Quando un gigante come Google nega che YouTube sia un social media, non sta solo cercando un cavillo processuale. Sta indicando che l’intero impianto normativo poggia su definizioni talmente porose da poter essere aggirate con un argomento lessicale. La notizia è lineare: YouTube ha presentato appello contro una storica sentenza che lo ritiene corresponsabile della dipendenza di un minore dalla piattaforma, e lo fa sostenendo che il suo servizio non è un social network. Meta aveva già usato una linea simile.

Per chi si occupa di deployment on-premise di modelli AI e sistemi di raccomandazione, la vertenza non è un dettaglio da tribunale. È un segnale di secondo ordine: quando la classificazione di un servizio dipende da interpretazioni flessibili, le organizzazioni che elaborano dati sensibili, comportamentali o di profilazione non possono permettersi di delegare a terzi la natura giuridica della propria infrastruttura. Ecco perché la via del self-hosted smette di essere una scelta tecnica e diventa una strategia di sovranità.

YouTube è un esempio estremo ma istruttivo. Il suo algoritmo, le sequenze di autoplay e la segmentazione pubblicitaria sono motori di engagement analoghi a quelli dei social, eppure Google può rivendicare una distinzione perché mancano elementi specifici come il news feed relazionale. La difesa funziona proprio perché manca un perimetro normativo univoco. E se questo vale per un servizio che tratta video di miliardi di utenti, figuriamoci per chi gestisce internamente pipeline di raccomandazione, fine-tuning di LLM su dati aziendali o sistemi di inference che incrociano dati personali: la qualifica di “responsabile del trattamento” o “piattaforma” può ribaltarsi con un’interpretazione diversa del termine.

La conseguenza strutturale è che il cloud, con i suoi modelli PaaS e le infrastrutture condivise, amplifica l’incertezza giuridica. Quando il titolare del dato non controlla il livello di orchestrazione, ogni nuova pronuncia giudiziale può ridefinire retroattivamente obblighi e responsabilità. Lo abbiamo visto con il caso Schrembs e lo vediamo oggi con YouTube: il diritto insegue i fatti, ma i fatti sono progettati per essere opachi.

Il self-hosting, invece, restituisce un ancoraggio certo. Avere l’inference di un LLM su hardware dedicato, con VRAM allocata on-premise e dataset che non lasciano il perimetro aziendale, permette di evitare di essere risucchiati in un dibattito su cosa sia o non sia un “social media”. Diventa irrilevante. L’azienda non è una piattaforma verso terzi, ma un soggetto che tratta dati in proprio con finalità documentabili e catene decisionali trasparenti.

Non serve essere vittime di una class action per capire l’importanza di questa postura. Basta osservare come si muove il regolatore: le autorità antitrust e i garanti privacy europei stanno iniziando a leggere i sistemi di raccomandazione come forme di manipolazione algoritmica che vanno oltre il consenso informato. Chi esternalizza il funzionamento di quei sistemi cede anche il controllo sulla loro qualificazione legale. In quest’ottica, il contenzioso di YouTube non è un’anomalia, ma l’anticamera di una frammentazione che spingerà sempre più organizzazioni a internalizzare non solo i dati, ma anche i modelli e le pipeline che li elaborano. Per approfondire come valutare questi trade-off in un contesto di deployment on-premise, su AI-RADAR offriamo framework analitici che aiutano a mappare i costi di sovranità rispetto ai benefici della delega cloud.

La vera lezione del caso YouTube è che le definizioni contano più delle tecnicie. E quando le definizioni sono in balia di una sentenza, l’unica sovranità possibile è quella che si esprime su macchine proprie, con licenze chiare e giurisdizioni note.