Governance dell’IA: il collegamento mancante nelle strategie nazionali per l’IA
Nel contesto dell’emergere dell’IA, la governance dell’IA si presenta come una sfida politica complessa. Così come il progetto di rinnovamento dell’area portuale di Oakland fallì negli anni ’70, i progetti di IA potrebbero affrontare simili ostacoli se non vengono progettati con l’implementazione in mente fin dall’inizio.
Strategie nazionali per l’IA
Le strategie nazionali relative all’IA si concentrano tipicamente su tre pilastri fondamentali: infrastruttura computazionale, talento e dati. Gli Stati Uniti stanno costruendo un centro di calcolo megascale attraverso il Progetto Stargate, con investimenti significativi da parte di OpenAI, Oracle e SoftBank. Anche l’Unione Europea sta investendo in un piano di sviluppo dell’infrastruttura per l’IA, destinando 300 trilioni di won.
La Francia ha promesso 163 trilioni di won per i suoi centri di dati sull’IA, mentre Singapore offre stipendi mensili per dottorandi in programmi di IA. La Cina, meno vincolata da regolamenti sulla privacy, ha sviluppato il suo modello DeepSeek sfruttando enormi set di dati.
Il ruolo della Corea
La Corea del Sud non è da meno: il governo ha recentemente annunciato un piano per investire 100 trilioni di won nella costruzione di un centro di calcolo sovrano per l’IA.
La governance dell’IA come priorità
Durante una visita a Shanghai, un’azienda ha sottolineato che, oltre alla potenza di calcolo, la governance dell’IA è cruciale. I sistemi sociali, piuttosto che la mera capacità tecnica, determineranno l’impatto reale dell’IA nel mondo.
Le strutture sociali attuali derivano dai sistemi di produzione di massa del ventesimo secolo. L’IA è pronta a sostituire molte delle attività lavorative di routine, trasformando vari settori, tra cui legge, medicina, educazione e finanza.
Competitività dell’IA
La competitività di una nazione in materia di IA dipenderà meno dalla tecnologia grezza e più dalla integrazione pratica. Per migliorare la produttività, i dati esistenti e i flussi di lavoro devono essere aperti all’apprendimento automatico. La resistenza a questa transizione, soprattutto il rifiuto di condividere dati essenziali, renderà inefficaci anche i più avanzati strumenti di IA.
Nel settore sanitario, ad esempio, se gli ospedali rifiutano di condividere dati per motivi di privacy, lo sviluppo dell’IA medica ne risentirà. Analogamente, l’accesso limitato ai precedenti legali ostacola la loro utilità per l’analisi legale basata sull’IA.
Conclusioni
Per questo motivo, la governance deve avere la precedenza. Senza un quadro normativo che consenta all’IA di apprendere dai dati esistenti, gli investimenti in infrastrutture e modelli linguistici sovrani rischiano di essere sprecati. Gli Stati Uniti e la Cina stanno avanzando nell’IA non solo grazie alle risorse, ma anche perché hanno costruito modelli di governance che facilitano l’accesso e l’uso dei dati.
Il governo coreano, enfatizzando il pragmatismo e la competitività nazionale guidata dall’IA, deve prioritizzare l’istituzione di una governance efficace per l’IA. Senza politiche che smantellino gli interessi consolidati e consentano all’IA di essere implementata su larga scala, gli enormi investimenti in tecnologia potrebbero non portare benefici significativi alla società.
