Quattro livelli di controllo, non un solo requisito
La maggior parte degli strumenti di intelligenza artificiale generativa usati quotidianamente, come ChatGPT e Gemini, è sviluppata e gestita da grandi imprese tecnologiche prevalentemente statunitensi. Secondo la fonte AI Watch Japan, quando questi sistemi entrano nei processi critici di aziende e amministrazioni pubbliche emergono interrogativi sulla dipendenza da fornitori esteri: cosa accadrebbe se prezzi o condizioni d'uso cambiassero improvvisamente, e sia legittimo affidare a società straniere la custodia di dati riservati o di lingue e culture nazionali.
Da questa preoccupazione nasce la nozione di sovranità digitale applicata all'AI, che la fonte articola in quattro livelli. Il primo è quello dei dati: stabilire dove risiedono le informazioni usate per l'addestramento e l'inferenza, chi può accedervi e come possono essere impiegate. Il secondo riguarda i modelli: scegliere quali adottare e mantenere la capacità di addestrarli, adattarli e aggiornarli. Il terzo è l'infrastruttura di calcolo, cioè GPU e data center. Il quarto è organizzativo: formare tecnici in grado di gestire sicurezza, incidenti e governance. La sovranità, quindi, non coincide con il possesso di un sistema, ma investe la catena delle decisioni e delle responsabilità.
Perché server locali e modelli nazionali non bastano
La fonte mette in guardia contro un'equazione semplicistica: avere data center sul territorio nazionale non garantisce automaticamente il controllo. L'esempio proposto è quello di una cassaforte domestica affidata alla gestione di un'operatore estero. Il riferimento normativo citato è il CLOUD Act statunitense, che in presenza di determinate procedure legali può consentire di richiedere a soggetti sotto giurisdizione americana dati conservati all'estero. Ne segue che la localizzazione fisica e la titolarità della gestione giuridica sono questioni distinte.
Analogamente, un modello linguistico sviluppato internamente o l'esecuzione locale dell'inferenza non bastano a configurare sovranità: un modello nazionale può infatti appoggiarsi a cloud esteri, e un sistema eseguito in locale può comunque dipendere dall'esterno per aggiornamenti e manutenzione. La fonte osserva anche il caso inverso: modelli a pesi aperti di origine straniera possono accrescere l'autonomia se un'organizzazione è in grado di gestirli e modificarli internamente.
Iniziative nazionali e il principio della sovranità selettiva
Il quadro internazionale offerto dalla fonte include la Danimarca, che ha realizzato il supercomputer Gefion per applicazioni come le previsioni meteorologiche, e la Svizzera, dove nel 2025 è stato presentato Apertus, un modello che rende pubblici pesi, dati di addestramento e procedure di sviluppo. Per il Giappone, la fonte cita la legge sull'AI entrata in vigore nel 2025, il piano strategico adottato in parallelo, l'infrastruttura di calcolo ABCI 3.0 avviata dall'istituto nazionale di ricerca industriale nel gennaio 2025, i programmi di sostegno del ministero dell'Economia e dell'Industria e modelli interni come tsuzumi di NTT, PLaMo di Preferred Networks e cotomi di NEC. Nel 2026 sono inoltre menzionati l'impiego di modelli nazionali nell'ambiente governativo Gen'nai e l'avvio del progetto FRONTia per modelli di base multimodali orientati alla cosiddetta AI fisica.
La conclusione della fonte è che la sovranità non richiede l'autosufficienza totale, anche perché molte GPU restano di provenienza estera. La questione centrale diventa selettiva: mantenere il controllo negli ambiti sensibili come sicurezza e amministrazione, ricorrere flessibilmente ai sistemi esteri più avanzati per le attività ordinarie e stabilire con chiarezza cosa delegare e cosa invece decidere in prima persona.
