Bruxelles non ha fatto sconti. Nel mirino finisce la porta d’ingresso privilegiata che Google ha costruito attorno a Gemini su Android: ora dovrà aprirla agli assistenti IA della concorrenza, con gli stessi agganci di sistema di cui gode il suo modello. E non basta: una fetta dei dati di ricerca accumulati dal motore più usato al mondo dovrà essere condivisa con i rivali. Sono le due decisioni gemelle che la Commissione europea ha formalizzato giovedì, entrambe ancorate al Digital Markets Act (DMA), la normativa che imbriglia i cosiddetti ‘gatekeeper’.

Il dispositivo tecnico è dirompente anche se la fonte rimane scarna. Per capirne la portata bisogna guardare oltre il perimetro legale e osservare cosa succede quando l’incumbent del sistema operativo mobile viene costretto a livellare il campo di gioco per l’intelligenza artificiale. Fino a ieri, Gemini poteva contare su accessi diretti a sensori, notifiche, gestione delle chiamate e integrazione profonda con le app Google, vantaggi che qualsiasi concorrente (da ChatGPT di OpenAI a Claude di Anthropic) poteva solo sognare. Da oggi, quegli stessi privilegi dovranno essere concessi a chiunque rispetti i requisiti tecnici definiti dal DMA.

Un terremoto per gli equilibri dell’AI mobile – e non solo

L’obbligo non si limita a una questione di app store o di schermate di scelta. Il cambio di passo sta nella possibilità di eseguire modelli linguistici con la stessa latenza e la stessa capacità di intervento sul dispositivo che Google aveva riservato al proprio assistente. Questo significa che i fornitori terzi potranno sfruttare le pipeline di inference sul chip del telefono – NPU, GPU, CPU – senza dover passare dai servizi cloud di Mountain View. Per chi sviluppa grandi modelli di linguaggio ottimizzati per il mobile, il DMA diventa un acceleratore di deployment on-device che nessun accordo commerciale avrebbe potuto garantire prima.

La condivisione dei dati di ricerca incide su un altro fronte. I concorrenti potranno addestrare i propri LLM su pattern di query e comportamento degli utenti che finora erano esclusivo patrimonio di Google, riducendo l’asimmetria informativa che alimenta il volano pubblicitario del colosso. È una partita che riguarda la sovranità del dato, ma anche la capacità di costruire modelli linguistici realmente competitivi senza dipendere da dataset proprietari inaccessibili. In un ecosistema dove il fine-tuning on-premise diventa strategico, avere accesso a una base di conoscenza che rifletta le abitudini di ricerca europee può fare la differenza tra un assistente generico e uno che capisce davvero l’utente.

Chi vince e chi perde: la mappa del day after

A guadagnarci sono le aziende che hanno già investito in modelli compatti e in framework per l’esecuzione locale – pensiamo a imprese che lavorano su Llama 3.2 o Mistral ottimizzati per mobile, ma anche a realtà che costruiscono interfacce vocali su misura per la privacy. Per loro, il DMA regala una corsia preferenziale senza dover negoziare con Google. I perdenti immediati sono i servizi che basavano il proprio vantaggio competitivo sulla chiusura dell’ecosistema: lo stesso Gemini, che ora deve confrontarsi con avversari in grado di offrire la stessa fluidità d’uso. Ma anche i produttori di dispositivi che avevano stretto accordi di esclusiva con Google potrebbero veder svalutato quel legame.

A livello strutturale, la decisione segnala che il controllo sull’AI non si gioca più soltanto nei data center. Quando un regolatore impone la parità di accesso alle funzionalità di sistema, il vero terreno di scontro si sposta sul silicio. Chip come i Tensor di Google o gli Snapdragon con NPU dedicata diventano il campo neutrale dove la battaglia per la qualità dell’inference si decide in millisecondi. Chi produce hardware per il training e l’esecuzione locale – da NVIDIA con i suoi Jetson fino ai system-on-chip per smartphone – vede aprirsi una domanda aggiuntiva che non era scontata: quella di un mercato di massa per l’AI on-device, non più vincolato ai capricci di un singolo gatekeeper.

La domanda aperta riguarda i tempi e le modalità di implementazione: la Commissione non ha ancora dettagliato gli standard tecnici per la condivisione dei dati di ricerca e per l’accesso alle API di sistema. Ma la direzione è tracciata. Per chi valuta il deployment on-premise o edge di modelli linguistici, questa notizia non è un titolo tra i tanti: è la conferma che la sovranità del dato non si difende solo con i cavi staccati dal cloud, ma anche con norme che rendono il dispositivo un territorio contendibile. E costringe a ripensare il Total Cost of Ownership delle soluzioni AI: se l’on-premise diventa un obbligo di mercato oltre che una scelta tecnica, i conti vanno rifatti.