C'è una frase che sento ripetere spesso nelle conference sull'AI, e ogni volta mi colpisce per quanto è ambivalente: "Non è la tecnologia che è buona o cattiva, è l'uso che ne facciamo." Suona rassicurante, quasi filosofica. Ma nella pratica, questa massima nasconde un problema enorme. Perché se davvero crediamo che il problema sia solo l'uso, allora significa che stiamo costruendo strumenti potentissimi senza aver definito prima le regole del gioco. È come vendere fucili a un mercato aperto e poi discutere sulle licenze di caccia dopo che qualcuno si è fatto male.
L'intelligenza artificiale nel 2025 non è più un argomento da convegni accademici. È nelle nostre scuole, nelle newsroom, nelle aule dei tribunali, nelle diagnosi mediche. Il mercato globale dell'AI ha superato i 180 miliardi di dollari nel 2024 secondo stimi di Statista, e le proiezioni parlano di oltre 300 miliardi entro il 2027. In questo scenario, la domanda su chi debba regolamentare l'AI e come non è teorica: è urgente, politica e profondamente umana.
L'Unione Europea ha preso la strada più ambiziosa — e più rischiosa
L'AI Act europeo, entrato in vigore progressivamente dal 2024, rappresenta il primo quadro legislativo al mondo che tenta di classificare i sistemi di intelligenza artificiale per livello di rischio. L'idea è elegante: si parte da un rischio inaccettabile (divieto totale per esempio per la sorveglianza biometrica in tempo reale nelle科 forcing spazio pubblico), si scende al rischio alto (sistemi usati in ambito sanitario, giudiziario o educativo, sottoposti a obblighi stringenti di trasparenza e valutazione), si passa al rischio limitato (chatbot, filtri anti-spam) e infine al rischio minimo.
La logica è quella della classificazione farmaceutica: più un prodotto è potenzialmente pericoloso, più deve dimostrare la propria sicurezza prima di arrivare sul mercato. E sul principio, difficile contestare. Ma ci sono almeno tre criticità concrete che emergono dalla pratica.
- Velocità tecnologica vs. velocità legislativa. Un regolamento europeo richiede anni tra proposta, negoziazione e applicazione. Nel frattempo, i modelli evolvono. GPT-3 era del 2020; oggi ci troviamo a gestire sistemi multimodali con capacità che nessun legislatore poteva immaginare quando il testo dell'AI Act veniva redatto.
- Definire il "rischio alto" è un esercizio politico, non solo tecnico. Chi decide che un sistema di AI per le assicurazioni è a rischio alto e uno per la pubblicità no? Le lobby del tech hanno avuto un peso significativo nel definire queste categorie.
- L'effetto chill sulle innovazioni europee. Diverse startup italiane e europee segnalano che il compliance cost (stimato tra 200.000 e 500.000 euro per un sistema ad alto rischio) sta spingendo molte imprese a posticipare o abbandonare progetti, favorendo di fatto la competizione con USA e Cina, dove i approcci regolatori sono più flessibili.
L'Europa vuole essere il guardiano etico del mondo digitale. È una nobilissima ambizione. Ma il rischio concreto è di diventare il regolatore di un mercato in cui gli altri giocano già avanti di due turni.
Il modello americano e quello cinese: due visioni opposte del problema
A Washington, l'approccio è stato storicamente di "regolamentazione minimale, innovazione massima". L'amministrazione Biden aveva introdotto un executive order sull'AI nel 2023, ma si trattava di linee guida, non di legge. Con il cambio di amministrazione, molte di queste iniziative sono state ridimensionate. Il mantra americano resta: lasciamo che il mercato si autoregoli, e interveniamo solo dopo i danni.
In Cina, il modello è opposto: regolamentazione capillare e centralizzata. Dal 2023, i produttori cinesi di AI devono registrare i loro algoritmi con il CAC (Cyberspace Administration of China) e garantire che i contenuti generati siano "allineati ai valori socialisti fondamentali". È un controllo pervasivo, ma efficiente. Alibaba, Baidu e i loro competitor operano entro un recinto ben definito, con vantaggi competitivi non trascurabili in termini di accesso ai dati e velocità di deployment.
Quello che emerge da questo confronto triangolare è un paradosso: l'Europa ha le regole più serie ma meno spazio per innovare, gli USA hanno più spazio ma regole deboli, la Cina ha regole forti ma orientate al controllo politico piuttosto che alla protezione dei cittadini. Nessuno dei tre modelli ha trovato la formula giusta.
Un fatto che vale la pena considerare: secondo il Global AI Index di Tortoise Media (2024), gli Stati Uniti guidano la classifica per capacità complessiva nell'AI, seguiti da Cina e Regno Unito. L'Italia si posiziona intorno al 15° posto, con punti di forza nella ricerca accademica ma debolezze strutturali nell'industrializzazione. Non possiamo permetterci di essere solo regolatori: dobbiamo essere anche creatori.
L'etica non è un lusso — ma non può essere un'imposta
Torno alla frase iniziale: "Non è la tecnologia, è l'uso." Il problema è che l'uso dipende dalla progettazione. Se un algoritmo di selezione del personale è addestrato su dati storici che riflettono bias di genere o razziali, il risultato discriminatorio non è un "uso improprio": è una conseguenza diretta della progettazione. Ed è qui che l'etica dell'AI smette di essere una questione filosofica per diventare ingegneria.
Le principali sfide etiche concrete che osserviamo oggi sono:
- Trasparenza algoritmica. Quando un sistema decide di negare un mutuo o di segnalare un sospetto, il cittadino ha diritto di sapere perché. Il "black box problem