Regolamenti Globali sull’IA e il Loro Impatto sui Leader del Settore
Attualmente, esiste una significativa incertezza normativa nella supervisione globale dell’IA, principalmente a causa del paesaggio giuridico frammentato tra i diversi paesi, che ostacola una governance efficace dei sistemi di IA transnazionali. Ad esempio, uno studio del 2024 pubblicato su Nature ha evidenziato che la mancanza di leggi internazionali armonizzate sta complicando l’innovazione nell’IA, rendendo difficile per le organizzazioni comprendere quali standard si applicano in diverse giurisdizioni.
La carenza di robusti framework di governance e di gestione del rischio per l’IA espone le organizzazioni a rischi operativi, etici e finanziari. Il fallimento nella conformità può essere costoso: le multe ai sensi della Legge UE sull’IA possono raggiungere fino a 40 milioni di euro o il 7% del fatturato globale per violazioni gravi.
Gestione dei Rischi dell’IA
Nell’ultima puntata del podcast “AI in Business”, un esperto del settore ha discusso di come le aziende dovrebbero gestire attivamente i crescenti rischi legati all’IA, stabilendo framework di governance, definendo la tolleranza al rischio e riducendo il rischio di aggregazione attraverso una diversificazione dei modelli e una messa a punto specifica per i compiti.
Costruire Governance e Responsabilità per il Rischio dell’IA
Un aspetto cruciale della governance dell’IA è la definizione chiara della responsabilità per gli errori inevitabili dell’IA attraverso le diverse giurisdizioni. Ad esempio, in Canada, un passeggero ha chiesto a un chatbot di un’agenzia aerea informazioni su politiche di sconto, ma il modello ha generato una politica falsa. Di conseguenza, l’agenzia aerea è stata ritenuta responsabile, dimostrando l’importanza della chiarezza sulla responsabilità delle uscite dell’IA.
È fondamentale che la responsabilità per gli errori dell’IA, in particolare le allucinazioni dei modelli generativi, non ricada pesantemente sugli utenti finali, ma sugli adottatori di IA e potenzialmente sugli sviluppatori di IA stessi.
Gestire il Rischio dell’IA con Strategia di Governance e Modello
La discussione sui rischi dell’IA è evoluta, passando da una visione dell’IA come possibilità remota a un riconoscimento della sua realtà operativa attuale. Questa nuova comprensione ha portato a un aumento delle conversazioni sulla governance dell’IA, che include la definizione dei livelli di tolleranza al rischio e l’implementazione di misure di mitigazione che superano i requisiti normativi.
Michael Berger, un esperto del settore, sottolinea che il rischio aumenta man mano che vengono sviluppati più casi d’uso dell’IA. Ogni modello aggiuntivo porta con sé la possibilità di errori e allucinazioni, che possono comportare responsabilità finanziarie.
In particolare, nei casi d’uso sensibili dove i consumatori sono direttamente colpiti dalle decisioni dell’IA, il rischio di discriminazione diventa critico. L’uso di modelli di IA può rendere il rischio sistematico, creando effetti negativi su grandi gruppi di persone.
Rischi di Aggregazione e Modelli Specifici
Il rischio di aggregazione si verifica quando un errore in un modello può causare danni a più organizzazioni contemporaneamente. È importante che le aziende siano consapevoli di questo rischio quando pianificano e implementano l’IA, soprattutto con l’uso di modelli fondamentali per decisioni che impattano i consumatori.
Berger raccomanda l’uso di modelli più piccoli e specifici per compiti, poiché questi presentano rischi più gestibili e sono più facili da testare e misurare. Al contrario, i modelli molto grandi possono comportarsi in modo incoerente e presentare tassi di errore elevati in determinate situazioni.
In conclusione, la diversificazione e l’adozione di modelli alternativi possono ridurre il rischio di aggregazione, garantendo al contempo prestazioni adeguate. Le organizzazioni devono abbracciare questi concetti per navigare nel complesso panorama della governance dell’IA e per garantire un’implementazione sicura ed efficace della tecnologia.
