In quasi ogni edizione del Friday Weekly, prima o poi salta fuori un termine per cui metà dei partecipanti annuisce brevemente e l’altra metà va a cercarne il significato di nascosto. Token, RAG, agente, allucinazione: il mondo dell’IA ha un suo linguaggio, che cresce più velocemente di qualsiasi dizionario.
Il problema non è il termine tecnico in sé. Il problema sorge quando tutti usano la stessa parola ma intendono cose diverse. La direzione parla del «nostro agente di IA», il reparto IT si riferisce a un chatbot con accesso a tre documenti, mentre il responsabile della protezione dei dati si chiede se sia necessaria una valutazione d’impatto.
Questo glossario crea un linguaggio comune. Ogni termine è spiegato in due o quattro frasi, con un esempio e, ove opportuno, con un riferimento alla Svizzera. I termini sono ordinati per argomento, in modo che tu possa trovare facilmente ciò che appartiene allo stesso ambito.
Nozioni di base: che cos’è l’IA?
Prima di addentrarci nei modelli e nelle leggi, vale la pena dare un’occhiata ai concetti fondamentali. Essi ricorrono in ogni discussione e vengono spesso utilizzati in modo impreciso.
- Intelligenza artificiale (IA): termine generico che indica i sistemi informatici in grado di svolgere compiti che finora richiedevano il pensiero umano, come comprendere il linguaggio, riconoscere immagini o preparare decisioni. In inglese si chiama Artificial Intelligence (AI). Oggi la maggior parte delle persone intende con questo termine l’IA generativa come ChatGPT, ma il concetto è molto più antico e ampio.
- Apprendimento automatico: branca dell’intelligenza artificiale in cui un sistema non riceve regole predefinite, ma le deduce da esempi concreti. Un filtro antispam impara a riconoscere lo spam analizzando migliaia di e-mail contrassegnate, invece di elaborare un elenco fisso di parole chiave.
- Rete neurale e deep learning: una rete neurale è un modello computazionale costituito da numerosi strati interconnessi, vagamente ispirato al cervello. Il deep learning indica reti con un numero molto elevato di strati. Quasi tutte le attuali innovazioni nel campo dell’intelligenza artificiale, dal riconoscimento delle immagini ai modelli linguistici, si basano su questo principio.
- IA generativa: un’intelligenza artificiale in grado di generare nuovi contenuti: testi, immagini, musica, video o codice di programmazione. Si distingue dall’IA classica, che si occupa principalmente di classificare o prevedere. Secondo l’Ufficio federale di statistica, nel 2025 il 47% delle persone di età compresa tra i 16 e i 74 anni in Svizzera utilizzava già l’IA generativa; per ulteriori informazioni, consultare la pagina «L’IA in Svizzera in cifre».
- Modello linguistico (LLM): un Large Language Model è una grande rete neurale addestrata su enormi quantità di testo, in grado di elaborare e generare linguaggio. In sostanza, prevede sempre il frammento di testo più probabile che seguirà. Esempi noti sono GPT, Claude, Gemini e il modello svizzero Apertus.
- Multimodale: un modello è multimodale quando elabora diversi tipi di input, come testo, immagini, audio o video. Ad esempio, puoi fornire a un modello multimodale la foto di una fattura e chiedergli se l’IVA è indicata correttamente.
- Dati di addestramento: i dati su cui si basa l'apprendimento di un modello. La loro qualità e provenienza determinano le capacità del modello, le lingue che padroneggia e le distorsioni che acquisisce. Nella maggior parte dei modelli commerciali, i dati di addestramento non vengono resi pubblici.
- Parametri: le variabili di regolazione apprese di un modello. Il loro numero ne indica approssimativamente le dimensioni: un modello con 8 miliardi di parametri (8B) funziona su un buon notebook, mentre uno con 70 miliardi (70B) richiede un server. Un numero maggiore di parametri spesso significa maggiore capacità, ma anche un maggiore carico di calcolo.
- Token: l'unità con cui un modello linguistico legge e scrive il testo. Un token è solitamente una parte di parola; una parola tedesca è spesso composta da più di un token. Molti fornitori calcolano i propri prezzi per milione di token.
- Finestra di contesto: la quantità di testo che un modello è in grado di elaborare in un unico ciclo, misurata in token. Una finestra di contesto ampia consente di elaborare un intero contratto o un lungo verbale in una sola volta. Il modello «dimentica» ciò che si trova al di fuori della finestra.
- Allucinazione: quando un modello fornisce informazioni formulate in modo convincente, ma errate, come ad esempio una fonte inventata o una data sbagliata. Ciò accade perché il modello genera risposte probabili anziché verificate. Per questo motivo è importante verificare sempre fatti, cifre e citazioni alla fonte.
- Bias (distorsione): distorsione sistematica nei risultati di un modello, solitamente derivata dai dati utilizzati per l’addestramento. Uno strumento di selezione del personale addestrato con dati provenienti da un settore a prevalenza maschile può penalizzare le donne, senza che ciò sia stato intenzionale.
- Benchmark: test standardizzato utilizzato per confrontare i modelli, ad esempio in matematica, programmazione o cultura generale. I benchmark sono utili, ma dicono poco su quanto un modello sia efficace nel risolvere un tuo compito specifico. Un test personalizzato con esempi reali tratti dalla tua vita quotidiana è spesso più significativo.
In breve: un modello linguistico è un ottimo strumento di calcolo delle probabilità per il testo. Da ciò derivano i suoi punti di forza e i suoi errori tipici.
Modelli: cosa si nasconde dietro gli strumenti
Chi confronta gli strumenti di intelligenza artificiale si imbatte presto in termini relativi ai modelli stessi. Sono proprio questi a determinare dove vengono elaborati i tuoi dati e quanto controllo hai su di essi.
- Modello di IA a uso generico: è così che l’AI Act dell’UE definisce modelli come GPT o Claude, utilizzabili per molteplici compiti diversi (in inglese: General Purpose AI, GPAI). A partire dal 2 agosto 2025, i loro fornitori saranno soggetti a specifici obblighi nell’UE, ad esempio in materia di documentazione tecnica.
- Open Weights: i pesi utilizzati per l'addestramento di un modello sono pubblici e possono essere scaricati. Puoi quindi utilizzare il modello autonomamente, ma non sai necessariamente con quali dati sia stato addestrato. Ne sono un esempio Llama di Meta o Mistral.
- Modello completamente aperto: oltre ai pesi, vengono resi pubblici anche i dati di allenamento, il codice e i metodi. Ciò consente di ricostruire come è stato sviluppato il modello. Il modello svizzero Apertus è uno dei pochi modelli che si spinge così lontano.
- Apertus: il modello linguistico completamente aperto e multilingue della Swiss AI Initiative, promossa dall’ETH di Zurigo, dall’EPFL e dal Centro svizzero di calcolo scientifico (CSCS). La versione 1.0 è stata pubblicata il 2 settembre 2025, mentre la versione 1.5 è stata rilasciata nel luglio 2026. Il modello è stato addestrato con oltre 1'800 lingue, tra cui lo svizzero tedesco e il romancio.
- Modello di ragionamento (Thinking Mode): un modello che analizza i passaggi intermedi prima di fornire la risposta. Ciò richiede più tempo e potenza di calcolo, ma offre risultati nettamente migliori nei compiti che prevedono più passaggi, come i calcoli o la pianificazione.
- Fine-tuning (messa a punto): un modello esistente viene addestrato ulteriormente con esempi propri, affinché padroneggi meglio uno stile specifico o un ambito specialistico. Per la maggior parte delle aziende ciò comporta uno sforzo maggiore del necessario; spesso è sufficiente un buon prompt o l’uso del RAG.
- Inferenza: il momento in cui un modello già addestrato calcola una risposta. L'addestramento avviene una sola volta ed è costoso, mentre l'inferenza avviene ad ogni richiesta. Nei servizi cloud, di solito si paga per l'inferenza.
- Modello locale: un modello che gira sul tuo dispositivo o server senza che i dati escano dall’abitazione. Strumenti come Ollama o LM Studio consentono di farlo anche senza conoscenze di programmazione. La tabella comparativa dei modelli di IA mostra quali modelli funzionano su quale hardware.
- Quantizzazione: un processo che riduce le dimensioni di un modello memorizzandone i valori con una precisione inferiore. Un esempio: invece di registrare ogni numero con dieci cifre decimali, lo arrotondi a due. Il modello diventa più piccolo e più veloce, perdendo nella maggior parte dei casi solo una minima parte della qualità.
In breve: più un modello è aperto, maggiore è il controllo che hai sul suo funzionamento e sui dati. Più è grande, maggiore è la potenza di calcolo necessaria.
Applicazione: come funziona l'intelligenza artificiale nella vita quotidiana
Nella pratica, raramente ti capita di imbatterti nell’IA come modello “nudo e crudo”, ma piuttosto come strumento dotato di interfaccia, connessioni e regole. Questi concetti descrivono come tutto ciò interagisca tra loro.
- Chatbot e assistente IA: un’applicazione che ti permette di interagire in linguaggio naturale con un modello, come ChatGPT, Claude, Copilot o Le Chat. Il confronto tra le chat IA svizzere mostra quali alternative svizzere esistono e dove vengono conservati i relativi dati.
- Prompt: l'input con cui indichi a un modello cosa deve fare. Un buon prompt specifica il ruolo, il compito, il contesto e il formato desiderato. «Riassumi» fornisce un risultato qualsiasi, mentre «Riassumi il verbale per la direzione in cinque punti, indicando per prime le decisioni ancora in sospeso» fornisce un risultato utile.
- Messaggio di sistema: un’istruzione inviata prima di ogni conversazione che definisce il comportamento di un assistente, ad esempio il tono, gli argomenti consentiti o la lingua. Gli utenti di solito non lo vedono.
- RAG (Retrieval Augmented Generation): un metodo in cui il modello effettua innanzitutto una ricerca nei tuoi documenti e poi risponde utilizzando i passaggi trovati. In questo modo, un chatbot risponde alle domande relative al tuo regolamento del personale senza che sia necessario addestrare nuovamente il modello. L’assistente su swissai.ch funziona secondo questo principio.
- Embedding e database vettoriale: l’embedding traduce un testo in una sequenza di numeri che ne rappresenta il significato. I testi con significato simile risultano quindi vicini tra loro. Un database vettoriale memorizza queste sequenze di numeri e le utilizza per individuare i passaggi più pertinenti per il RAG.
- Agente IA: un sistema che persegue autonomamente un obiettivo in più fasi: pianificare, utilizzare strumenti, verificare i risultati intermedi, proseguire. Un agente può, ad esempio, confrontare offerte, creare una tabella e preparare una bozza di e-mail. Più è ampia la sua autonomia, più è importante stabilire limiti chiari e controlli.
- Utilizzo di strumenti (Function Calling): la capacità di un modello di richiamare funzioni esterne, come una ricerca sul web, un calendario o un CRM. Solo in questo modo l’IA non solo è in grado di scrivere testi, ma anche di interagire con i sistemi.
- MCP (Model Context Protocol): uno standard aperto presentato da Anthropic nel novembre 2024 e ormai supportato da numerosi fornitori. Regola le modalità di connessione degli assistenti IA a strumenti e fonti di dati. Per capirlo meglio: l’MCP è per l’IA ciò che l’USB è per i computer, ovvero un connettore universale.
- Human in the Loop: una persona verifica e approva le fasi importanti prima che entrino in vigore. Nel caso di decisioni delicate, ad esempio in materia di risorse umane o di pagamenti, questa è la misura di protezione più importante.
- Deepfake: immagine, video o file audio generato o modificato tramite intelligenza artificiale, che sembra autentico e raffigura persone, luoghi o eventi reali. Dal 2 agosto 2026, nell’UE i deepfake devono essere contrassegnati come generati dall’intelligenza artificiale; in Svizzera non esiste ancora una normativa specifica in merito.
- Filigrane e contrassegni: contrassegni tecnici che consentono di identificare i contenuti generati dall’IA, visibili o invisibili nei dati. L’EU AI Act li rende obbligatori per i sistemi generativi; i sistemi esistenti dispongono di un periodo di transizione fino al 2 dicembre 2026.
- IA “ombra”: strumenti di intelligenza artificiale utilizzati dai dipendenti all’insaputa dell’azienda o senza la sua autorizzazione, spesso tramite account privati. L’esperienza dimostra che i divieti servono a poco. Sono più efficaci una linea guida chiara e strumenti autorizzati che siano di qualità tale da non indurre nessuno a ricorrere a soluzioni alternative.
In breve: il valore aggiunto raramente deriva dal modello di per sé, ma dall’integrazione con i tuoi dati, strumenti e processi.
Diritto e protezione dei dati: cosa vale in Svizzera
La Svizzera non dispone ancora di una propria legge sull’intelligenza artificiale. Ciononostante, sono già in vigore molte norme che dovresti conoscere. Trovi una panoramica dettagliata nell’articolo “Legge sull’intelligenza artificiale in Svizzera”.
- Legge sulla protezione dei dati (LPD): la legge federale riveduta sulla protezione dei dati è in vigore dal 1° settembre 2023 ed è formulata in modo tecnologicamente neutro. Si applica quindi anche all’intelligenza artificiale (IA) non appena vengono trattati dati personali. Spesso si usa ancora l’abbreviazione nLPD, che sta per «nuova LPD».
- EDÖB: L’Incaricato federale della protezione dei dati e della trasparenza è l’autorità di vigilanza in materia di protezione dei dati sia per i privati che per la Confederazione. Nel novembre 2023 ha affermato che la legge vigente sulla protezione dei dati è direttamente applicabile all’intelligenza artificiale.
- Dati personali e dati personali particolarmente sensibili: per dati personali si intendono tutte le informazioni relative a una persona identificata o identificabile. Sono considerati particolarmente sensibili, ad esempio, i dati sanitari, le convinzioni religiose o i dati biometrici. A questi si applicano norme più rigorose, anche quando vengono inseriti in uno strumento di intelligenza artificiale.
- Trattamento per conto terzi: se un fornitore tratta dati personali per tuo conto, ad esempio un servizio di intelligenza artificiale nel cloud, è necessario stipulare un contratto che disciplini le finalità, la sicurezza e i subappaltatori. Nelle versioni aziendali dei principali fornitori, tale contratto è solitamente incluso nei termini e condizioni, mentre nelle versioni gratuite spesso manca.
- Trasferimento all’estero: i dati personali possono essere trasferiti solo in paesi che garantiscono un livello adeguato di protezione dei dati o che offrono garanzie supplementari, quali le clausole contrattuali standard. Per gli Stati Uniti, dal 15 settembre 2024 si applica lo Swiss-U.S. Data Privacy Framework, ma solo alle imprese certificate.
- Valutazione d’impatto sulla protezione dei dati: una verifica obbligatoria qualora il trattamento possa comportare un rischio elevato per gli interessati. È spesso necessaria quando si utilizza l’intelligenza artificiale con dati personali, ad esempio per la valutazione delle candidature.
- Convenzione del Consiglio d’Europa sull’intelligenza artificiale: il primo accordo internazionale vincolante in materia di intelligenza artificiale, diritti umani, democrazia e Stato di diritto. La Svizzera l’ha firmata il 27 marzo 2025. Il Consiglio federale intende ratificarla e, a tal fine, adeguare la legislazione il più possibile a livello settoriale.
- Consultazione: la procedura che consente ai Cantoni, ai partiti, alle associazioni e alle parti interessate di esprimere il proprio parere su un progetto di legge della Confederazione prima che questo venga sottoposto al Parlamento. Secondo la pianificazione del Consiglio federale, la consultazione per l’attuazione della Convenzione sull’IA è prevista per il primo semestre del 2027. Il nostro articolo sulla consultazione relativa alla regolamentazione dell’IA illustra lo stato attuale della situazione.
- EU AI Act: il regolamento dell’UE sull’intelligenza artificiale, in vigore dal 1° agosto 2024 e applicabile in modo graduale. Si applica anche alle aziende svizzere qualora i loro sistemi di intelligenza artificiale siano offerti nell’UE o i loro risultati vi vengano utilizzati. Cosa ciò significhi concretamente è spiegato nell’articolo “EU AI Act per le aziende svizzere”.
- IA ad alto rischio: categoria prevista dall’AI Act dell’UE per l’intelligenza artificiale in settori sensibili quali la selezione del personale, l’istruzione, la concessione di crediti o le infrastrutture critiche. A tali sistemi si applicano rigorosi obblighi in materia di gestione dei rischi, documentazione e supervisione umana, ai sensi del Digital Omnibus a partire da dicembre 2027 e agosto 2028, rispettivamente.
- Digital Omnibus: il regolamento (UE) 2026/1744, in vigore dal 27 luglio 2026. Esso semplifica l’AI Act e, soprattutto, posticipa le scadenze relative all’IA ad alto rischio.
- Competenza in materia di IA: le conoscenze e le capacità necessarie per utilizzare l’IA in modo competente e responsabile, denominata in inglese «AI Literacy». Ai sensi dell’articolo 4 dell’AI Act dell’UE, i fornitori e gli operatori devono adottare misure volte a promuoverla tra il proprio personale. Puoi trovare offerte adeguate nella panoramica dei corsi di formazione continua sull’IA.
- Comunicato di vigilanza FINMA 08/2024: Le aspettative dell’Autorità federale di vigilanza sui mercati finanziari nei confronti di banche, assicurazioni e altri istituti in merito all’utilizzo dell’intelligenza artificiale, pubblicato nel dicembre 2024. Il documento riguarda, tra l’altro, la governance, l’inventario delle applicazioni di intelligenza artificiale, la qualità dei dati, i test e la spiegabilità.
- Diritto d’autore e IA: in Svizzera non è ancora chiaro se e in che modo le opere protette possano essere utilizzate per l’addestramento dell’IA. Il Parlamento ha approvato la mozione Gössi (24.4596) sulla tutela della proprietà intellettuale nei confronti dell’IA; le modalità di attuazione rimangono tuttavia da definire. Secondo la normativa vigente, sono protette solo le creazioni intellettuali degli esseri umani; i contenuti generati esclusivamente dall’IA non sono quindi generalmente considerati opere.
In sintesi: chi utilizza l’IA con dati personali opera già oggi in un quadro normativo. Tra le novità figurano soprattutto gli obblighi di trasparenza e, con l’AI Act, le norme relative alle applicazioni ad alto rischio.
Il panorama svizzero dell'intelligenza artificiale
Alcuni termini sono tipicamente svizzeri oppure vengono spesso confusi in questo contesto. Aiutano a interpretare correttamente gli annunci e le offerte.
- Swiss AI Initiative: l'iniziativa congiunta dell'ETH di Zurigo e dell'EPFL, in collaborazione con altre università svizzere, che sviluppa modelli di IA aperti per la scienza, l'economia e la società, tra cui Apertus. Si avvale della potenza di calcolo del supercomputer Alps. Maggiori informazioni sono disponibili sulle pagine dedicate alla Swiss AI Initiative e ad Apertus.
- swissAI: l'associazione svizzera indipendente per l'intelligenza artificiale, precedentemente nota come KImpact. swissAI non fa parte della Swiss AI Initiative, ma ne sostiene gli obiettivi. La pagina "Organizzazione" illustra chi ne fa parte.
- CSCS e Alps: il Centro nazionale di calcolo ad alte prestazioni della Svizzera, con sede a Lugano, gestisce il supercomputer Alps, uno dei sistemi più potenti d’Europa nel campo dell’intelligenza artificiale. Apertus è stato addestrato su Alps.
- Sovranità digitale: la capacità di un Paese, di un’organizzazione o di una persona di decidere autonomamente in merito ai propri dati, sistemi e dipendenze digitali. Nel caso dell’intelligenza artificiale, la questione concreta è se i modelli, la potenza di calcolo e i dati siano sotto il proprio controllo o nelle mani di poche multinazionali straniere.
- Ubicazione dei dati in Svizzera: un servizio elabora e archivia i dati in centri di elaborazione dati situati in Svizzera. Si tratta di un criterio importante, ma non sostituisce la verifica di chi abbia accesso ai dati e a quale giurisdizione sia soggetto il fornitore.
Lavoro e formazione continua
Per concludere, ecco i termini che ricorrono più spesso nelle aziende e nel contesto della propria formazione continua.
- Linee guida sull'IA: regole interne che stabiliscono quali strumenti di IA possono essere utilizzati e per quali scopi, quali dati sono vietati e chi autorizza l'utilizzo di quali dati. Costituiscono la base per contrastare l'IA ombra e un elemento fondamentale delle competenze in materia di IA ai sensi dell'AI Act.
- Strategia sull’IA: il piano che definisce in quali ambiti l’IA apporta valore all’azienda, in quale ordine devono essere implementate le applicazioni e quali risorse sono necessarie a tal fine. Secondo EY, solo il 9% degli intervistati in Svizzera considera l’IA parte integrante della propria strategia. Il pacchetto strategico sull’IA offre un approccio strutturato per muovere i primi passi in questo ambito.
- Attestato federale di specializzazione in IA: un nuovo titolo federale della formazione professionale superiore destinato ai professionisti che utilizzano l’IA nelle aziende. È sostenuto dal settore e riconosciuto dalla Confederazione; swissAI ne sostiene lo sviluppo. L’articolo «Corsi e percorsi formativi sull’IA in Svizzera» offre una panoramica su questo e altri percorsi.
- CAS (Certificate of Advanced Studies): un corso di formazione continua da seguire parallelamente all’attività lavorativa presso un istituto di istruzione superiore, che prevede almeno 10 crediti ECTS, ovvero circa 300 ore di impegno. Molte università di scienze applicate e università tradizionali offrono corsi CAS in IA, scienza dei dati o IA nel marketing.
- Formatori certificati in IA: professionisti che offrono corsi pratici sull’IA generativa secondo gli standard di swissAI. L’elenco è disponibile alla voce «Formatori in IA».
Domande frequenti
Qual è la differenza tra IA e IA generativa?
L'IA è il termine generico che indica i sistemi in grado di risolvere compiti con un'intelligenza apparentemente umana. L'IA generativa ne fa parte: genera nuovi contenuti come testi, immagini o codice, mentre l'IA classica si occupa principalmente di classificare e prevedere.
Che cos'è un token?
Un token è l'unità più piccola in cui un modello linguistico elabora il testo, solitamente una parte di parola. La lunghezza degli input, la finestra di contesto e i prezzi vengono misurati in token.
Cosa significa RAG?
RAG è l'acronimo di Retrieval Augmented Generation. Il modello effettua innanzitutto una ricerca nei documenti archiviati e poi formula la risposta sulla base dei passaggi individuati. In questo modo, un chatbot è in grado di rispondere attingendo alle conoscenze specifiche dell'azienda, senza bisogno di essere nuovamente addestrato.
Esiste una legge sull'intelligenza artificiale in Svizzera?
Non ancora. Tuttavia, sono già in vigore la legge sulla protezione dei dati, la legge sulla concorrenza leale e la legge sul diritto d’autore, oltre alle norme di settore. Il Consiglio federale intende ratificare la Convenzione sull’intelligenza artificiale del Consiglio d’Europa; la consultazione sulle necessarie modifiche legislative è prevista per il primo semestre del 2027.
Qual è la differenza tra swissAI e la Swiss AI Initiative?
La Swiss AI Initiative è un programma di ricerca dell’ETH di Zurigo, dell’EPFL e di altre università, che sviluppa, tra l’altro, il modello linguistico Apertus. swissAI è l’associazione indipendente per l’intelligenza artificiale che mette in rete e forma persone e aziende sull’uso dell’IA.
Conclusione
Un vocabolario comune è la misura più semplice in materia di IA che un’azienda possa adottare. Chi sa cos’è una finestra di contesto capisce perché il chatbot abbia tralasciato l’inizio del contratto. Chi distingue il RAG dal fine-tuning sceglie la soluzione più conveniente. E chi conosce i termini relativi alla protezione dei dati pone le domande giuste prima che i dati vengano inseriti in uno strumento.
In breve:
- I modelli linguistici prevedono i possibili sviluppi successivi; da ciò derivano i punti di forza e le allucinazioni.
- I token e la finestra di contesto determinano la quantità di dati che un modello è in grado di elaborare alla volta e il costo di tale elaborazione.
- RAG integra un modello con le proprie conoscenze, senza doverlo addestrare nuovamente.
- Gli agenti agiscono in più fasi e hanno quindi bisogno di limiti chiari e di un controllo umano.
- In Svizzera, l'intelligenza artificiale è attualmente disciplinata principalmente dalla legge sulla protezione dei dati; è in fase di elaborazione una legge specifica sull'intelligenza artificiale.
- La legge dell'UE sull'intelligenza artificiale (EU AI Act) riguarda le aziende svizzere non appena la loro IA viene utilizzata nell'UE.
Ti manca un termine? Scrivici all'indirizzo human@swissai.ch oppure inseriscilo nel Friday Weekly. Aggiorniamo costantemente il glossario.
Aggiornato al 6 ottobre 2026.
Fonti: Legge sulla protezione dei dati su Fedlex · Incarico federale per la protezione dei dati ( EDÖB) sull’intelligenza artificiale e la protezione dei dati · Regolamento dell’UE sull’intelligenza artificiale su EUR-Lex · Digital Omnibus su EUR-Lex

