Di Fabrizio Milano d’Aragona
Negli ultimi due anni il dibattito sull’intelligenza artificiale è stato dominato da una serie di temi ricorrenti: la sicurezza dei modelli, la tutela della privacy, la proprietà dei dati, la regolamentazione e la competizione geopolitica tra Stati Uniti, Europa e Cina. Questioni centrali, che continueranno a occupare un ruolo fondamentale nel percorso di adozione dell’AI da parte delle imprese. Tra questi temi, uno dei più discussi è senza dubbio quello della sovranità del dato. Dove vengono archiviati i dati aziendali? Chi può accedervi? In quali giurisdizioni vengono trattati? Quali garanzie esistono rispetto alla loro protezione?
I temi trattati all’interno dell’articolo
Oltre il “petrolio”
Domande legittime e necessarie. Tuttavia, concentrarsi esclusivamente sul dato rischia di portarci a osservare soltanto una parte del fenomeno. L’avanzata dell’intelligenza artificiale sta infatti introducendo una nuova dimensione della competitività e del rischio aziendale: quella che potremmo definire sovranità della conoscenza. Una dimensione che va oltre il semplice possesso delle informazioni e che riguarda la capacità di comprendere, interpretare e valorizzare il patrimonio cognitivo di un’organizzazione.
Per oltre vent’anni abbiamo ripetuto che “i dati sono il nuovo petrolio”. Una metafora efficace, che ha accompagnato la trasformazione digitale e la crescita delle grandi piattaforme tecnologiche. Oggi però stiamo entrando in una fase diversa. Il valore non risiede più soltanto nella disponibilità del dato, ma nella capacità di trasformarlo in conoscenza utilizzabile. L’intelligenza artificiale accelera proprio questo processo, consentendo di individuare correlazioni, schemi e informazioni che fino a pochi anni fa sarebbero rimasti nascosti all’interno di enormi quantità di dati non strutturati.
In altre parole, il dato rappresenta la materia prima. La conoscenza è il prodotto finale. E mentre la protezione della materia prima è un tema ormai consolidato, la protezione della conoscenza generata da quella materia prima è una questione ancora relativamente poco esplorata.
Il vero patrimonio delle aziende è nascosto nei processi
Quando si parla di dati aziendali, si tende spesso a pensare agli archivi clienti, ai dati finanziari, alle informazioni commerciali o ai documenti riservati. Ma il patrimonio più prezioso di un’organizzazione raramente coincide con il singolo dato. Il vero valore risiede nel modo in cui l’azienda opera. Risiede nei processi, nelle decisioni, nelle relazioni tra reparti, nelle modalità di interazione con clienti e fornitori, nelle logiche che determinano il successo commerciale, nell’esperienza accumulata nel tempo.
È un patrimonio che spesso non è formalizzato in un documento o in un database, ma che emerge dall’insieme delle attività quotidiane che caratterizzano il funzionamento dell’organizzazione. Ed è proprio qui che l’intelligenza artificiale introduce un cambio di paradigma. I moderni sistemi AI non si limitano ad archiviare informazioni. Sono progettati per comprenderle, contestualizzarle e generare nuove conoscenze a partire da esse. Di conseguenza, quando un’impresa integra questi sistemi all’interno dei propri processi operativi, non sta semplicemente condividendo dati: sta rendendo osservabile il proprio modo di funzionare.
'AI THAT WORKS': l'intelligenza artificiale ci renderà tutti uguali?
L’AI è sempre più diffusa nelle imprese, ma la differenza…
Dal profiling delle persone al profiling delle aziende
Per comprendere meglio questa trasformazione può essere utile osservare quanto accaduto nel mondo consumer negli ultimi quindici anni. Le grandi piattaforme digitali hanno costruito la propria capacità competitiva grazie alla raccolta e all’analisi di enormi quantità di dati comportamentali. Non era il singolo click ad avere valore, ma la capacità di collegare milioni di segnali differenti per costruire una rappresentazione sempre più accurata degli utenti.
Una delle svolte teoriche più rilevanti in questo ambito è stata associata agli studi di Michal Kosinski all’Università di Cambridge. La sua ricerca ha mostrato come non fossero necessari lunghi questionari per ricostruire alcuni tratti profondi della personalità di un individuo. Attraverso semplici tracce digitali — like, commenti, post, linguaggio utilizzato e interazioni online — gli algoritmi potevano inferire con crescente precisione i cosiddetti tratti OCEAN: apertura all’esperienza, coscienziosità, estroversione, gradevolezza e nevroticismo.
Il punto non era soltanto la profilazione esplicita, ma la capacità di dedurre caratteristiche personali a partire da segnali apparentemente frammentati. In alcuni studi, poche decine di like risultavano sufficienti per formulare valutazioni molto accurate sulla personalità di una persona; aumentando il numero di segnali disponibili, la capacità predittiva degli algoritmi arrivava a livelli paragonabili, e talvolta superiori, alla conoscenza di amici o familiari.
Attraverso questi meccanismi è stato possibile comprendere preferenze, abitudini, interessi e comportamenti, arrivando spesso ad anticipare decisioni future. Lo stesso principio potrebbe progressivamente estendersi al mondo delle organizzazioni. Un sistema che osserva flussi documentali, processi decisionali, modalità operative e interazioni aziendali può sviluppare una comprensione estremamente approfondita del funzionamento di un’impresa. Non stiamo parlando di uno scenario distopico. Stiamo descrivendo una conseguenza naturale dell’evoluzione dei sistemi AI.
Ed è proprio per questo motivo che il concetto di knowledge sovereignty merita di entrare stabilmente nel dibattito strategico.
L’elefante nella stanza dell’AI enterprise
Oggi la maggior parte delle imprese si concentra correttamente su aspetti quali sicurezza, compliance e governance dei dati. Ma esiste una domanda che ancora poche organizzazioni si pongono in modo sistematico: “Quale conoscenza sulla mia azienda viene generata dall’utilizzo di questi sistemi?” È una domanda complessa perché non riguarda soltanto ciò che viene condiviso, ma anche ciò che può essere inferito. L’intelligenza artificiale eccelle proprio nella capacità di ricavare informazioni nuove a partire da informazioni apparentemente scollegate. Per questo motivo il tema della sovranità non può essere ridotto esclusivamente alla localizzazione geografica del dato o alle clausole contrattuali relative al suo utilizzo. Occorre iniziare a riflettere anche sulla governance della conoscenza che viene prodotta lungo tutta la catena del valore dell’AI.
La sfida degli agenti AI
Questo scenario diventerà ancora più rilevante con la diffusione degli agenti AI. Se i chatbot generativi rappresentano il primo livello dell’adozione dell’intelligenza artificiale, gli agenti rappresentano già la fase successiva. Non si limitano a fornire suggerimenti o supportare decisioni, ma possono svolgere attività, orchestrare processi, coordinare sistemi e operare in maniera sempre più autonoma. Di conseguenza aumenta la quantità di contesto aziendale che deve essere messa a loro disposizione. Per essere efficaci, gli agenti devono conoscere il funzionamento dell’organizzazione. Devono accedere a procedure, documentazione, workflow, basi di conoscenza e sistemi informativi. Più aumenta il loro livello di autonomia, più cresce la quantità di conoscenza aziendale coinvolta nel processo. Ecco perché il tema della knowledge sovereignty è destinato a diventare uno degli argomenti centrali della prossima fase di maturazione dell’AI enterprise.
