non li accerta. A questo si aggiunge la conoscibilit\u00e0 del contributo del sistema, richiesta dalla Legge 132\/2025.<\/p>\n<\/div>\n<\/details>\n

    \nChe cosa controlla la revisione umana di un testo generato e che cosa no?<\/span>
    \n+<\/span><\/summary>\n
    \n

    La revisione umana di un testo generato controlla la coerenza del racconto, le allucinazioni (nomi, date o riferimenti inventati), le omissioni rispetto al materiale fornito e la correttezza dei riferimenti normativi. Non pu\u00f2 controllare quando, dove e da chi \u00e8 stata acquisita la fonte, n\u00e9 se \u00e8 arrivata intatta al modello: queste informazioni non stanno nel testo. Stefan Kaufmann, su netzpolitik.org<\/a>, ha osservato a proposito del software della PA tedesca che il revisore non \u00e8 in grado di giudicare in modo affidabile se l’output \u00e8 corretto, perch\u00e9 il sistema restituisce risultati diversi a parit\u00e0 di input e non esiste una soglia di errore definita.<\/p>\n<\/div>\n<\/details>\n

    \nUn verbale scritto con l’intelligenza artificiale ha valore legale?<\/span>
    \n+<\/span><\/summary>\n
    \n

    Un verbale scritto con l’intelligenza artificiale ha il valore legale che gli conferiscono la sottoscrizione del pubblico ufficiale e la prova dei fatti che descrive; il modello non aggiunge n\u00e9 toglie nulla a questo valore. Il testo eredita il valore probatorio della sua fonte: se le fotografie o l’audio da cui \u00e8 stato generato non hanno data certa e integrit\u00e0 dimostrabile, il verbale \u00e8 contestabile quanto loro. Negli Stati Uniti la California, con la SB 524<\/a>, impone di dichiarare in calce al rapporto l’uso dell’IA e di conservare la prima bozza, proprio per rendere verificabile che cosa ha scritto il sistema e che cosa l’agente.<\/p>\n<\/div>\n<\/details>\n

    \nQual \u00e8 il valore probatorio delle fotografie in un atto amministrativo?<\/span>
    \n+<\/span><\/summary>\n
    \n

    Le fotografie allegate a un atto amministrativo formano piena prova dei fatti e delle cose rappresentate se colui contro il quale sono prodotte non ne disconosce la conformit\u00e0 ai fatti stessi, secondo l’articolo 2712 del codice civile<\/a>. Il disconoscimento \u00e8 il punto critico: una fotografia scattata con un telefono di servizio e priva di certificazione ha metadati modificabili e nessuna data certa, e l’ente deve provare altrimenti luogo e momento dello scatto. Una fotografia acquisita con sigillo digitale e marca temporale al momento dello scatto porta con s\u00e9 la presunzione di accuratezza della data prevista dall’articolo 41 di eIDAS<\/a>, che il disconoscimento deve superare.<\/p>\n<\/div>\n<\/details>\n

    \nChe cosa prevede l’articolo 14 dell’AI Act per le amministrazioni pubbliche?<\/span>
    \n+<\/span><\/summary>\n
    \n

    L’articolo 14 dell’AI Act<\/a> prevede che i sistemi ad alto rischio siano progettati per una sorveglianza umana effettiva: le persone incaricate devono poter comprendere capacit\u00e0 e limiti del sistema, interpretarne correttamente l’output, decidere di non usarlo o di ignorarlo, intervenire o interromperne il funzionamento. Per le amministrazioni pubbliche l’obbligo si concretizza attraverso l’articolo 26<\/a>, che impone a chi utilizza il sistema di affidare la sorveglianza a persone competenti, di rispettare le istruzioni d’uso e di conservare i log generati. L’allegato III del Regolamento UE 2024\/1689<\/a> include fra gli usi ad alto rischio l’accesso ai servizi pubblici essenziali, il contrasto, la migrazione e la giustizia.<\/p>\n<\/div>\n<\/details>\n

    \nUn documento informatico non firmato ha valore probatorio?<\/span>
    \n+<\/span><\/summary>\n
    \n

    Un documento informatico non firmato ha valore probatorio, ma liberamente valutabile dal giudice in base alle sue caratteristiche di sicurezza, integrit\u00e0 e immodificabilit\u00e0, secondo l’articolo 20 del Codice dell’amministrazione digitale<\/a>. Per una fotografia, una registrazione o una schermata che alimentano un atto amministrativo, queste caratteristiche non derivano da una firma, che riguarda la sottoscrizione di un documento da parte di una persona, ma dal modo in cui il file \u00e8 stato acquisito e conservato: impronta calcolata all’origine, marca temporale che fissa la data e sigillo digitale che rende rilevabile ogni modifica successiva. Senza questi elementi il giudice valuta un file di cui nessuno pu\u00f2 dimostrare la storia.<\/p>\n<\/div>\n<\/details>\n

    \nCome si dimostra da dove viene il dato che un atto amministrativo riassume?<\/span>
    \n+<\/span><\/summary>\n
    \n

    Con TrueScreen<\/a>, the Data Authenticity Platform, il dato che un atto amministrativo riassume viene certificato quando nasce: la fotografia, la registrazione, la lettura strumentale o la schermata ricevono sigillo digitale e marca temporale all’acquisizione, con metadati verificati e un rapporto tecnico che chiunque pu\u00f2 ricontrollare senza dipendere da chi ha redatto l’atto. La dimostrazione non passa dal testo generato, che non contiene tracce tecniche, ma dal pacchetto certificato che lo accompagna. La marca temporale gode della presunzione di accuratezza della data e di integrit\u00e0 dei dati prevista dall’articolo 41 di eIDAS<\/a>: \u00e8 questa presunzione che la controparte deve superare, e la memoria dell’operatore smette di essere l’unico appiglio.<\/p>\n<\/div>\n<\/details>\n<\/div>\n<\/section>\n<\/div>\n<\/div>\n

    \n
    \n
    \n
    \n

    Certificare la fonte prima che il modello la riassuma<\/h2>\n

    Un atto redatto con l’intelligenza artificiale vale quanto il materiale da cui parte: TrueScreen certifica fotografie, registrazioni, letture strumentali e schermate mentre vengono acquisite, cos\u00ec che il funzionario firmi un testo fondato su fatti che l’ente pu\u00f2 dimostrare.<\/p>\n

    Inizia ora<\/a>
    \n    Richiedi una demo<\/a>\n<\/div>\n

    \"TrueScreen\"<\/div>\n<\/div>\n<\/div>\n<\/div>","protected":false},"featured_media":58353,"template":"","class_list":["post-58351","articoli","type-articoli","status-publish","has-post-thumbnail","hentry"],"acf":[],"_links":{"self":[{"href":"https:\/\/truescreen.io\/it\/wp-json\/wp\/v2\/articoli\/58351","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/truescreen.io\/it\/wp-json\/wp\/v2\/articoli"}],"about":[{"href":"https:\/\/truescreen.io\/it\/wp-json\/wp\/v2\/types\/articoli"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/truescreen.io\/it\/wp-json\/wp\/v2\/media\/58353"}],"wp:attachment":[{"href":"https:\/\/truescreen.io\/it\/wp-json\/wp\/v2\/media?parent=58351"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}