
La fiducia non va massimizzata. Va guadagnata, dimostrata con evidenze e calibrata di continuo.
Quasi ogni azienda tecnologica afferma di costruire fiducia. Ma la frase «fidatevi di noi» rivela già il problema di fondo: chiede fiducia prima di offrire motivi sufficienti per accordarla. Un fornitore di software può affermare che i dati dei clienti sono al sicuro. Un cliente può credere a questa affermazione e decidere di fidarsi del fornitore. Se però il fornitore sia davvero affidabile, cioè degno di fiducia, è un’altra questione. Solo le evidenze sui controlli di sicurezza implementati, sulla loro efficacia, sul loro perimetro e sul loro funzionamento nel tempo possono fornire una base razionale a quella fiducia. È qui che concetti come fiducia, affidabilità, assurance, affidamento (reliance), conformità, fiducia digitale e Zero Trust vengono spesso confusi tra loro. Eppure descrivono aspetti diversi dello stesso problema.
Comprendere queste distinzioni ci aiuta a rispondere a una domanda molto più ampia:
Che cosa dovrebbe significare la fiducia in un mondo digitale in cui sistemi, organizzazioni e rischi cambiano continuamente?
Nella ricerca organizzativa e psicologica, la fiducia è comunemente associata alla disponibilità ad accettare una vulnerabilità. Rousseau et al. descrivono la fiducia come uno stato psicologico che comprende l’intenzione di accettare una vulnerabilità sulla base di aspettative positive riguardo alle intenzioni o al comportamento di un’altra parte [1]. Analogamente, Mayer, Davis e Schoorman definiscono la fiducia come la disponibilità a rendersi vulnerabili nei confronti di un’altra parte, anche quando quella parte non può essere completamente monitorata o controllata [2]. (ResearchGate) La fiducia richiede quindi almeno due condizioni: deve esserci incertezza e deve esserci in gioco qualcosa di significativo.
Quando un esito è del tutto certo, la fiducia non serve. Quando non esiste alcuna potenziale perdita o dipendenza, ciò che sembra fiducia può essere semplicemente comodità. La fiducia diventa rilevante quando dipendiamo da un’altra persona, organizzazione o sistema e questa dipendenza crea vulnerabilità. Ciò significa anche che la fiducia non è mai semplicemente una proprietà universale di un’entità. Una formulazione più precisa sarebbe:
A si fida di B rispetto a X, alle condizioni Y, in un determinato momento.
Un’azienda può fidarsi di un cloud provider per archiviare materiale di marketing pubblico, ma non per questo fidarsi automaticamente dello stesso provider per il trattamento di informazioni sanitarie altamente sensibili. Un sistema può essere sufficientemente affidabile per un caso d’uso e del tutto inadatto per un altro. La fiducia è quindi relazionale, specifica del contesto e dipendente dal rischio.
Nel linguaggio quotidiano, «che gode di fiducia» e «degno di fiducia» vengono spesso trattati come sinonimi. Sul piano concettuale, però, descrivono due cose diverse. Godere di fiducia (trusted) significa che a un’entità viene effettivamente accordata fiducia. Essere degno di fiducia (trustworthy) significa che l’entità merita quella fiducia. Un truffatore convincente può godere di fiducia senza esserne degno. Al contrario, un sistema progettato con cura e ben governato può essere degno di fiducia e tuttavia non riuscire a conquistare quella degli utenti, perché le sue capacità, i suoi controlli e i suoi limiti restano invisibili. Mayer et al. individuano tre dimensioni ampiamente utilizzate dell’affidabilità percepita: competenza (ability), integrità (integrity) e benevolenza (benevolence) [2].
La competenza riguarda se la parte cui si accorda fiducia è abbastanza capace di svolgere il compito in questione. L’integrità riguarda se le sue dichiarazioni, i suoi principi e il suo comportamento effettivo sono coerenti. La benevolenza riguarda se ci si aspetta che tenga conto degli interessi di chi si fida anziché perseguire esclusivamente il proprio vantaggio. (JSTOR) Per i sistemi tecnici, queste dimensioni vanno tradotte. La competenza diventa capacità tecnica, solidità di funzionamento, resilienza e sicurezza. L’integrità diventa comportamento prevedibile, regole coerenti, trattamento tracciabile e comunicazione veritiera dei limiti. La benevolenza non può semplicemente essere attribuita a una macchina. Può però essere valutata in relazione all’organizzazione che sviluppa e gestisce il sistema: l’organizzazione tutela gli interessi degli utenti? Comunica i rischi con onestà? Prevede meccanismi di responsabilità e di ricorso?
Il NIST affronta l’affidabilità dalla prospettiva dell’ingegneria dei sistemi. Un sistema affidabile non è semplicemente un sistema di cui le persone si trovano a fidarsi. La sua affidabilità deve fondarsi su evidenze che dimostrino che è in grado di soddisfare i requisiti critici che gli sono posti. A seconda del contesto, questi requisiti possono comprendere sicurezza informatica, sicurezza funzionale, solidità di funzionamento, resilienza, privacy o altre proprietà del sistema [3]. Questa distinzione è fondamentale:
La fiducia esiste nella mente di chi si fida. L’affidabilità risiede nelle qualità e nel comportamento dell’entità cui si accorda fiducia.
Le due possono coincidere, ma non coincidono automaticamente.
Un’altra distinzione importante è quella tra fiducia e affidamento (reliance). La fiducia è un atteggiamento, un’aspettativa o un giudizio. L’affidamento è un comportamento osservabile. Una persona può diffidare di un sistema di IA e seguirne comunque la raccomandazione perché non ci sono alternative, perché la pressione dei tempi è alta o perché il processo organizzativo lo impone. Al contrario, una persona può in generale fidarsi di un sistema ma ignorarne deliberatamente la raccomandazione in un caso specifico. Questa distinzione conta perché i sondaggi che chiedono agli utenti se si fidano di un sistema non predicono necessariamente quando quegli utenti vi faranno affidamento. La ricerca recente sull’interazione uomo-IA distingue quindi sempre più tra fiducia percepita, affidamento comportamentale, prestazioni del sistema e adeguatezza della decisione che ne risulta [8]–[10]. (ACM Digital Library)
Nemmeno la conformità equivale all’affidabilità. In prima battuta, la conformità risponde a una domanda più circoscritta:
Un insieme definito di requisiti è stato soddisfatto all’interno di un perimetro definito?
Una certificazione, un rapporto di audit o una valutazione possono fornire un motivo importante per accordare fiducia. Non costituiscono però una dichiarazione illimitata e permanente che un’organizzazione è sicura. Un audit può confermare che un determinato sistema di gestione è stato implementato in modo adeguato entro un determinato perimetro e in un determinato periodo. Non dimostra automaticamente che ogni configurazione attuale è corretta, che ogni sistema introdotto di recente è coperto o che nessun incidente di sicurezza può verificarsi. Il NIST mette quindi in guardia dal considerare la conformità come unica base probatoria per l’assurance o l’affidabilità. La conformità può apportare evidenze preziose, ma un approccio basato solo sulla conformità rischia di creare un’apparenza di sicurezza senza dimostrare adeguatamente l’efficacia del sistema sottostante [3]. (NIST Publikationen)
La conformità conta. Ma la conformità è uno dei fattori che contribuiscono a una fiducia giustificata, non un suo sostituto completo.
Tra la fiducia soggettiva di una parte e l’affidabilità effettiva di un sistema si colloca un ulteriore concetto: l’assurance. Il NIST descrive l’assurance in termini di fondamenti per una fiducia giustificata che un’affermazione sia stata o sarà soddisfatta [3]. L’assurance non è quindi né una sensazione né una garanzia. È una giustificazione strutturata. Una struttura di assurance solida dovrebbe rendere visibili almeno cinque elementi: Affermazioni: che cosa viene asserito esattamente? Argomentazioni: perché le informazioni disponibili dovrebbero sostenere l’affermazione? Evidenze: quali registrazioni, osservazioni, test o artefatti dimostrano implementazione ed efficacia?
Assunzioni: a quali condizioni la conclusione resta valida? Perimetro: quali sistemi, processi, dati, sedi e periodi sono coperti? Il NIST utilizza il concetto di assurance case per descrivere una relazione strutturata e verificabile tra affermazioni, argomentazioni, assunzioni ed evidenze a supporto [3]. Si consideri la seguente affermazione di sicurezza:
Tutti i dati di produzione sono cifrati a riposo.
Una policy aziendale sulla cifratura dimostra che esistono un’intenzione e un requisito. Non dimostra che ogni sistema di archiviazione di produzione implementi effettivamente il requisito. Uno screenshot della configurazione di un database fornisce un’evidenza su quel particolare database in un particolare momento. Non dimostra necessariamente una copertura completa. Un assurance case più solido potrebbe combinare:
Le diverse forme di evidenza servono scopi diversi. Una policy sostiene la progettazione prevista. Una configurazione sostiene l’implementazione tecnica. Un test o una telemetria continua sostengono il funzionamento effettivo. Un riesame sostiene la conclusione che l’evidenza è stata valutata e accettata da una parte responsabile. Nessuno di questi elementi è necessariamente sufficiente da solo. L’assurance nasce dalla relazione tracciabile tra l’affermazione originale, il perimetro coperto, l’implementazione e le evidenze disponibili. Un sistema di assurance maturo deve anche essere in grado di produrre conclusioni negative. Dovrebbe poter affermare che:
Il NIST riconosce esplicitamente che un’analisi di assurance può produrre risultati sfavorevoli quando le evidenze non sostengono l’affermazione [3]. (NIST Publikationen) Un sistema capace di generare soltanto spunte verdi può creare rassicurazione. Non crea necessariamente un’assurance credibile.
A prima vista, lo Zero Trust sembra contraddire l’obiettivo di costruire più fiducia. Non è così. Lo Zero Trust affronta un livello diverso del problema. Non è in primo luogo una filosofia psicologica o culturale. È un approccio architetturale alle decisioni di accesso. In un modello Zero Trust, la fiducia non viene concessa solo perché un utente o un dispositivo si trova all’interno di una rete aziendale, appartiene all’organizzazione o è stato autenticato in precedenza. L’accesso viene valutato in relazione a una specifica risorsa, identità, dispositivo, contesto e richiesta. I permessi dovrebbero essere limitati, rivalutati continuamente e concessi partendo dal presupposto che una rete o un sistema possa essere già compromesso [4].
La sicurezza tradizionale basata sul perimetro spesso comprime una decisione di fiducia complessa in un’unica assunzione generica:
Dentro la rete aziendale significa affidabile.
Lo Zero Trust scompone questa assunzione in decisioni più piccole:
Questa identità, con questo dispositivo, a queste condizioni, può accedere ora a questa risorsa?
Lo Zero Trust non è quindi la fine della fiducia. È la fine della fiducia implicita, generica ed ereditata in modo permanente. Un’interpretazione più precisa sarebbe:
Zero fiducia implicita. Zero privilegi non meritati.
Un’organizzazione può avere al tempo stesso una cultura ad alta fiducia e un’architettura Zero Trust. I dipendenti non devono sospettare personalmente gli uni degli altri solo perché le decisioni di accesso vengono verificate tecnicamente. Anzi, controlli ben progettati possono facilitare la fiducia interpersonale. Riducono la probabilità che un singolo errore, un account compromesso o una richiesta malevola producano danni illimitati. Lo Zero Trust sostituisce un’unica, ampia e vaga assunzione di fiducia con molte decisioni più piccole, contestuali, temporanee e revocabili. Ciò è pienamente compatibile con una concezione moderna della fiducia.
L’affidabilità si concentra spesso sulle qualità di una particolare organizzazione, di un sistema o di una relazione. La fiducia digitale allarga la prospettiva a un intero ecosistema digitale. Il World Economic Forum descrive la fiducia digitale come l’aspettativa che le tecnologie e i servizi digitali, così come le organizzazioni che li forniscono, tutelino gli interessi degli stakeholder e rispettino le aspettative e i valori sociali pertinenti. Il suo framework collega la fiducia digitale a dimensioni quali cybersecurity, privacy, trasparenza, verificabilità, equità, interoperabilità, sicurezza e meccanismi di ricorso [5]. (World Economic Forum) In modo analogo, ISACA inquadra la fiducia digitale come fiducia nell’integrità delle relazioni, delle interazioni e delle transazioni all’interno di un ecosistema digitale composto da persone, organizzazioni, processi, informazioni e tecnologie [6]. (ISACA)
Questa prospettiva di ecosistema conta perché l’affidabilità di un prodotto digitale raramente dipende solo da quel prodotto. Un fornitore SaaS può fare affidamento su:
L’affidabilità del prodotto visibile dipende quindi anche da controlli, assunzioni e dipendenze che restano in gran parte invisibili ai suoi utenti. La fiducia digitale può essere intesa come il risultato economico e sociale più ampio. L’affidabilità descrive le proprietà che rendono l’ecosistema degno di fiducia. L’assurance costituisce il ponte tra quelle proprietà e la decisione di uno stakeholder di accordare fiducia.
L’intelligenza artificiale rende particolarmente visibile la differenza tra fiducia percepita e affidabilità effettiva. Un sistema di IA può comunicare in modo fluido, sicuro e persuasivo senza essere costantemente corretto. Un’interfaccia può trasmettere trasparenza e competenza anche quando il modello sottostante non è sufficientemente affidabile per il compito previsto. Spiegazioni, punteggi di confidenza o un linguaggio simile a quello umano possono influenzare la percezione degli utenti. Non sono automaticamente un’evidenza che una risposta sia corretta. Il NIST non definisce quindi l’IA affidabile attraverso un’unica proprietà. L’AI Risk Management Framework individua molteplici caratteristiche, tra cui validità e solidità di funzionamento, sicurezza funzionale, sicurezza e resilienza, responsabilità e trasparenza, spiegabilità e interpretabilità, privacy e gestione dei bias dannosi. Il NIST sottolinea inoltre che queste caratteristiche dipendono dal contesto e possono comportare compromessi [7].
Un sistema può essere accurato ma iniquo. Può essere trasparente ma insicuro. Può tutelare la privacy ma restare poco attendibile per lo scopo previsto. Può funzionare bene in media e fallire in modo imprevedibile proprio nei casi più importanti. L’etichetta «IA affidabile» non deve oscurare queste distinzioni. La ricerca sull’interazione uomo-IA discute quindi sempre più di fiducia appropriata, fiducia calibrata e affidamento appropriato. L’obiettivo non è far sì che gli utenti si fidino il più possibile di un sistema. L’obiettivo è aiutarli a farsi un’idea accurata delle capacità e dei limiti del sistema e a farvi affidamento solo quando tale affidamento è giustificato.
Una revisione sistematica di Mehrotra et al. ha rilevato che nella letteratura non esiste ancora una definizione unica e applicata in modo coerente di fiducia appropriata. Gli studi utilizzano costrutti e misurazioni diversi per fiducia, intenzioni, affidamento, capacità percepita e prestazioni effettive del sistema [8]. (ACM Digital Library) Analogamente, Visser et al. distinguono fiducia, sfiducia e affidamento appropriato. La loro rassegna indica che la relazione empirica tra IA spiegabile, fiducia degli utenti e affidamento appropriato resta contrastante e, in molti contesti, non conclusiva [9]. (ScienceDirect) Un preprint del 2026 di Raees e Papangelis sostiene in modo ancora più diretto che le misurazioni soggettive della fiducia non indicano automaticamente se le persone facciano un affidamento appropriato sulle raccomandazioni dell’IA. Poiché il lavoro è stato pubblicato come preprint, le sue conclusioni vanno considerate un contributo di ricerca attuale e non un consenso definitivo [10]. (arXiv)
Nemmeno la sfiducia è necessariamente l’opposto di un buon uso del sistema. Un certo grado di scetticismo può favorire la verifica e l’individuazione degli errori. Tuttavia, una sfiducia indiscriminata può anche portare gli utenti a respingere raccomandazioni corrette. Uno studio sperimentale del 2026 di Peters, Biermeier e Scharlau ha esaminato se l’attenzione visiva possa aiutare a individuare una «sfiducia sana» nell’interazione uomo-IA. I risultati non sono stati conclusivi e mostrano quanto resti difficile misurare se fiducia e sfiducia siano calibrate in modo appropriato [11]. (Frontiers) La relazione auspicata può essere illustrata come segue:
| Affidabilità effettiva | Fiducia bassa degli utenti | Fiducia alta degli utenti |
|---|---|---|
| Bassa | Scetticismo giustificato | Fiducia eccessiva pericolosa |
| Alta | Fiducia insufficiente o mancato utilizzo | Fiducia giustificata e calibrata |
L’obiettivo non è semplicemente spostare ogni utente nell’angolo in basso a destra aumentandone la fiducia. L’obiettivo è far corrispondere il più possibile la fiducia percepita e l’affidamento comportamentale all’affidabilità effettiva del sistema, alle conseguenze di un malfunzionamento e al contesto d’uso. In un articolo del luglio 2026, Busuioc e Maggetti sostengono il passaggio dalla massimizzazione della fiducia alla fiducia calibrata. Avvertono che la fiducia può staccarsi dall’affidabilità effettiva quando le organizzazioni fabbricano segnali di fiducia invece di intervenire sulle condizioni di fondo che la rendono giustificata. La loro analisi sottolinea inoltre la vulnerabilità, la responsabilità e il ruolo costruttivo che la sfiducia può svolgere [12]. (OUP Academic)
Il regolamento europeo sull’intelligenza artificiale (AI Act) segue una logica operativa affine. Per i sistemi ad alto rischio interessati, richiede processi e documentazione in materia di gestione dei rischi, governance dei dati, documentazione tecnica, registrazione degli eventi, trasparenza, sorveglianza umana, accuratezza, robustezza e cybersicurezza [13]. Questi requisiti non dimostrano che ogni sistema di IA regolamentato sarà affidabile. Tentano però di tradurre un’aspettativa astratta di affidabilità in attività di governance concrete e in evidenze verificabili. (EUR-Lex) L’IA affidabile non è quindi uno stile di interfaccia né un’etichetta di marketing. È un problema continuo di governance e di assurance.
In Secani non intendiamo la fiducia come una sensazione da accrescere e basta. Né la definiamo come certezza assoluta. Nei sistemi digitali reali la sicurezza assoluta non esiste. Neppure evidenze solide possono garantire che non si verifichi mai un guasto o un attacco. Le evidenze riducono l’incertezza e favoriscono decisioni migliori, ma non eliminano il rischio. Se si potesse eliminare ogni incertezza, la fiducia non sarebbe più necessaria. Per questo parliamo deliberatamente di fiducia giustificata (justified confidence), non di certezza. La nostra definizione è:
La fiducia è la convinzione giustificata e specifica del contesto che un’affermazione di sicurezza sia vera ora, perché l’affermazione, la sua implementazione e le evidenze attuali concordano in modo verificabile.
La catena sottostante è:
Affermazione → Implementazione → Evidenza → Assurance → Fiducia calibrata
Un’organizzazione formula un’affermazione sulla propria sicurezza. Tale affermazione viene tradotta in controlli, sistemi, responsabilità e risultati attesi specifici. Le evidenze attuali dimostrano se e come quei controlli sono stati implementati. Un processo di assurance valuta se le evidenze sostengono effettivamente l’affermazione originale. Solo allora emerge una base razionale per la fiducia. Questa definizione contiene cinque vincoli deliberati.
«Siamo sicuri» è un’affermazione troppo ampia per essere verificata in modo significativo. «Tutti gli archivi di dati di produzione utilizzano configurazioni di cifratura approvate» è più circoscritta e verificabile. Più un’affermazione diventa generica, più diventa difficile individuarne il perimetro, le evidenze necessarie, le assunzioni e le condizioni di validità.
Un controllo può essere efficace per un sistema e inefficace per un altro. Un modello di IA può essere adatto a riassumere documenti interni ma inadatto ad approvare autonomamente eccezioni di sicurezza. La fiducia non può essere trasferita da un contesto all’altro senza valutare se le condizioni rilevanti restino comparabili.
Le organizzazioni cambiano di continuo. Vengono introdotti nuovi asset. Le configurazioni vengono modificate. I dipendenti cambiano ruolo. I fornitori aggiornano i loro servizi. Vengono scoperte vulnerabilità. Controlli che ieri funzionavano correttamente potrebbero non farlo più oggi. Le evidenze perdono quindi valore nel tempo. Una conclusione affidabile deve comunicare non solo che cosa è stato verificato, ma anche quando è stato verificato e per quanto tempo quella conclusione dovrebbe restare valida.
Le evidenze rendono visibile l’incertezza e rendono le decisioni difendibili. Non eliminano del tutto l’incertezza. Anche evidenze solide hanno dei limiti. Possono coprire solo una parte di un sistema, basarsi su assunzioni, contenere errori di misurazione o diventare obsolete. Un’assurance credibile deve comunicare questi limiti anziché nasconderli dietro uno stato binario.
Una decisione di fiducia deve poter cambiare quando cambiano le condizioni che la sostengono. Quando nuove evidenze contraddicono un’affermazione di sicurezza precedente, la conclusione dovrebbe essere aggiornata. Quando le evidenze scadono, la fiducia dovrebbe diminuire. Quando il perimetro coperto si amplia, dovrebbero essere richieste evidenze aggiuntive. Una fiducia che non può essere rivista non è fiducia calibrata. È una convinzione scollegata dalla realtà.
La fiducia digitale tradizionale si costruisce spesso attraverso segnali periodici: certificati, questionari, rapporti di audit, documenti di valutazione e presentazioni sulla sicurezza. Questi meccanismi restano importanti. Ma da soli non bastano in un mondo in cui i sistemi digitali possono cambiare ogni giorno. Il modello futuro va in un’altra direzione:
| Modello tradizionale | Modello futuro |
|---|---|
| «Fidatevi di noi» | Verificare un’affermazione specifica |
| Promesse di sicurezza generiche | Affermazioni definite e perimetro esplicito |
| Raccolta periodica di evidenze | Evidenze aggiornate di continuo |
| Documenti statici | Informazioni collegate e leggibili dalle macchine |
| Stato di conformità binario | Contesto, incertezza e periodi di validità |
| Assunzioni nascoste | Assunzioni e dipendenze esplicite |
| Solo evidenze positive | Lacune ed evidenze contrarie visibili |
| Una conclusione annuale | Conclusioni rivedibili di continuo |
L’assurance continua non significa che ogni attività di un’organizzazione debba essere monitorata in permanenza. Dovrebbe essere basata sul rischio e proporzionata. Un’affermazione critica riguardante accessi privilegiati, infrastruttura di produzione o dati sensibili dei clienti richiede evidenze più attuali e più solide di un’affermazione amministrativa a basso impatto. Il cambiamento importante è che la fiducia non resta più legata a un singolo documento. Requisiti, implementazioni, evidenze, riesami, rilievi, responsabilità e dipendenze dovrebbero invece formare un modello connesso. Le strutture leggibili dalle macchine possono svolgere un ruolo importante in questa transizione. Consentono di riutilizzare le evidenze tra framework e valutazioni diversi senza privarle della loro provenienza, del perimetro originale, del momento della raccolta, del responsabile o dei loro limiti.
Il futuro della fiducia non è quindi soltanto continuo. È granulare, tracciabile, trasferibile e revocabile.
A questo punto i diversi concetti possono essere collegati. Lo Zero Trust disciplina il modo in cui vengono prese le singole decisioni di accesso. L’affidabilità descrive se un sistema o un’organizzazione meritano fiducia. L’assurance fornisce una giustificazione strutturata di questa conclusione. Le evidenze sostengono le affermazioni su implementazione ed efficacia. La conformità valuta l’allineamento a requisiti definiti. L’affidamento descrive se qualcuno dipende effettivamente da un sistema o ne segue le indicazioni. La fiducia digitale è la fiducia più ampia che può emergere nell’intero ecosistema. Lo Zero Trust impedisce che la fiducia venga presunta senza motivi sufficienti. L’assurance dimostra dove la fiducia è giustificata.
La conformità apporta requisiti strutturati e meccanismi di verifica. Le evidenze collegano le dichiarazioni alla realtà osservabile. Questi concetti non sono quindi visioni in competizione. Sono parti diverse di un unico modello coerente. Il futuro non è né un universale «fidarsi di tutti» né un culturale «non fidarsi di nessuno». È una fiducia verificabile e calibrata.
«Optimize for trust» non deve significare ottimizzare la percezione di affidabilità. Non dovrebbe significare produrre il maggior numero possibile di spunte verdi, badge, certificati o affermazioni di sicurezza generiche. Non dovrebbe significare indurre le persone a fidarsi di un sistema più di quanto ne giustifichino le proprietà effettive. Per noi significa:
Non ottimizzare per ricevere fiducia. Ottimizzare per meritare una fiducia giustificata.
Stiamo costruendo Secani per collegare di continuo affermazioni di sicurezza, requisiti, implementazioni ed evidenze. La fiducia non dovrebbe nascere soltanto da una presentazione persuasiva o da un documento di conformità periodico. Dovrebbe nascere da una giustificazione attuale, verificabile e tracciabile. L’espressione più concisa di questa idea potrebbe essere:
La fiducia non è una promessa. È una conclusione sostenuta di continuo.
Le organizzazioni non dovrebbero limitarsi ad apparire affidabili. Dovrebbero essere in grado di dimostrare perché meritano fiducia. E alle persone non si dovrebbe semplicemente chiedere di fidarsi di più. Le si dovrebbe mettere in condizione di fidarsi meglio.
[1] D. M. Rousseau, S. B. Sitkin, R. S. Burt, and C. Camerer, “Not So Different After All: A Cross-Discipline View of Trust,” Academy of Management Review, vol. 23, no. 3, pp. 393–404, 1998, doi: 10.5465/AMR.1998.926617. (DOI)
[2] R. C. Mayer, J. H. Davis, and F. D. Schoorman, “An Integrative Model of Organizational Trust,” Academy of Management Review, vol. 20, no. 3, pp. 709–734, 1995, doi: 10.5465/amr.1995.9508080335. (DOI)
[3] R. Ross, M. Winstead, and M. McEvilley, Engineering Trustworthy Secure Systems, NIST Special Publication 800-160, vol. 1, rev. 1, National Institute of Standards and Technology, Gaithersburg, MD, USA, Nov. 2022, doi: 10.6028/NIST.SP.800-160v1r1. (NIST Publikationen)
[4] S. Rose, O. Borchert, S. Mitchell, and S. Connelly, Zero Trust Architecture, NIST Special Publication 800-207, National Institute of Standards and Technology, Gaithersburg, MD, USA, Aug. 2020, doi: 10.6028/NIST.SP.800-207. (NIST Computer Security Resource Center)
[5] World Economic Forum, Earning Digital Trust: Decision-Making for Trustworthy Technologies, Geneva, Switzerland, Nov. 2022. (World Economic Forum)
[6] K. B. Kelley, “The Digital Trust Imperative: Defining, Establishing and Measuring Digital Trust,” ISACA Journal, vol. 1, Jan. 2023. (ISACA)
[7] National Institute of Standards and Technology, Artificial Intelligence Risk Management Framework (AI RMF 1.0), NIST AI 100-1, Jan. 2023, doi: 10.6028/NIST.AI.100-1. (NIST Publikationen)
[8] S. Mehrotra, C. Degachi, O. Vereschak, C. M. Jonker, and M. L. Tielman, “A Systematic Review on Fostering Appropriate Trust in Human-AI Interaction: Trends, Opportunities and Challenges,” ACM Journal on Responsible Computing, vol. 1, no. 4, Art. no. 26, pp. 1–45, 2024, doi: 10.1145/3696449. (ACM Digital Library)
[9] R. Visser, T. M. Peters, I. Scharlau, and B. Hammer, “Trust, distrust, and appropriate reliance in (X)AI: A conceptual clarification of user trust and survey of its empirical evaluation,” Cognitive Systems Research, vol. 91, Art. no. 101357, 2025, doi: 10.1016/j.cogsys.2025.101357. (ScienceDirect)
[10] M. Raees and K. Papangelis, “From Trust to Appropriate Reliance: Measurement Constructs in Human-AI Decision-Making,” arXiv:2604.23896, Apr. 2026, doi: 10.48550/arXiv.2604.23896. Preprint. (arXiv)
[11] T. M. Peters, K. Biermeier, and I. Scharlau, “Assessing healthy distrust in human-AI interaction: Interpreting changes in visual attention,” Frontiers in Psychology, vol. 16, Art. no. 1694367, Jan. 2026, doi: 10.3389/fpsyg.2025.1694367. (Frontiers)
[12] M. Busuioc and M. Maggetti, “Worthy of trust? AI governance and the role of (dis)trust,” Perspectives on Public Management and Governance, Art. no. gvag007, Jul. 2026, doi: 10.1093/ppmgov/gvag007. (OUP Academic)
[13] European Parliament and Council of the European Union, “Regulation (EU) 2024/1689 of 13 June 2024 laying down harmonised rules on artificial intelligence,” Official Journal of the European Union, Jul. 2024. (EUR-Lex)

GRC · 29 ottobre 2026 · 6 Min.
Il mercato CRM ha aperto la strada: dalla postazione di lavoro al System of Record. Il GRC segue lo stesso percorso. L'interfaccia diventa prima individuale, poi generata, e alla fine conta solo il nucleo.

GRC · 22 ottobre 2026 · 8 Min.
Il modello di Rasmussen descrive il GRC fino alla generazione 8.0. Noi osiamo la continuazione: dal 2035 circa la governance entra nei sistemi stessi – e il GRC scompare come categoria a sé. Una previsione motivata, con le obiezioni che la contraddicono.

GRC · 22 ottobre 2026 · 8 Min.
Dallo strumento SOX all'architettura GRC orchestrata: come Michael Rasmussen descrive l'evoluzione da GRC 1.0 a 8.0 e che cosa distingue GRC 7.0 da un insieme di funzionalità di IA.
Secani collega gli ambiti, le prove, i compiti e gli agenti AI in uno spazio di lavoro condiviso.