Sovranità digitale: perché regolare l’AI non basta

Significa considerare l’intero stack tecnologico, dall’energia ai minerali critici, dai semiconduttori ai data center, dalle telecomunicazioni fino ai modelli di intelligenza artificiale, come una risorsa critica.

Nel secolo scorso l’energia era l’elemento critico per eccellenza. Nel tempo, però, la trasformazione digitale ha fatto sì che l’intero stack tecnologico diventasse l’asset portante della nostra società: per l’economia, naturalmente, ma anche per le relazioni e per la vita quotidiana.

La complessità è molto diversa da quella dell’approvvigionamento petrolifero del secolo scorso. In quel caso avevamo catene di approvvigionamento lineari, relativamente semplici, che permettevano di alimentare le supply chain nazionali.

Oggi, dopo la globalizzazione, abbiamo supply chain globalizzate. E ognuno dei livelli che ho citato ha, a sua volta, una propria catena di approvvigionamento. La complessità è immensa: una decisione politica presa da un Paese anche molto lontano, in un certo settore, può avere un impatto su un Paese dall’altra parte del mondo.

È qui che entra in gioco l’autonomia strategica. In un mondo interconnesso e interdipendente, il grado di sovranità digitale dipende anche dal modo in cui si è inseriti nelle catene globali di approvvigionamento. Più si è coinvolti in queste catene, più aumenta il proprio potere negoziale.

Purtroppo, l’Europa oggi si pone male. Durante la globalizzazione ha delegato, e spesso portato all’estero, molte competenze industriali. In questo momento, invece, ci sarebbe bisogno di una forte industrializzazione orientata ai modelli di intelligenza artificiale: data center per il training, data center per la gestione del traffico dei prompt, infrastrutture per la generazione di nuovi modelli, per la generazione di agenti e per la loro orchestrazione.

Siamo passati da un sistema industriale forte, quello degli anni Ottanta, a un sistema prevalentemente regolatorio.

La regolazione segue due regole fondamentali: è estremamente complesso regolare ciò che non produci ed è estremamente complesso regolare ciò che non conosci.

Quando pensiamo a regolamenti come l’AI Act, almeno per la parte inserita dopo l’avvento di ChatGPT, dobbiamo considerare questo problema: non si può regolare pienamente ciò che non si conosce. Noi ancora non sappiamo davvero come funzionino queste macchine statistiche. È come se avessimo regolato l’elettricità prima di conoscere le equazioni di Maxwell.

Un giorno arriverà qualcuno che ci spiegherà in modo più profondo come funzionano queste macchine, e allora saremo sicuramente in grado di regolare meglio.

No. Questo non significa che oggi non si possa vietare o disciplinare ciò che già conosciamo.

Penso, per esempio, alle applicazioni di social scoring, al riconoscimento facciale, ai bias nei dati di addestramento, al watermarking dei contenuti generati con l’intelligenza artificiale, incluse le immagini. Sono aspetti che facevano parte di una prima versione dell’AI Act e che vanno salvaguardati. Altre parti, invece, andrebbero profondamente ripensate.

Si possono immaginare due approcci. Il primo è prendere l’AI stack, cioè l’intera pila tecnologica, e rifarla “in casa”, con supply chain locali. Ma non è semplice, e soprattutto ha costi elevatissimi.

Le catene globali di approvvigionamento si sono sviluppate intorno al principio della minimizzazione del costo per l’utente. Nel momento in cui si decide di produrre tutto dentro un determinato territorio, i costi aumentano. E non è nemmeno detto che si ottenga qualcosa di migliore dal punto di vista della qualità, perché la scala è un elemento fondamentale, sia per la qualità sia per i costi.

Esatto. Per alcuni ambiti specifici, legati alla sicurezza nazionale e alla sicurezza europea, è certamente necessario costruire pile tecnologiche il più possibile indipendenti. Ma per lo spazio civile credo sia importante un altro approccio, che unisca tutte le democrazie. È quello che chiamo approccio delle trusted technologies.

L’idea è che le catene di approvvigionamento si collochino all’interno di Paesi che condividono alcuni valori di fondo, a partire dalla libertà.

Un aspetto decisivo è la contestabilità. Se un’azienda mi fornisce un certo prodotto, che io poi utilizzo per costruire un servizio o un prodotto finale, è essenziale che quell’azienda agisca dentro un sistema di leggi democratico. Devo poter contestare il suo prodotto, devo poter fare audit, deve esistere un giudice a cui rivolgermi.

Questi elementi, secondo me, non sono più prescindibili. Durante la pandemia, e ancora oggi, abbiamo visto che dipendere da sistemi che non condividono questi valori di fondo può diventare un rischio per tutta la società.

Naturalmente dirlo in un momento come quello che stiamo vivendo è complesso. Anche le democrazie sono profondamente fratturate tra loro. Ma dobbiamo lavorare oltre i cicli politici, con una visione più lunga.

Credo che in ogni Paese democratico esistano uomini e donne che ragionano in questo modo, e dobbiamo cercare di unirli prima che le fratture diventino così profonde da portarci ciascuno ad andare per conto proprio.

Se ognuno va per conto proprio, si riduce la scala. E se si riduce la scala, si rischia di perdere la sfida tecnologica con le autocrazie, con la Cina in primo luogo.

No. Non la perderemmo solo noi europei: nel lungo periodo rischierebbero di perderla anche gli Stati Uniti.

Gli Stati Uniti resisterebbero più a lungo, perché sono più forti dal punto di vista tecnologico, strutturale e finanziario. Ma rispetto all’integrazione verticale di un governo come quello cinese, è difficile mantenere la rotta e vincere la sfida su tutti i livelli della pila tecnologica e in tutti i settori.

La risposta più sincera è anche un po’ negativa. La ricerca, da diversi anni, ha in parte abbandonato l’università e i centri di ricerca pubblici.

È un processo iniziato con il cloud, alla fine del secolo scorso, e oggi crea molti problemi nella pipeline dei talenti. Ci sono aziende americane che si stanno organizzando con percorsi post-dottorato interni, specifici per le persone che assumono.

L’accademia resta importantissima per diverse ragioni. Prima di tutto è uno dei pochi auditor indipendenti di queste nuove tecnologie, in particolare dell’intelligenza artificiale. Può definire benchmark importanti per confrontare il funzionamento dei diversi modelli e delle diverse tecnologie, rispetto a parametri che vanno dagli aspetti etici ad altri elementi di valutazione.

L’università, inoltre, resta il luogo in cui si può fare ricerca di lungo periodo. Alcuni concetti, dalle reti neurali ai transformer, hanno avuto bisogno di decenni per maturare. Non sono risultati di una ricerca immediatamente produttiva. In questo senso l’università, e il Politecnico come uno degli emblemi della tecnologia a livello nazionale ed europeo, può certamente giocare le sue carte.

È chiaro, però, che rispetto a quarant’anni fa la situazione della ricerca è molto più complessa.

Dobbiamo capire che l’intelligenza artificiale è un fattore industriale. Naturalmente contiene un elemento di ricerca, come accade anche nell’automotive, e nell’AI questo elemento è molto più grande. Ma in Europa è fondamentale comprendere che l’intelligenza artificiale non è solo ricerca: è industria, è trasformazione della società industriale.

A volte pensiamo a una sorta di “CERN dell’AI”, e può anche essere una prospettiva interessante. Ma dobbiamo ricordare che abbiamo problemi reali da affrontare. E questi problemi riguardano l’industria dell’intelligenza artificiale.

La sovranità digitale, dunque, non coincide con l’illusione di produrre tutto dentro i propri confini. È piuttosto la capacità di capire dove si trovano le dipendenze critiche, quali filiere non possono essere abbandonate al solo criterio del costo, quali tecnologie devono essere affidabili, contestabili, verificabili. Nell’era dell’intelligenza artificiale, questa capacità diventa una forma di autonomia politica.

Per l’Europa, la sfida appare duplice. Da un lato, continuare a difendere i propri valori democratici anche nello spazio tecnologico. Dall’altro, tornare a costruire capacità industriali, infrastrutture, competenze e scala. Perché regolare resta necessario, ma non basta. E perché, come suggerisce Baldoni, non si può governare fino in fondo ciò che non si produce e non si conosce.