La politica di Trump sulla cybersecurity dell’AI divide la pressione per la sicurezza dalla corsa con la Cina
Il presidente Donald Trump ha respinto le richieste di rallentare lo sviluppo dell’AI, nonostante la crescente pressione, dentro e fuori la sua amministrazione, per contenere i rischi informatici emergenti.
La disputa pone la politica di Trump sulla cybersecurity dell’AI tra due obiettivi sempre più difficili da conciliare. I funzionari vogliono individuare prima le capacità pericolose dei modelli, ma Trump non vuole che la supervisione indebolisca gli sviluppatori americani rispetto alla Cina.
Trump ha riconosciuto che sono necessarie alcune misure di salvaguardia parlando con i giornalisti in Irlanda il 13 settembre. Tuttavia, non ha offerto un piano normativo specifico e ha contestato gli avvertimenti secondo cui lo sviluppo dell’AI stesse procedendo troppo rapidamente. In seguito ha affermato che l’AI produrrà molti più benefici che danni.
La sua posizione ha fatto seguito agli avvertimenti pubblici del CEO di Anthropic, Dario Amodei, con il CEO di OpenAI Sam Altman ed Elon Musk anch’essi favorevoli a un rallentamento. Secondo il dibattito sullo sviluppo dell’AI, Trump ha risposto a tali preoccupazioni con un argomento competitivo: chi vince con l’AI, vince.
Quella risposta non elimina il problema di sicurezza dell’amministrazione. La Casa Bianca ha già creato un processo di revisione volontaria per alcuni modelli di frontiera, ossia sistemi altamente capaci prossimi ai limiti dello sviluppo attuale. Ha inoltre organizzato agenzie federali e aziende private per individuare e correggere vulnerabilità software.
La questione irrisolta è se queste misure volontarie possano muoversi abbastanza rapidamente. Agenti AI più capaci stanno acquisendo la capacità di trovare vulnerabilità, operare online e coordinare compiti con una supervisione umana limitata.
La contesa centrale non è quindi tra regolamentazione e deregolamentazione. È tra un coordinamento di sicurezza volontario e mirato e una supervisione governativa obbligatoria che potrebbe ritardare il rilascio dei modelli.
La politica di Trump sulla cybersecurity dell’AI è già cambiata
L’amministrazione è passata da un’ampia resistenza alle restrizioni sull’AI a un coinvolgimento federale selettivo nella sicurezza dei modelli di frontiera.
Trump ha iniziato il suo secondo mandato revocando il principale ordine esecutivo sull’AI dell’amministrazione Biden. Quel precedente quadro richiedeva agli sviluppatori di alcuni sistemi ad alto rischio di fornire informazioni sulla sicurezza ai funzionari federali.
L’amministrazione ha invece enfatizzato uno sviluppo più rapido, meno ostacoli e la leadership americana. Il suo approccio rispecchiava da vicino le preferenze di investitori e aziende tecnologiche contrari a un’approvazione obbligatoria prima del rilascio.
Questa posizione è diventata più difficile da mantenere quando gli sviluppatori hanno introdotto modelli con capacità di cybersecurity più forti. Tali sistemi possono aiutare i difensori a identificare software vulnerabile, ma le stesse capacità possono sostenere tentativi di intrusione o sfruttamento automatizzato.
È emersa una disputa politica tra i sostenitori politici e industriali di Trump. Steve Bannon, l’attivista Amy Kremer e altre figure populiste hanno chiesto test governativi obbligatori per i modelli più capaci.
I consiglieri vicini al settore tecnologico hanno sostenuto la posizione opposta. Marc Andreessen e l’ex consigliere della Casa Bianca per l’AI David Sacks si sono opposti a requisiti vincolanti che avrebbero potuto ritardare l’implementazione o ampliare l’autorità federale.
La risposta dell’amministrazione è arrivata il 2 giugno attraverso l’Executive Order 14409. L’ordine ha creato un processo classificato di benchmarking per valutare capacità informatiche avanzate e identificare un “covered frontier model”.
Questa designazione è importante perché gli sviluppatori di modelli coperti possono fornire al governo accesso anticipato prima di un rilascio più ampio. I funzionari possono quindi valutare le capacità informatiche e dare a partner selezionati delle infrastrutture critiche il tempo di prepararsi.
Tuttavia, l’ordine sui modelli di frontiera respinge esplicitamente licenze obbligatorie, autorizzazioni preventive o il permesso governativo per rilasciare un modello AI. La partecipazione resta volontaria.
L’ordine definitivo era più limitato di una precedente proposta riportata a maggio. Fonti a conoscenza di quella proposta avevano dichiarato che agli sviluppatori sarebbe potuto essere chiesto di fornire i modelli 90 giorni prima del rilascio.
Il quadro firmato consente invece agli sviluppatori partecipanti di fornire accesso fino a 30 giorni prima della distribuzione ad altri partner fidati. Questa differenza riflette lo sforzo dell’amministrazione di ottenere visibilità sulla sicurezza senza istituire un passaggio di approvazione regolatoria.
L’ordine assegna inoltre ruoli importanti alla National Security Agency, alla Cybersecurity and Infrastructure Security Agency e alla leadership nazionale della Casa Bianca per la cybersecurity. Il Dipartimento del Commercio e il National Institute of Standards and Technology partecipano al processo, ma non lo controllano da soli.
Questa impostazione segna un reale cambiamento di politica. Il governo federale non considera più la cybersecurity dei modelli di frontiera una questione che gli sviluppatori possano gestire interamente all’interno delle proprie organizzazioni.
Tuttavia, il cambiamento non arriva fino alla supervisione obbligatoria. Il governo può creare benchmark, chiedere cooperazione e coordinare le difese, ma non può richiedere a ogni sviluppatore coperto di partecipare in base a questo ordine.
Questa limitazione preserva la velocità di sviluppo. Crea anche incertezza su ciò che accade quando un’azienda rifiuta una revisione, contesta una designazione o rilascia un modello prima che le agenzie finiscano di valutarne le capacità.
L’amministrazione ha quindi cambiato il proprio ruolo senza definire la propria autorità. Ora accetta che i modelli avanzati possano creare preoccupazioni per la sicurezza nazionale, continuando però a respingere un sistema obbligatorio di controllo dei rilasci.
Le crescenti capacità informatiche stanno imponendo il dibattito
La cybersecurity dell’AI sta diventando una questione di implementazione perché i modelli avanzati possono assistere attaccanti e difensori usando le stesse capacità di base.
La scoperta delle vulnerabilità software illustra il problema. Un modello che identifica una falla può aiutare i responsabili della manutenzione a correggerla. Lo stesso modello può aiutare un attaccante a individuare sistemi non protetti o a sviluppare un exploit.
L’ordine di giugno cerca anzitutto di cogliere il valore difensivo. Ordina alle agenzie di creare un centro di coordinamento per la cybersecurity dell’AI con partecipazione volontaria di sviluppatori AI e operatori di infrastrutture critiche.
Il centro è progettato per coordinare la scansione delle vulnerabilità, convalidare le scoperte, dare priorità alle attività di correzione e distribuire patch. Questo processo affronta una sfida di sicurezza nota: trovare una falla non equivale a proteggere ogni sistema esposto.
La Casa Bianca ha lanciato la conseguente iniziativa Gold Eagle a luglio. Il Tesoro, CISA, funzionari della difesa e partner industriali la stanno utilizzando per ridurre le scansioni duplicate e fornire informazioni sulle vulnerabilità in ordine di priorità.
Il programma Gold Eagle rappresenta il modello preferito dall’amministrazione. Le agenzie governative coordinano capacità private senza controllare lo sviluppo o la pubblicazione dei sistemi AI sottostanti.
Questa struttura offre vantaggi pratici. Le agenzie federali dispongono di intelligence classificata sulle minacce, mentre i laboratori AI conoscono i propri modelli e i fornitori di infrastrutture gestiscono i sistemi che necessitano di protezione.
Riunire questi gruppi può ridurre il tempo tra rilevamento e correzione. Può anche diminuire la probabilità che più modelli scoprano indipendentemente la stessa vulnerabilità senza che nessuno coordini la divulgazione.
Tuttavia, il coordinamento volontario dipende da incentivi e fiducia. Le aziende devono ritenere che condividere l’accesso non esporrà segreti commerciali, ritarderà i lanci o creerà obblighi legali imprevedibili.
Le agenzie governative devono proteggere i modelli e le informazioni ricevute. Un sistema di revisione della sicurezza diventa a sua volta un bersaglio sensibile se conserva pesi dei modelli, capacità non pubblicate o dettagli su vulnerabilità non corrette.
Il problema dei test va inoltre oltre i benchmark ordinari. Un modello potrebbe comportarsi in modo diverso se connesso a strumenti, se dotato di maggiori risorse di calcolo o se autorizzato a operare per periodi più lunghi.
Gli agenti AI rendono questo divario più importante. Un agente è un software che utilizza un modello AI per pianificare ed eseguire compiti con un intervento umano limitato.
Un breve test di laboratorio potrebbe rivelare se un modello sa scrivere codice per exploit. Potrebbe non mostrare se diversi agenti possono coordinarsi, persistere tra i sistemi, occultare l’attività o riprendersi dopo un tentativo fallito.
L’amministrazione ha già tracciato una distinzione tra categorie di modelli. Secondo due persone a conoscenza delle discussioni, a agosto i funzionari hanno detto agli sviluppatori che i modelli open-weight non sarebbero stati sottoposti al processo di test volontario.
I modelli open-weight forniscono parametri scaricabili che gli utenti possono ispezionare, modificare ed eseguire indipendentemente. Meta’s Llama e Nvidia’s Nemotron sono stati citati come esempi.
I modelli chiusi di OpenAI, Anthropic e Google restano controllati attraverso l’infrastruttura delle aziende. I loro fornitori possono limitare l’accesso, monitorare l’uso e aggiornare le misure di salvaguardia dopo l’implementazione.
La decisione sui modelli open-weight dell’amministrazione evita di sottoporre lo sviluppo aperto americano a un processo di revisione che i rilasci esteri potrebbero aggirare. Lascia però una categoria significativa al di fuori del quadro.
Questa esenzione crea una difficile asimmetria. Le aziende di modelli chiusi possono cooperare perché mantengono il controllo sui propri prodotti, mentre i pesi aperti possono circolare oltre la portata dello sviluppatore originario.
Testare soltanto i sistemi chiusi potrebbe quindi concentrare la supervisione sulle aziende con i meccanismi di monitoraggio più forti. I modelli che possono essere modificati e implementati anonimamente riceverebbero meno attenzione federale nell’ambito dello stesso programma.
I sostenitori dello sviluppo aperto sostengono che un accesso ampio aiuti i ricercatori a scoprire debolezze e permetta alle organizzazioni più piccole di competere. I critici rispondono che lo stesso accesso elimina i controlli centrali dopo il rilascio.
Nessuna delle due argomentazioni risolve l’immediata questione operativa. Le agenzie federali necessitano ancora di un metodo per comprendere i rischi derivanti da modelli capaci che gli sviluppatori non possono richiamare né aggiornare da remoto.
La divisione principale è tra revisione volontaria e controllo obbligatorio
Il conflitto politico principale riguarda la sufficienza della cooperazione quando il rilascio di un modello può creare rischi che sfuggono al controllo del suo sviluppatore.
I test obbligatori attraggono funzionari e attivisti che vogliono uno standard minimo chiaro. Ogni modello che supera una soglia di capacità definita affronterebbe la stessa revisione di sicurezza prima del rilascio.
Questo approccio potrebbe ridurre l’incertezza sulla partecipazione. Potrebbe anche offrire alle agenzie una visione coerente tra gli sviluppatori, anziché dipendere da divulgazioni separate delle aziende.
La difficoltà inizia dalla soglia. I funzionari devono decidere quali capacità rendano un modello abbastanza pericoloso da qualificarsi, e tali capacità possono cambiare dopo il fine-tuning o l’accesso agli strumenti.
Una soglia basata sulle risorse di calcolo potrebbe non rilevare un modello più piccolo ed efficiente. Una soglia basata sulle prestazioni nei benchmark potrebbe incoraggiare gli sviluppatori a ottimizzare i modelli attorno al test.
Le valutazioni di cybersecurity pongono un altro problema. Pubblicare criteri dettagliati potrebbe aiutare gli sviluppatori a prepararsi, ma potrebbe anche rivelare ciò che i valutatori governativi considerano più minaccioso.
Mantenere classificati i criteri protegge le informazioni sensibili. Rende però anche più difficile per esperti esterni, legislatori e sviluppatori più piccoli effettuare valutazioni.
La politica di cybersecurity sull'AI di Trump cerca di gestire questa tensione attraverso benchmark classificati e accesso anticipato volontario. NSA, CISA e altri funzionari stabiliscono se un modello rientra nella soglia prevista.
Gli sviluppatori partecipanti possono quindi fornire accesso per un massimo di 30 giorni. L'ordine impone tutele per proprietà intellettuale, cybersecurity, riservatezza e rischio interno.
Questo quadro offre alle aziende flessibilità, fornendo al contempo alle agenzie un certo preavviso. Non garantisce la partecipazione, la pubblicazione dei risultati o una risposta standardizzata quando i valutatori individuano capacità gravi.
Un'approvazione obbligatoria prima del rilascio risolverebbe in parte tale lacuna nell'applicazione. Introdurrebbe però anche ritardi, costi di conformità e controversie politiche su chi possa bloccare un rilascio.
I sostenitori della tecnologia sostengono che i ritardi possano diventare strategicamente costosi. Un'azienda nazionale potrebbe trattenere un modello mentre un concorrente straniero rilascia un sistema comparabile senza una revisione equivalente.
Neil Chilson dell'Abundance Institute ha sostenuto questa tesi durante il precedente dibattito alla Casa Bianca. Ha affermato che ritardare i modelli americani potrebbe creare uno svantaggio nel breve termine senza impedire nel tempo agli avversari di accedere alla tecnologia.
Questa preoccupazione ha un peso particolare per i sistemi che migliorano la difesa informatica. Se un modello avanzato è in grado di individuare vulnerabilità, trattenerlo potrebbe ritardare anche patch e dispiegamento difensivo.
I controlli obbligatori potrebbero favorire ulteriormente i laboratori più grandi. OpenAI, Google, Anthropic e Meta possono dotarsi di team di conformità, mantenere ambienti di valutazione sicuri e negoziare direttamente con le agenzie.
Gli sviluppatori più piccoli potrebbero dover affrontare lo stesso onere procedurale con minori risorse. Un sistema di revisione pensato per migliorare la sicurezza potrebbe quindi aumentare la concentrazione del mercato.
I sostenitori di regole più rigide si concentrano su un diverso tipo di fallimento. Sostengono che la pressione competitiva dia a ogni sviluppatore un incentivo a rilasciare per primo, anche quando tutte le aziende beneficerebbero di maggiori test.
Kremer ha espresso direttamente questa sfiducia durante il dibattito di maggio. Ha detto che il pubblico non poteva fare affidamento soltanto sui dirigenti delle aziende di AI per proteggere gli interessi americani.
Cinque senatori democratici hanno poi chiesto una legislazione che rendesse permanenti i test per i modelli americani più avanzati. Il loro intervento ha mostrato che le richieste di una revisione obbligatoria vanno oltre i sostenitori populisti di Trump.
Il Congresso non ha approvato un sistema di questo tipo. Lo Speaker Mike Johnson ha espresso interesse nel riunire Trump, legislatori e dirigenti dell'AI, indicando al contempo che il Congresso non avrebbe guidato un rallentamento immediato.
L'assenza di legislazione lascia il ramo esecutivo a operare attraverso accordi volontari e autorità esistenti. Questi strumenti sono più rapidi da istituire, ma più facili da modificare per una futura amministrazione o per un partecipante riluttante.
Un sistema obbligatorio richiederebbe al Congresso di definire l'autorità delle agenzie, l'applicazione, la riservatezza e il controllo giudiziario. Dovrebbe inoltre affrontare i rilasci open-weight e i modelli stranieri.
Finché ciò non avverrà, la politica dipenderà dalla cooperazione tra organizzazioni con incentivi diversi. La Casa Bianca vuole informazioni sulla sicurezza, gli sviluppatori vogliono un accesso prevedibile ai mercati e le agenzie di intelligence vogliono proteggere metodi classificati.
La divisione non è semplicemente partitica. Attraversa l'amministrazione, il Congresso, le aziende tecnologiche, le istituzioni di sicurezza nazionale e la coalizione politica di Trump.
La corsa con la Cina rende ogni salvaguardia più complicata
La competizione con la Cina trasforma una revisione della sicurezza interna in una questione di velocità di implementazione, adozione globale e accesso a modelli avanzati.
Le osservazioni di Trump di settembre hanno reso esplicita questa priorità. Ha collegato la moderazione interna alla possibilità che la Cina possa ottenere un vantaggio nell'AI avanzata.
L'amministrazione ha trasmesso lo stesso messaggio all'incontro sull'innovazione del G20 in North Carolina all'inizio di quel mese. Funzionari americani hanno esortato i governi partecipanti a evitare la creazione di nuovi organismi di regolamentazione dell'AI.
Il consigliere per la scienza e la tecnologia Michael Kratsios ha promosso i Carolina Principles, che chiedono ai governi di riservare nuove regolamentazioni ai problemi che le norme esistenti non possono affrontare.
Il messaggio è in linea con le principali aziende americane di AI. In generale, queste vogliono accedere ai mercati internazionali senza processi di approvazione separati in ogni giurisdizione.
Un contesto normativo frammentato può richiedere comportamenti di prodotto, sistemi di reporting e calendari di rilascio differenti. I grandi sviluppatori possono assorbire tali requisiti, ma la conformità continua a incidere sulle decisioni di implementazione.
L'amministrazione vuole inoltre che altri Paesi restino all'interno di uno stack tecnologico americano. Questo comprende chip, piattaforme cloud, modelli, strumenti per sviluppatori e relazioni di sicurezza.
I modelli cinesi open-weight complicano questo obiettivo. Sono sempre più competitivi rispetto ai sistemi americani proprietari e possono attrarre organizzazioni alla ricerca di costi inferiori o di un maggiore controllo sull'implementazione.
Vivek Chilukuri del Center for a New American Security ha dichiarato a Reuters che questa tendenza ha accresciuto l'urgenza dell'amministrazione. Washington vuole che gli utenti internazionali scelgano sistemi americani anziché alternative modellate da fornitori cinesi.
La posizione del G20 sull'AI collega quindi la regolamentazione interna alla politica estera. I funzionari considerano l'ampia adozione dell'AI americana un interesse sia economico sia di sicurezza.
Tuttavia, un messaggio internazionale non interventista può entrare in conflitto con la richiesta di Washington di cooperazione sui rischi informatici. I governi stranieri potrebbero chiedersi perché dovrebbero limitare le proprie norme quando gli Stati Uniti non hanno pubblicato i propri criteri di revisione.
La questione sarà particolarmente visibile nei colloqui pianificati tra Stati Uniti e Cina. I funzionari stanno preparando discussioni incentrate sui rischi per la sicurezza dell'AI e sugli incidenti informatici.
Fonti informate sulla pianificazione hanno dichiarato che il Segretario al Tesoro Scott Bessent avrebbe guidato la parte americana. I colloqui erano attesi a metà settembre, prima dell'incontro previsto per il 24 settembre tra Trump e il presidente cinese Xi Jinping.
Secondo quanto riportato, gli Stati Uniti vogliono che i laboratori di entrambi i Paesi condividano informazioni e contribuiscano a prevenire cyberattacchi legati all'AI. La proposta riconosce che un incidente informatico può oltrepassare i confini indipendentemente da dove sia stato sviluppato il modello.
Il dialogo USA-Cina pianificato espone anche la contraddizione centrale della politica. Washington vuole cooperazione internazionale senza creare regole che rallentino le aziende nazionali.
Gli accordi di autoregolamentazione possono creare rapidamente canali di comunicazione. Possono aiutare i laboratori a scambiare indicatori, confrontare incidenti e prevenire fraintendimenti durante un evento informatico in escalation.
Non possono garantire la divulgazione. Un'azienda o un governo potrebbe trattenere informazioni che rivelano una debolezza, un metodo di intelligence o una capacità strategica.
La competizione nazionale cambia anche il modo in cui i partecipanti interpretano i test di sicurezza. Un benchmark che individua una capacità pericolosa potrebbe diventare un'informazione di intelligence utile sullo sviluppo dei modelli di un altro Paese.
Gli Stati Uniti devono quindi decidere quante informazioni condividere. Una divulgazione insufficiente rende la cooperazione simbolica, mentre una eccessiva potrebbe esporre lacune difensive o tecniche di valutazione.
La Cina affronta lo stesso calcolo. Entrambi i Paesi traggono vantaggio dalla prevenzione di incidenti informatici incontrollati, ma nessuno dei due vuole divulgare informazioni che indeboliscano la propria posizione strategica.
Ecco perché vittoria e sicurezza non sono percorsi separati. Un'implementazione americana più rapida può ampliare le capacità difensive e l'influenza globale, ma può anche aumentare l'esposizione prima che le salvaguardie maturino.
Un rallentamento presenta il compromesso opposto. Più test possono identificare problemi prima del rilascio, ma una moderazione unilaterale non vincola gli sviluppatori stranieri né i modelli open distribuiti privatamente.
La preferenza dell'amministrazione è accelerare e proteggere simultaneamente. Questa strategia riesce soltanto se il coordinamento difensivo tiene il passo con la capacità dei modelli e il volume di implementazione.
Il quadro volontario presenta ancora importanti punti ciechi
La politica non può essere giudicata dai suoi obiettivi dichiarati perché criteri, risultati e meccanismi di applicazione cruciali restano indisponibili al pubblico.
La Casa Bianca aveva finalizzato parti del suo quadro di revisione entro l'inizio di settembre, secondo le notizie sulle dispute tra funzionari dell'amministrazione. Il governo non aveva reso pubblico il quadro.
Questa segretezza può proteggere benchmark classificati e informazioni sui modelli. Impedisce però anche a esperti indipendenti di valutare quali sistemi siano idonei o cosa richieda una revisione positiva.
L'amministrazione non ha spiegato come i valutatori tratteranno un modello che dimostri capacità informatiche pericolose. L'ordine esecutivo non crea l'autorità per bloccarne il rilascio.
I funzionari potrebbero raccomandare salvaguardie, limitare l'accesso anticipato o coordinare patch con gli operatori delle infrastrutture. Uno sviluppatore potrebbe comunque subire pressioni commerciali per rilasciare secondo programma.
Anche la finestra di revisione di 30 giorni solleva interrogativi sulla capacità. Più grandi laboratori possono rilasciare modelli nello stesso periodo, mentre le agenzie federali dispongono di personale specializzato e risorse di calcolo sicure limitati.
La revisione di un modello frontier richiede più che porre domande standard. I valutatori hanno bisogno di accesso protetto, ambienti realistici, red team specializzati e tempo sufficiente per testare il comportamento agentico.
Il governo deve anche distinguere la capacità del modello dal rischio di implementazione. Un modello altamente capace sottoposto a controlli rigorosi può comportare un'esposizione immediata minore rispetto a un modello più debole rilasciato senza monitoraggio.
I sistemi open-weight restano il punto cieco più evidente. Una volta che i pesi sono pubblici, gli utenti possono rimuovere le salvaguardie, perfezionare le capacità e collegare il modello a strumenti.
Escludere questi modelli può proteggere l'innovazione aperta ed evitare restrizioni inapplicabili. Lascia però le agenzie senza lo stesso processo di accesso anticipato per sistemi che possono diffondersi oltre i loro creatori.
I modelli aperti stranieri aggravano il problema. Gli Stati Uniti possono regolamentare le aziende nazionali, ma non possono facilmente impedire agli americani di scaricare pesi rilasciati all'estero.
I controlli sulle esportazioni di chip avanzati possono influenzare la capacità di addestramento. Non eliminano la distribuzione di modelli già addestrati né il riutilizzo di capacità esistenti.
La politica presuppone inoltre che gli sviluppatori riconoscano quando si avvicinano alla soglia del governo. Un'azienda non può autoidentificarsi in modo affidabile se il benchmark e i criteri di designazione restano classificati.
Le agenzie potrebbero fornire indicazioni riservate, ma il processo potrebbe funzionare meglio per le aziende con rapporti consolidati con il governo. I laboratori più piccoli potrebbero ricevere meno preavviso o supporto.
I sostenitori della trasparenza hanno criticato questa lacuna. Americans for Responsible Innovation ha affermato che condividere il quadro con soltanto un piccolo gruppo di aziende lascia interrogativi sulle pratiche federali di valutazione.
Un'altra incertezza riguarda la segnalazione degli incidenti. Il clearinghouse coordina vulnerabilità e mitigazione, ma i documenti pubblici non stabiliscono una regola completa di segnalazione per gravi eventi informatici legati all'AI.
Senza segnalazioni coerenti, i responsabili politici potrebbero sottovalutare i fallimenti o venirne a conoscenza dopo che un'azienda ha scelto di divulgarli. Le aziende potrebbero inoltre classificare in modo diverso incidenti simili.
Un sistema obbligatorio di segnalazione sarebbe più circoscritto rispetto alla concessione di licenze per i modelli. Potrebbe richiedere agli sviluppatori di divulgare eventi definiti senza attribuire ai funzionari governativi autorità su ogni rilascio.
Anche questo approccio richiede definizioni attente. L’uso improprio ordinario dei modelli, l’intrusione riuscita in un sistema, la persistenza autonoma e l’esposizione di dati sensibili comportano conseguenze diverse.
L’amministrazione deve evitare di trattare ogni azione insolita di un modello come un incidente di sicurezza nazionale. Segnalazioni eccessive potrebbero sovraccaricare le agenzie e distogliere l’attenzione dai casi ad alto impatto.
Allo stesso tempo, una soglia fissata troppo in alto potrebbe nascondere segnali di allarme precoci. Fallimenti minori ripetuti talvolta rivelano una tendenza nelle capacità prima che si verifichi un incidente grave.
Il disaccordo all’interno dell’amministrazione rende più difficile un’attuazione coerente. Il Dipartimento del Commercio, i funzionari della sicurezza nazionale e i consulenti tecnologici della Casa Bianca hanno interessi sovrapposti, ma priorità istituzionali diverse.
I funzionari del Commercio si concentrano su innovazione, standard e competitività internazionale. Le agenzie di intelligence e cybersicurezza si concentrano su attori ostili, minacce classificate e conseguenze negli scenari peggiori.
I consulenti della Casa Bianca devono conciliare queste posizioni con l’impegno politico di Trump a vincere la corsa all’AI. Devono inoltre rispondere ai sostenitori che diffidano sempre più delle aziende tecnologiche.
Axios ha riportato che i funzionari stavano ancora discutendo di un’autorità di regolamentazione proposta, modellata in modo approssimativo sulla Financial Industry Regulatory Authority. Sacks si è opposto pubblicamente alla creazione di un nuovo organismo di regolamentazione dell’AI.
Questo disaccordo conta perché la progettazione organizzativa determina ciò che il governo può fare. Un ufficio di coordinamento può riunire i partecipanti, ma un’autorità di regolamentazione dotata di poteri può imporre la fornitura di informazioni e applicare conseguenze.
La creazione di una nuova autorità di regolamentazione solleverebbe anche questioni fondamentali di responsabilità. Il Congresso dovrebbe definirne autorità, finanziamento, supervisione e rapporto con le agenzie esistenti.
Per ora, l’amministrazione ha scelto il coordinamento invece della costruzione di nuove istituzioni. Questa decisione riduce gli attriti nel breve termine, lasciando però irrisolte le questioni più difficili relative all’applicazione delle norme.
Tre segnali mostreranno quale parte sta prevalendo
La prossima fase sarà determinata dalle regole di revisione pubblicate, dal canale di sicurezza USA-Cina e dalle prove che il coordinamento sulle vulnerabilità funziona nella pratica.
Il primo segnale sarà se l’amministrazione pubblicherà una spiegazione non classificata del proprio quadro per i modelli di frontiera. Il pubblico non ha bisogno di dettagli classificati sui test, ma gli sviluppatori hanno bisogno di criteri di ammissibilità e regole procedurali prevedibili.
Una spiegazione utile identificherebbe le categorie generali di capacità sottoposte a revisione. Descriverebbe inoltre partecipazione, tutele di riservatezza, tempistiche previste e risposte a risultati gravi.
La pubblicazione rafforzerebbe l’approccio volontario, rendendo più facile valutare la partecipazione. Il perdurare della segretezza sosterrebbe i critici secondo cui il quadro manca di responsabilità e di pari accesso.
Il secondo segnale sarà l’esito del previsto dialogo sulla sicurezza dell’AI tra USA e Cina. Un canale formale di comunicazione per gli incidenti cyber legati all’AI mostrerebbe che entrambi i governi accettano un’esposizione condivisa.
Il risultato più solido non richiederebbe un trattato ampio. Un sistema pratico per scambiare informazioni sugli incidenti, verificare avvisi urgenti e prevenire l’escalation rappresenterebbe un progresso misurabile.
Un incontro che producesse soltanto dichiarazioni generiche lascerebbe intatto il problema centrale. Laboratori e governi continuerebbero a non disporre di procedure collaudate per gestire un evento cyber transfrontaliero legato all’AI.
Il terzo segnale sarà costituito dalle prove operative di Gold Eagle. L’amministrazione dovrebbe poter mostrare se la scansione coordinata riduce i tempi di correzione o amplia la protezione delle infrastrutture critiche.
La comunicazione pubblica deve proteggere le vulnerabilità non ancora corrette e i metodi classificati. Può comunque fornire misure aggregate, come i settori partecipanti, le vulnerabilità convalidate o le campagne di correzione completate.
Prove di patch più rapide rafforzerebbero l’affermazione centrale dell’amministrazione. La cooperazione volontaria apparirebbe in grado di trasformare le capacità dei modelli avanzati in un vantaggio difensivo.
Incidenti ripetuti senza un coordinamento chiaro indebolirebbero questa tesi. La pressione per test obbligatori, segnalazione degli incidenti o legislazione del Congresso diventerebbe allora più difficile da respingere.
I lettori dovrebbero inoltre separare la comunicazione politica dai risultati operativi. Le dichiarazioni sulla vittoria nella corsa all’AI rivelano priorità, ma non dimostrano se le agenzie siano in grado di valutare efficacemente i modelli.
Per gli sviluppatori, il quadro può influire sulla pianificazione dei rilasci e sui requisiti di accesso governativo. I team che sviluppano agenti con capacità cyber dovrebbero aspettarsi domande più approfondite su test, autorizzazioni degli strumenti, monitoraggio e risposta agli incidenti.
Gli acquirenti aziendali affrontano una sfida correlata. Dovrebbero chiedere ai fornitori come viene registrata l’attività degli agenti, come viene limitato l’accesso esterno e cosa accade dopo che un modello scopre una vulnerabilità.
I knowledge worker dovrebbero seguire questa politica perché le autorizzazioni degli agenti si stanno espandendo nei software di uso comune. Un sistema in grado di cercare documenti, eseguire codice o accedere a internet crea valore e nuovi confini di sicurezza.
I team hanno bisogno di una registrazione affidabile delle valutazioni dei modelli, delle dichiarazioni dei fornitori, degli incidenti e dei cambiamenti normativi. Una base di conoscenza tecnica ricercabile può aiutare le organizzazioni a confrontare tali cambiamenti con le proprie decisioni di implementazione.
La politica di cybersicurezza AI di Trump si basa ora su una proposta impegnativa: gli Stati Uniti possono procedere più rapidamente dei concorrenti, coordinando al contempo le difese prima che si diffondano capacità pericolose.
Le prossime verifiche sono concrete. Osservate se il quadro di revisione diventa comprensibile, se Washington e Pechino creano un canale per gli incidenti e se Gold Eagle produce risultati difensivi verificabili.
Questi segnali mostreranno se il coordinamento volontario riesce a tenere il passo. Se resteranno incompleti, il dibattito sulle salvaguardie obbligatorie tornerà con maggiore forza.
