Si legge nel Rapporto Intelligenza Artificiale 2026 pubblicato da Agcom, inter alia, che l'intelligenza artificiale sta trasformando profondamente il settore delle comunicazioni elettroniche, con impatti che investono la gestione delle infrastrutture di rete, la neutralita del traffico dati, la concorrenza tra operatori e la tutela degli utenti. Il Comitato ha identificato venti impatti specifici in questo ambito, di cui quattro classificati a urgenza massima.
Gestione dinamica delle reti. I sistemi AI sono gia centrali nell'ottimizzazione del traffico, nell'allocazione automatizzata delle risorse di rete e nell'anticipazione dei guasti infrastrutturali. Tramite modelli predittivi e monitoraggio in tempo reale, l'AI migliora la
stabilita e la resilienza dei servizi, con benefici tangibili quali la riduzione delle interruzioni e la manutenzione preventiva. Tuttavia, la progressiva delega di decisioni tecniche critiche agli algoritmi introduce rischi significativi che meritano attenzione regolatoria: errori non previsti che possono propagarsi su larga scala, vulnerabilita a sabotaggi informatici (adversarial attacks sui sistemi predittivi), e soprattutto, perdita progressiva del controllo umano nei processi critici. Il principio di human oversight, cardine dell'AI Act (art. 14), trova qui una delle sue applicazioni piu rilevanti.
Neutralità della rete e discriminazione algoritmica del traffico dati. Uno degli impatti piu rilevanti e urgenti riguarda il rischio che i sistemi AI per la gestione del traffico dati operino discriminazioni non trasparenti tra diversi flussi. Nella pratica, cio si declina in fenomeni specifici e documentati: Zero rating dinamico: i sistemi AI identificano in tempo reale i servizi partner commerciali dell'operatore ed escludono il relativo traffico dal consumo dati, penalizzando i concorrenti.
Il caso italiano piu significativo ha riguardato un operatore mobile che offriva traffico illimitato per i servizi di streaming musicale partner, mentre il traffico verso concorrenti veniva conteggiato nel consumo.
Throttling selettivo: riduzione algoritmica della velocita per applicazioni specifiche come
VoIP (WhatsApp calls, Skype) durante le ore di punta, senza trasparenza verso gli utenti, al fine di incentivare l'uso delle chiamate tradizionali a pagamento.
Prioritizzazione commerciale: allocazione preferenziale di banda a servizi "premium" (cloud gaming, videoconferenze enterprise) a scapito di servizi meno redditizi come siti informativi, piccoli e-commerce o servizi pubblici digitali. Test indipendenti come Wehe App, Northeastern University hanno evidenziato diversi casi di traffic differentiation e throttling su diverse reti mobili a livello globale, anche se non si registrano dati pubblici consolidati con percentuali specifiche per il mercato italiano.
Le evidenze raccolte dimostrano che queste pratiche sono gia in atto: tra il 2018 e il 2023,
AGCOM ha ricevuto diverse segnalazioni relative a sospette violazioni della neutralita della rete, aprendo procedimenti sanzionatori di cui alcuni conclusi con accertamento di violazione. Il Regolamento UE 2015/2120 sull'Open Internet vieta espressamente blocking, throttling e prioritizzazione commerciale (art. 3, par. 3), ma l'assenza di strumenti di testing
automatizzato, l'adeguatezza delle sanzioni e l'onere della prova a carico dell'utente rendono l'enforcement strutturalmente debole.
Impatto infrastrutturale dei modelli AI di grandi dimensioni. La crescita dei servizi AI generativi sta aumentando significativamente il fabbisogno di capacita di rete a livello di interconnessioni tra data center e peering internazionale, con proiezioni che indicano che entro il 2030 una quota consistente del traffico di rete coinvolgera elaborazione AI
(Omdia/Frontier Economics, 2024); l'impatto sul traffico internet consumer rimane invece piu contenuto per i servizi di tipo testuale, mentre diventa rilevante per quelli multimodali (audio, video generativo). Le implicazioni infrastrutturali sono molteplici: necessita di anticipare gli investimenti di capacity di 2-3 anni rispetto ai piani originari; pressione sugli accordi di peering internazionali (traffico dati UE-USA per l'accesso ai modelli cloud); e difficolta di pianificazione dovuta all'imprevedibilita dei pattern di utilizzo. Il dibattito europeo sul cosiddetto fair share — la richiesta dei grandi operatori TLC di far contribuire I principali generatori di traffico ai costi infrastrutturali — e stato rilanciato nel 2022-2023, ma la consultazione pubblica della Commissione (ottobre 2023) ne ha registrato il rigetto da parte della maggioranza dei rispondenti e del Parlamento europeo (BEREC, Internet Society, 2023).
Edge computing e sovranità digitale. L'elaborazione dei dati sempre piu vicina all'utente
finale (edge computing) consente latenze ridotte e prestazioni migliorate, ma sposta il trattamento di informazioni personali su nodi distribuiti, spesso al di fuori del territorio nazionale. L'intelligenza artificiale distribuita su migliaia di edge node rende complessa la tracciabilita dei flussi di dati, la verifica della conformita al GDPR e l'esercizio dei diritti degli interessati. Il rischio e la perdita di controllo sulla localizzazione fisica dei dati, con implicazioni sulla sovranita digitale, sulla giurisdizione applicabile e sulla capacita di enforcement.
Concentrazione del potere di mercato. Gli operatori capaci di sviluppare algoritmi AI proprietari e di accedere a dataset massivi acquisiscono vantaggi competitivi difficili da colmare, creando nuove barriere all'ingresso per i concorrenti. Il fenomeno opera attraverso un circolo vizioso (flywheel effect): piu dati generano algoritmi migliori, che producono servizi superiori, che attraggono piu clienti, che generano ulteriori dati. I dati del settore sono eloquenti: in Italia, TIM, Vodafone (ora confluita in Fastweb+Vodafone) e WindTre controllano quasi l’80% del mercato mobile; gli investimenti AI dichiarati ammontano a diverse centinaia di milioni di euro per il triennio 2023-2025, contro poche decine di challenger come Iliad. A livello europeo, le acquisizioni AI-centric nel settore TLC sono cresciute significativamente tra il 2020 e il 2023, con la quasi totalita delle operazioni sotto le soglie di notifica obbligatoria — un dato che rivela l'inadeguatezza strutturale degli strumenti antitrust tradizionali per mercati dove il valore risiede in asset immateriali (dati, algoritmi, know-how).
Pricing dinamico e collusione algoritmica. L'uso di algoritmi che monitorano in tempo reale le strategie di prezzo dei concorrenti e aggiornano automaticamente le tariffe puo condurre a fenomeni di collusione tacita (tacit algorithmic collusion): convergenza dei prezzi verso livelli sovracompetitivi senza alcun accordo esplicito tra operatori. Il meccanismo
opera attraverso quattro fasi: monitoraggio (scraping automatico dei prezzi), analisi (identificazione del pricing ottimale tramite game theory e reinforcement learning), risposta (aggiustamento automatico), ed equilibrio collusivo (tutti gli algoritmi convergono verso lo stesso pricing senza comunicazione). L'Autorité de la concurrence francese ha documentato casi di convergenza anomala dei prezzi tra operatori mobili, nonostante riduzioni dei costi infrastrutturali. Simulazioni accademiche (Calvano et al., 2020, American Economic Review) dimostrano che algoritmi di tipo Q-learning, non programmati per colludere, sviluppano autonomamente strategie collusive con prezzi sistematicamente sovracompetitivi. Il paradosso giuridico e che l'art. 101 TFUE richiede la prova di una "concertazione" che, per definizione, e assente nella collusione algoritmica.
Gestione dinamica dello spettro radioelettrico. L'AI permette l'allocazione dinamica e predittiva delle frequenze in tempo reale, ottimizzando l'uso dello spettro scarso. Tuttavia, algoritmi proprietari potrebbero favorire determinati operatori o servizi, generare interferenze non previste o allocare risorse in modo discriminatorio senza trasparenza. Il rischio e la perdita del controllo pubblico su una risorsa strategica, con possibili violazioni dei principi di equita nell'accesso allo spettro e distorsioni competitive.
Per Agcom, La matrice di prioritizzazione identifica sei impatti a urgenza massima nel settore delle comunicazioni elettroniche: la violazione della net neutrality per mezzo di algoritmi, la concentrazione del potere di mercato AI-driven, il pricing dinamico collusivo, le fusioni AI-centric, la sorveglianza e privacy, e il traffic management discriminatorio. Per ciascuno di essi, il gap normativo e stato valutato come elevato, richiedendo interventi regolatori immediati.
Tra gli interventi piu urgenti, peraltro non tutti di diretta competenza di AGCOM, si segnalano: l'adozione di strumenti automatizzati di testing della net neutrality (sul modello del Net Neutrality Reference Measurement System sviluppato da BEREC e gia adottato da BNetzA in Germania nell'ambito del servizio breitbandmessung.de, disponibile in open source su GitHub); l'introduzione di obblighi di notifica preventiva per i sistemi AI utilizzati nella gestione del traffico; valutare l’introduzione di strumenti che riequilibrino l’onere probatorio in caso di segnalazioni di discriminazione (l'operatore deve dimostrare la non-discriminazione, non l'utente dimostrare la violazione); la definizione di criteri di valutazione del potere di mercato che includano il possesso di dataset strategici, le capacita AI proprietarie e l'integrazione verticale algoritmi-infrastruttura-servizi; la creazione di un sistema di monitoring automatizzato del parallelismo dei prezzi con alert in caso di convergenze anomale; e l'istituzione di un registro volontario delle acquisizioni AI-centric con incentivi alla notifica (fast-track pre-clearance) e disincentivi all'omissione (investigazione approfondita in caso di scoperta post-facto).
News archive