RSU ACI INFORMATICA 29/05/2026

La nuova politica di prezzi “diversificati” di FiberCop per l’accesso alla sua rete pesa sui concorrenti che lamentano anche gli aumenti della fibra spenta. Ma il nuovo status di operatore wholesale only consente all'operatore controllato da KKR di muoversi in questo modo.

Da quando ha ottenuto lo status di operatore wholesale ony da parte di Agcom, FiberCop – controllato al 70% dal fondo americano KKR e al 16% dal MEF – ha potuto variare la sua policy di prezzo di accesso destinato agli operatori. Una policy di prezzo che, secondo quanto scrive il direttore dell’Istituto Bruno Leoni, Carlo Stagnaro, sul quotidiano MilanoFinanza – MF, varia a seconda delle zone. Secondo lo studio Leoni, FiberCop applicherebbe una politica di prezzi più bassi nelle aree in cui si trova a competere con il suo rivale Open Fiber, mentre al contrario alzerebbe i prezzi dell’FTTH laddove Open Fiber è assente, per disincentivare la migrazione dall’FTTC e far risparmiare anche i costi di switch off e attivazione di nuovi contratti.

Leggi l'articolo

Tra gli esperti di AI circola una voce: l’enciclica papale sull’intelligenza artificiale potrebbe essere stata scritta proprio da un’intelligenza artificiale

Se davvero il Papa si fosse fatto aiutare dall’intelligenza artificiale come un laureando qualunque per scrivere l’enciclica Magnifica Humanitas sarebbe uno scandalo, o una beffa situazionista. Tanto più se l’enciclica è dedicata in buona parte alla denuncia dei rischi derivanti dall’intelligenza artificiale. Impossibile, dunque? Il dubbio che sia andata proprio così circola da ieri, quando alcuni utenti hanno setacciato l’enciclica di Leone XIV per mezzo dei software anti-plagio, addestrati a riconoscere l’origine algoritmica di un testo e, va detto, non sempre affidabili.

Leggi l'articolo sul sito de "Il Manifesto"

Anthropic affitta il supercomputer di Musk per 1,25 miliardi al mese. Sullo sfondo, data center nello spazio e impatti ambientali ignorati

Chi ha un abbonamento a Claude avrà notato nelle ultime settimane un miglioramento sensibile: sessioni più lunghe, risposte migliori, utilizzo dei token ottimizzato. Dietro questo aggiornamento c’è un accordo annunciato il 6 maggio da Anthropic – l’azienda che sviluppa il modello di intelligenza artificiale Claude – per l’utilizzo dei supercomputer di Elon Musk, e in particolare di Colossus 1. Un’intesa inedita tra due aziende che nell’immaginario collettivo non potrebbero essere più distanti, ma che hanno trovato in questo accordo una convenienza reciproca. Anche se le diffidenze rimangono. E le contraddizioni pure.

[...]

I termini economici dell’accordo con Anthropic si ricavano dall’S-1 depositato alla SEC – il documento di registrazione obbligatorio per le aziende che vogliono quotarsi in Borsa negli Stati Uniti. Per l’affitto del supercomputer, Anthropic pagherà 1,25 miliardi di dollari al mese fino a maggio 2029, per un totale potenziale di oltre 40 miliardi. Per SpaceXAI, Anthropic è il primo cliente esterno di Colossus e rappresenta la prova che la nuova holding può inserirsi come quarto hyperscaler – il termine tecnico per i grandi fornitori di servizi cloud – accanto ad Amazon, Google e Microsoft.

Leggi l'articolo

L’applicazione dell’intelligenza artificiale nella cybersicurezza genera, da sempre, sentimenti contrastanti. Le potenzialità dell’AI rappresentano, da una parte, un’opportunità per migliorare il livello di automazione nelle attività di rilevamento e risposta agli attacchi dei criminali informatici. L’altra faccia della medaglia è rappresentata dalla possibilità che gli stessi cybercriminali ne sfruttino le capacità per aumentare l’efficacia degli attacchi.

È qualcosa che sta già accadendo e che viene messo nero su bianco, per esempio, nel Global Threat Report 2026 di CrowdStrike. Stando ai dati pubblicati dalla società di cybersecurity, gli attacchi portati utilizzando l’AI sarebbero aumentati dell’89% anno su anno.

Ma l’impatto dell’AI non si esaurisce negli attacchi veri e propri. La stessa tecnologia che li accelera sta mettendo sotto pressione, in particolare, l’ecosistema che fino a oggi ha garantito l’attività di identificazione e analisi delle vulnerabilità software. In altre parole, l’AI sta rompendo gli equilibri che per anni hanno permesso di mitigare il rischio di attacchi informatici. 

Come funziona la vulnerability discovery

Per comprendere l’impatto dell’AI in questo particolarissimo settore è indispensabile comprenderne i meccanismi. La vulnerability discovery è infatti una macchina complicata, in cui si intrecciano interessi diversi e convivono varie contraddizioni. 

Il concetto alla base del sistema è quello di individuare eventuali falle di sicurezza di software e sistemi operativi prima che questi vengano scovati dai cyber criminali. Un’attività che vede impegnate centinaia (migliaia) di aziende e ricercatori indipendenti, spesso all’interno dei cosiddetti programmi di bug bounty, cioè processi controllati attraverso i quali gli sviluppatori ricompensano economicamente chi segnala una nuova vulnerabilità potenzialmente pericolosa, permettendo loro di correggerla attraverso patch di aggiornamento. 

L’importanza del fattore tempo emerge proprio nella fase finale del processo di responsible disclosure, quando vengono rilasciati l’aggiornamento e i dettagli della vulnerabilità. È in questo momento che si apre una finestra temporale particolarmente delicata: quella in cui un cybercriminale può sfruttare la vulnerabilità creando un exploit (la tecnica che permette di portare un attacco) in grado di “bucare” i sistemi non aggiornati. 

Fino a oggi, il tempo necessario per realizzare il codice che sfrutta una falla di sicurezza per portare un attacco era, nella maggior parte dei casi, di settimane o al massimo di qualche giorno. Un margine sufficiente perché gli aggiornamenti venissero distribuiti. Di conseguenza, il rischio che qualcuno rimanesse “scoperto” era relativamente basso.

A causa degli strumenti basati su intelligenza artificiale generativa, però, le cose sono cambiate. Utilizzando l’AI è possibile realizzare un exploit con una velocità prima impensabile. Secondo i ricercatori di sicurezza Efi Weiss e Nahman Khayet, autori di un progetto dedicato, per creare un exploit con l’AI partendo da una vulnerabilità nota sarebbero sufficienti anche solo 15 minuti. 

Un’ondata di segnalazioni

Lo scorso 7 aprile, un comunicato ufficiale di Anthropic ha scosso il settore della cybersecurity. Oggetto dell’annuncio era il nuovo large language model Claude Mythos Preview, che gli sviluppatori dell’azienda californiana hanno sostanzialmente classificato come uno strumento troppo pericoloso per essere distribuito pubblicamente. Il motivo? Il nuovo LLM sarebbe in grado di individuare vulnerabilità all’interno dei software con un’efficacia senza precedenti. Rilasciarlo pubblicamente, di conseguenza, sarebbe troppo rischioso.

L’azienda ha quindi deciso di avviare un progetto, battezzato con il nome di Project Glasswing, che coinvolge un numero limitato di soggetti come Microsoft, Apple, Google, AWS, Cisco, Nvidia e Linux Foundation. Qualche controindicazione, però, è emersa quasi subito. Lo stesso giorno dell’annuncio, il 7 aprile, un gruppo riunito in un forum Discord privato è riuscito ad accedere a Mythos — non con un attacco sofisticato, ma combinando le credenziali del dipendente di un fornitore terzo con un’ipotesi azzeccata sull’URL del modello. La vicenda è emersa pubblicamente circa due settimane dopo, grazie a un’inchiesta di Bloomberg. Considerato che Mythos era stato tratteggiato come una sorta di “arma fine di mondo”, con accesso soggetto a strettissime restrizioni, non si tratta proprio di un esordio rassicurante.

Al netto del sensazionalismo dell’annuncio, che secondo molti rappresenta un marchio di fabbrica del marketing di Anthropic, la vicenda di Claude Mythos Preview si inserisce in un fenomeno più ampio, che gli esperti di sicurezza informatica stanno segnalando da tempo come estremamente problematico: la crescita esponenziale del numero di vulnerabilità segnalate.

In sintesi, il problema non è tanto la possibilità che i gruppi dediti al cyber crimine riescano a sfruttare gli LLM avanzati per individuare nuove vulnerabilità zero-day (falle di sicurezza ancora sconosciute), quanto il fatto che l’implementazione di strumenti automatizzati per l’analisi dei software sta generando troppe segnalazioni rispetto a quelle che gli sviluppatori sono in grado di gestire. 

Una cosa, infatti, è individuare una falla. Un’altra è correggere il codice per eliminare il rischio che la vulnerabilità venga sfruttata per portare un attacco. Qualsiasi aggiornamento di un software o – a maggior ragione – di un sistema operativo richiede infatti una serie di verifiche e test per validarne l’efficacia e, non ultimo, escludere eventuali conflitti o “effetti collaterali” indesiderati nel suo funzionamento. Insomma: rimediare a una vulnerabilità richiede più impegno e più tempo rispetto a sfruttarla per scopi malevoli.

Il fattore tempo

A livello intuitivo, si potrebbe pensare che questo squilibrio tra il numero di segnalazioni e la capacità di elaborarne il contenuto possa avere come conseguenza un semplice rallentamento delle operazioni. Non è così.

Per prassi consolidata, infatti, il processo di responsible disclosure prevede che al destinatario della segnalazione sia concesso un termine – solitamente di 60-90 giorni – entro il quale deve rilasciare l’aggiornamento. Trascorso il termine, chi ha inviato la segnalazione è autorizzato a rendere pubblici i dettagli della vulnerabilità.

Si tratta di un accorgimento che ha un duplice obiettivo. Il primo è quello di evitare che lo sviluppatore possa “snobbare” la segnalazione, anche solo per negare il meritato compenso del ricercatore che l’ha effettuata. La seconda è quella di ridurre il rischio che qualcun altro scopra la falla o che questa diventi pubblica per un qualsiasi motivo prima che l’aggiornamento sia disponibile. 

Anche se piuttosto rari, in passato si sono verificati casi in cui gli sviluppatori non sono riusciti a rispettare la scadenza e si sono trovati di fronte a una pubblicazione dei dettagli di una vulnerabilità quando non avevano ancora preso le dovute contromisure. Nel nuovo scenario, in cui le segnalazioni piovono a una velocità impressionante, rispettare le scadenze rischia di diventare molto più difficile.

I primi scricchiolii

La cronaca recente conferma tutti i timori legati al massiccio impiego dell’AI nell’individuazione delle vulnerabilità. La società di cybersecurity HackerOne ha sospeso il suo programma Internet Bug Bounty (IBB), attività finanziata in crowdfunding che gestisce dal 2013. Il motivo? L’eccessivo numero di segnalazioni stava mettendo in difficoltà chi ha il compito di correggere il codice del software. E questo soprattutto in ambito open source, dove la gestione dei progetti è spesso affidata a programmatori che prestano la loro opera a titolo volontario. 

La pagina web di HackerOne è un perfetto riassunto dei problemi che vive il settore. Nelle sue policy, spiega che ricompenserà solo quelle vulnerabilità che “siano state segnalate in modo responsabile, riconosciute, analizzate (triage), risolte e divulgate tramite un Security Advisory o una CVE (Common Vulnerabilities and Exposures, un sistema di catalogazione pubblico e standardizzato delle vulnerabilità di sicurezza informatica note – ndR). Se una vulnerabilità viene segnalata da più persone ed è riconosciuta all’interno del security advisory, solo il primo segnalatore (come identificato dai maintainer del progetto) avrà diritto alla ricompensa”.

In questo passaggio si leggono tutte le criticità legate a un ecosistema che è ormai andato fuori controllo. Traducendo dal “politically correct” adottato nelle policy, HackerOne ammette di trovarsi in una situazione in cui vengono segnalate vulnerabilità che non sono state sufficientemente approfondite, che in molti casi vengono scovate da più soggetti e per le quali non viene fornita una soluzione. Insomma: si trova ad avere a che fare con troppo “pattume” generato dall’AI. Motivazioni simili hanno indotto la piattaforma Bugcrowd a introdurre una serie di regole e restrizioni per contrastare il fenomeno che hanno battezzato come “sloptimism” (segnalazioni basate su AI inviate con troppa fiducia e poca verifica). 

L’AI trova vere vulnerabilità?

Guardando più nel dettaglio il fenomeno, emerge anche un altro dato. A gennaio 2026 i volontari che gestiscono cURL – software open source che gestisce lo scambio di dati con Internet e che, pur sconosciuto al grande pubblico, è installato in miliardi di dispositivi (telefoni, automobili, TV) – hanno annunciato che dal mese successivo avrebbero smesso di accettare segnalazioni tramite HackerOne. In un aggiornamento pubblicato ad aprile, il creatore Daniel Stenberg ha diffuso un grafico da cui emerge una tendenza abbastanza chiara: nonostante da febbraio non sia stata accettata alcuna segnalazione, il totale del 2026 era già arrivato a 87.

Al di là della crescita esponenziale di segnalazioni, spicca il fatto che nel 2025 sono stati registrati numerosi report classificati come “likely AI slop” (probabile pattume AI), cioè vulnerabilità di bassissimo impatto o inventate dall’intelligenza artificiale. Il loro numero, però, è diminuito percentualmente nel corso dell’anno successivo.

Prima di considerare questi dati come confortanti, è però opportuno considerare un altro aspetto: non tutte le vulnerabilità validate rappresentano un reale rischio di sicurezza. Come spiega Naz Bozdemir in un post sul blog di HackerOne, delle 22 vulnerabilità individuate da Claude Opus 4.6 nel codice di Mozilla Firefox – 14 delle quali ad alta gravità – soltanto due si sono rivelate effettivamente sfruttabili per costruire un exploit. In altre parole: erano tutte difetti reali, ma solo due rappresentavano un rischio imminente e concreto.

L’idea che una maggiore efficienza porti automaticamente a più sicurezza, alla fine, si sta rivelando un’illusione. L’uso intensivo dell’AI sta dimostrando esattamente il contrario: senza la capacità di selezionare, comprendere e intervenire, rischia di generare semplicemente caos.

L'articolo La fine del bug bounty? proviene da Guerre di Rete.

Alcune recenti esperienze maturate presso diverse riviste internazionali di alto profilo, sia come autrice sia come reviewer e handling editor, mettono in luce una tensione crescente nell’editoria accademica contemporanea: la coesistenza tra aspettative sempre più stringenti nei confronti degli autori[1] e pratiche editoriali sempre più opache nella valutazione dei manoscritti. Questa tensione non è riducibile a decisioni individuali o a episodi isolati. Piuttosto, riflette una trasformazione sistemica nell’organizzazione della comunicazione scientifica, in cui infrastrutture algoritmiche, flussi di lavoro editoriali e logiche commerciali risultano sempre più intrecciati.

Da un lato, agli autori è richiesto di conformarsi a standard sempre più rigorosi di trasparenza, responsabilità e precisione metodologica. Ciò vale non solo per la progettazione e la rendicontazione della ricerca, ma anche per le fasi successive alla submission. Anche questioni secondarie, come la correzione di un errore materiale introdotto in fasi successive alle richieste di revisione del contenuto, possono essere sottoposte a un esame prolungato e, talvolta, respinte sulla base della non meglio specificata “insoddisfazione” di un revisore anonimo. In questi casi, la buona fede dichiarata dall’autore si rivela insufficiente e l’onere della prova grava interamente sul singolo studioso. La fiducia, in altre parole, non è presupposta come base della collaborazione scientifica tra autore e rivista, ma deve essere continuamente negoziata in modo asimmetrico.

Dall’altro lato, i processi editoriali restano in larga misura sottratti a un analogo livello di controllo. Le desk rejection, pur costituendo una componente consolidata e necessaria delle riviste più prestigiose e ad alto volume di submission, sono sempre più caratterizzate da rapidità, standardizzazione e giustificazioni stereotipiche. Le decisioni motivate in termini di “fit” o “novelty” sono spesso comunicate con un linguaggio preimpostato, che offre indicazioni limitate sull’effettivo grado di conoscenza del manoscritto sottoposto a valutazione. In alcuni casi, intercorrono solo pochi minuti tra l’assegnazione del manoscritto all’handling editor e la comunicazione del desk reject. In altri, giudizi di “originalità insufficiente” vengono formulati dopo tempi di revisione di dieci o dodici mesi, rendendo la logica temporale di tali valutazioni paradossale e, talvolta, controintuitiva. Sebbene tali pratiche siano spesso giustificate come risposte pragmatiche all’elevato numero di submission, esse contribuiscono comunque a una crescente percezione di opacità procedurale.

Questa percezione è ulteriormente rafforzata dall’integrazione di sistemi automatizzati nelle piattaforme di submission dei grandi gruppi editoriali, come Elsevier, Taylor & Francis e Frontiers. A seguito di un reject, agli autori vengono regolarmente e immediatamente proposte riviste alternative di pari o inferiore prestigio, accompagnate da “alignment scores” derivati da metriche di similarità degli abstract e da schemi di trasferimento precedenti. Tali raccomandazioni sono generalmente presentate come forme di supporto, volte a facilitare una resubmission efficiente all’interno dello stesso ecosistema editoriale. Tuttavia, esse introducono anche un ulteriore livello di mediazione, in cui la classificazione algoritmica si interseca con il processo decisionale editoriale. La domanda, a questo punto, diventa inevitabile: quanto c’è di umano in questo tipo di valutazione?

Un aspetto particolarmente rivelatore di questo processo è la centralità attribuita alle article processing charges (APC) all’interno di tali percorsi di trasferimento. Le riviste suggerite sono spesso accompagnate da costi di pubblicazione chiaramente visibili, anche quando l’allineamento indicato risulta limitato, come mostrato nell’esempio reale riportato di seguito. Qui non interessa soffermarsi ulteriormente sulla problematicità del concetto stesso di “allineamento”, non come condizione per l’accettazione alla pubblicazione, ma come filtro preliminare per l’accesso al processo stesso di valutazione. È però evidente che la prossimità temporale tra il rifiuto e le opzioni di resubmission genera l’impressione di una pipeline semi-automatizzata, in cui il lavoro scientifico viene rapidamente reindirizzato attraverso un sistema che intreccia valutazione scientifica, logiche di mercato e modelli di monetizzazione del sapere. In tale configurazione, il valore prodotto attraverso lavoro intellettuale ed editoriale ampiamente non remunerato viene successivamente reinserito in circuiti economici che trasferiscono i costi della disseminazione aperta sulle istituzioni.Le APC partecipano a un sistema che cattura e riorganizza sistematicamente il lavoro accademico non retribuito, sia nella produzione intellettuale sia nel servizio editoriale. Se è pur vero che i costi della comunicazione scientifica esistono indipendentemente dal modello di pubblicazione adottato, i sistemi basati su APC tendono a redistribuirli in modo diseguale, trasferendoli sulle istituzioni e, in molti contesti, direttamente sui singoli autori. Questo aspetto assume particolare rilevanza nei sistemi universitari privi di accordi trasformativi, fondi dedicati o accesso strutturato a risorse per l’open access. . In questo senso, l’economia dell’editoria genera profitto non nonostante, ma proprio attraverso la mobilitazione su larga scala di attività accademica generalmente non remunerata, trasformando il lavoro intellettuale collettivo in una merce monetizzabile all’interno di un mercato fortemente controllato e sostenuto strutturalmente da regimi di fiducia distribuiti in modo diseguale.

Screenshot della piattaforma Elsevier, riprodotto a fini di analisi e critica.

Ne emerge una complessa asimmetria nella distribuzione e nell’esercizio della fiducia all’interno del sistema editoriale accademico. Gli autori operano all’interno di un regime di verifica, in cui affermazioni, correzioni e interpretazioni devono essere giustificate in dettaglio e sono soggette a potenziale contestazione da parte di revisori anonimi, la cui assegnazione è, ancora una volta, spesso governata da dinamiche algoritmiche scarsamente trasparenti. I processi editoriali, al contrario, risultano in gran parte sottratti a forme analoghe di accountability, facendo affidamento sull’autorità istituzionale e sull’assunto di un giudizio professionale sottratto a forme equivalenti di scrutinio. Questo squilibrio contribuisce a un’erosione della fiducia epistemica, non perché le decisioni siano necessariamente errate, ma perché le condizioni in cui vengono prese risultano insufficientemente trasparenti.

Questa asimmetria diventa ancora più evidente se considerata alla luce delle disuguaglianze strutturali tra contesti istituzionali. Gli studiosi che operano in università con accesso limitato ai database in abbonamento e alle risorse bibliografiche aggiornate fanno esperienza diretta di ulteriori difficoltà nel garantire una trattazione esaustiva della letteratura scientifica. Le richieste ripetute di ampliare, aggiornare o riformulare i riferimenti, frequentissime nella peer review, possono quindi gravare in modo sproporzionato su chi opera già in condizioni di risorse limitate. Sebbene negli ultimi anni siano aumentate le risorse bibliografiche ad accesso aperto e gli strumenti di indicizzazione disponibili, persistono importanti differenze nella possibilità di accedere in modo sistematico ai testi integrali, in particolare in alcuni ambiti disciplinari, tra cui molte aree delle scienze umane e sociali. In tali contesti, l’accesso alla letteratura scientifica continua a dipendere in misura significativa da risorse istituzionali non uniformemente distribuite.Allo stesso tempo, il sistema editoriale accademico continua a basarsi in larga misura su lavoro intellettuale non retribuito. La peer review, la partecipazione ai comitati editoriali e la valutazione dei manoscritti si fondano in buona parte sul contributo volontario degli studiosi, spesso svolto in tempi stretti e senza compenso economico. Alcune pratiche recenti hanno aumentato la visibilità di tali attività attraverso modelli di peer review aperta o attribuzione nominale delle revisioni, tuttavia, questa esposizione del contributo non coincide necessariamente con forme strutturate di riconoscimento istituzionale, né modifica il ricorso sistematico a lavoro intellettuale non retribuito. Rendere visibile il lavoro gratuito del reviewer, a conti fatti, non risolve il problema a monte del lavoro gratuito.  . Non è raro, del resto, che un singolo accademico riceva decine di richieste di review ogni mese. Questo lavoro è essenziale per il funzionamento del sistema, e tuttavia i risultati che esso sostiene sono spesso racchiusi in ambienti a pagamento o associati a costi di pubblicazione elevati. Tale configurazione solleva interrogativi fondamentali sulla distribuzione del valore e sulla sostenibilità dei modelli editoriali attuali.

La crescente integrazione di strumenti automatizzati nei flussi di lavoro editoriali complica ulteriormente questo scenario. Il problema non è se tali strumenti vengano utilizzati  (la loro presenza è ormai una caratteristica consolidata delle infrastrutture digitali) ma come il loro uso venga inquadrato discorsivamente e come esso riconfiguri le relazioni tra autori, direttori di riviste, componenti di comitati editoriali e istituzioni. Emerge una tensione significativa tra un’“AI-phobia” implicita che grava sugli autori, ai quali viene spesso richiesto di dichiarare, giustificare o limitare l’uso di strumenti generativi, e un’integrazione più opaca di sistemi automatizzati nei processi decisionali editoriali. Questa discrepanza suggerisce che le preoccupazioni relative all’intelligenza artificiale siano distribuite in modo diseguale, con un livello di controllo maggiore esercitato sui singoli ricercatori piuttosto che sulle pratiche istituzionali e, in ultima istanza, sulle logiche di mercato che organizzano l’editoria accademica.

Da una prospettiva sociosemiotica, questi sviluppi possono essere interpretati come parte di una più ampia riconfigurazione dei processi di costruzione del significato nell’editoria accademica. Le decisioni editoriali, le interfacce di piattaforma, i punteggi algoritmici e gli indicatori economici costituiscono un ambiente semiotico complesso in cui il valore scientifico viene costruito, comunicato e negoziato. La visibilità di alcuni elementi, come le APC o le metriche di allineamento, accanto alla relativa invisibilità di altri — come la reale capacità editoriale di valutare in modo rigoroso una proposta di pubblicazione — contribuisce a plasmare il modo in cui gli autori interpretano e rispondono al sistema.

In ultima analisi, ciò che è in gioco non è soltanto l’equità delle singole decisioni, ma anche la legittimità complessiva dell’ecosistema editoriale. Se l’editoria accademica vuole mantenere il proprio ruolo di spazio credibile nella produzione della conoscenza, è necessaria una maggiore trasparenza non solo nelle pratiche di ricerca, ma anche nei processi editoriali. Ciò implica una comunicazione più chiara dei criteri che guidano le desk rejection, dell’effettiva valutazione editoriale dei manoscritti prima della decisione e del ruolo svolto dai sistemi automatizzati nel determinare gli esiti delle decisioni editoriali.

Reimmaginare la fiducia come responsabilità condivisa e reciproca rappresenterebbe un passo importante in questa direzione. Piuttosto che collocare l’onere della trasparenza principalmente sugli autori, i sistemi editoriali dovrebbero orientarsi verso una maggiore apertura nei processi decisionali e nelle modalità di comunicazione. Un tale cambiamento non eliminerebbe i vincoli strutturali imposti dall’elevato numero di submission o dalle pressioni commerciali dell’industria, ma contribuirebbe a ristabilire la fiducia nei processi attraverso cui il lavoro scientifico viene valutato e diffuso.

Nella sua configurazione attuale, l’editoria accademica rischia di scivolare verso un modello in cui efficienza, standardizzazione e monetizzazione prevalgono sull’effettiva presa in carico del possibile contributo intellettuale, intesa come valutazione qualitativa non riducibile a filtri, automatismi o scorciatoie procedurali. Riconoscere e analizzare criticamente questa traiettoria è essenziale affinché il sistema rimanga coerente con i suoi principi fondamentali di conoscenza, equità e responsabilità scientifica.

[1] Sebbene sia acutamente consapevole della problematicità di tale uso, in questo contributo si userà il maschile inclusivo per motivi di semplificazione.

In questa puntata parliamo dell'impatto del lavoro di moderazione sui lavoratori e sul tessuto urbano di Barcellona. Proseguiamo parlando del programma di costruzione di nuovi data center e delle relative proteste, in Lombardia e In California.

Ospite della puntata Stefano Portelli autore dell'articolo "Dove l’ombra cupa scende. Lavorare per la macchina nel distretto tecnologico di Barcellona" su Napolimonitor.it e della traduzione della Fanzine "Lavorare per la macchina" di HORACIO ESPINOSA ZEPEDA. La Fanzine racconta il vissuto dei lavoratori della moderazione di contenuti per conto di Meta- La fanzine è realizzata anche grazie alla collaborazione con Data Worker’s Inquiry di cui abbiamo parlato più volte dai microfoni di Le Dita Nella Presa. Con l'occasione abbiamo ricordato anche le iniziative organizzate dalla rete francese Le nuage était sous nos pieds

La puntata prosegue dando conto dell'espansione dei Data Center in Lombardia dove la richiesta spropositata di energia ha scatenato le proteste di cittadini e istituzioni locali.

In California, sempre a causa della costruzione di nuovi data center, questa volta in Nevada, la NV Energy ha comunicato alle comunità del Lago Tahoe. circa 50.000 persone, l'interruzione dell'erogazione dell'energia elettrica dal prossimo anno.

Chiudiamo la puntata con i prossimi appuntamenti, ma questi andate a vederli su roma.convoca.la

A dieci anni dall’entrata in vigore, una semplificazione dei GDPR è più che auspicabile, ma non certamente quella del Digital Omnibus così come si sta svelando, scollegata dall’esperienza degli operatori e sbilanciata in favore degli interessi delle Big Tech

A dieci anni dall’entrata in vigore del GDPR, è bene chiedersi come sia stato applicato, come abbia inciso sui modelli organizzativi, sulle responsabilità dei soggetti coinvolti, che passi avanti abbia consentito di fare in termini di cultura della protezione e valorizzazione del dato personale.

Indice degli argomenti

• Un decennio di GDPR: qualche chiave di lettura
• In pratica: abiti su misura e scelte di buona norma
• Lato Autorità: alcune sanzioni irrogate
• Il DPO: alleato, ma non tutto fare
• Verso una semplificazione? Sì, ma non con questo Digital Omnibus

Leggi l'articolo

Altri articoli sull'argomento da Pillole di Inforrmazione digitale