Un ordine esecutivo per cambiare un nome. Il 29 settembre 2026 Donald Trump ha firmato il provvedimento «Inaugurating the Era of Super Intelligence» che impone all’esecutivo federale di sostituire i termini «Artificial Intelligence» e «AI» con «Super Intelligence» e «SI».
Ma sarebbe riduttivo fermarsi al rebranding: la parte più significativa dell’iniziativa, infatti, è arrivata parallelamente all’ordine esecutivo perché i principali protagonisti dell’industria americana dell’AI hanno sottoscritto il Joint Commitment on Frontier Responsibilities, un accordo volontario che definisce quattro livelli di controllo per lo sviluppo e il deployment dei modelli più avanzati.
Ed è qui che la “Super Intelligence” diventa una questione di cyber security.
Vediamo cosa contiene questo accordo, dove sono i suoi punti fragile e cosa cambia per chi l’AI la adotta.
Indice degli argomenti
Super Intelligence: cosa cambia davvero con l’ordine di Trump
Prima di analizzarne le conseguenze, occorre separare i due provvedimenti che sono stati presentati insieme, ma hanno natura profondamente diversa.
L’Executive Order firmato da Trump è innanzitutto un atto di politica e terminologia federale. La Casa Bianca sostiene che l’espressione Artificial Intelligence non rappresenti più adeguatamente sistemi capaci di amplificare le capacità umane e operare in domini sempre più complessi.
Per ora, tuttavia, la definizione giuridica non cambia. L’ordine stabilisce, infatti, che “Super Intelligence” continui a indicare le tecnologie comprese nell’attuale definizione federale di intelligenza artificiale finché un successivo intervento presidenziale o del Congresso non stabilirà diversamente.
Dunque, per adesso restano intatti regolamenti, contratti, finanziamenti e atti già emessi e non c’è alcun requisito tecnico o scadenza per i fornitori.
Soprattutto, l’Executive Order del 29 settembre non introduce nuovi obblighi di cyber security per OpenAI, Google, Anthropic, Meta o gli altri sviluppatori privati.
La sicurezza entra in gioco attraverso il secondo pilastro dell’iniziativa: il White House Accord on Super Intelligence, presentato come Joint Commitment on Frontier Responsibilities e sottoscritto dai vertici di alcune delle maggiori aziende del settore.
L’accordo nasce da una filosofia molto precisa dell’amministrazione Trump: mantenere l’innovazione il più possibile libera da vincoli preventivi e chiedere all’industria di costruire autonomamente un sistema di controllo credibile.
È un passaggio che merita attenzione perché sposta il problema: la domanda, infatti, non è più soltanto quali regole debba imporre lo Stato ai modelli di frontiera, ma se sia possibile costruire un sistema di self-governance tecnicamente abbastanza robusto da controllare tecnologie che diventano contemporaneamente più capaci e più autonome.
L’accordo sulla Super Intelligence: quattro livelli di controlli e audit
Il Joint Commitment costruisce il proprio modello di sicurezza attorno a quattro livelli successivi di controllo e audit.
Poche ore prima della firma dell’ordine, nella East Room, Trump ha riunito i vertici dell’industria: tra i presenti Elon Musk, Mark Zuckerberg, Jeff Bezos, Jensen Huang, Dario Amodei e Sundar Pichai. Il «White House Accord on Super Intelligence», circa 300 parole, è stato sottoscritto da Trump, Musk, Zuckerberg, Huang, Amodei, Pichai e dal presidente di OpenAI Greg Brockman.
Il presidente lo ha definito «morally binding», ma non ha alcun vincolo giuridico: è un impegno volontario che, dice il testo stesso, in futuro potrebbe essere tradotto in leggi o regolamenti. Il cuore sono quattro livelli di controllo che chiunque si occupi di governance riconoscerà come un modello a linee di difesa.
Livello 1: monitorare capacità e allineamento, anche in ottica cyber
Ogni azienda si impegna a dotarsi di controlli interni per monitorare capacità e allineamento dei modelli, in addestramento e in produzione, su aree come cyber security, rischio biologico e chimico. Il passaggio più interessante è l’impegno ad assicurare che i modelli non compromettano né accedano a sistemi tecnici in modi non previsti.
È il riconoscimento, nero su bianco, del rischio agentico: agenti dotati di strumenti e credenziali che escono dal perimetro loro assegnato, per errore, per manipolazione o per comportamenti emergenti.
Per chi integra questi modelli nei processi aziendali il messaggio è chiaro: se i fornitori ammettono il rischio, il principio del minimo privilegio non è più opzionale.
Livelli 2 e 3: team interno e valutatore esterno
Il secondo livello prevede un team interno che verifichi il corretto funzionamento di controlli, monitoraggio e rilevamento e ne curi la remediation.
Il terzo prevede un auditor o valutatore indipendente che verifichi le stesse cose. Sulla carta è la separazione tra seconda e terza linea a cui siamo abituati.
Nella pratica mancano gli elementi che rendono affidabile un audit: uno standard di riferimento, criteri di indipendenza, un perimetro definito, l’obbligo di pubblicare almeno una sintesi dei risultati. Senza questi elementi, «valutatore indipendente» può voler dire cose molto diverse.
Livello 4: un comitato del board che risponde del rischio
L’ultimo livello chiede un comitato indipendente del consiglio di amministrazione che riceva i report dei team interni ed esterni e si assicuri che i problemi vengano risolti.
Chi lavora con NIS2 e DORA riconosce la logica: l’articolo 20 della NIS2 e l’articolo 5 del regolamento DORA attribuiscono agli organi di gestione la responsabilità di approvare e supervisionare la gestione del rischio cyber e ICT.
Qui, però, la responsabilità è volontaria e priva di sanzioni.
I limiti dell’accordo: volontarietà, opacità, nessuna notifica
Ed è proprio qui, forse, il punto debole dell’accordo che non prevede sanzioni, indicatori misurabili né obblighi di trasparenza, e non impone di notificare gli incidenti. Gli aderenti si impegnano a incontrarsi periodicamente per definire standard e buone pratiche: a scrivere le regole sarà, in prima battuta, la stessa industria che ne è destinataria, con un rischio che i giuristi conoscono bene.
Il presidente ha rivendicato la linea, parlando di grande autoregolamentazione e di «autocontrollo» del settore. Alla domanda se per proteggere le persone serva qualcosa di più della buona fede degli imprenditori, ha risposto di no.
Il confronto con l’Europa è impietoso. Per i modelli per finalità generali con rischio sistemico, l’articolo 55 dell’AI Act impone valutazioni e test avversari, mitigazione dei rischi, protezione adeguata della cybersicurezza e segnalazione degli incidenti gravi.
La NIS2 prevede notifiche entro 24 e 72 ore.
Sono obblighi verificabili e sanzionabili, mentre l’accordo americano è una dichiarazione d’intenti. Chi opera sul mercato europeo continuerà a rispondere all’impianto UE, a prescindere dal lessico usato a Washington.
Il precedente dell’Executive Order sulla cyber security dell’AI
È importante segnalare, comunque, che il nuovo accordo non nasce nel vuoto.
Il 2 giugno Trump aveva già firmato l’Executive Order 14409, Promoting Advanced Artificial Intelligence Innovation and Security, che aveva definito una linea molto più operativa sul rapporto tra AI e cyber security.
Il provvedimento ha previsto, tra le altre cose, la costruzione di un processo classificato di benchmarking per valutare le capacità cyber avanzate dei modelli e stabilire quando un sistema debba essere considerato un covered frontier model.
Il framework prevede, inoltre, la possibilità per gli sviluppatori di collaborare volontariamente con il governo federale e consentire l’accesso ai modelli più avanzati fino a 30 giorni prima della distribuzione ad altri partner fidati, nel rispetto di requisiti di riservatezza, cyber security, insider risk e tutela della proprietà intellettuale.
Allo stesso tempo, l’ordine esclude esplicitamente che questo meccanismo possa trasformarsi in un sistema obbligatorio di licensing o autorizzazione preventiva per lo sviluppo e il rilascio dei modelli.
È questo elemento che consente di leggere con maggiore precisione anche l’accordo del 29 settembre.
La linea americana sta assumendo una forma riconoscibile: benchmark governativi sulle capability più sensibili, collaborazione pubblico-privato e responsabilità diretta degli sviluppatori, ma senza un’autorizzazione federale preventiva alla commercializzazione dei frontier model.
La cyber security diventa un problema di containment
Per chi si occupa di sicurezza, tuttavia, il punto più importante va oltre il modello regolatorio.
L’aumento delle capacità dei sistemi AI sta progressivamente trasformando la sicurezza del modello in un problema di contenimento operativo.
Finché un modello produce soltanto testo, un comportamento inatteso può essere intercettato attraverso filtri, policy e sistemi di moderazione. Quando, invece, un agente può eseguire codice, interrogare servizi, utilizzare browser, accedere a repository, chiamare API o interagire con infrastrutture remote, il perimetro cambia radicalmente.
Non è più sufficiente chiedersi se il modello sia “allineato”. Occorre progettare l’ambiente assumendo che possa sbagliare, interpretare male un obiettivo o tentare un’azione che non dovrebbe compiere.
Da qui discendono requisiti molto concreti: sandbox realmente isolate, credenziali effimere, privilegi minimi, segmentazione degli ambienti, lista dei permessi delle destinazioni raggiungibili, controllo delle chiamate agli strumenti, logging completo delle azioni agentiche e meccanismi automatici di interruzione.
In altre parole, il modello non dovrebbe mai rappresentare da solo il confine di sicurezza.
È lo stesso principio applicato da anni agli utenti, ai workload cloud e alle applicazioni: l’identità di un agente AI deve essere trattata come quella di qualsiasi altro soggetto potenzialmente compromettibile.
Perché l’audit da solo non basta
Il modello dei quattro livelli ha dunque una logica condivisibile dal punto di vista della governance, ma la sua efficacia dipenderà da ciò che verrà inserito dentro ciascun livello.
Un audit periodico fotografa, infatti, una configurazione in un determinato momento. I modelli di frontiera, invece, possono cambiare rapidamente attraverso aggiornamenti, nuove integrazioni, differenti system prompt, strumenti aggiuntivi e nuove modalità agentiche.
Serve, quindi, una forma di continuous assurance.
Ogni modifica sostanziale alle capacità del modello dovrebbe attivare nuove verifiche. E lo stesso dovrebbe avvenire quando cambia l’ambiente nel quale il modello stesso opera: concedere accesso a un browser o a una shell può modificare il rischio molto più di un incremento marginale delle performance del modello.
Di conseguenza, anche la gestione degli incidenti dovrà evolvere.
Nel mondo software siamo abituati a vulnerability disclosure, CVE, patch management e incident response. Nei sistemi AI sarà necessario sviluppare meccanismi analoghi per comportamenti pericolosi riproducibili, failure dei guardrail e combinazioni di tool che permettono al modello di raggiungere capacità non previste.
Cosa dovrebbero chiedere le aziende ai fornitori di Super Intelligence
Per CISO e imprese che stanno introducendo modelli avanzati nei processi produttivi, l’accordo americano rappresenta soprattutto un’indicazione di ciò che dovrebbe entrare nelle procedure di vendor assessment.
Non basta più chiedere quale modello viene utilizzato o dove vengono conservati i dati.
Diventa necessario conoscere quali capability sono state sottoposte a red teaming, chi ha effettuato le verifiche indipendenti, quali privilegi può ottenere un agente, come vengono isolati gli ambienti di esecuzione e quale procedura viene attivata quando emerge un comportamento inatteso.
Altrettanto importante è la tracciabilità.
Se un agente prende una decisione e avvia autonomamente una sequenza di azioni, l’organizzazione deve poter ricostruire input, tool invocation, autorizzazioni utilizzate, output e conseguenze prodotte. Senza questa catena di evidenze, diventa estremamente difficile distinguere un errore del modello da un abuso delle credenziali, un attacco esterno o una configurazione errata.
Per questo l’AI governance e la cybersecurity stanno progressivamente convergendo.
Super Intelligence, il vero test sarà verificare chi controlla i controllori
Il cambio di nome voluto da Trump ha un forte valore politico e comunicativo, ma per la cyber security la partita si gioca altrove.
Il Joint Commitment on Frontier Responsibilities prova a costruire una catena di assurance che parte dal laboratorio, passa attraverso una funzione di controllo interna, arriva agli auditor esterni e termina nella governance aziendale.
L’architettura è interessante proprio perché riconosce implicitamente che la sicurezza dei modelli di frontiera non può essere affidata a un singolo guardrail.
Resta, però, una domanda aperta: quanto può essere efficace un sistema nel quale gran parte delle regole, degli auditor e delle modalità di disclosure rimane sotto il controllo delle aziende che sviluppano i modelli?
L’accordo stesso ammette che in futuro questi principi potrebbero essere trasformati in leggi o regolamenti, ma per ora gli Stati Uniti hanno scelto una strada diversa: lasciare che l’industria costruisca i propri meccanismi di controllo mentre il governo concentra il proprio intervento sulle capability più sensibili e sulla collaborazione con i developer.
Per le aziende europee, però, sarebbe sbagliato interpretare questa impostazione come un alleggerimento automatico delle responsabilità. Chi integra modelli americani nei propri processi continua a doverli inserire nel proprio sistema di gestione del rischio, nei controlli di cyber security, nella protezione dei dati e, quando applicabile, nel quadro normativo europeo.
La “Super Intelligence” può anche essere il nuovo nome scelto dalla Casa Bianca, ma dal punto di vista della sicurezza, il principio rimane molto più tradizionale: più aumenta il potere attribuito a un sistema, più devono diventare verificabili, indipendenti e multilivello i controlli che ne limitano l’azione.
Consigli operativi per aziende e consulenti
Il suggerimento è, dunque, trattare l’accordo per ciò che è: un indicatore di maturità del fornitore, non una certificazione.
Ecco, quindi, alcuni utili consigli operativi per la scelta dei fornitori AI:
- Chiedere evidenze, non dichiarazioni: quale valutatore, con quale perimetro, con che frequenza e con quali risultati condivisibili.
- Portare nei contratti ciò che l’accordo non prevede: notifica di incidenti e cambi di modello, diritti di audit, limiti all’uso dei dati per l’addestramento, localizzazione dei dati.
- Governare gli agenti: minimo privilegio, sandbox, credenziali separate, log completi e approvazione umana per le azioni ad alto impatto.
- Integrare i fornitori di AI nella supply chain: processo NIS2 (art. 21) e registro dei fornitori ICT di terze parti DORA.
- Riferire al board: l’AI generativa è ormai un rischio di terza parte da rendicontare come qualsiasi fornitore critico.
- Aggiornare glossari e documentazione verso controparti USA, tenendo distinta la «SI» dalla definizione dell’AI Act.
Un nome nuovo, un problema vecchio
Cambiare nome a una tecnologia non ne cambia la superficie d’attacco. Il nuovo ordine esecutivo di Trump è semplice marketing istituzionale.
L’accordo con le Big dell’AI, invece, è un primo passo apprezzabile, se non altro perché nomina esplicitamente il rischio che i modelli agiscano oltre il perimetro assegnato, ma gli mancano i denti che rendono un controllo tale.
Nell’attesa che qualcuno lo codifichi, la responsabilità di verificare resta, come sempre, di chi adotta.
Partecipa alla community