Tecnologia

Sovereign AI: La Governance e il Controllo dei Dati nell’Era Digitale

Esploriamo il concetto di Sovereign AI, che va oltre la semplice ubicazione dei dati, analizzando chi controlla le capacità AI e le politiche che ne regolano l'accesso.

In Breve

Cosa si intende per Sovereign AI?
La Sovereign AI riguarda il controllo delle capacità AI e la governance dei dati, non solo la loro ubicazione fisica.
Quali sono le sfide principali della Sovereign AI?
Le sfide includono la proprietà dei dati, la provenienza dei training set e la responsabilità per i trasferimenti transfrontalieri.
Come si garantisce la sovranità operativa?
Attraverso la continuità delle attività e la gestione dei rischi legati alla concentrazione di fornitori.

Il concetto di Sovereign AI si estende oltre la mera ubicazione fisica dei dati, ponendo l’accento su chi controlla le capacità dell’intelligenza artificiale all’interno di un’organizzazione o di una regione. Con l’espansione dell’uso dell’AI da progetti pilota a implementazioni su larga scala, emergono interrogativi cruciali riguardo la proprietà dei dati, la provenienza dei set di addestramento e la responsabilità per i trasferimenti transfrontalieri.

Per valutare la sovranità nell’ambito dell’AI, è necessaria un’analisi approfondita che consideri diversi strati dell’infrastruttura tecnologica. Questo include data center collegati in multi-cloud, spostamenti automatici dei carichi di lavoro e infrastrutture edge che permettono inferenze su dispositivi dislocati. È fondamentale chiarire chi possiede i dati e i modelli, chi decide dove vengono eseguiti i training job e se l’automazione può essere soggetta a vincoli di localizzazione o all’uso di specifici dataset.

Un aspetto cruciale della sovranità operativa è la continuità delle attività, anche in situazioni di shock commerciali, geopolitici o tecnologici. La gestione dei rischi legati alla concentrazione di fornitori e alla catena di fornitura è essenziale per garantire la resilienza delle operazioni. L’adozione di standard aperti e la standardizzazione formale possono migliorare l’interoperabilità e ridurre il rischio di lock-in, facilitando il trasferimento dei carichi di lavoro tra diverse tecnologie e fornitori.

È necessario implementare controlli tecnici e operativi, come accessi privilegiati documentati e limitati, cifratura, logging, isolamento dei workload e regole di retention. Questi controlli devono integrarsi con politiche e programmi di formazione per garantire che dati, modelli e output non siano utilizzati senza consenso esplicito, specialmente in contesti di terze parti.

Un esempio pratico di approccio integrato è rappresentato da una piattaforma europea che ospita infrastrutture in data center situati nei paesi nordici. Questa piattaforma consente la configurazione di hardware e software in conformità ai requisiti normativi e operativi, offrendo strumenti come macchine virtuali confidenziali, ambienti di esecuzione hardware-enforced e cifratura della memoria CPU/GPU, oltre a protezioni per i dati sia in transito che a riposo.

In sintesi, la sovranità dell’AI si costruisce attraverso l’inserimento di governance, sicurezza e controllo normativo lungo tutto il ciclo di vita dei sistemi. Non si tratta solo di misurare la posizione fisica dei dati, ma di garantire che i controlli siano dimostrabili e considerati criteri centrali di valutazione, insieme a prestazioni, scalabilità e costi.

Tecnologia

redazione

Autore di ScenarioImpresa.

Tutti gli articoli

BancoBpm si ritira dall’assemblea di Monte dei Paschi: le implicazioni della decisione