L’anello debole della proprietà intellettuale nell’IA
Tra tutti gli elementi che compongono lo stack dell’intelligenza artificiale – data center, semiconduttori, algoritmi – i dati restano l’unico la cui titolarità giuridica non è definita in modo chiaro. I chip si comprano e si brevettano, i data center si costruiscono su terreni di proprietà, gli algoritmi si proteggono con brevetti o segreto industriale. I dati, invece, si trovano in una zona grigia tra proprietà intellettuale, diritto contrattuale e – quando riguardano persone fisiche – protezione dei dati personali. Ed è proprio questa indeterminatezza ad aver reso la governance dei dati il nuovo terreno di scontro geopolitico sull’intelligenza artificiale, in aggiunta a quello, più noto, su chip e capacità di calcolo.
Il modello cinese: dalla potenza dei dati alla registrazione nazionale
La Cina ha scelto la strada della certificazione statale della proprietà. Il 9 agosto 2026 l’Amministrazione Nazionale per i Dati ha pubblicato linee guida sperimentali per la registrazione della proprietà dei dati, introducendo il principio della “registrazione unica e riconoscimento reciproco” su scala nazionale: un certificato di proprietà unificato, rilasciato da enti abilitati, che le imprese possono utilizzare per dimostrare la titolarità delle proprie risorse informative e impiegarlo per operazioni di capitalizzazione, finanziamento o conferimento di capitale. Nei giorni successivi sono seguiti uno standard tecnico internazionale sviluppato sotto guida cinese sull’uso dei dati nelle smart city, il lancio di progetti pilota di cooperazione internazionale in dieci città e un’esposizione internazionale a Guiyang dedicata a nuovi modelli di scambio dei dati basati su token.
L’obiettivo dichiarato è duplice: ridurre i costi di circolazione e transazione dei dati e costruire un mercato dei dati integrato a livello nazionale, in vista dell’ambizione di fare della Cina una “potenza dei dati” entro il 2028. Il modello risponde a una logica proprietaria forte, gestita centralmente dallo Stato attraverso un sistema di certificazione.
Il fronte statunitense: piattaforme e controllo dei modelli
Negli Stati Uniti il conflitto si gioca su un piano diverso, tra chi possiede le piattaforme che generano i dati e chi addestra i modelli che li elaborano. Alcuni protagonisti dell’industria tecnologica statunitense hanno pubblicamente sollevato il tema del controllo, i produttori di grandi modelli linguistici, secondo questa critica avrebbero acquisito una posizione di forza addestrando i propri sistemi sull’intero corpus di produzione scritta della civiltà, e ora indirizzerebbero l’attenzione verso il controllo dei processi produttivi delle imprese che quei modelli utilizzano.
In questo contesto si inserisce anche una vicenda specificamente riferita ad Anthropic, emersa da atti giudiziari resi pubblici nell’ambito della causa Bartz v. Anthropic e ripresa, tra gli altri, dal Washington Post. A partire dai primi mesi del 2024 l’azienda ha acquistato – e poi digitalizzato attraverso uno smembramento fisico dei volumi – milioni di libri a stampa per addestrare i propri modelli linguistici a produrre testo di qualità. Vale la pena riportare come si sia conclusa, perché la distinzione operata dal giudice è istruttiva. La scansione distruttiva di libri legalmente acquistati è stata qualificata come fair use, mentre a fondare la responsabilità dell’azienda – sfociata in una transazione records per il settore, pari a 1,5 miliardi di dollari – è stato il download di milioni di copie classificate come piratate, condotta che il giudice ha tenuto giuridicamente distinta dall’acquisto e dalla successiva distruzione fisica dei volumi originali. È una distinzione che, insieme al più ampio contenzioso sul diritto d’autore che ha coinvolto diverse aziende del settore, illustra bene quanto la questione della provenienza e della liceità dei dati di addestramento resti centrale, e in parte ancora aperta, anche negli Stati Uniti.
Su un piano più sperimentale, in Argentina è stata presentata una proposta di legge che istituirebbe per la prima volta le “non-human corporation”, cioè imprese dotate di personalità giuridica gestibili integralmente da agenti di intelligenza artificiale, senza intervento umano diretto nella gestione corrente pur continuando a utilizzare dati e conoscenza generati da persone fisiche.
Tra mercato e beni comuni: due scuole di pensiero
Sul piano teorico, parte della dottrina economica sostiene che lo scambio di dati privo di una chiara definizione dei diritti di proprietà generi un vero e proprio fallimento di mercato, che spiegherebbe il formarsi di posizioni dominanti da parte delle principali società di IA. Altri giuristi, tra cui Giusella Finocchiaro, ritengono invece che occorra superare del tutto la logica proprietaria, i dati, personali e non personali non sono “beni rivali” – il loro uso da parte di uno non ne impedisce l’uso da parte di altri – e la proprietà è per natura un diritto esclusivo poco adatto a questa caratteristica. Il modello più appropriato sarebbe quindi quello della licenza d’uso, non della cessione proprietaria.
La risposta europea: portabilità, intermediari, sussidiarietà
L’Unione europea ha scelto una terza via, costruita non su un diritto di proprietà ma su diritti di accesso e circolazione. Il diritto alla portabilità dei dati personali, già previsto dall’art. 20 del GDPR, è stato affiancato dal Regolamento sulla Governance dei Dati (Data Governance Act), che ha istituito la figura degli intermediari di dati soggetti privati o cooperativi, a scopo di lucro o altruistico, che offrono servizi di intermediazione per valorizzare i dati mantenendo il controllo in capo a chi li genera. Ad oggi risultano accreditati nell’Unione circa cinquanta intermediari di questo tipo, di cui quattro o cinque a finalità altruistica. Il Data Act ha aggiunto obblighi di interoperabilità e di facilitazione del cambio di fornitore di servizi di trattamento dati, per ridurre gli effetti di lock-in verso i grandi fornitori cloud.
Questa architettura risponde, sul piano giuridico, al principio di sussidiarietà riconosciuto sia a livello europeo sia dalla Costituzione italiana, prima di accentrare il governo dei dati in capo allo Stato o cederlo integralmente al mercato, occorre favorire forme di autorganizzazione intermedia – cooperative di dati, consorzi di settore, corpi associativi – capaci di negoziare collettivamente con i grandi fornitori di tecnologia sulla base di una più equa ripartizione dei benefici generati dall’uso aggregato dei dati.
Il quadro normativo europeo, in questa prospettiva, non si limita a stabilire divieti e sanzioni: mira anche a incentivare comportamenti ritenuti socialmente desiderabili, creando le condizioni perché imprese e cittadini scelgano volontariamente forme di condivisione dei dati orientate al bene comune, piuttosto che imporle per via autoritativa. È un approccio più lento di una registrazione statale centralizzata come quella cinese, e meno immediato della logica di mercato che ha finora prevalso nella competizione tra le grandi piattaforme statunitensi, ma è anche l’unico dei tre che tenta di conciliare la valorizzazione economica dei dati con la tutela dei diritti fondamentali delle persone cui quei dati si riferiscono.
Perché la partita si gioca ora
Nessuno dei tre modelli – certificazione statale cinese, competizione tra piattaforme americane, portabilità e intermediazione europea – ha ancora dimostrato di funzionare su scala. Ma le istituzioni che stanno scrivendo le regole in questi mesi, mentre il dibattito pubblico resta concentrato su chip e data center, determineranno per un lungo periodo chi potrà davvero competere nello sviluppo di sistemi di intelligenza artificiale fondati su dati europei.
