AI SPIEGATA SEMPLICE 05
IN BREVE
Un software tradizionale può applicare istruzioni determinate in anticipo; un sistema di IA può invece inferire come produrre output sulla base di input, dati e parametri appresi.
L’inferenza è uno degli elementi centrali della definizione di sistema di IA contenuta nell’AI Act.
La distinzione non dipende soltanto dalla potenza del programma e non elimina il ruolo umano nella scelta delle finalità, nel controllo e nell’utilizzo del risultato.
Dopo aver capito che cos’è un computer, come rappresenta le informazioni attraverso i dati e che cosa significa impartirgli istruzioni mediante un algoritmo, possiamo affrontare la domanda che apre davvero la porta all’intelligenza artificiale: che cosa distingue un normale programma informatico da un sistema di IA?
La risposta non è semplicemente: “un sistema di IA è più potente”.
E non è neppure: “un sistema di IA è un programma molto complicato”.
La differenza più interessante riguarda il modo in cui il sistema arriva a produrre il proprio output.
Dal programma al software
Nel capitolo precedente abbiamo visto che un algoritmo può essere descritto, in termini semplici, come una sequenza ordinata di istruzioni finalizzate alla soluzione di un problema.
Quando quelle istruzioni vengono tradotte in un linguaggio che il computer può eseguire, entriamo nel mondo dei programmi informatici.
Un programma riceve determinati input, esegue le operazioni previste e produce un output.
Pensiamo a una calcolatrice.
Inseriamo:
25 + 17
Il programma applica l’operazione prevista e restituisce:
42
Non deve interpretare la nostra intenzione. Non deve scegliere tra molte possibili risposte sulla base di ciò che ha appreso. Deve eseguire l’operazione prevista.
Naturalmente il software reale può essere enormemente più complesso di una calcolatrice. Può contenere milioni di istruzioni, gestire eccezioni, interagire con banche dati e utilizzare regole molto sofisticate.
Ma la complessità, da sola, non trasforma un programma in intelligenza artificiale.
Software e automazione
Facciamo un passo ulteriore.
Un programma può essere utilizzato per automatizzare un’attività.
Immaginiamo un gestionale di studio che applichi questa regola:
SE una scadenza processuale è tra sette giorni → invia un avviso al professionista.
- legge la data;
- confronta la data con quella corrente;
- verifica la condizione;
- se la condizione è soddisfatta, genera l’avviso.
Abbiamo certamente un sistema automatizzato.
Ma non per questo abbiamo necessariamente un sistema di intelligenza artificiale.
Il programma sta eseguendo una regola determinata in precedenza.
INPUT
↓
REGOLA PREDEFINITA
↓
OUTPUT
Questo modello è importantissimo perché ci permette di comprendere un primo punto fondamentale:
automazione e intelligenza artificiale non sono sinonimi.
Un sistema può svolgere automaticamente operazioni anche molto complesse senza essere, per ciò solo, un sistema di IA.
Il passaggio decisivo: l’inferenza
Arriviamo ora al concetto centrale di questo capitolo.
Il Regolamento europeo sull’intelligenza artificiale — l’AI Act — contiene una definizione normativa di sistema di IA.
L’art. 3, punto 1, del Regolamento (UE) 2024/1689 considera sistema di IA un sistema automatizzato progettato per funzionare con livelli variabili di autonomia, che può presentare adattabilità dopo la diffusione e che, per obiettivi espliciti o impliciti, deduce dall’input ricevuto come generare output quali previsioni, contenuti, raccomandazioni o decisioni capaci di influenzare ambienti fisici o virtuali.
Nel testo normativo compare quindi un elemento essenziale: l’inferenza.
Detto nel modo più semplice possibile, il sistema non si limita necessariamente ad applicare una sequenza di istruzioni che stabilisce direttamente, per ogni situazione, quale risposta debba essere prodotta.
Può ricavare dagli input ricevuti come produrre un determinato output.
La rappresentazione comincia quindi a cambiare.
Nel modello più semplice di automazione avevamo:
INPUT → REGOLA PREDEFINITA → OUTPUT
Con molti sistemi di IA possiamo rappresentare, in termini puramente didattici:
INPUT
↓
MODELLO
↓
INFERENZA
↓
OUTPUT
Questa rappresentazione è una semplificazione. Ma ci permette di vedere dove comincia a cambiare il problema.
Che cosa significa “inferire”?
La parola può sembrare complicata, ma il concetto diventa più intuitivo con un esempio.
Supponiamo di voler costruire un sistema capace di distinguere messaggi di posta elettronica ordinari da messaggi indesiderati.
Un approccio tradizionale potrebbe prevedere regole stabilite direttamente dal programmatore:
SE il messaggio contiene la parola X → spam.
SE contiene il collegamento Y → spam.
SE proviene dal mittente Z → spam.
Il comportamento deriva dalle regole che abbiamo scritto.
Un sistema basato su tecniche di machine learning può funzionare diversamente.
Gli vengono presentati molti esempi dai quali il modello apprende determinate regolarità statistiche.
Quando arriva un nuovo messaggio, il sistema utilizza ciò che è stato appreso per produrre una classificazione.
Non cerca necessariamente una singola regola scritta da un essere umano del tipo:
SE X → ALLORA Y.
Utilizza il modello per ricavare dall’input una previsione.
È questo uno dei modi in cui possiamo cominciare a comprendere l’inferenza.
Inferire non significa ragionare come un essere umano
Qui dobbiamo fermarci su una distinzione essenziale.
Quando diciamo che un sistema di IA “inferisce”, utilizziamo un termine tecnico.
Non stiamo affermando che il computer:
- comprende il mondo come una persona;
- possiede coscienza;
- abbia intenzioni proprie;
- attribuisca necessariamente alle parole lo stesso significato che attribuiamo noi;
- ragioni nello stesso modo di un essere umano.
Stiamo descrivendo un processo computazionale.
Questo punto diventerà particolarmente importante quando parleremo dei modelli linguistici.
Un Large Language Model può produrre un testo che appare ragionato, coerente e persino creativo.
Ma l’apparenza linguistica dell’output non deve essere confusa automaticamente con il processo cognitivo umano.
Una distinzione importante: deterministico e probabilistico
Possiamo ora introdurre un’altra idea che ci accompagnerà nei prossimi capitoli.
Alcuni programmi tradizionali sono fortemente deterministici.
A parità di input e condizioni, una determinata procedura produce il risultato previsto.
Per esempio:
2 + 2 = 4
Un sistema di IA può invece utilizzare modelli nei quali hanno un ruolo fondamentale probabilità, statistica e relazioni apprese dai dati.
Questo non significa che tutta l’intelligenza artificiale sia semplicemente probabilistica, né che ogni software tradizionale sia sempre riconducibile a una sequenza elementare di regole.
La realtà tecnica è molto più articolata.
Per ora ci interessa acquisire una distinzione concettuale:
un sistema può produrre un output non perché un programmatore abbia scritto direttamente la risposta a quella specifica situazione, ma perché un modello consente al sistema di ricavare dall’input come generarla.
È uno dei passaggi fondamentali per comprendere l’IA contemporanea.
Attenzione
Non esiste una formula matematica del tipo “inferenza = intelligenza artificiale”.
L’inferenza è un elemento centrale della definizione normativa, ma non può essere isolata dagli altri elementi che caratterizzano il sistema.
Per stabilire se una determinata tecnologia rientri nella nozione di sistema di IA occorre valutarne concretamente caratteristiche, funzionamento e finalità, alla luce della definizione normativa applicabile.
La distinzione proposta in questo capitolo ha quindi una funzione didattica: serve a costruire progressivamente gli strumenti concettuali necessari per comprendere sistemi tecnologicamente molto più complessi.
Perché questa distinzione interessa l’avvocato?
Perché il diritto non disciplina una tecnologia sulla base del nome commerciale che le viene attribuito.
Il fatto che un prodotto venga presentato come “intelligente”, “AI powered” o “automatizzato” non è sufficiente a determinarne la qualificazione giuridica.
Occorre comprendere che cosa fa realmente il sistema.
Questo significa che, quando un avvocato utilizza o valuta una tecnologia, dovrebbe imparare progressivamente a porsi domande come:
- Quali sono gli input?
- Quale output viene prodotto?
- Il comportamento deriva esclusivamente da regole predeterminate oppure interviene un modello?
- Il sistema effettua inferenze?
- Quale livello di autonomia presenta?
- Può adattarsi dopo la sua diffusione?
- Qual è la finalità prevista?
Sono domande tecniche che possono produrre conseguenze giuridiche.
Ed è precisamente qui che informatica e diritto cominciano a incontrarsi.
La legge italiana aggiunge un elemento decisivo per il professionista
La legge 23 settembre 2025, n. 132 richiama espressamente, all’art. 2, la definizione europea di sistema di intelligenza artificiale.
Per le professioni intellettuali assume particolare importanza l’art. 13.
La disposizione stabilisce che l’utilizzo dei sistemi di IA nelle professioni intellettuali è finalizzato alle attività strumentali e di supporto all’attività professionale, con prevalenza del lavoro intellettuale oggetto della prestazione.
Prevede inoltre che, per assicurare il rapporto fiduciario tra professionista e cliente, le informazioni relative ai sistemi di IA utilizzati siano comunicate al destinatario della prestazione con linguaggio chiaro, semplice ed esaustivo.
Per l’avvocato questo passaggio è fondamentale.
Possiamo utilizzare strumenti sempre più sofisticati.
Possiamo utilizzare sistemi capaci di analizzare informazioni, produrre testi, individuare relazioni e assisterci nello svolgimento di numerose attività.
Ma l’autonomia tecnica dello strumento non deve trasformarsi in autonomia professionale.
La valutazione giuridica, la verifica dell’output, la strategia difensiva e la responsabilità della prestazione rimangono umane.
L’intelligenza artificiale resta uno strumento a supporto del professionista.
Non sostituisce l’avvocato.
Dal software all’IA
Possiamo finalmente ricostruire il percorso seguito fino a questo momento:
COMPUTER
↓
DATI
↓
ALGORITMO
↓
PROGRAMMA
↓
AUTOMAZIONE
↓
MODELLO
↓
INFERENZA
↓
INTELLIGENZA ARTIFICIALE
Non dobbiamo leggere questa sequenza come una classificazione tecnica universale né come se ogni sistema di IA dovesse necessariamente attraversare una successione rigida di fasi.
È una mappa didattica.
Serve a comprendere progressivamente come siamo passati dal computer che esegue istruzioni al sistema capace di produrre output attraverso modelli e processi di inferenza.
Ed è soprattutto il modo in cui il sistema ricava dagli input le modalità di generazione dell’output, considerato insieme agli altri elementi della definizione normativa, a permetterci di iniziare a distinguere un sistema di IA dalla semplice automazione.
Il concetto fondamentale
Un programma tradizionale può automatizzare l’esecuzione di regole definite in precedenza. Un sistema di IA può ricavare dagli input, attraverso un modello e un processo di inferenza, come produrre previsioni, contenuti, raccomandazioni o decisioni. L’inferenza è centrale per comprendere l’IA, ma la qualificazione giuridica del sistema dipende dalla valutazione complessiva delle sue caratteristiche.
Per l’avvocato comprendere questa differenza non è cultura informatica accessoria.
È il primo passo per capire quando una tecnologia può entrare nel campo di applicazione delle regole sull’intelligenza artificiale e quali domande giuridiche dobbiamo porci quando la utilizziamo.
Fonti
Unione europea
Regolamento (UE) 2024/1689 del Parlamento europeo e del Consiglio, 13 giugno 2024, art. 3, punto 1 — definizione di «sistema di IA» (fonte ufficiale EUR-Lex).
Italia
Legge 23 settembre 2025, n. 132, art. 2 — definizioni e rinvio alla nozione europea di sistema di IA (fonte ufficiale Gazzetta Ufficiale).
Legge 23 settembre 2025, n. 132, art. 13 — professioni intellettuali (fonte ufficiale Gazzetta Ufficiale).
Legge 23 settembre 2025, n. 132 — testo vigente consolidato (fonte ufficiale Normattiva).
Il prossimo passo
Ora sappiamo distinguere meglio programma, automazione e sistema di IA.
Ma abbiamo introdotto una parola che richiede un capitolo tutto suo:
modello.
Nel prossimo passo vedremo che cos’è un modello di intelligenza artificiale, che cosa significa “addestrarlo” e perché i dati del passato possono permettergli di produrre output su situazioni che non ha mai incontrato esattamente nello stesso modo.
Machine learning. Come una macchina impara dai dati senza “capire” come noi
Continua il percorso
AI spiegata semplice → torna alla mappa della collana.
AI Literacy → approfondisci in modo strutturato le competenze necessarie per utilizzare consapevolmente i sistemi di intelligenza artificiale.