Entro il 2 dicembre 2027, le obbligazioni del deployer ai sensi del Regolamento UE sull'AI si applicano ai sistemi AI ad alto rischio utilizzati in biometria, infrastrutture critiche, istruzione, occupazione, migrazione, asilo e controllo delle frontiere [1]. I team di compliance nel 2026 non aspettano dicembre 2027 per posizionarsi. Stanno scrivendo ora i questionari di due diligence per i fornitori, e l'approvvigionamento AI aziendale si blocca su questi questionari a un ritmo che ha ben poco a che fare con la tecnologia acquistata. La soluzione non è una demo migliore. È un nuovo inquadramento di cosa riguarda realmente la conversazione sull'approvvigionamento.

Come appare realmente il "blocco" nel 2026

Il proof-of-concept tecnico supera la prova. Il modello produce output utile sul carico di lavoro del cliente. Il valutatore tecnico scrive una nota positiva e consegna il file all'approvvigionamento. Poi il file resta fermo. Tre settimane dopo, il team di compliance del cliente risponde con un memo: "Non possiamo dimostrare le nostre obbligazioni di deployer su questo flusso di lavoro se l'inferenza avviene su un endpoint che non controlliamo."

Il sondaggio aziendale di a16z ha identificato la forma di questo schema mentre si stava formando: cicli di trattative che "prima richiedevano oltre un anno per chiudersi ora vengono portati a termine in 2 o 3 mesi" per prodotti che soddisfano i nuovi requisiti [4]. L'implicazione vale anche al contrario. L'approvvigionamento per prodotti che non soddisfano i nuovi requisiti richiede ancora un anno. Piloti tecnici solidi non cambiano questo.

Cosa viene effettivamente richiesto all'approvvigionamento di dimostrare

Il Regolamento UE sull'AI distingue tra il fornitore di un sistema AI e il deployer di esso [1]. Una banca che utilizza un'API LLM di terze parti per valutare le domande di prestito è il deployer. Le obbligazioni del deployer includono supervisione umana, monitoraggio, segnalazione degli incidenti e la dimostrazione di queste capacità su richiesta. Queste obbligazioni si applicano alla banca, non al fornitore del LLM — e il team di approvvigionamento della banca è il luogo in cui la selezione del fornitore decide se le obbligazioni sono praticabili da soddisfare.

Questa direzione non è solo europea. Il NIST ha pubblicato una nota concettuale per un Profilo AI RMF su AI Affidabile nelle Infrastrutture Critiche il 7 aprile 2026 [2], la prima definizione federale delle obbligazioni del deployer AI RMF per gli operatori di infrastrutture critiche negli Stati Uniti. L'Osservatorio Politiche AI dell'OCSE mantiene un archivio aggiornato "da più di 80 giurisdizioni e organizzazioni" [3]. La convergenza tra giurisdizioni sulle obbligazioni del lato deployer è la tendenza, non un'eccezione.

I team di approvvigionamento nei settori regolamentati leggono questi segnali e si posizionano in anticipo. Non possono aspettare il 2 dicembre 2027 per sapere se un'architettura fornita permetterà loro di soddisfare le obbligazioni.

Perché "siamo SOC 2" è la risposta sbagliata

La risposta basata sui controlli del fornitore che storicamente ha risolto le conversazioni di procurement aziendale — SOC 2 Tipo II, ISO 27001, DPA allineato al GDPR — riguarda i controlli lato fornitore. Sono necessari. Non sono sufficienti per gli obblighi del deployer che ora si presentano.

Gli obblighi del deployer richiedono che il deployer dimostri, su richiesta, quali dati sono transitati attraverso il sistema AI. Questa è una questione relativa ai log del deployer stesso, non del fornitore. Un fornitore conforme SOC-2 che conserva prompt e risposta in un cloud gestito non può colmare questa lacuna, perché la lacuna è dal lato del deployer: il deployer non può produrre un log di qualcosa che non vede.

Questo è il disallineamento strutturale che blocca la conversazione di procurement. Il team di compliance redige un memo sugli obblighi del deployer. Il fornitore risponde con certificazioni lato fornitore. Le due parti si ignorano.

L’inquadramento che risolve il blocco

Tre proprietà dell’architettura di deployment, indicate in anticipo nel questionario per il fornitore, eliminano il blocco:

  1. Inferenza locale al deployer. Sia sul dispositivo dell’utente sia su un server gestito dal deployer. Prompt e risposte non lasciano mai il perimetro del deployer.
  2. Log di audit privi di contenuto di proprietà del deployer. Ogni azione amministrativa è registrata con timestamp e attore nel SIEM del deployer. Nessun prompt o risposta appare nella riga di audit. La riga è la prova; il contenuto è del deployer da conservare secondo la propria policy di retention.
  3. Identità tramite l’IdP del deployer. OIDC contro Microsoft Entra ID o Google Workspace. I controlli di accesso esistenti e le policy SSO del deployer si applicano senza modifiche.

Queste non sono proprietà del fornitore da certificare. Sono proprietà dell’architettura di deployment da specificare. Una volta che il questionario del fornitore è inquadrato su queste, il memo di compliance si scrive da sé: ogni obbligo del deployer ha una proprietà architetturale corrispondente a cui il deployer può fare riferimento.

Come si presenta nella forma che distribuiamo

AI Suite di Software Tailor viene fornito come installer desktop che comunicano con un processo di inferenza locale. AI Admin Console è la superficie di gestione che il team IT del deployer usa per applicare policy, gestire licenze e visualizzare audit. Sei clienti Fortune Global 500 nei settori pharma, finanza, governo, legale, difesa ed energia hanno distribuito questa soluzione dal 2007 (clienti passati), e ognuno di questi progetti ha seguito una versione dell’inquadramento sopra prima della firma del contratto.

Il modo più rapido per rendere tutto concreto è esaminarlo su un carico di lavoro reale. Un pilot gratuito di 1 settimana mette il modello sull’hardware del cliente, la riga di audit nel SIEM del cliente e l’identità tramite l’IdP del cliente — sufficiente perché il team di compliance rediga il memo sugli obblighi che effettivamente affrontano.

Riferimenti

  1. Commissione Europea. "AI Act — Quadro normativo sull'IA." https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai. Consultato il 03-06-2026.
  2. NIST. "AI Risk Management Framework." https://www.nist.gov/itl/ai-risk-management-framework. Consultato il 03-06-2026. La nota concettuale sulle Infrastrutture Critiche è stata pubblicata il 7 aprile 2026.
  3. Osservatorio Politiche AI OCSE. "Dashboard Policy Navigator." https://oecd.ai/en/dashboards. Consultato il 03-06-2026.
  4. Andreessen Horowitz. "Stato dell'IA Generativa nelle Imprese." https://a16z.com/generative-ai-enterprise-2024/. Pubblicato il 21 marzo 2024. Consultato il 03-06-2026.