Il 1° agosto è entrato in vigore l'AI Act e le aziende ora sono chiamate ad adattare i propri sistemi e processi per rispettare le normative del regolamento. L'Atto rappresenta un passo importante verso la definizione di uno standard globale volto a regolamentare e ridurre il rischio di IA, ma introduce una serie di complessità che le organizzazioni devono affrontare e gestire il prima possibile.
Petrina Steele, Business Development Senior Director, e Kully Singh, Director, Legal, Data & Privacy Office di Equinix, sottolineano che una delle sfide più impegnative che le aziende sono chiamate a superare riguarda la qualità dei dati: affinché i modelli di IA siano pertinenti, rappresentativi e privi di errori, le imprese devono ottenere un maggior controllo sulle proprio informazioni e garantire visibilità su di esse lungo tutto il loro ciclo di vita.
Poiché le normative rendono più difficile l'espansione dei dataset, una soluzione potrebbe essere l'uso di marketplace di dati e modelli di IA. "Queste piattaforme potrebbero consentire la condivisione dei dati all'interno di un ambiente sicuro e neutrale, permettendo di espandere i dataset senza compromettere il controllo sui dati" affermano Steele e Singh, sottolineando che questa modalità aiuta anche i player del mercato a espandere i dataset attraverso la condivisione di dati.
Le organizzazioni devono inoltre aumentare la resilienza della propria infrastruttura digitale affinché i modelli siano disponibili quando necessario. Questa resilienza, spiegano Steele e Sing, può essere raggiunta con la geo-ridondanza, scegliendo un mix di backup in cloud e on-premise, oppure collaborando con un fornitore di infrastrutture che garantisca presenza globale di data center per l'IA.
Considerando le crescenti esigenze di densità, per implementare correttamente l'IA è necessario ospitare i carichi di lavoro in luoghi che offrono la migliore combinazione di densità di potenza e bassa latenza.
Per mantenere invece il controllo e la sicurezza di dati e modelli di IA, le aziende possono affidarsi all'IA federata: accertandosi che modelli e dati non siano stati compromessi da accessi non autorizzati o manomissioni, si riducono i rischi di sicurezza. Le imprese possono condividere i dati con i loro partner dell'ecosistema, mantenendo privati i loro algoritmi e codici proprietari.
Seguire una strategia di private AI permette di gestire le complessità dei nuovi progetti lungo tutto il loro ciclo di vita. Se inizialmente le imprese optavano per il cloud pubblico, ora scelgono di implementare gradualmente GPU per carichi di lavoro intensivi, rendendo il processo più efficiente e conveniente.
L'accesso ai partner dell'ecosistema migliora ulteriormente le prestazioni e, grazie all'AI as a service, è possibile implementare rapidamente i propri progetti. Infine, quando le organizzazioni raggiungono la vera maturità nell'IA, molte optano per stack tecnologici dedicati e completamente gestiti.
"Man mano che le aziende progrediscono nel loro percorso IA, dovrebbero rimanere vigili riguardo alla conformità normativa, assicurandosi che le loro operazioni IA siano allineate ai requisiti dell'EU Artificial Intelligence Act. Questo approccio proattivo le aiuterà a rimanere competitive rispettando i più alti standard di governance dei dati, resilienza e sicurezza" concludo Steele e Singh.
