Cosa è successo
Il Digital Journal ha riferito il 24 agosto 2026 che il Cybernews AI Trustworthiness Ranking 2026 ha valutato 500 aziende di intelligenza artificiale in 36 paesi e ha riscontrato lacune diffuse nelle informative sull'utilizzo e sulla conservazione dei dati. Secondo Digital Journal, il 63% delle aziende non ha rivelato chiaramente se le informazioni degli utenti sono state utilizzate per addestrare modelli di intelligenza artificiale e il 65% non ha rivelato chiaramente per quanto tempo sono stati conservati i dati degli utenti. La classifica sottostante e le risposte dell'azienda non sono state fornite nel testo originale, quindi questi risultati non sono confermati in modo indipendente qui.
Il Digital Journal ha riferito che Cybernews ha valutato 500 aziende di intelligenza artificiale operanti in 36 paesi per il suo AI Trustworthiness Ranking 2026. L'articolo afferma che la classifica ha esaminato quattro grandi aree: privacy dei dati, sicurezza, trasparenza organizzativa e percezione pubblica. Le aziende sono state valutate utilizzando informazioni disponibili al pubblico e l’analisi sulla privacy dei dati ha esaminato le politiche sulla privacy per spiegazioni su raccolta, condivisione, utilizzo e conservazione. La fonte ha descritto la valutazione come una delle più grandi revisioni delle pratiche sulla privacy dell’IA, ma non ha fornito la classifica sottostante, l’elenco completo delle aziende o la metodologia di punteggio dettagliata.
Secondo il Digital Journal, il divario più grande segnalato riguarda l’utilizzo o meno delle informazioni degli utenti da parte delle aziende per addestrare modelli di intelligenza artificiale. Ha attribuito a Cybernews la scoperta che il 63% delle aziende non ha rivelato chiaramente questa pratica. All'interno di questo gruppo, l'articolo afferma che il 42% non fa riferimento alla formazione sui dati degli utenti nelle proprie politiche sulla privacy, mentre il 21% offre spiegazioni vaghe o incomplete. L'articolo avverte esplicitamente che ciò non dimostra che tali aziende utilizzino i dati dei clienti per la formazione; si stabilisce, secondo il rapporto, che gli utenti non possono determinare facilmente se tale uso avviene.
Una seconda lacuna segnalata riguardava la fidelizzazione. Secondo il Digital Journal, Cybernews ha scoperto che il 65% delle aziende non ha dichiarato chiaramente per quanto tempo sono stati conservati i dati degli utenti. L'articolo divideva quel gruppo in aziende che non menzionavano affatto le politiche di conservazione o cancellazione, riportate come 9%, e aziende che utilizzavano un linguaggio ampio senza periodi di conservazione specifici, riportate come 56%. La fonte ha citato frasi come “per tutto il tempo necessario” e “per scopi commerciali legittimi” come esempi di linguaggio che potrebbe non dire agli utenti quando le informazioni verranno cancellate.
L’articolo riportava anche che le aziende di intelligenza artificiale più grandi generalmente avevano politiche sulla privacy più chiare rispetto alle aziende più piccole. Il Digital Journal ha presentato possibili spiegazioni, tra cui un maggiore controllo normativo, l’attenzione del pubblico e la presenza di team di procurement aziendale. Non si diceva che le imprese più piccole fossero necessariamente meno sicure. Separatamente, l’articolo afferma che la classifica più ampia di Cybernews identifica la sicurezza come la categoria più debole, con un punteggio medio di 32 su 100. Il testo originale non spiega come è stato calcolato tale punteggio o come si collega ai risultati sulla privacy.
Dettagli della fonte: digitaljournal.com ↗
Perché è importante
Le lacune segnalate influiscono sulla capacità delle persone e delle organizzazioni di prendere decisioni informate sull’invio di conversazioni, documenti, informazioni sanitarie, registri finanziari o dati aziendali proprietari ai servizi di intelligenza artificiale. Informazioni chiare sull’utilizzo della formazione e sulla conservazione sono particolarmente importanti poiché gli strumenti di intelligenza artificiale vengono integrati con e-mail, calendari, database dei clienti e flussi di lavoro finanziari. I risultati suggeriscono anche che la chiarezza della politica sulla privacy rimane disomogenea nel settore dell’intelligenza artificiale, anche se la divulgazione poco chiara non dimostra di per sé che un’azienda utilizzi in modo improprio i dati dei clienti.
La questione pratica non è solo se un’azienda di intelligenza artificiale abbia una politica sulla privacy, ma se la politica consente all’utente di comprendere il ciclo di vita delle informazioni inviate al servizio. Il resoconto di Digital Journal si concentra su due decisioni difficili da prendere senza informazioni specifiche: se le informazioni possono contribuire alla formazione del modello e per quanto tempo il fornitore può conservarle. Queste domande sono importanti per gli utenti comuni, i datori di lavoro, le scuole, le organizzazioni sanitarie e le aziende che gestiscono materiale riservato. I risultati riportati sono particolarmente rilevanti perché l’articolo descrive i sistemi di intelligenza artificiale come utilizzati per report aziendali, documenti sensibili, pianificazione, codice e discussioni personali. Se gli utenti non riescono a determinare se tali informazioni vengono conservate o utilizzate per il miglioramento del modello, potrebbero avere difficoltà a valutare i rischi di riservatezza e conformità prima dell’adozione.
La fonte non quantifica alcuna violazione, uso improprio, perdita finanziaria o violazione normativa risultante, quindi il significato qui è un problema di trasparenza e governance piuttosto che la prova di uno specifico incidente dannoso. Le informazioni sulla conservazione possono influenzare i controlli che un'organizzazione pone su un servizio di intelligenza artificiale. Un periodo di cancellazione preciso, una spiegazione chiara dei backup e una distinzione tra registri di servizio e dati di formazione possono modificare sostanzialmente la valutazione del rischio. Al contrario, affermazioni generali sulla conservazione dei dati per il tempo necessario potrebbero lasciare gli utenti nell’impossibilità di determinare quando le informazioni scompariranno o se le richieste di cancellazione copriranno ogni copia. Digital Journal ha collegato questa preoccupazione ai principi di minimizzazione dei dati associati al GDPR dell’Unione Europea, ma l’articolo non ha analizzato la conformità legale di alcuna azienda specifica.
La differenza segnalata tra aziende più grandi e più piccole ha anche implicazioni pratiche per gli appalti. Una politica più chiara può rendere un fornitore più facile da valutare, ma la chiarezza non è la stessa cosa di un’implementazione sicura o di una gestione responsabile dei dati. Al contrario, una politica poco chiara non dimostra che un fornitore più piccolo non sia sicuro. La fonte non fornisce alcun audit indipendente, test tecnico, azione di applicazione o confronto azienda per azienda che consentirebbe ai lettori di trarre conclusioni più solide sulle effettive prestazioni di sicurezza o privacy.
Meccanismo interattivo: come funziona realmente
Esplora la tecnologia alla base di questo sviluppo in modo interattivo.
crm_get_transaction(id='4092').Why can ethical evaluation not be reduced to one model score?
Cosa guardare dopo
Il passo successivo fondamentale è la verifica della metodologia della classifica Cybernews, del campione aziendale, delle regole di punteggio, delle date di revisione e delle prove sottostanti. Gli utenti e gli acquirenti aziendali dovrebbero cercare risposte specifiche sull'eventuale utilizzo di richieste e caricamenti per la formazione, per quanto tempo vengono archiviate le informazioni, cosa significa l'eliminazione, chi riceve i dati e se le impostazioni differiscono in base al prodotto o al tipo di account. Ulteriori rapporti dovrebbero anche stabilire se le aziende rivedono le loro politiche, se le autorità di regolamentazione rispondono e se i fornitori più piccoli migliorano l’informativa.
La prima priorità di verifica è il rapporto Cybernews stesso. I lettori dovrebbero essere in grado di esaminare il campione di 500 aziende, i paesi e i tipi di prodotto rappresentati, le date in cui le politiche sono state riviste, i criteri utilizzati per classificare le informative come chiare o poco chiare e il peso delle quattro categorie di classificazione. Senza questi dettagli, le percentuali forniscono un utile segnale di allarme ma prove limitate sull’industria dell’intelligenza artificiale nel suo insieme.
Le aziende dovrebbero essere sollecitate a fornire risposte concrete e specifiche per il prodotto. Domande importanti includono se i prompt, i file caricati, le conversazioni e gli output generati vengono utilizzati per la formazione; se gli utenti possono rinunciare; per quanto tempo vengono conservati i registri operativi e i backup; cosa copre la cancellazione; se i revisori umani o gli appaltatori possono accedere ai dati; e se i termini relativi all'impresa e al consumatore differiscono. La fonte non riporta le risposte delle aziende valutate, quindi qualsiasi affermazione secondo cui un particolare fornitore utilizza o non utilizza i dati dei clienti per la formazione richiederebbe una conferma separata.
La copertura futura dovrebbe esaminare se i fornitori modificano le loro politiche dopo la classifica, se i regolatori o le autorità sulla privacy indagano sulle lacune segnalate e se gli standard di approvvigionamento iniziano a richiedere periodi di conservazione definiti e divulgazioni esplicite sull’uso della formazione. L’articolo sottolinea la crescente integrazione dell’intelligenza artificiale con calendari, e-mail, database dei clienti e flussi di lavoro finanziari, ma non documenta alcuna nuova implementazione o azione normativa. Tali sviluppi dovrebbero pertanto essere trattati come questioni da monitorare piuttosto che come conseguenze accertate della classifica.
I risultati sottostanti dovrebbero essere testati anche rispetto a prove tecniche e legali. Il linguaggio delle politiche potrebbe non descrivere completamente i flussi di dati, mentre una politica chiara potrebbe comunque consentire pratiche che gli utenti trovano inaspettate. Audit indipendenti, termini contrattuali, test di cancellazione, valutazioni di sicurezza e modifiche documentate nel tempo aiuterebbero a distinguere una scarsa comunicazione da una gestione dannosa. Basandosi solo sulla fonte, le incognite significative includono se le percentuali riportate rimangono attuali, se il campione rappresenta il mercato più ampio e quante aziende utilizzano effettivamente i dati dei clienti per la formazione nonostante le divulgazioni poco chiare.