Due quindicenni californiani hanno imparato a proprie spese che un’auto senza conducente può osservare molto più della strada. Lunedì pomeriggio, una vettura autonoma Waymo ha contattato le forze dell’ordine segnalando dei passeggeri che «bevevano e sparavano dal veicolo». Gli agenti del dipartimento di polizia di San Mateo, arrivati dopo che la vettura si era fermata in autonomia, hanno poi appurato che i ragazzi maneggiavano un giocattolo a pallini di gel (Orbeez) e sorseggiavano quello che le autorità hanno definito con ironia «libagioni pomeridiane».

La notizia, diffusa con un post su Facebook dal tono quasi divertito («Genitori, sapete dove sono i vostri adolescenti? Waymo sì!»), è meno innocua di quanto appaia. Il punto non è la bravata in sé, ma il meccanismo che l’ha intercettata: un sistema di bordo capace di interpretare comportamenti in tempo reale e decidere – o contribuire a decidere – di allertare la polizia. La macchina non si è limitata a guidare; ha monitorato, classificato e denunciato.

Questo ribalta il patto implicito tra utente e servizio di trasporto. Se salgo su un taxi tradizionale, l’autista è un testimone umano con i suoi limiti di attenzione e giudizio. In un robotaxi, la sorveglianza è totale, distribuita su telecamere, microfoni e algoritmi di rilevamento delle anomalie. Il dato tecnico fondamentale è che l’elaborazione avviene in gran parte a bordo – edge inference – perché la latenza non ammette round-trip verso il cloud quando si tratta di sicurezza immediata. Eppure, il fatto che la decisione finale passi da una centrale operativa o da un sistema automatico non cambia il problema di fondo: il trattamento dei dati personali cessa di essere un sottoprodotto e diventa parte attiva del servizio.

Chi pensa all’on-premise e all’edge computing come a un rifugio di privacy deve fare i conti con questa realtà. Portare l’inference sul dispositivo non garantisce di per sé alcuna sovranità se il software è progettato per inviare segnalazioni, creare log forensi o addestrare modelli con i dati raccolti. La “località” fisica dei bit conta meno del flusso decisionale: un sistema edge che chiama le forze dell’ordine condivide informazioni ben più invasive di un database cloud consultato solo per manutenzione.

Le implicazioni strutturali vanno oltre il singolo episodio. Innanzitutto, si ridefiniscono gli incentivi delle aziende: Waymo ha evidentemente valutato che la segnalazione aumenti la percezione di sicurezza del servizio, ma al prezzo di una possibile reazione avversa di una fetta di utenti che non tollera la micro-sorveglianza. In secondo luogo, l’episodio spinge i regolatori a chiedersi se un’auto autonoma debba comportarsi come un pubblico ufficiale e con quali garanzie. Infine, si crea uno spazio di mercato per operatori che offrano robotaxi con politiche di trasparenza radicale e minimizzazione dei dati, trasformando la privacy in un fattore competitivo.

Per chi costruisce o sceglie infrastrutture di AI on-premise, la lezione è chiara: la sovranità non è solo una questione di dove girano i container, ma di quali azioni il sistema può intraprendere senza passare da un decisore umano. Definite le pipeline di inference, bisogna mappare gli effetti a valle: a chi vengono inviati i risultati, con quale frequenza, con quali trigger automatici. Altrimenti, si rischia di replicare in azienda lo stesso cortocircuito: un edge device tecnicamente “locale” che diventa il terminale di un panopticon automatizzato.