Google Cloud ha aggiornato il formato per i contenuti AI

I nuovi segnali di fiducia e l’attested computation per la verificabilità dei dati

In un’epoca in cui l’intelligenza artificiale produce più “conoscenza” di quanto sia mai successo nella storia umana, la fiducia in ciò che leggiamo è ai minimi storici. Ogni agente genera contenuti senza la garanzia implicita di una responsabilità umana — e quando un singolo agente sforna diecimila concetti in una notte, quella garanzia semplicemente scompare. Il paradosso è bruciante: più informazioni abbiamo, meno siamo certi della loro verità. È per provare a sciogliere questo nodo che Google Cloud ha aggiornato l’Open Knowledge Format portandolo alla versione 0.2, a poche settimane dal rilascio della prima bozza pubblica dello scorso giugno.

Il paradosso della conoscenza generata

Chi lavora con dati e automazioni lo sa bene: la scala dell’AI agentica ha rotto un presupposto che davamo per scontato. Fino a ieri, quando leggevamo un report, un’analisi o una dashboard, c’era sempre una catena di responsabilità umana — qualcuno aveva scritto, qualcun altro aveva controllato. Oggi quella catena non esiste più, o meglio, esiste solo se la costruiamo deliberatamente. Il problema non è accademico: ogni decisione presa su un insight generato automaticamente, senza una verifica strutturata, è una scommessa. E nel mondo della business intelligence, delle metriche di prodotto e delle ottimizzazioni continue, scommettere senza sapere cosa si sta puntando è il contrario di un approccio data-driven. Ma se la fiducia è rotta, come si ricostruisce? È la domanda a cui OKF v0.2 prova a dare una risposta tecnica, non retorica.

Cosa c’è dentro OKF v0.2: i cinque segnali e l’Attested Computation

A pochi mesi dalla prima bozza, arriva un aggiornamento che non stravolge il formato ma aggiunge uno strato di verificabilità modulare: una scatola degli attrezzi. I nuovi campi, tutti opzionali, coprono cinque dimensioni: provenienza, fiducia, freschezza, ciclo di vita e attestazione. Il formato resta minimamente prescrittivo — l’unico campo sempre obbligatorio è type, le chiavi personalizzate continuano a essere valide — e l’aggiornamento è retrocompatibile: un bundle OKF v0.1 funziona esattamente come prima.

La provenienza si gioca nel nuovo campo sources, che registra i materiali da cui un concetto deriva: un documento esterno, un percorso relativo al bundle, o persino un descrittore di scope come “tutte le query del progetto X”. Non è un elenco di citazioni generiche, ma una traccia concreta di quali dati hanno alimentato quel contenuto. Per chi fa analisi e reporting, è il primo mattone della verificabilità: se un KPI compare in due report con valori diversi, il campo sources dovrebbe permettere di capire se la divergenza nasce da un input differente o da un errore di calcolo.

Poi c’è la coppia che stabilisce la fiducia in senso stretto: generated e verified. Sono due campi tenuti deliberatamente separati perché chi ha prodotto un contenuto non è necessariamente chi lo ha confermato. generated registra come e quando il contenuto è stato creato — chi l’ha generato e la data dell’ultima modifica significativa. verified è un array di conferme indipendenti, che possono essere un controllo umano, un processo finanziario notturno, o entrambi. È una distinzione da addetti ai lavori, ma cruciale: separare generazione e verifica è esattamente ciò che trasforma un output grezzo in un dato su cui poter prendere decisioni.

La freschezza e il ciclo di vita sono gestiti dai campi stale_after e status. stale_after è una data assoluta oltre la quale il concetto è da considerarsi potenzialmente obsoleto. status fa evolvere il concetto lungo un percorso draft → stable → deprecated — se assente, il valore è stable. Per chi gestisce dashboard o modelli di machine learning, avere un’indicazione esplicita di quando un dato “scade” è un antidoto concreto a decisioni prese su numeri che hanno superato la loro finestra di validità.

L’aggiunta strutturale più rilevante, tuttavia, è il nuovo tipo di concetto Attested Computation. Non si limita a descrivere cosa significa un valore, ma esprime un metodo sancito per calcolarlo e fornisce i mezzi per verificare che quel metodo sia stato effettivamente eseguito. In pratica, chi consuma un dato non deve fidarsi ciecamente del risultato: può controllare che il calcolo sia stato eseguito come dichiarato. È un meccanismo che sposta il formato da semplice contenitore di metadata a infrastruttura per la computazione verificabile.

La domanda, a questo punto, è se basti. OKF v0.2 mette sul tavolo un insieme coerente di strumenti, ma la loro efficacia dipende interamente dall’adozione e dall’implementazione concreta. I campi sono opzionali, e in assenza di una pressione di mercato o di requisiti normativi, il rischio è che restino inutilizzati nella maggior parte dei bundle. La fiducia non si attiva per magia: richiede lavoro, e il lavoro ha un costo.

La guerra degli standard: chi decide di cosa fidarsi?

Ma OKF non è solo un formato: è un pezzo in una partita più grande. Anthropic, con il suo Model Context Protocol, ha già stabilito il paradigma degli standard aperti per l’ecosistema degli agenti. MCP è rapidamente diventato il punto di riferimento per connettere modelli di linguaggio a strumenti e fonti dati esterne, creando di fatto un’infrastruttura di interoperabilità che molti sviluppatori hanno adottato.

OKF v0.2 si inserisce in questo scenario con una filosofia diversa: invece di concentrarsi sulla connessione agente-strumento, punta a standardizzare il formato della conoscenza stessa, rendendola ispezionabile e verificabile a prescindere da chi l’ha prodotta. Sono due approcci complementari, ma anche in potenziale competizione: chi controlla lo standard con cui si dichiara e si verifica la fiducia, controlla un pezzo significativo del futuro stack dell’AI agentica. E se la fiducia diventasse un vantaggio competitivo esclusivo, anziché un bene comune, il paradosso da cui siamo partiti potrebbe addirittura aggravarsi: avremmo standard per la fiducia, ma una fiducia frammentata in ecosistemi proprietari.

Al momento OKF è un formato aperto, minimale, retrocompatibile, mantenuto da Google ma pubblicato come specifica pubblica. MCP è sostenuto da Anthropic con una logica analoga. La posta in gioco, però, non è tecnica ma strategica: quando i segnali di fiducia diventano parte integrante dei flussi decisionali aziendali, il formato che li veicola smette di essere un dettaglio implementativo e diventa un asset di governance. E in assenza di una convergenza, l’industria rischia di ritrovarsi con più “lingue franche” che, invece di aumentare la trasparenza, moltiplicano i livelli di traduzione e le frizioni.

La fiducia non si dichiara in un formato: si conquista con l’adozione reale e con la coerenza delle implementazioni. OKF v0.2 è un passo concreto e ben progettato in questa direzione, ma la partita — quella vera, quella che definirà se possiamo fidarci dei contenuti che consumiamo ogni giorno — è appena iniziata. E come in ogni buon test, serviranno dati, iterazioni e la disponibilità a mettere in discussione anche gli strumenti che abbiamo appena costruito.