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
Algoritmi che spiegano la conversione del propano in propilene
Ricercatori dell'University of Rochester hanno sviluppato algoritmi che identificano caratteristiche atomiche nella conversione del propano in propilene. Lo studio, pubblicato sul Journal of of the American Chemical Society, mostra anche effetti della fase ossidata sui catalizzatori.
El Salvador e l'intelligenza artificiale nella sanità pubblica
Il governo di El Salvador promuove l'uso dell'intelligenza artificiale per modernizzare i servizi pubblici. DoctorSV, un'app di telemedicina sostenuta dal CAF e da Google, entra nella seconda fase ad aprile 2026, ma ci sono preoccupazioni su licenziamenti, privacy e sicurezza.