L'AI washing è la pratica di commercializzare un prodotto come "basato sull'AI" senza prove solide che la funzionalità utilizzi una reale intelligenza artificiale in modo significativo o produca risultati utili. Nel campo della sicurezza e degli acquisti, questo è importante perché l'etichetta può nascondere automazione debole, affermazioni false e complessità non necessaria. Un prodotto può ancora dipendere da prompt, API di modelli esterni, log e servizi cloud, tutti elementi che aggiungono dipendenze ed espandono la superficie di attacco.
Nelle implementazioni reali, l'AI washing spesso si presenta come una dichiarazione commerciale senza una chiara linea di base, risultati di test o spiegazioni delle modalità di guasto. I difensori dovrebbero chiedersi quale attività migliori, di quanto e in quali condizioni. Se la funzionalità non può essere misurata, monitorata o ripristinata, può creare più rischio che valore. Una buona pratica difensiva include la verifica della provenienza dei dati, la revisione degli accessi agli endpoint del modello, l'abilitazione della registrazione dei log e il controllo delle derive dopo l'implementazione. La domanda chiave non è se un prodotto usi l'AI, ma se la capacità sia reale, utile e sufficientemente sicura per l'ambiente.