---
title: "Cosa sono i guardrail per LLM? Controlli su input e output"
description: "I guardrail sono controlli attorno a una chiamata LLM che bloccano, correggono o segnalano input e output non sicuri. Tipi, costo in latenza e dove girano."
url: https://broadrouter.com/it/glossary/guardrails/
lang: it
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Tradotto dall’inglese con l’aiuto dell’IA. [Leggi l’originale in inglese](https://broadrouter.com/glossary/guardrails/) (aggiornato il 2026-11-14).

# Guardrail (controlli di sicurezza per LLM)

Aggiornato 2026-11-14

I guardrail sono controlli che un’applicazione esegue attorno alla chiamata a un modello linguistico per tenerla entro limiti stabiliti. I guardrail di input esaminano ciò che entra nel modello, quelli di output controllano ciò che esce e quelli sui tool validano le azioni prima che vengano eseguite. Un controllo fallito blocca, riscrive o segnala la richiesta.

Detto anche: guardrail, guardrail LLM, guardrail AI, barriere di sicurezza AI, controlli di input, controlli di output, LLM guardrails, AI guardrails, input guardrails, output guardrails, safety rails

I guardrail sono i controlli che metti attorno a un modello perché un input o un output sbagliato si fermi nel tuo codice, non davanti al tuo utente.

## Come funziona

L’OpenAI Agents SDK descrive i guardrail come “checks and validations of user input and agent output” (traduzione: controlli e validazioni dell’input dell’utente e dell’output dell’agente) e ne definisce tre tipi:

| Tipo | Quando gira | Controllo tipico |
| --- | --- | --- |
| Input | Prima o in parallelo alla prima chiamata al modello | Richieste fuori tema, offensive o con injection |
| Output | Dopo la risposta finale | Segreti trapelati, violazioni di policy, formato sbagliato |
| Tool | Prima e dopo l’esecuzione di un function tool | Argomenti nei limiti, nessuna azione distruttiva |

Quando un controllo fallisce, un “tripwire” solleva un’eccezione e ferma l’esecuzione. I controlli di input possono essere bloccanti (il modello principale non parte mai) o paralleli (latenza più bassa, ma token e chiamate ai tool possono essere già stati spesi quando il tripwire scatta).

La libreria open source NeMo Guardrails di NVIDIA usa cinque fasi: rail di input, di recupero, di dialogo, di esecuzione e di output. La documentazione di Anthropic suggerisce un “harmlessness screen” (filtro di innocuità): un modello piccolo e veloce che classifica l’input dell’utente prima che arrivi alla conversazione principale, con [output strutturato](https://broadrouter.com/it/glossary/structured-output/) così il verdetto è un vero o falso facile da leggere nel codice.

Non tutti i guardrail hanno bisogno di un modello. Filtri regex, allow-list, validazione con JSON Schema e limiti di lunghezza sono economici e deterministici.

## Perché è importante

-   **Sicurezza.** I guardrail sono uno strato di difesa contro la [prompt injection](https://broadrouter.com/it/glossary/prompt-injection/) e i [jailbreak](https://broadrouter.com/it/glossary/jailbreak/). Nessuno strato da solo li ferma tutti.
-   **Costo.** Un filtro economico può respingere una richiesta prima che un modello costoso legga 100.000 token di contesto.
-   **Agenti.** Un [agente](https://broadrouter.com/it/glossary/agent/) che invia email o modifica dati ha bisogno di controlli a livello di tool e di approvazione umana per i passaggi ad alto rischio, non solo di un filtro sul testo finale.
-   **Misurali.** Un guardrail che blocca richieste valide è un bug. Tieni traccia dei falsi positivi con un set di [eval](https://broadrouter.com/it/glossary/eval/).

## Su BroadNet Inference

La documentazione di BroadNet non elenca guardrail, endpoint di moderazione o filtri di contenuto. Considera i guardrail un compito della tua applicazione. Uno schema comune è un filtro su un modello più piccolo come [BroadNet Gemma 4 VL 26B](https://broadrouter.com/it/models/gemma-4-vl-26b/) ($0.10 per 1M di token di input), poi la chiamata principale su un modello più grande. Se gli input contengono dati personali, vedi [inviare dati sensibili a un’API LLM](https://broadrouter.com/it/blog/llm-api-sensitive-data/).

## Domande frequenti

### I guardrail fanno parte del modello?

No. I modelli hanno i propri rifiuti appresi in addestramento, ma i guardrail sono codice o chiamate a modelli separati che la tua applicazione esegue prima e dopo la chiamata principale. Sei tu a decidere cosa controllano.

### I guardrail aggiungono latenza?

Un controllo di input bloccante aggiunge una chiamata prima che parta il modello principale. L’OpenAI Agents SDK può invece eseguire i guardrail di input in parallelo, il che fa risparmiare tempo ma può consumare token prima che il controllo scatti.

### BroadNet Inference include dei guardrail?

La documentazione di BroadNet non elenca guardrail o filtri di contenuto tra le funzioni. Costruiscili nella tua applicazione, per esempio con un modello piccolo come filtro e con la validazione dello schema sugli output.

## Vedi anche

-   [Prompt injection](https://broadrouter.com/it/glossary/prompt-injection/) (termine)
-   [Jailbreak (LLM)](https://broadrouter.com/it/glossary/jailbreak/) (termine)
-   [Agente AI (AI agent)](https://broadrouter.com/it/glossary/agent/) (termine)
-   [Output strutturato (structured output)](https://broadrouter.com/it/glossary/structured-output/) (termine)
-   [Eval (valutazione degli LLM)](https://broadrouter.com/it/glossary/eval/) (termine)
-   [System prompt (prompt di sistema)](https://broadrouter.com/it/glossary/system-prompt/) (termine)
-   [PII (informazioni personali identificabili)](https://broadrouter.com/it/glossary/pii/) (termine)
-   [Usare l’OpenAI Agents SDK con BroadNet Inference](https://broadrouter.com/it/guides/openai-agents-sdk-custom-provider/) (guida)
-   [Dati sensibili e API LLM: oscura, minimizza, registra meno](https://broadrouter.com/it/blog/llm-api-sensitive-data/) (articolo)
-   [Chiavi API LLM sicure: conservazione, rotazione e IP consentiti](https://broadrouter.com/it/blog/llm-api-key-security/) (articolo)

Provalo sul tuo carico di lavoro reale. I nuovi account partono con USD 5 di credito per Gemma e trascrizione. DeepSeek, GLM e Qwen3.8 richiedono una ricarica.

[Inizia](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-glossary-guardrails&utm_content=page-cta) ·

**Fonti**

-   [OpenAI Agents SDK, guardrail (guardrail di input, di output e sui tool, tripwire)](https://openai.github.io/openai-agents-python/guardrails/)
-   [Documentazione di NVIDIA NeMo Guardrails](https://docs.nvidia.com/nemo/guardrails/latest/index.html)
-   [Anthropic, mitigare jailbreak e prompt injection (filtri di innocuità)](https://platform.claude.com/docs/en/test-and-evaluate/strengthen-guardrails/mitigate-jailbreaks)
