Lo shared responsibility model nasce nel cloud computing con l’obiettivo di chiarire i confini delle responsabilità dei vari attori coinvolti. Per esempio, consente di capire quali controlli di sicurezza spettano al provider e quali al cliente.L’adozione dei sistemi di Generative AI pone in discussione questi confini. Un’applicazione basata su Large Language Model (LLM) introduce componenti (modello, dati di grounding, prompt, output generati, plugin, orchestrazione) che non hanno un corrispettivo diretto nel tradizionale stack software, e con essi nuove superfici di attacco, la cui titolarità non è chiara.Ecco cos’è l’AI Shared Responsibility Model, nella formulazione a tre layer proposta da Microsoft: il confronto con i modelli di deployment SaaS, PaaS e IaaS nell’ambito dei sistemi agentici e come attuare la ripartizione delle responsabilità, appoggiandosi ai framework di riferimento (NIST AI RMF e Generative AI Profile, OWASP Top 10 for LLM e for Agentic Applications, MITRE ATLAS, ENISA FAICP, ISO/IEC 42001) e al quadro normativo dell’AI Act.In sintesi, l’AI non sposta semplicemente le responsabilità verso il provider, ma le moltiplica e alcune restano in capo all’organizzazione, a prescindere dal modello adottato.Indice degli argomenti