L'uso dell'IA al Congresso si sta espandendo più rapidamente della sua supervisione
L'uso dell'IA al Congresso è andato oltre la fase sperimentale, nonostante i legislatori continuino a faticare nel concordare le regole per una tecnologia su cui fanno sempre più affidamento.
Un sondaggio di NBC News condotto tra 12 legislatori della Camera e del Senato ha rilevato che l'IA supporta la ricerca sulle politiche, il lavoro legislativo e attività personali. Gli esempi andavano dalla stesura di progetti di legge alla composizione di canzoni di compleanno.
Il senatore Tommy Tuberville ha descritto conversazioni con ChatGPT durante i lunghi viaggi in auto attraverso l'Alabama. Le sue domande riguarderebbero Medicare, Medicaid e altri temi che influenzano le sue posizioni politiche.
Questi esempi rendono la vicenda qualcosa di più di una raccolta di insolite abitudini congressuali. I legislatori stanno diventando clienti, utilizzatori e potenziali regolatori degli stessi sistemi.
Questa sovrapposizione crea un importante problema di responsabilità. Il Congresso deve decidere quando l'IA sia un assistente accettabile, quando la revisione umana diventi obbligatoria e cosa il pubblico abbia il diritto di sapere.
Il conflitto emergente non è quindi tra il Congresso e l'IA. È tra efficienza istituzionale e responsabilità pubblica, mentre politiche e applicazione delle regole restano indietro rispetto all'adozione quotidiana.
Cosa sta effettivamente facendo il Congresso con l'IA
L'IA è entrata nel lavoro congressuale attraverso attività ordinarie, non tramite un unico programma coordinato di modernizzazione.
Il sondaggio tra i legislatori, pubblicato il 18 settembre, offre un'istantanea rivelatrice. I membri hanno descritto applicazioni diverse per gravità, sensibilità e vicinanza alle decisioni ufficiali.
Alcuni legislatori usano i chatbot come assistenti conversazionali per la ricerca. Possono richiedere un riepilogo, mettere alla prova un'argomentazione o porre domande di approfondimento senza attendere un briefing formale.
L'uso di Tuberville durante i viaggi illustra perché questi prodotti attraggano funzionari molto impegnati. Un'interfaccia conversazionale può trasformare il tempo di viaggio in una sessione informale sulle politiche.
Questo non significa che il chatbot offra un briefing neutrale o affidabile. Significa che il software offre rapidità, accessibilità e l'impressione di un esperto reattivo.
Altri impieghi congressuali si avvicinano maggiormente al lavoro centrale dell'istituzione. L'IA generativa può suggerire formulazioni, riassumere emendamenti, confrontare documenti ed esplorare se un'idea legislativa rispetti i requisiti procedurali.
I repubblicani della Camera hanno già testato questo confine con il Byrd Bot. Il sistema aiuta gli utenti a valutare le idee rispetto alla Byrd Rule, che disciplina ciò che può rientrare nella legislazione di riconciliazione di bilancio.
Secondo quanto riportato, lo strumento è stato addestrato utilizzando migliaia di documenti associati a precedenti decisioni sulla Byrd Rule. Può suggerire modifiche al testo legislativo prima che il parlamentare del Senato esamini la proposta sottostante.
Si tratta di un compito più circoscritto rispetto al chiedere a un chatbot generico di scrivere da zero un progetto di legge. Ciononostante, colloca un sistema probabilistico vicino a decisioni che determinano quali disposizioni superano l'esame del Congresso.
La Camera ha inoltre utilizzato la Comparative Print Suite, un sistema introdotto nel 2022 per confrontare versioni legislative. Il confronto tra documenti è particolarmente adatto all'assistenza automatizzata perché i materiali di origine possono essere identificati e verificati.
Gli usi creativi e personali occupano l'altra estremità dello spettro. Una canzone di compleanno comporta pochi rischi istituzionali quando resta privata e non contiene informazioni sensibili.
Tuttavia, l'ampia gamma di usi conta perché mostra come l'adozione dell'IA si diffonda di solito. Un'attività innocua crea familiarità, la familiarità incoraggia la sperimentazione e la sperimentazione raggiunge lavori con una posta in gioco più alta.
L'uso dell'IA al Congresso non può quindi essere misurato chiedendo se i membri «usino l'IA». Le domande importanti riguardano l'attività, i dati, il modello, il processo di revisione e le conseguenze di un risultato errato.
Una canzone, un riepilogo di politiche e una proposta di formulazione legislativa possono provenire da interfacce simili. Non meritano le stesse garanzie.
Questa distinzione prepara la sfida centrale del Congresso. Servono regole che riconoscano diversi livelli di rischio senza presumere che ogni interazione con un chatbot sia innocua o inaccettabile.
Perché l'uso dell'IA al Congresso sta accelerando ora
Il Congresso sta adottando l'IA perché il suo carico di lavoro premia la rapidità, mentre la sua struttura decentralizzata consente a centinaia di uffici di compiere scelte separate.
L'ufficio di ogni membro opera come una piccola organizzazione che gestisce legislazione, comunicazioni, agenda, supervisione e servizi ai cittadini. Le commissioni aggiungono indagini, audizioni, revisione documentale e lavoro politico specialistico.
I membri dello staff devono assimilare lunghi rapporti, seguire le notizie, rispondere alla corrispondenza e preparare i propri rappresentanti alle votazioni. L'IA generativa promette prime bozze più brevi e ricerche più rapide tra queste informazioni.
Questi vantaggi possono sembrare concreti anche quando il risultato sottostante resta imperfetto. Un addetto stampa del Congresso ha dichiarato al The Washington Post che l'IA faceva risparmiare tre o quattro ore di lavoro alla settimana.
Lo stesso resoconto ha rilevato che la Camera aveva acquisito 6.000 licenze Microsoft Copilot. Al momento della pubblicazione dell'articolo, circa la metà sarebbe stata in uso e i funzionari della Camera avevano prorogato l'accordo.
Questi numeri mostrano un'adozione su scala istituzionale, non una sperimentazione sporadica. Tuttavia, l'implementazione varia ancora tra i singoli uffici, creando pratiche diverse all'interno della stessa camera.
La struttura del Congresso amplifica questa incoerenza. Gli uffici della Camera e del Senato hanno leadership, personale, budget tecnologici, incentivi politici e tolleranza alla sperimentazione distinti.
Un amministratore centrale può approvare prodotti e imporre restrizioni. Non può osservare ogni prompt, documento copiato o bozza generata che circola in centinaia di flussi di lavoro quotidiani.
La concorrenza tra gli uffici aggiunge pressione. Se un team di comunicazione produce più discorsi, post e articoli d'opinione con l'IA, un ufficio vicino più prudente può sentirsi svantaggiato.
La stessa dinamica si applica alla ricerca legislativa. I membri dello staff che riescono a riassumere i documenti più rapidamente possono dare al proprio ufficio più tempo per negoziati, attività di sensibilizzazione o supervisione.
La pressione arriva anche dall'esterno del ramo legislativo. Agenzie, appaltatori, gruppi di advocacy e aziende tecnologiche usano l'IA per analizzare le politiche e presentare argomenti al Congresso.
I legislatori non possono supervisionare efficacemente istituzioni assistite dall'IA senza comprendere gli strumenti coinvolti. Funzionari del Congresso hanno sostenuto che il ramo legislativo debba tenere il passo con l'adozione nel ramo esecutivo per svolgere una supervisione significativa.
Questo ragionamento è credibile, ma non risolve il problema della governance. La familiarità con un chatbot non produce automaticamente competenza sui limiti dei modelli, sulla gestione dei dati o sui sistemi decisionali automatizzati.
La tecnologia arriva anche tramite prodotti che il Congresso già utilizza. L'integrazione di Copilot da parte di Microsoft nei software per ufficio più familiari riduce la barriera pratica all'adozione.
Questa distribuzione integrata conta più della novità. I dipendenti non devono cercare un laboratorio specializzato quando un assistente compare nelle email, nei documenti, nei fogli di calcolo o nell'archiviazione cloud.
Il risultato ricorda l'adozione dell'IA in altri luoghi di lavoro basati sulla conoscenza. Le persone iniziano con riepiloghi e bozze prima di integrare i sistemi nella gestione ordinaria delle informazioni.
Un flusso di lavoro strutturato per la conoscenza può mantenere visibili le fonti e il ragionamento umano. Una conversazione con un chatbot generico può invece nascondere l'origine di un'affermazione.
Per il Congresso, questa differenza ha conseguenze pubbliche. Le decisioni legislative richiedono prove tracciabili, responsabilità identificabili e documenti in grado di resistere al controllo politico e legale.
La pressione ad adottare l'IA è quindi immediata, mentre i benefici di una governance accurata sono meno visibili. Questo squilibrio spiega perché l'uso operativo possa superare le politiche scritte.
Efficienza e responsabilità stanno entrando in conflitto
L'IA può ridurre il lavoro routinario, ma il Congresso non può delegare a un modello la responsabilità per leggi, supervisione o dichiarazioni pubbliche.
L'IA generativa produce testo prevedendo sequenze probabili sulla base di schemi nei dati di addestramento e del contesto fornito. Non verifica la verità, a meno che un flusso di lavoro non recuperi e controlli separatamente le fonti.
Questa limitazione diventa seria quando un risultato influenza la formulazione legislativa. Un modello può produrre disposizioni fluenti che confliggono con il diritto vigente, omettono definizioni o creano interpretazioni indesiderate.
La redazione legislativa richiede più di una prosa leggibile. I giuristi devono tenere conto di giurisdizione, rinvii, stanziamenti, applicazione, precedenti e di come i tribunali potrebbero interpretare ogni formulazione.
L'Office of Legislative Counsel esiste per trasformare gli obiettivi politici in testi giuridicamente praticabili. Le bozze generate dall'IA possono supportare la discussione, ma non possono assumersi la responsabilità istituzionale del risultato.
Il Byrd Bot offre un'illustrazione utile. Il suo obiettivo circoscritto è più difendibile rispetto al chiedere a un chatbot un intero disegno di legge di riconciliazione.
Gli utenti possono confrontare i suoi suggerimenti con la regola, le decisioni precedenti e il parere del parlamentare del Senato. Questo rende possibile la verifica, almeno in linea di principio.
Tuttavia, gli esperti intervistati per l'analisi sul Byrd Bot hanno avvertito che una persona resta l'autorità migliore. Hanno inoltre osservato che i grandi modelli linguistici possono allucinare e produrre testi di bassa qualità.
Un sistema addestrato su materiali precedenti può identificare schemi senza riprodurre fedelmente il giudizio istituzionale. Le decisioni procedurali dipendono inoltre da un contesto che i documenti storici potrebbero non cogliere completamente.
Il divario di responsabilità diventa più netto quando l'IA modella le comunicazioni pubbliche. I cittadini presumono ragionevolmente che il discorso, la lettera o la dichiarazione di un membro rappresentino il giudizio di quel funzionario eletto.
Il rappresentante Jake Auchincloss ha dimostrato questa tensione nel 2023 leggendo alla Camera un discorso generato da ChatGPT. Il suo staff riteneva che fosse il primo discorso di questo tipo pronunciato al Congresso.
L'esperimento è stato reso noto e mirava a stimolare il dibattito. Secondo il resoconto del discorso in aula, Auchincloss ha perfezionato il prompt diverse volte prima di utilizzare il risultato.
Quel coinvolgimento umano non ha reso il testo indipendente dall'IA. Ha mostrato che l'attribuzione della paternità diventa stratificata quando una persona dirige, seleziona, modifica e infine presenta un linguaggio generato.
Gli standard di divulgazione restano incerti. Il Congresso non etichetta ogni passaggio influenzato da un membro dello staff, un giurista, un ricercatore o un esperto esterno.
L'IA è diversa perché i suoi errori possono apparire autorevoli senza che vi sia alcuna fonte umana alle loro spalle. Il suo contributo può inoltre restare invisibile dopo che il testo generato viene copiato in un altro documento.
L'esempio della canzone di compleanno può sembrare distante da queste preoccupazioni. Eppure dimostra quanto facilmente gli utenti trattino un'unica interfaccia sia come strumento di intrattenimento sia come assistente per le politiche.
Questa familiarità può indebolire la cautela. Un modello che funziona bene per una richiesta creativa a basso rischio può comunque inventare un progetto di legge, descrivere erroneamente un programma o non rilevare un'eccezione legale.
Il Congresso deve preservare una linea semplice: l'IA può contribuire a un processo, ma una persona identificabile deve restare responsabile del lavoro finale.
Quel principio è facile da enunciare e difficile da applicare. Richiede registri, formazione, procedure di revisione e conseguenze commisurate alla sensibilità di ciascun compito.
La Camera ha delle regole, ma l'applicazione è il punto debole
Il Congresso è passato dalla sperimentazione informale a paletti scritti, eppure una regola che il personale non comprende non può governare il comportamento in modo affidabile.
La Camera ha annunciato una politica sull'IA valida per l'intera assemblea il 19 settembre 2024. Descriveva un quadro per l'uso dell'IA, gestendo al contempo la cybersicurezza e i rischi correlati.
La politica ha inoltre creato un processo attraverso il quale il personale poteva proporre strumenti o casi d'uso per la revisione. I leader l'hanno presentata come una base destinata a evolversi insieme alla tecnologia.
La politica sull'IA della Camera riconosceva direttamente il compromesso fondamentale. L'IA poteva migliorare l'efficienza, ma le informazioni sensibili e le responsabilità istituzionali richiedevano protezione.
Secondo quanto riportato, le attuali linee guida della Camera vietano di inserire dati sensibili, incluse le informazioni sui cittadini elettori, in chatbot non autorizzati. Limitano inoltre i deepfake, le decisioni sul personale e la finalizzazione della legislazione.
La distinzione relativa alla legislazione è importante. Una macchina può assistere nella stesura di una bozza, ma non può fungere da autorità finale.
Alcuni uffici hanno adottato controlli aggiuntivi. Secondo quanto riportato, l'ufficio della senatrice Elissa Slotkin richiede formazione, vieta le informazioni personali dei cittadini elettori e proibisce prodotti finali generati dall'IA, come dichiarazioni pubbliche.
Il suo ufficio effettua anche controlli a campione non annunciati. Questo approccio considera la governance dell'IA una pratica operativa, anziché un documento che i dipendenti riconoscono una sola volta.
Tuttavia, le inchieste giornalistiche hanno rivelato variazioni significative. Alcuni membri del personale hanno descritto incertezza su ciò che le regole del Congresso consentono e sul fatto che gli account personali rientrino nei flussi di lavoro approvati.
Un ex alto collaboratore della Camera ha definito l'uso dell'IA nel suo ufficio un far west. Altri hanno affermato che colleghi stavano sperimentando sistemi che imitano la voce di un legislatore usando dichiarazioni passate.
L'inchiesta sulle regole del Congresso non ha trovato alcun caso di applicazione delle regole che gli intervistati fossero in grado di identificare. L'ufficio competente della Camera ha rifiutato di discutere potenziali casi.
L'assenza di un caso pubblico non dimostra che non sia avvenuto alcun intervento interno. Mostra però che il Congresso non dispone di un precedente visibile di applicazione delle regole capace di chiarire le aspettative.
Anche il rilevamento costituisce un ostacolo. Una violazione della politica potrebbe emergere solo quando un membro del personale segnala un collega, un output contiene un errore evidente o materiale sensibile appare al di fuori del sistema previsto.
Gli account consumer creano rischi aggiuntivi perché gli amministratori potrebbero non avere controllo su conservazione dei dati, impostazioni di addestramento, registri di accesso e collegamenti con altre applicazioni.
Anche i prodotti aziendali approvati necessitano di una configurazione accurata. Un marchio riconoscibile non garantisce che ogni versione offra controlli equivalenti in materia di privacy, sicurezza o contenuti politici.
Microsoft Copilot offre un esempio significativo. La Camera ha inizialmente vietato la versione commerciale, per poi orientarsi in seguito verso un'ampia implementazione istituzionale nell'ambito di un accordo diverso.
Quella sequenza riflette una revisione responsabile, ma dimostra anche perché le etichette a livello di prodotto siano insufficienti. Il modello di implementazione e il contratto possono contare quanto il nome del modello.
Le regole dovrebbero quindi concentrarsi sui dati e sulle conseguenze. Un quadro solido chiede quali informazioni entrano nel sistema, chi può recuperarle e in che modo gli output influenzano le persone.
Dovrebbe inoltre specificare quali registri devono essere conservati. Le istituzioni pubbliche necessitano di una traccia di audit quando l'IA influenza in modo sostanziale la legislazione, i risultati della vigilanza o i servizi ai cittadini elettori.
La formazione deve coprire scenari pratici anziché avvertimenti astratti. Il personale deve saper riconoscere dati sensibili, citazioni inventate, tentativi di prompt injection e un'eccessiva fiducia in risposte fluide.
Soprattutto, il Congresso necessita di responsabilità applicabili. Gli uffici dovrebbero sapere chi esamina gli incidenti, come vengono segnalate le violazioni e quali azioni correttive seguono.
Senza questi elementi, una politica scritta protegge soprattutto l'immagine dell'istituzione. Fa meno per proteggere i cittadini elettori, l'integrità legislativa o la fiducia pubblica.
Le abitudini del Congresso nell'uso dell'IA complicano la regolamentazione
I legislatori non possono regolamentare credibilmente l'IA come una minaccia distante quando gli stessi sistemi supportano già la loro ricerca, scrittura e operatività.
Questo non esclude che il Congresso possa intervenire. I legislatori regolano abitualmente prodotti e settori che vengono usati anche dagli uffici governativi.
L'esperienza interna può migliorare le politiche rivelando benefici pratici, limiti e comportamenti inattesi. Un membro che usa un chatbot può porre domande più informate sulla verifica o sulla fuga di dati.
Il conflitto emerge quando la familiarità personale diventa un sostituto delle prove. Una conversazione soddisfacente con ChatGPT non dimostra che un modello sia sicuro per l'assistenza sanitaria, l'occupazione, l'istruzione o la sicurezza nazionale.
Il Congresso deve separare le impressioni dei consumatori dalla valutazione sistemica. La regolamentazione necessita di test tecnici, danni documentati, analisi economiche e contributi delle comunità interessate.
I legislatori affrontano inoltre incentivi che gli utenti comuni non hanno. L'IA può amplificare il loro messaggio pubblico, accelerare la ricerca di parte e aumentare il volume delle comunicazioni con i cittadini elettori.
Questo rende la trasparenza particolarmente importante. Il pubblico dovrebbe sapere quando l'automazione influenza in modo sostanziale le comunicazioni ufficiali o lo sviluppo delle politiche.
La divulgazione non deve coprire il controllo ortografico o ogni frase suggerita. Dovrebbe applicarsi quando il materiale generato diventa una base sostanziale per legislazione, testimonianze o un prodotto rivolto al pubblico.
Il Congresso necessita inoltre di regole per le comunicazioni esterne. I gruppi di advocacy possono generare grandi volumi di linguaggio per progetti di legge, commenti, lettere e materiali informativi scritti dai modelli.
Il volume può creare un falso segnale di interesse pubblico. Può anche trasferire i costi di revisione sugli avvocati e sul personale del Congresso, che devono identificare materiale duplicato o difettoso.
L'advocacy generata dall'IA non è intrinsecamente illegittima. Il problema sorge quando l'automazione oscura la sponsorizzazione, simula una partecipazione indipendente o sovraccarica una capacità istituzionale limitata.
Il dibattito normativo ha già prodotto un'ampia attività senza un quadro federale completo. Il Brennan Center ha contato oltre 150 progetti di legge relativi all'IA presentati durante il 118° Congresso.
Nel frattempo, gli Stati hanno approvato norme che affrontano deepfake politici, decisioni automatizzate, privacy e altri danni specifici. Le proposte federali continuano a dividere i legislatori su innovazione, sicurezza e autorità degli Stati.
L'uso dell'IA da parte del Congresso aggiunge un'altra domanda al dibattito: il legislatore dovrebbe imporre standard a se stesso prima di chiedere alle organizzazioni private di seguirli?
Una risposta credibile non richiede un divieto totale. Richiede che il Congresso dimostri le pratiche di governance che si aspetta dagli altri.
Tali pratiche includono classificazione del rischio, strumenti approvati, responsabilità umana, segnalazione degli incidenti, revisione degli appalti e limiti chiari sui dati sensibili.
Il Congresso dovrebbe inoltre pubblicare informazioni significative sull'adozione. L'uso aggregato, i sistemi approvati, gli incidenti segnalati e gli audit di conformità possono informare il dibattito pubblico senza esporre lavoro legislativo protetto.
L'uso dell'istituzione potrebbe quindi diventare un ambiente di prova per regole praticabili. Potrebbe mostrare dove le salvaguardie impongono un attrito ragionevole e dove falliscono sotto carichi di lavoro reali.
Questo approccio rafforzerebbe la regolamentazione perché i legislatori incontrerebbero i costi operativi delle loro prescrizioni. Vedrebbero inoltre quali protezioni restano necessarie nonostante tali costi.
L'alternativa è un crescente divario di credibilità. Il Congresso avvertirebbe il pubblico dell'inaffidabilità dell'IA, accettando al contempo silenziosamente output inaffidabili nei propri flussi di lavoro.
Tre segnali mostreranno se la vigilanza recupera terreno
La prossima fase sarà definita da verificabilità, conformità a livello di ufficio e divulgazione pubblica, non dal numero di aneddoti sui chatbot.
Il primo segnale è se Camera e Senato pubblicheranno procedure di applicazione più chiare. Le politiche già identificano comportamenti vietati, ma il personale necessita di un percorso visibile per domande e incidenti.
Un sistema credibile indicherebbe gli uffici responsabili, definirebbe gli standard di revisione e spiegherebbe le conseguenze. Riferirebbe inoltre informazioni aggregate sull'applicazione delle regole senza esporre lavoro legislativo protetto.
Se il Congresso stabilirà tale processo, la sua politica sull'IA inizierà a funzionare come governance istituzionale. Il silenzio persistente rafforzerebbe le preoccupazioni che la conformità dipenda principalmente dal giudizio individuale.
Il secondo segnale è se il lavoro legislativo assistito dall'IA acquisirà una traccia di audit durevole. Strumenti come Byrd Bot dovrebbero conservare materiali di fonte, versioni dei modelli, suggerimenti generati e approvazioni umane.
Quel registro conta quando un errore arriva fino a una proposta. I revisori devono poter determinare se il problema sia derivato da prove mancanti, istruzioni difettose, comportamento del modello o accettazione umana.
La verificabilità non significa pubblicare ogni bozza riservata. Significa garantire che i funzionari autorizzati possano ricostruire gli usi rilevanti dopo una controversia o un incidente.
Se il Congresso richiederà una revisione tracciabile per i progetti di legge assistiti dall'IA, gli obiettivi di efficienza e responsabilità potranno coesistere. Se il testo generato passa attraverso flussi di lavoro di copia e incolla, una vigilanza significativa resterà improbabile.
Il terzo segnale è se il Congresso adotterà una regola di divulgazione coerente per contributi sostanziali dell'IA. Un discorso in aula generato attraverso prompt ripetuti merita un trattamento diverso da una correzione grammaticale automatizzata.
La stessa distinzione dovrebbe applicarsi a sintesi di progetti di legge, corrispondenza con i cittadini elettori, materiali delle commissioni e media sintetici. Soglie chiare proteggerebbero la produttività ordinaria preservando al contempo la fiducia pubblica.
La divulgazione da sola non garantirà l'accuratezza. Identificherà dove inizia la responsabilità umana e impedirà che l'assistenza dell'IA resti invisibile quando modella in modo sostanziale il lavoro ufficiale.
Questi segnali influenzeranno anche il più ampio dibattito normativo. I legislatori che applicano internamente salvaguardie misurabili avranno motivi più solidi per richiederle altrove.
È improbabile che l'uso dell'IA da parte del Congresso si riduca. Gli strumenti si adattano a troppi compiti ricorrenti e ogni nuova implementazione in un ufficio abbassa la soglia per il successivo esperimento.
La domanda pratica è se l'istituzione costruirà la governance prima che un fallimento evitabile la costringa ad agire. Una citazione inventata, una scheda di un cittadino elettore divulgata o una disposizione difettosa trasformerebbero un divario politico astratto in un evento pubblico.
I lettori dovrebbero osservare gli amministratori del Congresso, non solo i singoli legislatori. Termini degli appalti, rapporti di audit, requisiti di formazione e comunicazioni sull'applicazione delle regole riveleranno più di un altro prompt ingegnoso.
Dovrebbero inoltre chiedersi se le proposte di legge sull'IA corrispondano al comportamento del Congresso stesso. Una norma che richiede trasparenza alle aziende merita un confronto con la trasparenza all'interno del legislatore.
L'IA può aiutare i funzionari a cercare, riassumere, confrontare e redigere. Non può assorbire la responsabilità democratica associata a tali compiti.
La prossima volta che un legislatore descrive l'uso di un chatbot, guardate oltre la novità. Chiedetevi quali dati siano entrati nel sistema, chi abbia verificato il risultato e se qualcuno possa ricostruire il processo.
Queste domande offrono il test più chiaro di come il Congresso utilizza l'IA. Mostrano inoltre se l'istituzione che regolamenta la tecnologia sia pronta a governare la propria dipendenza da essa.
