I contenuti generati dall'AI iniziano a dover dichiarare la propria identità

A partire dal 1° ottobre, i contenuti generati dall'AI devono essere etichettati quando circolano in Cina. Le «Misure per l'etichettatura dei contenuti generati o sintetizzati dall'intelligenza artificiale», emanate congiuntamente da quattro dipartimenti — l'Amministrazione del Cyberspazio cinese, il Ministero dell'Industria e dell'Information Technology, il Ministero della Pubblica Sicurezza e l'Amministrazione Nazionale di Radio e Televisione — entrano ufficialmente in vigore in questo giorno: testi, immagini, audio, video e scene virtuali, qualsiasi informazione generata o sintetizzata con tecnologie di intelligenza artificiale, deve portare un'etichetta.

Il cambiamento percepito per primo dagli utenti comuni arriva da alcune app familiari. WeChat, Video Channels, Douyin, Bilibili, Weibo e Xiaohongshu hanno aggiornato progressivamente i loro accordi con gli utenti prima e dopo l'entrata in vigore delle misure, chiedendo a chi pubblica contenuti di segnalare attivamente e in modo ben visibile i contenuti generati dall'AI. Le conseguenze per chi non lo fa sono scritte senza giri di parole: riduzione della portata, rimozione e, nei casi gravi, sospensione dell'account. Su alcune piattaforme di video brevi, quando l'utente si imbatte in contenuti del tipo «bambino adorabile che lava le verdure e accende il fuoco», compare una riga di testo in piccolo sotto l'immagine che avverte che il contenuto è realizzato con tecnologia AI e che si tratta di contenuti fittizi da valutare con prudenza. Qualcuno ha fatto uno screenshot di questa frase e l'ha pubblicato, dicendo che finalmente gli anziani di casa hanno creduto che quei bambini sono finti.

Due etichette: una per gli occhi, una per le macchine

Le misure distinguono due tipi di etichetta: esplicita e implicita. L'etichetta esplicita è quella che l'utente percepisce chiaramente, come un contrassegno nell'angolo dell'immagine, un avviso prima della riproduzione o una dichiarazione vocale all'inizio dell'audio. L'etichetta implicita è incorporata nei metadati del file: invisibile a occhio nudo, ma leggibile dagli strumenti delle piattaforme e delle autorità di vigilanza, per rispondere a domande del tipo «chi ha generato questo contenuto e da quale servizio proviene».

Le responsabilità sono distribuite per fasi. I fornitori di servizi devono garantire l'integrità delle etichette nei nodi di generazione, diffusione e download dei contenuti; le piattaforme di distribuzione delle app devono verificare che le applicazioni pubblicate siano dotate della funzione di aggiunta delle etichette; gli utenti privati, quando pubblicano contenuti generati, devono dichiararlo attivamente. Questa catena sposta la moderazione dei contenuti, un tempo possibile solo a posteriori, a monte, nelle fasi di progettazione del prodotto e di pubblicazione sugli store.

Per gli account di marketing che vivono di riciclo e riscrittura di contenuti altrui, l'etichetta implicita è un vincolo rigido. Prima bastava cambiare la copertina e ritoccare i colori di un video altrui per pubblicarlo come proprio originale; ora nei metadati potrebbero restare le informazioni sulla provenienza, e la piattaforma può risalire fino al fornitore di servizi originario per verificare se ha adempiuto all'obbligo di etichettatura.

Perché una normativa dedicata a una sola questione

L'etichettatura sembra una questione di poco conto, ma risolve la parte più problematica dei contenuti AI: il riconoscimento su larga scala. Xiao Youdan, ricercatrice dell'Istituto di consulenza strategica per la scienza e la tecnologia dell'Accademia cinese delle scienze, in un'analisi ha osservato che l'obiettivo principale del sistema di etichettatura è una vigilanza su larga scala, ad alta affidabilità e a basso costo. La moderazione dei contenuti non può contare sulla revisione umana, che non riesce a stare al passo, né sul giudizio dei modelli, che tende a produrre falsi positivi; l'etichetta, invece, è un segnale verificabile automaticamente e a basso costo.

Un altro scenario preso di mira è quello delle truffe. L'app del Centro nazionale anti-frode ha già introdotto la funzione «Identificazione di contenuti AI»: si carica un testo, un'immagine o un video e in pochi secondi si ottiene una valutazione preliminare. È stata lanciata in parallelo anche l'app «Anti-frode AI nazionale», sviluppata dal Dipartimento di pubblica sicurezza di Shanghai sotto la guida del Dipartimento investigativo criminale del Ministero della Pubblica Sicurezza: inserendo uno scenario sospetto, l'app scompone le tecniche di truffa più comuni. Negli ultimi due anni, il cambio di volto e la clonazione vocale sono comparsi sempre più spesso nelle frodi telefoniche e online; etichettare i contenuti AI significa aggiungere un ulteriore ostacolo lungo questa catena.

Le misure sull'etichettatura non sono un'azione isolata. La Corte Suprema ha pubblicato le «Opinioni sulla trattazione dei casi di controversia relativi all'intelligenza artificiale secondo la legge», inserendo nel ragionamento giudiziario temi come il cambio di volto e la clonazione vocale con AI, la responsabilità per allucinazioni dell'AI e il doxxing online; l'Amministrazione del Cyberspazio cinese ha avviato l'azione speciale «Qinglang · Contrasto al caos nelle applicazioni di AI», elencando sette categorie di intervento, tra cui la mancata registrazione dei grandi modelli, l'avvelenamento dei dati AI e l'attuazione incompleta dell'etichettatura dei contenuti generati o sintetizzati; il «Quadro di governance della sicurezza dell'intelligenza artificiale 3.0», pubblicato il 14 settembre, estende l'ambito di governance da un singolo passaggio tecnologico all'intero processo di dati, algoritmi, modelli, applicazioni e catena di fornitura. L'8 ottobre è entrato in vigore il primo standard di settore per la classificazione della sicurezza dei servizi di AI generativa, e gli standard relativi agli agenti intelligenti hanno individuato 13 categorie principali e 97 tipi di rischio. Le date di pubblicazione di questi documenti sono molto ravvicinate e, viste insieme, delineano un percorso di governance che va dai contenuti ai comportamenti, da un singolo modello all'intera catena.

Anche altri Paesi stanno facendo la stessa cosa

Allargando lo sguardo, la legislazione sull'etichettatura è ormai un consenso globale. Stati Uniti, Singapore, Unione Europea e Regno Unito stanno portando avanti le proprie regole per l'etichettatura dell'AI generativa. In UE, le clausole sulla trasparenza dell'«AI Act» entrano in vigore il 2 agosto 2026 e impongono di rendere nota l'interazione con l'AI, di marcare i contenuti sintetici e di etichettare i deepfake, con sanzioni fino a 35 milioni di euro o al 7% del fatturato annuo globale, scegliendo l'importo più alto. Per conformarsi, OpenAI ha annunciato l'inserimento di una filigrana invisibile nei testi generati da ChatGPT e Codex nell'ambito dell'Unione Europea.

La differenza sta nel punto su cui si concentra lo sforzo. L'UE segue la strada della classificazione del rischio e delle sanzioni elevate, scaricando la pressione sui fornitori di servizi; l'approccio cinese insiste maggiormente sulla tracciabilità lungo tutta la catena e sulla collaborazione tra piattaforme, distribuendo l'obbligo di etichettatura tra fornitori di servizi, distributori e utenti. La premessa comune delle due strade è la stessa: prima si fa in modo che i contenuti portino con sé le informazioni sulla provenienza, poi si può parlare di responsabilità e governance.

Cosa significa concretamente per i creator

Per i creator comuni, il cambiamento non è tecnologico ma di abitudini. Prima un'illustrazione disegnata dall'AI poteva essere pubblicata come un'opera qualsiasi; ora occorre dichiararlo attivamente, e in molti si chiedono se dopo la dichiarazione la portata verrà penalizzata dall'algoritmo. Al momento non esistono dati pubblici che possano rispondere. Il messaggio implicito delle piattaforme è che i contenuti etichettati volontariamente non subiranno penalizzazioni aggiuntive, e che a essere sanzionati saranno davvero quelli che, non etichettati, cercano di spacciarsi per riprese reali.

Ciò che vale davvero la pena osservare è se l'etichetta implicita riesca a resistere alle rielaborazioni successive. Se un video con filigrana viene montato nell'opera di un altro, transcodificato più volte e poi ripubblicato come screenshot, il tasso di sopravvivenza della filigrana cala. È anche il punto debole che OpenAI stessa ammette: la sua filigrana testuale, dopo la sostituzione del 10% delle parole, vede il tasso di rilevamento scendere da circa il 92% al 66%, e dopo una sostituzione del 25% resta solo il 17%. L'etichettatura può alzare il costo della contraffazione, ma non può chiudere del tutto quella strada.

Il problema più concreto sta nei confini. Una foto reale a cui l'AI ha ritoccato la pelle, cambiato lo sfondo e rimosso i passanti è o no un contenuto generato dall'AI? Le misure indicano una direzione, ma il giudizio concreto dipenderà dalle regole attuative delle piattaforme. Se l'etichetta è troppo ampia, tutti la appongono e perde valore informativo; se è troppo stretta, sfuggiranno molti contenuti che stanno nella zona grigia.

Le misure sull'etichettatura cambiano il valore predefinito. Prima, stabilire se un contenuto fosse generato dall'AI era una questione della piattaforma, del pubblico, e non certo di chi lo pubblicava. Ora diventa innanzitutto una questione di chi pubblica. Questo passo non risolve tutti i problemi, ma trasforma «generato dall'AI» da un'opzione che si poteva nascondere a una domanda a cui è obbligatorio rispondere.