Cos'è la governance dell'AI?

La governance dell'AI comprende una vasta gamma di pratiche, protocolli, salvaguardie, sistemi e strumenti. I professionisti dell'<aI in prima linea nella governance stanno definendo metodi e politiche per lo sviluppo e l'addestramento di nuovi modelli AI, linee guida operative per l'applicazione di tali modelli, nonché software e altre tecnologie per creare misure di sicurezza stratificate con un'adeguata supervisione normativa umana.  

I modelli AI, insieme a machine learning (ML) e deep learning (DL), vengono infine addestrati su dati umani. Come risultato, i sistemi di AI sono suscettibili ai bias umani. Se non controllati, i sistemi di AI influenzati da distorsioni errate possono causare gravi danni a individui e intere popolazioni. Le politiche di governance dell'AI mirano a correggere questi tipi di errori potenzialmente discriminatori o comunque pericolosi. 

I meccanismi di supervisione per una governance efficace dell'AI affrontano rischi quali bias, violazioni della privacy e usi impropri, promuovendo al contempo l'innovazione e aumentando la fiducia. Un approccio etico alla governance incentrato sull'AI richiede la supervisione umana e l'input di un'ampia gamma di stakeholder, inclusi sviluppatori, utenti, responsabili politici ed etici. L'implementazione di una governance dell'AI moderna e solida aiuta i sistemi di AI ad aderire ai valori sociali morali ed etici, fornendo al contempo mitigazioni per ridurre varie vulnerabilità e ridurre i livelli di rischio in un'ampia gamma di applicazione di AI. 

Mentre i sistemi di AI continuano a progredire, anche i processi di governance dell'AI si stanno evolvendo per fissare e soddisfare standard globali. Sebbene affrontare i requisiti normativi sia un incentivo commerciale importante dietro gli investimenti nei programmi di governance, i vantaggi di questi tipi di soluzioni vanno oltre la conformità: ridurre proattivamente il rischio di responsabilità rafforzando la sicurezza dei dati, la privacy dei dati e l'accesso ai dati.  

La governance dell'AI fornisce un approccio strutturato per mitigare i potenziali rischi associati ai sistemi di AI. Attraverso protocolli e pratiche come la governance dei dati e il monitoraggio continuo, le politiche di governance dell'AI possono valutare e guidare efficacemente gli strumenti di AI. Quando implementata correttamente, la governance dell'AI previene decisioni errate o dannose lungo l'intera pipeline dell'AI, dai set di dati su cui i modelli sono addestrati fino all'esecuzione di soluzioni derivate dall'AI.     

In poche parole, la governance dell'AI serve a stabilire i metodi e le metodologie di supervisione necessari per allineare i comportamenti dell'AI agli standard etici e alle aspettative della società, salvaguardando così gli utenti, i fornitori e qualsiasi terza parte coinvolta incidentalmente da impatti negativi involontari, avversi o iniqui.

La governance dell'AI è fondamentale per raggiungere uno stato di conformità, fiducia ed efficienza nello sviluppo e nell'applicazione delle tecnologie di AI. Con la crescente integrazione dell'AI nelle operazioni organizzative e governative, il suo potenziale di impatto negativo è diventato più visibile. In realtà, una ricerca dell'IBM Institute for Business Value ha rilevato che l'80% dei leader aziendali vede la spiegabilità dell'AI, l'etica, il pregiudizio o la fiducia come un grande ostacolo all'adozione dell'AI generativa. La governance dell'AI cerca di affrontare queste sfide ispirando fiducia e prevenendo qualsiasi impatto potenzialmente negativo derivante dall'uso della tecnologia di AI. 

Alcuni incidenti di alto profilo hanno fatto notizia evidenziando il pericolo di sistemi AI non governati. In uno di questi incidenti Tay Chatbot di Microsoft ha iniziato a ripetere i comportamenti tossici appresi dai post sui social media a causa della formazione su set di dati non regolamentati. Sebbene questo incidente sia stato sconvolgente, i difetti del software AI COMPAS hanno portato a risultati ancora più dannosi. Utilizzato nelle condanne penali, il bias intrinseco nei modelli AI ha portato a procedimenti legali ingiusti e ha solo sottolineato ulteriormente quanto sia importante la governance dell'AI quando si tratta di costruire e mantenere la fiducia pubblica nei sistemi AI. 

Questi casi dimostrano che, senza una corretta supervisione, l'AI può causare significativi danni sociali ed etici e sottolineano l'importanza della governance nella gestione dei rischi associati all'AI di livello avanzato. Fornendo linee guida e framework, la governance dell'AI mira a equilibrare l'innovazione tecnologica con la sicurezza, garantendo che i sistemi di AI non violino la dignità o i diritti umani.

Comprendere il modo in cui i sistemi AI prendono decisioni per ritenerli responsabili delle loro conclusioni è una parte essenziale della governance dell'AI per contribuire a garantire che questi tipi di programmi facciano scelte eque ed etiche. Dalla scelta di quali pubblicità mostrare a quali utenti, alla determinazione dell'idoneità al prestito, i sistemi di AI sono utilizzati per prendere decisioni continuamente, dalle più banali alle più critiche. Quando si fa affidamento su questi sistemi, un processo decisionale trasparente e la spiegabilità non possono essere più importanti per garantire che i sistemi di AI siano utilizzati in modo responsabile e per creare fiducia. 

La governance dell'AI, inoltre, non consiste solo nel garantire la conformità una tantum, ma anche nel sostenere gli standard etici nel tempo. I modelli AI possono essere soggetti a derive che provocano cambiamenti nella qualità e nell'affidabilità dell'output. Le attuali tendenze nella governance dell'AI stanno andando oltre la semplice conformità legale. Sempre più spesso vediamo un valore crescente attribuito agli sforzi socialmente responsabili nello sviluppo dell'AI e alle applicazioni che proteggono da danni finanziari, legali e reputazionali, promuovendo al contempo la crescita etica e il progresso di questa nuova ed entusiasmante tecnologia.

Alcuni esempi di governance dell'AI includono una serie di politiche, framework e pratiche che organizzazioni, imprese, governo e governi stanno implementando con l'obiettivo comune di promuovere l'uso responsabile delle tecnologie di AI. Questi esempi dimostrano in che modo viene attuata la governance dell'AI in contesti diversi:

Il Regolamento generale sulla protezione dei dati (GDPR): il GDPR è un esempio di governance dell’AI, in particolare nel contesto della protezione dei dati personali e della privacy. Sebbene il GDPR non sia esclusivamente incentrato sull'AI, molte delle sue disposizioni sono perfettamente applicabili ai sistemi di AI, in particolare quelli che si occupano del trattamento dei dati personali degli individui all'interno dell'Unione Europea.

I principi dell’Organizzazione per la cooperazione e lo sviluppo economico (OCSE): i principi sull'AI dell'OCSE, adottati da oltre 40 paesi, si riferiscono alla gestione responsabile di un’AI affidabile e includono linee guida che promuovono la trasparenza, l’equità e la responsabilità nei sistemi di AI.

Comitati per l'etica dell'AI: molte aziende hanno istituito consigli o comitati etici dedicati per supervisionare le iniziative di AI, garantendo che siano allineate agli standard etici e ai valori sociali. Spesso includono team interfunzionali con background legale, tecnico e politico. Dal 2019, il  comitato sull'etica dell'AI di IBM ha esaminato nuovi prodotti e servizi di AI per garantire che siano in linea con i principi di IBM in materia di AI responsible. 

Secondo un report dell'IBM Institute for Business Value, l'80% delle organizzazioni ha una parte separata della propria funzione di rischio dedicata ai rischi associati all'uso dell'AI o dell'AI generativa. 

A livello aziendale, il CEO e la leadership senior sono in ultima analisi responsabili dell'implementazione della governance dell'AI durante tutto il ciclo di vita dell'AI, delegando tipicamente alcune attività politiche pratiche agli stakeholder rilevanti come il CTO e i loro subordinati. Poiché la governance dell'AI comporta ampie implicazioni normative, i dipartimenti legali e i general counsel sono stakeholder fondamentali nella valutazione e nella mitigazione del rischio, spesso incaricati di garantire che le applicazioni AI rispettino le leggi e i requisiti di conformità pertinenti. 

A seconda della dimensione di una determinata organizzazione, un team di audit dedicato può essere responsabile della validazione dell'integrità dei dati di qualsiasi sistema AI utilizzato, confermando che funzionino come previsto senza introdurre errori o bias. Sebbene le operazioni più piccole possano non avere team di audit dedicati, poiché la tecnologia AI continua ad attingere sempre più risorse, questi tipi di team e ruoli stanno diventando sempre più una priorità. 

Sebbene la governance dell'AI possa influenzare le questioni finanziarie, il CFO e il loro subordinati sono più comunemente responsabili della gestione dei costi associati alle iniziative di AI, incluse eventuali misure di governance adottate per mitigare i rischi finanziari sia per l'azienda stessa che, potenzialmente, per i clienti. 

Tuttavia, in ultima analisi, la responsabilità della governance dell’AI non spetta a un singolo individuo o dipartimento; è una responsabilità che richiede che ogni leader, stakeholder e membro del team dia priorità alla responsabilità e garantisca che i sistemi di AI siano utilizzati in modo responsabile ed etico in tutta l’organizzazione.

Dando priorità a una governance dell'AI, investendo in una formazione rigorosa del personale e promuovendo una cultura trasparente di comunicazione aperta e collaborazione, manager e leadership possono inviare un messaggio chiaro a tutti i dipendenti che tutti devono utilizzare l'AI in modo responsabile ed etico. 

Sebbene il CEO e la leadership senior siano responsabili di definire il tono generale e la cultura di un'organizzazione, quando si tratta di esigenze di governance di monitoraggio continuo su tutte le pipeline di AI, i rischi seri associati all'AI richiedono che tutti gli stakeholder facciano la loro parte per garantire l'applicazione appropriata di questa potente Tecnologia. 

Il potere trasformativo della tecnologia AI in innumerevoli settori eterogeneo e casi d'uso è ancora emergendo. L'introduzione di moderni modelli di AI generativa, come Chat GPT, Claude e Midjourney, capaci di generare nuovi contenuti (inclusi testo, immagini, audio, video e codice) ha catturato e acceso l'immaginazione pubblica con possibilità sbaglianti. 

Tuttavia, mentre molti artisti trovano ispirazione in questi strumenti creativi, molti altri li percepiscono come una minaccia. Ispirandosi a opere creative esistenti, le prime forme di questi modelli sono state accusate di plagio, poiché il loro output reinterpreta proprietà intellettuali protette da copyright senza accreditamento. 

Rispondendo a queste preoccupazioni, le attuali versioni di questi modelli hanno adottato politiche più rigorose per la verifica dei dati di addestramento, assicurando che qualsiasi lavoro utilizzato per addestrare i modelli sia adeguatamente autorizzato. La governance dell'AI continua a garantire che questi preziosi strumenti, utilizzati per migliorare il processo creativo, rimangano conformi alle normative e rispettosi dell'etica. 

Oltre alla creazione di contenuti multimediali, altre interessanti tipologie di AI , come i modelli di agentic AI, vengono utilizzate per automatizzare compiti ripetitivi e noiosi, al fine di migliorare la produttività e la ricerca in campi disparati come il diritto e la farmacologia. Dalla codifica e sviluppo, all'astronomia e alla fisica, l'AI sta trasformando il modo in cui operano i settori. Tuttavia, la sua ampia applicabilità rende necessaria una governance dell’AI ancora più approfondita.   

È fondamentale che le organizzazioni seguano i principi per una governance responsabile dell’AI per salvaguardare se stesse e i propri clienti. Questi principi che guidano le organizzazioni nello sviluppo e nell'applicazione etica delle tecnologie AI includono:

• Empatia: le organizzazioni devono comprendere le implicazioni sociali dell'AI, non solo gli aspetti tecnologici e finanziari. Devono anticipare e risolvere l'impatto dell'AI su tutti gli stakeholder con un approccio empatico che affronti le preoccupazioni non solo dei fornitori, ma anche dei clienti e di tutti coloro che sono interessati dall'uso e dai risultati dei motori di AI. 
  
  
• Controllo dei bias: è essenziale esaminare rigorosamente i dati di addestramento per evitare di incorporare distorsioni del mondo reale negli algoritmi di AI, contribuendo a garantire processi decisionali giusti e imparziali. Il controllo dei bias può essere particolarmente importante in situazioni in cui l'AI prende decisioni che possono influenzare ingiustamente alcune comunità emarginate, come la sentenza penale o la diagnostica medica.  
  
  
• Trasparenza: è necessario che ci sia chiarezza e apertura nel modo in cui gli algoritmi di AI operano e prendono decisioni, con le organizzazioni pronte a spiegare la logica e il ragionamento dietro i risultati basati sull'AI. Se un problema sorge da una decisione presa da un'AI, è fondamentale che siano disponibili metodi per esaminare eventuali processi decisionali potenzialmente difettosi, al fine di capire come e perché i modelli AI arrivino a certe conclusioni. 
  
  
• Responsabilità: le organizzazioni devono definire standard elevati e aderirvi in modo proattivo per gestire i cambiamenti significativi che l'AI può apportare, assumendosi la responsabilità del loro impatto. Ad esempio, quando un medico valuta i risultati di un paziente, come una radiografia, è chiaramente responsabile delle conclusioni e delle azioni derivanti dalla sua interpretazione dei dati. Man mano che i sistemi di AI iniziano ad analizzare le informazioni mediche, spesso fornendo diagnosi più rapide e accurate, è fondamentale stabilire la responsabilità attraverso la pipeline di AI, delineando dove finisce la responsabilità del medico e dove inizia la responsabilità del modello AI. 
  

Sebbene le normative e le forze di mercato standardizzino molte metriche di governance, le singole organizzazioni devono comunque determinare come definire al meglio le misure rilevanti per il proprio business unico. La valutazione dell'efficacia della governance dell'AI può variare da un'organizzazione all'altra; ogni organizzazione deve decidere quali parametri prioritizzare. Con varie considerazioni come la qualità dei dati, la sicurezza dei modelli, l'analisi del rapporto costo-valore, il monitoraggio delle distorsioni, la responsabilità individuale, l'auditing continuo e l'adattabilità, tutte dipendenti dal dominio dell'organizzazione, la governance dell'AI non può mai essere una soluzione unica per tutti.

La governance dell’AI non definisce dei "livelli" universalmente standardizzati come nel caso, ad esempio, dei livelli di risposta alle minacce alla cybersecurity. La governance dell'AI offre invece approcci strutturati e framework sviluppati da varie entità che le organizzazioni possono adottare o adattare alle proprie esigenze specifiche.

Le organizzazioni possono utilizzare diversi framework e linee guida per sviluppare le proprie pratiche di governance. Alcuni di quelli più utilizzati includono il NIST AI Risk Management Framework, i Principi dell'OCSE sull'intelligenza artificiale e le Linee guida etiche per un'AI affidabile della Commissione europea, che forniscono indicazioni per una serie di fattori, tra cui trasparenza, responsabilità, equità, privacy, sicurezza e protezione.

I livelli di governance dell'AI possono variare a seconda delle dimensioni di un'organizzazione, della complessità dei sistemi AI in uso e del contesto normativo in cui opera l'organizzazione.

Sebbene non sia esaustiva, una panoramica generale degli approcci di governance dell'AI include:

La governance dell'AI comporta l'istituzione di strutture di controllo robuste contenenti politiche, linee guida e quadri per affrontare sfide varie e specifiche. Si tratta di istituire meccanismi per monitorare e valutare continuamente i sistemi di AI, assicurandone la conformità alle norme etiche e alle disposizioni di legge stabilite.

Il concetto di governance dell'AI diventa sempre più vitale man mano che l'automazione, guidata dall'AI, diventa prevalente in settori che vanno dalla sanità e dalla finanza ai trasporti e ai servizi pubblici. Le funzionalità di automazione dell'AI possono migliorare significativamente l'efficienza, i processi decisionali e l'innovazione, ma introducono anche sfide legate alla responsabilità, alla trasparenza e alle considerazioni etiche.

Le strutture di governance efficaci nell'ambito dell'AI sono multidisciplinari e coinvolgono stakeholder di vari settori, tra cui la tecnologia, la legge, l'etica e l'economia. Man mano che i sistemi di AI diventano più sofisticati e integrati in aspetti critici della società, il ruolo della governance dell'AI nel guidare e plasmare la traiettoria dello sviluppo dell'AI e il suo impatto sociale diventa sempre più cruciale.

Le best practice di governance dell'AI, oltre alla semplice conformità, richiedono un approccio strategico per sviluppare un sistema più robusto in grado di monitorare e gestire le applicazioni di AI. Per le aziende di livello enterprise, qualsiasi soluzione di governance dell'AI dovrebbe consentire una supervisione e un controllo ampi sui sistemi di AI. 

Una roadmap generale per la governance dell'AI include:

1.    Dashboard visivi: i dashboard forniscono aggiornamenti in tempo reale sull'integrità e sullo stato dei sistemi di AI, offrendo una panoramica chiara per valutazioni rapide.

2.    Metriche del punteggio di integrità: i punteggi di integrità complessivi per i modelli AI aggregano più punti dati in una metrica unificata intuitiva e facile da comprendere per semplificare il monitoraggio a colpo d'occhio.  

3.    Monitoraggio automatizzato: sistemi di rilevamento automatico di bias, deriva, prestazioni e anomalie aiutano a garantire che i modelli funzionino correttamente ed eticamente senza la necessità di un monitoraggio umano continuo.  

4.    Avvisi sulle prestazioni: avvisi automatizzati sulle prestazioni quando un modello si discosta dai suoi parametri di prestazione predefiniti consentono risposte rapide a eventuali problemi che possono sorgere.

5.    Metriche personalizzate: metriche personalizzate in linea con gli indicatori chiave di prestazione e le soglie di un'organizzazione aiutano a garantire che i risultati dell'AI contribuiscano agli obiettivi aziendali personalizzati.  

6.    Tracce di controllo: registri e tracce di controllo facilmente accessibili supportano la responsabilità e facilitano le revisioni delle decisioni e dei comportamenti dei sistemi di AI.

7.    Compatibilità con l'open source: gli strumenti open source promuovono la trasparenza rivelando il codice funzionale al pubblico controllo. Di conseguenza, questi strumenti riflettono tipicamente anche le più attuali mitigazioni dei rischi di sicurezza. Mantenere la compatibilità con le più recenti piattaforme open-source di sviluppo di machine learning permette ai framework di governance dell'AI di trarre vantaggio dalla flessibilità e del supporto comunitario del software open source.

8.    Integrazione perfetta: le piattaforme di governance dell'AI più efficaci sono progettate per integrarsi senza soluzione di continuità con l'infrastruttura esistente, inclusi database ed ecosistemi software, per evitare silos e consentire workflow efficienti.

Aderendo a queste pratiche, le organizzazioni possono stabilire un solido framework di governance dell’AI che supporti lo sviluppo, l’implementazione e la gestione responsabile dell’AI, contribuendo a garantire che i sistemi di intelligenza artificiale siano conformi e allineati con gli standard etici e gli obiettivi aziendali.

Diversi paesi hanno adottato pratiche di governance e normative in materia di AI per prevenire pregiudizi e discriminazioni. È importante ricordare che la normativa è sempre in evoluzione e le organizzazioni che gestiscono sistemi complessi di AI sono tenute a tenere sotto controllo l'evoluzione dei framework normativi locali.

L'Artificial Intelligence Act dell'Unione Europea, noto anche come EU AI Act o AI Act, è una legge che regolamenta lo sviluppo o l'uso dell'intelligenza artificiale (AI) nell'Unione Europea (EU). La legge adotta un approccio alla regolamentazione basato sul rischio, applicando regole diverse alle AI in base ai rischi che rappresentano. Ufficialmente in vigore da agosto 2024, la legge sull'AI sarà pienamente applicabile entro due anni da quella data, con alcune eccezioni, ad esempio, le regole per i sistemi AI ad alto rischio integrati in prodotti regolamentati avranno un periodo di transizione esteso (fino al 2027).

Considerato il primo quadro normativo completo al mondo per l'AI, l'EU AI Act proibisce totalmente alcuni impieghi dell'AI e implementa rigidi requisiti di governance, gestione del rischio e trasparenza per gli altri utilizzi.

L'atto crea anche regole per modelli AI generici (GPAI), come IBM® Granite e il foundation model open source Llama 3 di Meta. Le sanzioni possono variare da 7,5 milioni di EUR, o l'1,5% del fatturato annuo globale, a 35 milioni di EUR, o il 7% del fatturato annuo mondiale, a seconda del tipo di violazione della conformità.

Nel luglio 2025, la Commissione europea ha pubblicato tre strumenti per supportare lo sviluppo responsabile ed etico e la distribuzione dei modelli GPAI:

• Linee guida che specificano gli obblighi di un fornitore GPAI chiarendo le responsabilità di sviluppatori e fornitori di servizi lungo la catena del valore dell'AI. 
• Il GPAI Code of Practice, uno strumento di conformità volontario che offre indicazioni pratiche su trasparenza, copyright, sicurezza e protezione, progettato per aiutare i fornitori a rimanere conformi all'AI Act. 
• Il modello per il riepilogo pubblico dei contenuti di addestramento dei modelli GPAI, che richiede ai fornitori di fornire una panoramica trasparente dei set di dati utilizzati per addestrare i modelli AI. 

Storicamente, l'US SR-11-7 era lo standard normativo di governance modello per una governance efficace e solida utilizzata nel settore bancario.¹ La normativa prevede che i funzionari delle banche applichino iniziative di gestione del rischio dei modelli a livello aziendale e mantengano un inventario dei modelli implementati per l'uso, in fase di sviluppo per l'implementazione o recentemente ritirati. Tuttavia, a partire dal 17 aprile 2026, la Federal Reserve ha pubblicato la sua Guida rivista sulla gestione del rischio dei modelli (SR-26-2), che ha sostituito e abrogato la SR-11-7. Le linee guida rivedute del modello di gestione del rischio di intreragence della Federal Reserve, dell'OCC e della FDIC spostano l'attenzione verso una metodologia più esplicitamente basata sul rischio e proporzionata, con aspettative regolari che variano in base alle dimensioni, alla complessità e al profilo di rischio del modello, rispetto a prima, si adatta a tutti i requisiti di governance.

I leader delle istituzioni coinvolte devono inoltre dimostrare che i loro modelli abbiano raggiunto lo scopo commerciale che si proponevano, che siano aggiornati e non abbiano subito derive. Lo sviluppo e la convalida dei modelli devono consentire a chiunque non abbia familiarità con un modello di comprenderne le operazioni, i limiti e i presupposti chiave.

Oltre a queste legislazioni specifiche bancarie, la Casa Bianca ha emesso un National Policy Framework for Artificial Intelligence nel marzo del 2026. Il framework esorta il Congresso ad affrontare sei "argomenti politici" chiave relativi alla governance dell'AI, tra cui: 

1. Proteggere i bambini e responsabilizzare i genitori
2. Proteggere e rafforzare le comunità americane
3. Rispettare i diritti di proprietà intellettuale e supportare i creatori
4. Prevenire la censura e proteggere la libertà di parola  
5. Abilitare l'innovazione e garantire il dominio americano dell'AI
6. Educare gli americani e sviluppare una forza lavoro AI-ready

La direttiva canadese sul processo decisionale automatizzato descrive in che modo il governo di questo paese utilizza l'AI per guidare le decisioni in diversi dipartimenti.² La direttiva utilizza un sistema di scoring per valutare l'intervento umano, la revisione tra pari, il monitoraggio e la pianificazione di emergenza necessari per uno strumento di AI creato per servire i cittadini.

Le organizzazioni che creano soluzioni di AI con un punteggio elevato devono condurre due revisioni tra pari indipendenti, offrire un avviso pubblico in un linguaggio semplice, sviluppare un sistema di sicurezza per l’intervento umano e stabilire corsi di formazione ricorrenti per il sistema. Poiché la Direttiva canadese sul processo decisionale automatizzato costituisce una guida per lo sviluppo dell'AI nel paese, il regolamento non influisce direttamente sulle aziende come fa la SR 11-7 negli Stati Uniti.

Da quando ha rilasciato la direttiva iniziale, il governo canadese ha recentemente pubblicato una Strategia di AI per il servizio pubblico federale 2025-2027, con ulteriori considerazioni incentrate sul settore pubblico e privato per servire meglio i canadesi attraverso un'adozione di AI responsabile.

Nell'aprile 2021, la Commissione europea ha presentato il suo pacchetto sull'AI, che comprende le dichiarazioni sulla promozione di un approccio europeo all'eccellenza e alla fiducia e una proposta di framework sull'AI.³

Le dichiarazioni dichiarano che, sebbene la maggior parte dei sistemi di AI rientri nella categoria del "rischio minimo", i sistemi di AI identificati come "ad alto rischio" dovranno rispettare requisiti più severi e i sistemi ritenuti "rischio inaccettabile" saranno vietati. Le organizzazioni devono prestare molta attenzione a queste regole o rischiano sanzioni.

Nel 2023, la Cina ha emanato le sue misure provvisorie per l'amministrazione dei servizi di intelligenza artificiale generativa. Secondo questa legge, la fornitura e l'uso di servizi di AI generativa devono "rispettare i diritti e gli interessi legittimi degli altri" e sono tenuti a "non mettere in pericolo la salute fisica e mentale degli altri e a non violare i diritti di immagine, i diritti alla reputazione, i diritti all'onore, i diritti alla privacy e i diritti sulle informazioni personali degli altri".

Anche altri paesi della regione Asia-Pacifico hanno pubblicato diversi principi e linee guida per regolare l'utilizzo dell’AI. Il governo federale di Singapore ha pubblicato nel 2024 un framework di governance proposto per lo sviluppo dell'AI generativa, nonché un modello di governance dell'IA per l'agentic AI nel 2026. India, Giappone, Corea del Sud e Thailandia stanno inoltre esplorando linee guida e legislazioni per la governance dell'IA.³