Principali Conclusioni dal Tavolo di Lavoro sulla Governance dell’AI
Il tavolo di lavoro sulla governance dell’AI ha dato vita a due round di discussione approfondita, rivelando che le organizzazioni operano sotto una vasta gamma di strutture di governance dell’AI. Alcune hanno adottato modelli centralizzati con supervisione concentrata in un team centrale di governance dell’AI, mentre altre utilizzano strutture federate in cui le unità aziendali mantengono la responsabilità con AI lead designati. Indipendentemente dalla struttura, i partecipanti hanno costantemente identificato la velocità come un punto di attrito principale. Lunghi cicli di revisione e approvazione sono percepiti come ostacoli all’innovazione e all’adozione aziendale.
La maggior parte delle organizzazioni ha superato le politiche di AI autonome e ora mantiene framework di governance e processi operativi più sviluppati. I team di governance dell’AI sono generalmente incaricati di rivedere e approvare strumenti e casi d’uso dell’AI, implementando barriere e valutando i rischi prima del lancio. Tuttavia, diversi partecipanti hanno notato che i framework sono socializzati in modo disomogeneo e, in alcuni casi, strumenti o casi d’uso sfuggono senza revisione.
Formazione e Alfabetizzazione
La formazione e l’alfabetizzazione sono emerse come un importante gap. Le aziende hanno segnalato un’insufficiente educazione sui rischi dell’AI, sugli obblighi di governance e sull’uso pratico degli strumenti. Anche quando gli strumenti di AI aziendale sono concessi in licenza, la loro sottoutilizzazione rimane una sfida se i team mancano delle conoscenze o della fiducia necessarie per implementarli efficacemente.
Governance del Ciclo di Vita
I partecipanti hanno anche enfatizzato le sfide della governance del ciclo di vita. La supervisione spesso si concentra sulla revisione pre-lancio, ma meno organizzazioni hanno processi maturi per il monitoraggio post-deployment, aggiornamenti di versione o rivalutazione continua del rischio. Questo gap è previsto ampliarsi con l’emergere dell’AI agentica, che potrebbe alterare significativamente i modelli di governance e rendere più difficile la visibilità centralizzata.
Integrazione della Governance della Privacy
Infine, le aziende con programmi di governance della privacy maturi sembrano essere meglio posizionate per integrare la governance dell’AI nelle strutture di gestione del rischio esistenti. Dove esistevano forti fondamenta di governance dei dati, la supervisione dell’AI poteva essere sovrapposta ai processi stabiliti. Al contrario, le organizzazioni prive di queste fondamenta stanno ancora costruendo strutture di base mentre rispondono simultaneamente ai rischi specifici dell’AI.
In generale, la discussione ha riflesso un passaggio da una governance teorica dell’AI a sfide di esecuzione operativa — particolarmente in termini di velocità, visibilità, supervisione del ciclo di vita e abilitazione della forza lavoro.
