Il professor Giovanni Miragliotta, full professor e co‑direttore dell’Osservatorio Artificial Intelligence del Politecnico di Milano, ha recentemente evidenziato un punto di svolta nella gestione dell’intelligenza artificiale a livello globale. Secondo la sua analisi, si stanno delineando due percorsi distinti: da una parte, la governance delle capability di supremazia e superintelligenza dovrebbe essere affidata allo Stato; dall’altra, il mercato può continuare a sviluppare modelli di AI ordinaria, più proporzionati ed economicamente sostenibili.

Governance statale della superintelligenza

Miragliotta sostiene che la supremazia tecnologica, intesa come capacità di creare sistemi di AI capace di superare le capacità umane in ambiti critici, rappresenti un rischio sistemico se lasciata alle dinamiche di mercato. Per questo motivo, propone una struttura di governance centralizzata, con le seguenti caratteristiche:

    • Regolamentazione preventiva: definizione di standard di sicurezza, trasparenza e controllo prima della diffusione di tecnologie avanzate.
    • Finanziamento pubblico mirato: investimenti in ricerca fondamentale e in laboratori di prova controllati da enti statali.
    • Monitoraggio continuo: agenzie indipendenti con poteri di audit e di intervento in caso di deviazioni etiche o di sicurezza.

Un esempio concreto è il progetto europeo AI4EU, che ha riservato una quota di budget specifica per lo sviluppo di “AI di fiducia” sotto supervisione pubblica. Miragliotta suggerisce di ampliare questo modello a livello nazionale, creando un “Fondo di Superintelligenza” gestito dal Ministero dello Sviluppo Economico in collaborazione con il Politecnico di Milano.

AI commerciale: un ecosistema di innovazione sostenibile

Parallelamente, il mercato può continuare a sperimentare e adottare AI più “normali”, cioè sistemi destinati a migliorare processi produttivi, marketing, logistica e servizi al cliente. Miragliotta evidenzia che la fase di progetti pilota, tipicamente orientata alla sperimentazione, è ormai conclusa per la maggior parte delle imprese italiane.

Le aziende che hanno superato il pilota stanno ora affrontando la fase di scalabilità, dove le sfide includono:

    • Integrazione con infrastrutture legacy.
    • Gestione dei dati in conformità al GDPR.
    • Formazione del personale per l’uso quotidiano delle soluzioni AI.

Secondo i dati raccolti dall’Osservatorio AI, il 68 % delle imprese che hanno avviato progetti pilota nel 2022 ha già avviato la transizione verso un’implementazione operativa, con un incremento medio della produttività del 12 %.

Esempi di successo italiano

Tra le realtà più emblematiche troviamo:

    • Enel X: utilizzo di algoritmi di previsione della domanda energetica basati su deep learning, con una riduzione del 15 % dei costi di bilanciamento.
    • Ferrero: impiego di computer vision per il controllo qualità dei prodotti confezionati, aumentando il tasso di difettosità dal 2 % allo 0,4 %.
    • Luxottica: sistemi di recommendation personalizzata per l’e‑commerce, che hanno generato un aumento del 20 % del valore medio degli ordini.

Azioni consigliate per le imprese

Per capitalizzare sui risultati dei piloti, Miragliotta propone un percorso in tre fasi:

    • Valutazione strategica: definire obiettivi chiari, KPI misurabili e il ritorno sull’investimento atteso.
    • Costruzione di un ecosistema interno: creare team multidisciplinari (data scientist, esperti di dominio, IT) e adottare piattaforme di gestione dei modelli (MLOps).
    • Partnership pubblico‑privato: collaborare con università e centri di ricerca per accedere a risorse computazionali e a competenze avanzate, mantenendo al contempo la proprietà dei dati.

Inoltre, è fondamentale instaurare una cultura della “AI ethics” interna, con policy che regolamentino l’uso dei dati sensibili e garantiscano la trasparenza delle decisioni automatizzate.

Prospettive di policy a medio termine

Il Politecnico di Milano, attraverso l’Osservatorio AI, sta preparando una serie di raccomandazioni per i decisori politici, tra cui:

    • Definizione di un codice di condotta nazionale per la superintelligenza, con linee guida su sicurezza, controllo e responsabilità.
    • Creazione di incubatori di AI pubblici per favorire startup focalizzate su applicazioni socialmente benefiche.
    • Incentivi fiscali per le imprese che adottano AI in settori strategici come sanità, energia e mobilità sostenibile.

Queste misure mirano a evitare una corsa agli armamenti tecnologici e a garantire che l’AI diventi un fattore di crescita inclusiva, piuttosto che una fonte di disparità.

Conclusioni

Secondo Miragliotta, il futuro dell’intelligenza artificiale dipenderà dalla capacità di bilanciare due forze opposte: da un lato, una governance statale rigorosa per la superintelligenza, dall’altro, un mercato dinamico che sfrutta AI ordinaria in modo responsabile. Solo attraverso una collaborazione stretta tra pubblico, privato e mondo accademico sarà possibile trasformare le potenzialità dell’AI in benefici concreti per l’intera società.