La regolazione dell’AI è tornata al centro del dibattito tra industria, politica e opinione pubblica. Jensen Huang, CEO di Nvidia, ha sostenuto a Dreamforce che la sicurezza dell’intelligenza artificiale non richiede nuove leggi. Per Huang, l'AI è un sistema di hardware e software progettato da esseri umani, quindi governabile con strumenti ingegneristici, responsabilità aziendale e norme già esistenti.
La posizione di Huang, coerente con l'interesse strategico di Nvidia, attore infrastrutturale chiave nell'economia dell'AI, considera la sicurezza un problema tecnico: se un prodotto non è affidabile, l'azienda non dovrebbe rilasciarlo.
Mercato e reputazione spingerebbero le imprese a evitare lanci rischiosi, senza necessità di nuove regolamentazioni.
La sicurezza secondo Jensen Huang
Huang argomenta che innovazione rapida e prodotti sicuri non sono obiettivi incompatibili. Esorta le aziende a innovare, ma a fermarsi se la sicurezza o funzionalità dei sistemi non è garantita. Questa linea privilegia l'autocontrollo industriale, i test interni e la disciplina competitiva.
Questa impostazione riconosce che molte vulnerabilità nascono da problemi di progettazione, verifica e manutenzione. Tuttavia, solleva una questione centrale per la regolazione dell’AI: chi stabilisce la sicurezza di un modello, specialmente se gli effetti possono colpire utenti, aziende terze o infrastrutture non direttamente coinvolte nello sviluppo?
Le voci a favore di maggiore cautela e standard
A Dreamforce, Dario Amodei di Anthropic ha proposto di rallentare lo sviluppo AI per permettere alle misure di sicurezza di recuperare terreno. La sua visione include valutatori indipendenti nelle aziende, standard condivisi tra Paesi democratici e un coordinamento internazionale più ampio.
Sam Altman ha richiamato la necessità di trattare sicurezza e monitoraggio con maggiore rigore, specie con modelli capaci di agire come agenti autonomi. Il punto non è solo il rischio estremo, ma la crescita di sistemi che operano in ambienti digitali complessi, generando nuove superfici di attacco e responsabilità.
I limiti dell'autoregolazione nel settore AI
L'autoregolazione è efficace se incentivi economici e sicurezza coincidono. Nell’AI generativa e agentica, però, questa convergenza non è garantita: la pressione al rilascio, la competizione geopolitica e la corsa al vantaggio computazionale possono indurre a sottovalutare i rischi.
