IA e responsabilità: chi decide e chi subisceCEFR B2
21 apr 2026
Adattato da Guest Contributor, Global Voices • CC BY 3.0
Foto di Marija Zaric, Unsplash
Hija Kamran descrive come gli incentivi aziendali e la mancanza di trasparenza condizionino lo sviluppo e la diffusione dell'IA. Ricorda osservazioni pubbliche che danno priorità alla pubblicità e racconta la risposta di un rappresentante aziendale: «Incito le persone a leggere i nostri termini di servizio», esempio di un approccio che secondo lei scarica responsabilità e nasconde conseguenze reali.
Spiega che la tecnologia non è neutra perché i sistemi sono progettati da persone con visioni del mondo definite e perché i dati di addestramento, tratti da Internet e da registri pubblici, riflettono storie di esclusione, razzismo, sessismo e disuguaglianza economica. Inoltre osserva che motivi di profitto, azionisti e obiettivi di crescita influenzano quali problemi vengono considerati prioritari, la rapidità del lancio dei prodotti e quali terre, saperi o vite risultano coinvolti o danneggiati, definiti come «danni collaterali».
Kamran avverte del rischio di deumanizzazione: in contesti militarizzati le persone possono ridursi a punti dati e diventare bersagli. Ricorda che i sistemi di IA generano output basati su probabilità, non comprendono contesto, storia o responsabilità; possono imitare schemi umani ma non provare cura né mantenere relazioni.
Per questo propone un approccio fondato sui diritti umani che trasferisca responsabilità a chi detiene il potere e invita a scetticismo fin dalle prime fasi di sviluppo e commercializzazione. Consiglia di porre domande precise:
- Chi ha costruito il sistema?
- Come funziona e quali dati usa?
- Chi beneficia e chi può essere danneggiato?
Hija Kamran (she/her) è caporedattrice di GenderIT.org e stratega per la difesa dei diritti all'interno del Women's Rights Programme di APC.
Parole difficili
- trasparenza — chiarezza e accesso alle informazioni
- incentivo — beneficio o motivo che spinge ad agireincentivi aziendali
- dati di addestramento — informazioni usate per insegnare un sistema
- deumanizzazione — trattare qualcuno come oggetto non persona
- danno collaterale — danno non intenzionale a persone o cosedanni collaterali
- scetticismo — atteggiamento di dubbio o sospetto
- diritti umani — diritti fondamentali riconosciuti a tutte le persone
Suggerimento: passa il mouse o tocca le parole evidenziate nell’articolo per vedere definizioni rapide mentre leggi o ascolti.
Domande di discussione
- Quali cambiamenti pratici potrebbe comportare, secondo te, un approccio fondato sui diritti umani nello sviluppo dell'IA?
- In che modo la mancanza di trasparenza aziendale influenza la responsabilità e la fiducia degli utenti?
- Quali delle domande suggerite da Kamran (Chi ha costruito il sistema? Come funziona e quali dati usa? Chi beneficia e chi può essere danneggiato?) ti sembra più importante spiegare al pubblico e perché?
Articoli correlati
India e la sorveglianza con l'intelligenza artificiale
L'adozione rapida dell'intelligenza artificiale in India ha ampliato la sorveglianza pubblica, con telecamere abilitate all'IA, summit e un'app aeroportuale che collega dati personali. Gruppi per i diritti chiedono regole più forti, trasparenza e responsabilità.
Violenza di genere online in Nigeria e l'AI
L'arrivo di strumenti di intelligenza artificiale generativa sui social media ha aumentato la violenza di genere online in Nigeria. Report e inchieste documentano abusi contro donne e propongono una valutazione della privacy con prospettiva di genere.
I microbi nei pellet rivelano l'età di un'infestazione di termiti
Ricercatori hanno studiato i microbi negli escrementi delle termiti (pellet) per distinguere pellet freschi da pellet vecchi. La quantità di DNA batterico cala molto nel tempo, e il metodo potrebbe diventare un test rapido sul posto.