Modelli cinesi di intelligenza artificiale, dati e affidabilità dei fornitori nella governance dei servizi IA

La diffusione di modelli di intelligenza artificiale sviluppati in Cina non rileva soltanto sul piano tecnologico o competitivo. Per imprese, intermediari finanziari, pubbliche amministrazioni e professioni regolamentate, il tema centrale riguarda la governance IA, cioè la capacità di valutare affidabilità del fornitore, protezione dei dati, sicurezza operativa e continuità del servizio.

Questa prospettiva emerge dallo studio The reactions of financial markets to the releases of DeepSeek R1 and Kimi K3: a critical analysis, pubblicato nell’ottobre 2026 nella collana Questioni di Economia e Finanza della Banca d’Italia. Il lavoro analizza le reazioni dei mercati finanziari alla presentazione di DeepSeek R1, avvenuta nel gennaio 2025, e di Kimi K3, sviluppato da Moonshot AI e presentato nel luglio 2026.

Pur muovendo da un’analisi economica, il documento offre indicazioni rilevanti anche per la valutazione giuridica e contrattuale dei servizi di intelligenza artificiale, soprattutto quando il loro impiego comporta trattamento di informazioni riservate o dipendenza da infrastrutture esterne.

Dalla prestazione del modello alla responsabilità del servizio

DeepSeek R1 e Kimi K3 sono descritti come passaggi significativi nella crescita competitiva degli operatori cinesi rispetto ai principali sviluppatori occidentali. DeepSeek R1 ha attirato l’attenzione per prestazioni considerate comparabili a quelle dei sistemi di ragionamento più avanzati e per prezzi di utilizzo sensibilmente inferiori. Lo studio segnala anche i costi di addestramento dichiarati dagli sviluppatori, precisando però che tali dati, in larga parte auto dichiarati, sono stati successivamente oggetto di dubbi.

Kimi K3 ha confermato la capacità di sviluppare modelli prossimi alla frontiera tecnologica, senza replicare lo stesso vantaggio economico attribuito a DeepSeek. Il punto, tuttavia, non è soltanto la qualità del modello in astratto. Un sistema di intelligenza artificiale utilizzabile in contesti professionali dipende anche da infrastrutture computazionali, strumenti di integrazione, gestione delle richieste degli utenti, continuità operativa e impegni contrattuali del fornitore.

Il caso Moonshot AI e la capacità di erogazione

Lo studio richiama il caso di Moonshot AI, che nei giorni successivi al lancio di Kimi K3 ha sospeso temporaneamente le nuove sottoscrizioni a causa di una domanda superiore alla capacità di erogazione del servizio. L’episodio mostra che la disponibilità di un modello avanzato non coincide necessariamente con la disponibilità di un servizio stabile, scalabile e affidabile.

In una valutazione legale e contrattuale, questo aspetto incide sulla scelta del fornitore, sulla continuità delle attività dell’utilizzatore e sulla possibilità di individuare obblighi chiari in caso di disservizio, indisponibilità o trattamento non conforme delle informazioni.

Modelli a pesi aperti e limiti della trasparenza tecnica

Un elemento centrale dello studio è rappresentato dai modelli a pesi aperti. In tali modelli, i parametri addestrati vengono resi pubblicamente disponibili, consentendo agli utilizzatori di eseguirli e spesso adattarli su infrastrutture autonome.

Questa caratteristica può ridurre la dipendenza dal fornitore originario, ma non deve essere confusa con una piena trasparenza del processo di sviluppo. La pubblicazione dei pesi non comporta necessariamente la pubblicazione dei dati di addestramento, del codice sorgente o delle scelte tecniche che hanno condotto alla realizzazione del modello.

Esecuzione autonoma e rischi residui

La distinzione tra servizio IA accessibile da remoto e modello a pesi aperti eseguito su infrastrutture considerate affidabili è particolarmente importante. Nel secondo caso, le richieste degli utenti possono non essere trasmesse al fornitore originario. Resta però necessaria una valutazione autonoma dei rischi collegati ai parametri del modello, alle modalità di addestramento e ai software impiegati.

Per gli utilizzatori professionali, l’adozione di un modello a pesi aperti può quindi rappresentare una soluzione utile, ma non elimina l’esigenza di verifiche tecniche, organizzative e contrattuali.

Dati, sicurezza e scelta del fornitore nei settori sensibili

Lo studio attribuisce particolare rilievo alla fiducia nei sistemi di intelligenza artificiale quando l’impiego riguarda settori con elevate esigenze di riservatezza e sicurezza, come servizi finanziari, sanità, professioni legali e pubbliche amministrazioni.

In questi ambiti, la decisione non può fondarsi solo su prezzo e prestazioni. Occorre considerare la disponibilità di garanzie documentate sulla gestione dei dati, la verificabilità delle operazioni, la localizzazione delle informazioni e la presenza di una controparte contrattualmente responsabile.

La mera pubblicazione dei pesi del modello non assicura, di per sé, tali garanzie. Il profilo giuridicamente rilevante riguarda quindi la possibilità di conoscere chi gestisce il servizio, dove sono trattate le informazioni, quali misure operative sono adottate e quali responsabilità possono essere fatte valere dall’utilizzatore.

Normative straniere e accesso alle informazioni

Il documento richiama anche le preoccupazioni connesse all’utilizzo di servizi forniti da operatori soggetti a normative straniere che prevedono obblighi di collaborazione con le autorità statali in materia di accesso alle informazioni. In tale quadro, la provenienza del fornitore e la sua esposizione a poteri pubblici esteri assumono rilievo nella valutazione del rischio.

Sono inoltre indicati rischi operativi e di sicurezza emersi nell’utilizzo di precedenti versioni di Kimi, compresi episodi di divulgazione impropria di dati. Anche questo profilo conferma che la comparazione tra sistemi non può limitarsi ai benchmark tecnologici.

Distillazione dei modelli e valore delle informazioni proprietarie

Un ulteriore tema affrontato riguarda la distillazione dei modelli, tecnica che consente di addestrare un sistema utilizzando le risposte generate da un altro modello. Il punto è rilevante perché incide sul valore delle informazioni proprietarie e sulla durata del vantaggio competitivo dei soggetti che sviluppano sistemi avanzati.

In questo contesto lo studio richiama le accuse formulate da Anthropic nei confronti di alcune società cinesi per presunte attività di estrazione sistematica di informazioni dai propri sistemi. L’autore precisa tuttavia che tali contestazioni non risultavano accertate in sede giudiziaria.

Rimane quindi aperta la questione relativa alla possibilità di riprodurre, tramite distillazione, capacità proprie dei modelli più avanzati e alla reale difendibilità del patrimonio informativo che sostiene tali sistemi.

Restrizioni pubbliche e proporzionalità delle misure

Lo studio considera anche l’intervento dei governi occidentali nei confronti di alcuni prodotti DeepSeek. Sono richiamate le restrizioni adottate dall’Australia nel febbraio 2025 e dalla Repubblica Ceca nel luglio dello stesso anno, motivate da preoccupazioni relative alla protezione dei dati e alla sicurezza informatica.

Tali misure evidenziano un equilibrio delicato. Limitazioni mirate possono ridurre l’esposizione di informazioni sensibili a fornitori soggetti a influenze straniere. Divieti generalizzati, invece, possono comprimere l’accesso a tecnologie competitive e meno costose, con effetti sulla concorrenza e sulla diffusione dell’innovazione.

La valutazione suggerita dal documento è quindi selettiva e proporzionata. Occorre distinguere i rischi tecnologici verificabili dalle misure che potrebbero risolversi nella protezione di produttori nazionali, così come occorre differenziare gli impieghi commerciali ordinari dalle applicazioni particolarmente sensibili.

Criteri di valutazione per imprese e pubbliche amministrazioni

Per chi adotta sistemi di intelligenza artificiale, l’esperienza di DeepSeek e Kimi mostra che il modello non è l’unico oggetto di analisi. Vanno esaminati il servizio, l’infrastruttura, il regime dei dati, la continuità operativa, la tracciabilità delle attività e l’effettiva responsabilità del fornitore.

Nei rapporti contrattuali e nelle procedure di selezione, la governance IA richiede quindi una due diligence che non si fermi alla convenienza economica o alle prestazioni dichiarate. L’affidabilità di un sistema dipende dalla combinazione tra qualità tecnica, garanzie operative e capacità dell’utilizzatore di mantenere il controllo sulle informazioni trattate.

È su questo terreno che la competizione tra modelli proprietari, modelli a pesi aperti e servizi remoti assume rilievo giuridico concreto: non nella sola disponibilità della tecnologia, ma nella possibilità di impiegarla con presidi adeguati rispetto al contesto e alla sensibilità dei dati coinvolti.