Etica e regolamentazione dell'IA: come gli investitori possono orientarsi nel labirinto

29 maggio 2026
5 min read

Dai rischi per il marchio all'incertezza normativa, l'IA pone sfide di investimento. Esiste una via da seguire?

L'intelligenza artificiale (IA) pone molte questioni etiche che possono tradursi in rischi per consumatori, aziende e investitori. La regolamentazione dell'IA, che si sta sviluppando in modo disomogeneo tra le varie giurisdizioni, aumenta ulteriormente l'incertezza. La chiave per gli investitori, a nostro avviso, è concentrarsi sulla trasparenza e sulla comprensibilità.

Le questioni etiche e i rischi dell'IA partono dagli sviluppatori che creano la tecnologia. Da lì, fluiscono verso i clienti degli sviluppatori — aziende che integrano l'IA nelle loro attività — e poi verso i consumatori e la società in generale. Attraverso le loro partecipazioni in sviluppatori di IA e aziende che la utilizzano, gli investitori sono esposti a entrambi gli estremi della catena del rischio.

Normative divergenti plasmano il rischio dell'IA

L'IA continua a svilupparsi rapidamente, molto più velocemente della capacità della maggior parte delle persone di comprenderla. Tra coloro che cercano di tenere il passo vi sono i legislatori e le autorità di regolamentazione a livello globale, la cui attività ha recentemente subito un'impennata. Molti Paesi hanno pubblicato strategie nazionali per l'IA e diverse giurisdizioni principali sono passate dalla strategia a norme vincolanti (Cfr. Grafico).

Sviluppo globale delle politiche e della regolamentazione sull'IA
L'attività è elevata, ma i progressi sono disomogenei
La mappa mondiale mostra che la maggior parte dei Paesi al di fuori dell'Africa ha pubblicato o sta sviluppando una strategia nazionale per l'IA.

Le analisi storiche e attuali non costituiscono garanzia dei risultati futuri.
Fino al 31 dicembre 2025
Fonte: Repository AI, Algorithmic and Automation Incidents and Controversies (AIAAIC); e Sha Sajadieh et al., The AI Index 2026 Annual Report, Comitato direttivo dell'AI Index, Institute for Human-Centered AI, Stanford University, Stanford, CA, aprile 2026  

La mancanza di un approccio uniforme alla regolamentazione dell'IA nelle diverse giurisdizioni crea complessità per le imprese internazionali. Gli approcci normativi differiscono per forma e ambito di applicazione. La legge sull'intelligenza artificiale (Artificial Intelligence Act) dell'Unione Europea (UE) adotta un modello basato sul rischio, con requisiti rigorosi per i sistemi di IA ad alto rischio. Gli Stati Uniti adottano un approccio settoriale che enfatizza l'innovazione e la competitività. La Cina privilegia il controllo statale, la sovranità dei dati e il monitoraggio completo.

Questo quadro normativo richiede alle aziende che operano a livello internazionale di monitorare da vicino gli sviluppi e amplifica gli altri rischi dell'IA per gli investitori.

I rischi legati ai dati possono danneggiare i marchi

In ambito aziendale, l'IA viene spesso impiegata attraverso strumenti generativi (come nel caso di generazione di testo, video e voce) e modelli linguistici di grandi dimensioni (LLM). Gli LLM sono alla base di applicazioni come i chatbot, la creazione automatizzata di contenuti e l'analisi dei dati su larga scala.

Molte aziende hanno riscontrato che le innovazioni legate all'IA possono comportare rischi potenzialmente dannosi per il marchio. Questi possono derivare da bias presenti nei dati su cui vengono addestrati gli LLM e hanno portato le banche a discriminare inavvertitamente le minoranze nell'approvazione dei mutui immobiliari, oppure un fornitore statunitense di assicurazioni sanitarie ad affrontare un'azione legale collettiva in cui si sostiene che il suo utilizzo di un algoritmo di IA abbia causato il rifiuto ingiustificato delle richieste di assistenza prolungata per i pazienti anziani.

I rischi derivano anche dai dati utilizzati per l’addestramento dell'IA. A settembre 2025, Anthropic ha raggiunto un accordo da circa 1,5 miliardi di dollari per una class action relativa all’utilizzo di dati piratati per l’addestramento. Entro la fine dell'anno, erano state intentate più di 70 cause per violazione del copyright legate all'IA generativa, tra cui The New York Times contro OpenAI e Microsoft, Disney e Universal contro Midjourney, e Getty Images contro Stability AI. Il rischio relativo ai dati di addestramento dell'IA è sempre più un rischio di bilancio quantificabile.

Bias, discriminazione e dati di addestramento sono tra i principali rischi normativi che dovrebbero essere nel radar degli investitori; altri includono i diritti di proprietà intellettuale e la tutela della privacy sui dati. Meritano attenzione anche le misure di mitigazione del rischio, come i test effettuati dagli sviluppatori sulle prestazioni, l'accuratezza e la robustezza dei modelli di IA, nonché il livello di trasparenza e supporto alle aziende nell'implementazione delle soluzioni di IA.

Approfondire per comprendere le normative sull'IA

Gli approcci normativi all'IA stanno divergendo in modi rilevanti per gli investitori. L'AI Act dell'UE, un quadro completo basato sul rischio, viene implementato per fasi dal 2024. Gli Stati Uniti, al contrario, si affidano ad agenzie federali esistenti, quadri volontari e leggi a livello statale piuttosto che a un unico regime onnicomprensivo. Il Regno Unito ha adottato un approccio basato sui principi, rinviando una legislazione completa. La Cina si è invece mossa rapidamente con regole mirate incentrate su applicazioni specifiche, in particolare quelle legate al controllo dei contenuti, alla stabilità sociale e alla sovranità dei dati.

Per gli investitori, questa divergenza ha implicazioni reali. È sempre più rilevante chiedersi in funzione di quale giurisdizione si stia effettivamente ottimizzando una società in portafoglio, poiché le regole che disciplinano un'impresa globale possono variare in modo sostanziale da mercato a mercato.

Gli investitori, a nostro avviso, dovrebbero fare di più che analizzare a fondo le normative sull'IA specifiche per giurisdizione. Dovrebbero anche comprendere come i quadri giuridici esistenti—come la legge sul diritto d'autore per affrontare le violazioni dei dati e la legislazione sul lavoro laddove l'IA abbia un impatto sui mercati del lavoro—vengano applicati all'IA.

Analisi fondamentale ed coinvolgimento sono cruciali

Una regola pratica utile per gli investitori che valutano il rischio legato all'IA è che le società che divulgano proattivamente le proprie strategie e politiche sull'IA tendono a rivelarsi meglio preparate all’arrivo di nuove normative. Più in generale, l'analisi fondamentale e l’engagement con gli emittenti sono centrali in quest'area di ricerca.

A nostro avviso, l'analisi fondamentale dovrebbe esaminare non solo i rischi dell'IA a livello aziendale, ma anche i rischi lungo la filiera e nel contesto normativo, verificando le evidenze rispetto ai principi fondamentali di un'IA responsabile (Cfr. Grafico).

Utilizzo responsabile dell'IA: una visione a tutto tondo per gli investitori
Una rappresentazione stilizzata di 10 princìpi fondamentali per un'IA responsabile, tra cui privacy, equità, affidabilità e verificabilità.

Solo a scopo illustrativo.
Fonte: AllianceBernstein (AB)

Le attività di engagement dovrebbero affrontare le questioni relative all'IA non solo dal punto di vista operativo, ma anche in ottica ambientale, sociale e di governance.

Supervisione dell'IA: domande per Consigli di Amministrazione e Direzione 

Le domande che gli investitori possono porre ai consigli di amministrazione e al management includono:

  • Integrazione dell'IA: in che modo l'azienda ha integrato l'IA nella sua strategia aziendale complessiva? Quali sono alcuni esempi specifici di applicazioni dell'IA all'interno dell'azienda?
  • Supervisione e competenze del consiglio di amministrazione: in che modo il CdA si assicura di disporre delle competenze sufficienti per supervisionare efficacemente la strategia e l'implementazione dell'IA dell'azienda? Sono in atto programmi di formazione o iniziative specifiche?
  • Impegno pubblico per un'IA responsabile: l'azienda ha pubblicato una politica formale o un framework sull'IA responsabile? In che modo questa politica si allinea agli standard di settore, alle considerazioni etiche e alla regolamentazione sull'IA?
  • Trasparenza proattiva: l'azienda dispone di misure di trasparenza proattive per far fronte alle future implicazioni normative?
  • Gestione dei rischi e responsabilità: quali processi di gestione dei rischi ha in atto l'azienda per identificare e mitigare i rischi legati all'IA? Esiste una responsabilità delegata per la supervisione di questi rischi?
  • Sfide relative ai dati negli LLM: in che modo l'azienda affronta le sfide in materia di privacy e copyright associate ai dati di input utilizzati per addestrare gli LLM? Quali misure sono in atto per garantire che i dati di input siano conformi alle normative sulla privacy e alle leggi sul copyright? Come gestisce l'azienda le restrizioni o i requisiti relativi ai dati di input?
  • Sfida del bias e dell'equità nei sistemi di IA generativa: quali misure adotta l'azienda per prevenire e/o mitigare risultati distorti o iniqui derivanti dai propri sistemi di intelligenza artificiale? Come garantisce l'azienda che l'output di qualsiasi sistema di intelligenza artificiale generativa utilizzato sia equo, imparziale e non perpetui discriminazioni o danni nei confronti di alcun individuo o gruppo?
  • Conformità giurisdizionale: l’azienda adotta come standard di riferimento il livello normativo più elevato a livello globale oppure si adegua separatamente a ciascuna giurisdizione?
  • Tracciamento e segnalazione degli incidenti: in che modo l'azienda traccia e segnala gli incidenti relativi al proprio sviluppo o utilizzo dell'IA, e quali meccanismi sono in atto per affrontare e trarre insegnamento da questi incidenti?
  • Metriche e reporting: quali metriche utilizza l'azienda per misurare le prestazioni e l'impatto dei suoi sistemi di IA? Come vengono comunicate queste metriche agli stakeholder esterni? Come fa l'azienda a mantenere la dovuta diligenza nel monitorare la conformità normativa delle proprie applicazioni di intelligenza artificiale?

    In definitiva, il modo migliore per gli investitori di attraversare il labirinto è rimanendo scettici e con i piedi per terra. Dovrebbero insistere per avere risposte chiare e non lasciarsi indebitamente impressionare da spiegazioni elaborate.
  • Integrazione dell'IA: In che modo è stata integrata l'IA nella strategie aziendale complessiva dell'impresa? Quali sono alcuni esempi specifici di applicazioni dell'IA all'interno dell'azienda? 

  • Supervisione e competenze del CdA: In che modo il CdA si assicura di avere competenze sufficienti per supervisionare efficacemente la strategia e l'implementazione dell'IA nell'azienda? Sono previsti programmi o iniziative di formazione specifici? 

  • Impegno pubblico per un'IA responsabile: L'azienda ha pubblicato una politica o un quadro di riferimento formale sull'IA responsabile? In che misura questa politica è allineata agli standard di settore, alle considerazioni etiche sull'IA e alla normativa in materia?

  • Trasparenza proattiva: L'azienda ha adottato proattivamente misure di trasparenza per far fronte a future implicazioni normative?

  • Gestione del rischio e responsabilità: Quali processi di gestione del rischio ha adottato l'azienda per identificare e mitigare i rischi legati all'IA? La responsabilità della supervisione di questi rischi è stata delegata?

  • Problemi inerenti ai dati negli LLM: In che modo l'azienda affronta i problemi di privacy e copyright associati ai dati utilizzati per addestrare i modelli linguistici di grandi dimensioni? Quali misure sono state prese per assicurare che i dati usati come input siano conformi alle norme sulla privacy e alle leggi sul copyright, e in che modo l'azienda gestisce le restrizioni o i requisiti relativi ai dati?

  • Problemi di distorsioni ed equità nei sistemi di IA generativa: Quali sono le misure adottate dall'azienda per prevenire e/o mitigare risultati distorti o iniqui nei suoi sistemi di IA? Cosa fa l'azienda per garantire che i risultati dei sistemi di IA generativa utilizzati siano equi e imparziali e che non perpetuino discriminazioni o danni nei confronti di alcun individuo o gruppo?

  • Tracciamento e segnalazione degli incidenti: Quali procedure segue l'azienda per tracciare e segnalare gli incidenti relativi allo sviluppo o all'utilizzo dell'IA, e quali meccanismi sono in atto per affrontare questi incidenti e farne tesoro?

  • Metriche e reporting: Quali sono le metriche utilizzate dall'azienda per misurare le prestazioni e l'impatto dei suoi sistemi di IA, e come vengono comunicate agli stakeholder esterni? Cosa fa l'azienda per mantenere la dovuta diligenza nel monitoraggio della conformità normativa delle sue applicazioni di IA?


In definitiva, il modo migliore di orientarsi nel labirinto è quello di rimanere con i piedi per terra ed esercitare un sano scetticismo. L'IA è una tecnologia complessa e in rapida evoluzione. Gli investitori dovrebbero insistere per avere risposte chiare e non lasciarsi abbagliare da spiegazioni elaborate o complicate.

Gli autori desiderano ringraziare Roxanne Low, ESG Analyst del team Responsible Investing di AB, per il suo contributo alla ricerca.

Le opinioni espresse nel presente documento non costituiscono una ricerca, una consulenza di investimento o una raccomandazione di acquisto o di vendita e non esprimono necessariamente le opinioni di tutti i team di gestione di portafoglio di AB. Le opinioni sono soggette a modifiche nel tempo.


Informazioni sull’autore