La sovranità nell’intelligenza artificiale non coincide necessariamente con un modello nazionale, un cloud domestico o dati conservati entro i confini. Il banco di prova arriva quando un sistema critico cambia comportamento, si guasta o dipende da un fornitore esterno: chi può esaminarlo, modificarne il funzionamento e chiedere conto delle conseguenze? Un nuovo studio propone di misurare il controllo pubblico attraverso tre test operativi: ispezione, intervento e responsabilità.
Il lavoro, intitolato “Credible Sovereignty: Operationalizing AI Governance Across Infrastructure, Data, and Models: A Systematic Review”, è stato pubblicato sulla rivista AI da Raghu Raman e Prema Nedungadi dell’Amrita Vishwa Vidyapeetham. Gli autori introducono il concetto di sovranità credibile: la capacità dimostrabile di uno Stato, un’organizzazione o una comunità di controllare i sistemi AI, intervenire sulle loro modalità operative e individuare gli attori responsabili.
La distinzione sposta l’attenzione dall’autonomia dichiarata al controllo verificabile nelle implementazioni reali. Uno Stato può esercitare la propria giurisdizione su un servizio AI senza governare davvero l’infrastruttura cloud, i pesi del modello, i sistemi di valutazione o le catene di fornitura da cui il servizio dipende. La sovranità assume quindi una struttura a più livelli: controllare una componente dello stack non garantisce autorità sulle altre.
Un Paese potrebbe conservare localmente dataset sensibili continuando a utilizzare capacità di calcolo hyperscale straniere. Allo stesso modo, potrebbe gestire un modello nazionale costruito con strumenti non sottoponibili a verifica indipendente. In entrambi i casi il controllo rimarrebbe formale e parziale. La questione decisiva non è la proprietà domestica di ogni componente, ma la possibilità di rendere le dipendenze esterne visibili, governabili e sostituibili.
Molte leve concrete si trovano nei contratti più che negli annunci di nuovi modelli. Condizioni di acquisto, accordi cloud, requisiti di certificazione, accesso agli audit, architetture di distribuzione e regole sui dati possono stabilire il margine d’azione effettivo delle amministrazioni. Clausole su residenza dei dati, segnalazione degli incidenti, documentazione dei modelli e portabilità dei carichi determinano se un ente possa sospendere un servizio o trasferirlo quando emerge un problema.
Lo studio ridimensiona anche l’idea che la regolamentazione sia sufficiente. L’Europa mostra come una forte autorità normativa possa introdurre obblighi, certificazioni e vigilanza, mentre le capacità domestiche restano più deboli sul fronte di infrastrutture, modelli, fornitori e competenze di valutazione. Servono investimenti paralleli in capacità di calcolo, regolatori qualificati, sicurezza informatica, competenze negli acquisti e verifica tecnica indipendente. Regole senza strumenti di applicazione e infrastrutture senza governance producono vulnerabilità diverse, ma complementari.
La riduzione della dipendenza estera può inoltre concentrare il potere all’interno dei confini. Se soltanto poche grandi imprese o istituzioni collegate allo Stato possono sostenere i costi di cloud sovrani, conformità e specialisti AI, le organizzazioni più piccole rischiano una dipendenza maggiore. Nel Global South, infrastrutture importate, competenze esterne e piattaforme proprietarie possono limitare la reale titolarità locale, trasformando i monopoli domestici in nuovi gatekeeper digitali.
La sovranità riguarda infine anche comunità e gruppi indigeni, che possono rivendicare voce sull’impiego di dati, lingue e conoscenze nei sistemi AI. Partecipazione, consenso e possibilità di contestare le decisioni entrano così nella definizione del controllo. Sullo sfondo della competizione per chip, cloud, modelli avanzati e controlli alle esportazioni, la prospettiva indicata non è l’autosufficienza completa, ma una interoperabilità selettiva sostenuta da standard condivisi di valutazione e sistemi di garanzia compatibili.