Chi governa l’intelligenza artificiale? Modelli, dati e sicurezza nella nuova partita globale tra Stati e Big Tech

L’intelligenza artificiale ha definitivamente oltrepassato il perimetro dell’innovazione tecnologica per entrare in quello, ben più delicato, dell’economia politica e dell’assetto dei poteri. Gli ultimi segnali che arrivano dal settore, da un lato l’allarme sui rischi sistemici sollevato dal vertice di una delle principali società di AI avanzata, dall’altro lo scontro crescente tra grandi piattaforme e produttori di contenuti sull’uso dei dati, non sono episodi isolati, ma tasselli di una trasformazione strutturale. L’AI sta assumendo i tratti di una nuova infrastruttura critica, ma a controllo prevalentemente privato.

Quando i leader delle aziende che sviluppano modelli di frontiera parlano di vulnerabilità legate alla progettazione di molecole, alla simulazione di processi complessi, alla possibilità di automatizzare funzioni cognitive ad alta specializzazione o di rafforzare sistemi di sorveglianza, il punto centrale non è il tono allarmistico, ormai ricorrente nel settore. Il nodo è un altro: le capacità incorporate nei modelli avanzati iniziano a incidere su ambiti tradizionalmente associati alla sicurezza nazionale, alla ricerca scientifica sensibile e alla tenuta delle istituzioni democratiche. In termini economico-giuridici, siamo di fronte a tecnologie che svolgono funzioni assimilabili a quelle delle infrastrutture strategiche, pur restando nella disponibilità di soggetti societari.

Da qui l’idea, sempre più diffusa tra le imprese di punta, di dotarsi di forme di “costituzione” interna dell’AI: codici di condotta, audit, limiti agli utilizzi, controlli sui clienti e sulle applicazioni consentite. Si tratta di strumenti di autoregolazione sofisticati, che testimoniano una crescente consapevolezza del rischio. Tuttavia, sotto il profilo giuridico, questa evoluzione evidenzia un cortocircuito. Decisioni che incidono sulla possibilità di svolgere determinate ricerche, sull’accesso a capacità computazionali avanzate o sui limiti di utilizzo di sistemi con impatto sociale significativo vengono di fatto assunte in sedi aziendali, non in contesti dotati di legittimazione democratica.

Il problema non è solo teorico. La regolazione privata tende a muoversi in un contesto di forte asimmetria informativa: le autorità pubbliche non dispongono né della piena visibilità tecnica sui modelli, né di capacità comparabili in termini di infrastrutture e competenze. Ne deriva un rischio di dipendenza cognitiva del regolatore dal regolato, che complica l’effettività del controllo. Inoltre, i costi di compliance con standard elevati di sicurezza, audit e governance possono trasformarsi, in assenza di correttivi, in barriere all’ingresso che consolidano la posizione degli incumbent. La safety, se non accompagnata da una visione concorrenziale, rischia di tradursi in un fattore di cristallizzazione oligopolistica.

Parallelamente, sul versante dei contenuti, si sta giocando una partita altrettanto cruciale. I modelli linguistici su larga scala si fondano sull’accesso a quantità massive di testi, immagini, archivi e produzioni culturali. Il valore economico generato da giornalismo, editoria, produzione accademica e conversazioni online diventa materia prima per sistemi che offrono servizi di sintesi, rielaborazione e risposta diretta agli utenti, spesso riducendo il traffico verso le fonti originarie. Dal punto di vista economico, si tratta di un processo di estrazione di esternalità positive: il lavoro intellettuale diffuso alimenta piattaforme che monetizzano servizi potenzialmente sostitutivi.

Il diritto d’autore, costruito attorno alla logica della copia e della distribuzione, fatica a inquadrare l’addestramento statistico dei modelli. Ma la questione non si esaurisce nella tutela proprietaria. In gioco vi è la redistribuzione del valore lungo la filiera dell’informazione e della cultura. Se la capacità di trasformare grandi masse di contenuti in servizi ad alto valore aggiunto si concentra in pochi operatori tecnologici, il rischio è uno squilibrio strutturale tra chi produce informazione e chi la utilizza come input per sistemi automatizzati.

Qui si innesta il diritto della concorrenza. Dati, archivi e flussi informativi assumono sempre più i tratti di risorse essenziali. Il controllo degli indici del web, dei grandi bacini editoriali o delle interazioni quotidiane degli utenti consente di migliorare la qualità dei modelli, attirare più utenti e generare ulteriori dati, in un ciclo cumulativo tipico dei mercati digitali ma amplificato dalla natura general purpose dell’AI. Il rischio è un doppio lock-in: tecnologico, perché i modelli migliori richiedono risorse che solo pochi possiedono; economico, perché la superiorità tecnologica rafforza la posizione di mercato, rendendo sempre più difficile l’ingresso di nuovi attori.

Mettendo insieme sicurezza, contenuti e concorrenza, emerge un quadro che va oltre la regolazione settoriale. L’AI tocca la libertà di informazione, la struttura dei mercati, la sicurezza collettiva e il rapporto tra Stato e grande impresa tecnologica. Non si tratta solo di stabilire obblighi tecnici o di definire categorie di rischio, ma di affrontare una questione di ordine istituzionale: chi governa un’infrastruttura cognitiva che incide in modo pervasivo su produzione, conoscenza e decisione.

La linea di frattura non è tra un modello in cui l’AI resta un’infrastruttura privata regolata prevalentemente ex post, con forte spazio all’autoregolazione, e un modello in cui viene trattata come tecnologia strategica, soggetta a obblighi più incisivi di trasparenza, a regole sull’accesso alle risorse informative e a un ruolo più forte del potere pubblico nel presidio delle capacità di frontiera. In gioco non c’è soltanto la velocità dell’innovazione, ma l’equilibrio tra potere economico, diritti e sovranità nell’economia digitale avanzata.