Arun Sundararajan
L’IA generativa viene addestrata sulla base di ciò che le persone hanno già creato, per poi competere con loro utilizzando proprio quei risultati. I consigli di amministrazione si trovano ora di fronte a una questione per la quale non esiste una risposta definitiva: a chi appartiene la capacità umana che una macchina ha assorbito, e cosa deve l’azienda alla forza lavoro che viene così sostituita? La maggior parte delle strategie relative all’IA si limita alla fase di implementazione, ignorando le questioni giuridiche ed economiche che si celano dietro di essa.
Arun Sundararajan è un economista della NYU Stern che aiuta i consigli di amministrazione e i responsabili politici a capire a chi appartenga la capacità umana una volta che l’IA generativa sarà in grado di replicarla, e quali siano le implicazioni in termini di proprietà intellettuale, regolamentazione e futuro del lavoro.
Full Profile
Perché le organizzazioni collaborano con Arun Sundararajan
- Lavora all’interno del meccanismo normativo a cui è esposto il suo pubblico. Le testimonianze rese al Congresso degli Stati Uniti, al Parlamento europeo e alle Nazioni Unite, oltre alla sua partecipazione all’AI Governance Alliance del World Economic Forum, gli consentono di spiegare a un consiglio di amministrazione quale direzione stanno effettivamente prendendo le norme sull’IA, non quella che la stampa ritiene stiano prendendo.
- La sua ricerca pone una domanda che la maggior parte delle strategie di IA tralascia: quale parte del «capitale umano» dovrebbe rimanere di proprietà degli esseri umani una volta che un modello l’ha appresa. Per qualsiasi azienda che si basi sull’IA generativa o che con essa entri in concorrenza, tale questione è alla base, al tempo stesso, dei rischi legati al diritto d’autore, ai contratti con i talenti e alla responsabilità per i prodotti.
- Egli distingue i cambiamenti economici duraturi dal rumore ciclico. Lo stesso economista che ha tracciato il passaggio al capitalismo basato sulla collaborazione in *The Sharing Economy* ora spiega ai dirigenti quali effetti dell’IA sono strutturali e quali sono solo una moda passeggera, una distinzione che vale denaro vero nell’allocazione del capitale.
- Fornisce consulenza a entrambe le parti. Collabora con le aziende tecnologiche su strategia, contenziosi e regolamentazione, e con i consigli di amministrazione di aziende non tecnologiche sulla governance e la previsione in materia di IA, pertanto comprende gli incentivi delle aziende che stanno costruendo l’infrastruttura da cui la vostra attività ora dipende.
Punti salienti della biografia
- Harold Price Professor of Entrepreneurship presso la NYU Stern e direttore del Fubon Center for Technology, Business and Innovation della stessa università.
- Autore di *The Sharing Economy* (MIT Press, 2016), vincitore dell’Axiom Best Business Books Award e tradotto in cinque lingue.
- Ha testimoniato in materia di economia digitale e intelligenza artificiale davanti al Congresso degli Stati Uniti, al Parlamento europeo e alle Nazioni Unite.
- Membro dell’AI Governance Alliance del World Economic Forum; ex membro dell’AI and Equality Initiative del Carnegie Council.
- Insignito del Thinkers50 Radar Thinker Award, di nove premi accademici per il miglior articolo e di due Google Faculty Awards.
- Autore di oltre 40 articoli di opinione pubblicati su *New York Times*, *Financial Times*, *Guardian*, *Wired*, *Le Monde* e *Harvard Business Review*, nonché commentatore abituale in materia di intelligenza artificiale per *CNN*, *CNBC* e *Wired*.
Biografia
L’IA generativa impara a scrivere, comporre e progettare addestrandosi su opere già realizzate dall’uomo. Ciò crea un problema per il quale la vecchia legislazione sulla proprietà intellettuale non è mai stata concepita: la produzione passata di una persona è ora anche il modello per una macchina in grado di riprodurne le competenze. Arun Sundararajan ha posto questo tema al centro del suo lavoro, formulandolo come un’unica domanda per i responsabili politici e i consigli di amministrazione: quali aspetti del capitale umano dovrebbero rimanere di proprietà degli esseri umani?
La domanda ha un peso particolare proprio per il contesto in cui viene posta. In qualità di economista presso la NYU Stern, direttore del Fubon Center for Technology, Business and Innovation della stessa università e membro dell’AI Governance Alliance del Forum economico mondiale, ha testimoniato davanti al Congresso degli Stati Uniti, al Parlamento europeo e alle Nazioni Unite. Il suo articolo «Rethinking Intellectual Property Law in an Era of Generative AI» (Ripensare il diritto della proprietà intellettuale nell’era dell’IA generativa) spiega perché il diritto d’autore concepito per l’era di Internet fallisce quando ciò che viene copiato è un processo creativo piuttosto che un file.
La sua autorevolezza in materia di transizioni tecnologiche è consolidata. Il libro *The Sharing Economy*, pubblicato da MIT Press, è stato uno dei primi resoconti rigorosi su come piattaforme come Uber e Airbnb stessero soppiantando le società tradizionali, e ha vinto l’Axiom Best Business Books Award. Questo curriculum è importante oggi perché lo stesso economista sta spiegando ai dirigenti quali effetti dell’IA siano strutturali e quali siano solo rumore di fondo, un giudizio che il suo recente lavoro sulla soglia tra capitale e lavoro nell’IA rende concreto.
Ciò che lo distingue dal più ampio campo del «futuro del lavoro» è la seconda parte della sua argomentazione. Accanto alla questione della proprietà, sostiene con forza la necessità di un’infrastruttura nazionale che consenta alle persone di passare da un’occupazione all’altra a metà carriera con dignità, trattando la sostituzione della forza lavoro come una scelta progettuale piuttosto che come un’inevitabilità. Per un consiglio di amministrazione che sta valutando fino a che punto puntare sull’IA generativa, egli rappresenta una voce rara in grado di mappare sia le rivendicazioni giuridiche che si stanno delineando alla base della tecnologia, sia l’assetto economico che ne determinerà la sostenibilità.
Argomenti chiave degli interventi
- Governance e regolamentazione dell’IA
- Proprietà intellettuale e diritto d’autore nell’era dell’IA generativa
- Proprietà del capitale umano
- Il futuro del lavoro guidato dall’IA
- Strategia delle piattaforme ed effetti di rete
- Antitrust e potere di mercato nel settore tecnologico
Ideale per
- Consigli di amministrazione e dirigenti di alto livello impegnati nella definizione di una strategia sull’IA generativa, in particolare laddove siano in gioco aspetti relativi alla proprietà intellettuale, ai contratti con i talenti o al rischio di contenzioso.
- Responsabili legali, consulenti legali e responsabili della strategia che si occupano della regolamentazione dell’IA nelle giurisdizioni degli Stati Uniti, dell’UE e dell’Asia.
- Responsabili politici e autorità di regolamentazione impegnati a definire le norme in materia di IA, diritto d’autore e lavoro.
- Aziende tecnologiche e piattaforme che definiscono la propria strategia in un contesto di governance in continua evoluzione.
Risultati per il pubblico
- Una visione chiara della direzione effettiva che sta prendendo la regolamentazione dell’IA nelle principali giurisdizioni, fornita da chi opera all’interno degli organismi che la definiscono.
- La capacità di distinguere quali effetti dell’IA sul proprio settore siano strutturali e quali siano invece frutto di un clamore passeggero legato al ciclo economico.
- Una visione più nitida dell’esposizione della propria azienda in materia di proprietà intellettuale, diritto d’autore e titolarità delle competenze umane.
- Un quadro di riferimento per la pianificazione della forza lavoro che consideri la sostituzione causata dall’IA come un fattore da integrare nella progettazione, anziché da subire passivamente.
Discorsi
Analizza l’impatto dell’IA sul mondo degli affari suddividendolo in processi decisionali, comportamento dei consumatori, potere delle piattaforme e automazione del lavoro, fornendo poi ai dirigenti un quadro di riferimento per distinguere il valore reale dal semplice clamore mediatico.
Punti chiave:
- Come costruire una strategia di IA lungimirante e realistica, anziché limitarsi a reagire a ogni nuovo modello.
- La differenza dal punto di vista aziendale tra IA e apprendimento automatico, e perché i modelli generativi cambiano i calcoli.
- Dove risiedono i rischi reali: disuguaglianza, parzialità algoritmica e conseguenze indesiderate, valutate anziché date per scontate.
Mette in relazione il passaggio al lavoro su piattaforma e al lavoro a progetto con l’accelerazione dell’automazione, trasformando vaghe proiezioni in una strategia per la forza lavoro su cui un leader può agire fin da subito.
Punti chiave:
- Cosa aspettarsi in un settore specifico man mano che l’intelligenza artificiale modifica il rapporto tra lavoro umano e lavoro automatizzato.
- Perché i cambiamenti nel mondo del lavoro sono legati ai cambiamenti nel tessuto sociale e cosa ciò comporta per i datori di lavoro.
- Strategie concrete per pianificare la forza lavoro durante la transizione.
Illustra come ogni fase storica della fiducia abbia ridefinito l’economia e sostiene che l’intelligenza artificiale e i sistemi di reputazione stiano ora dando il via a una nuova fase, con conseguenze dirette sul rischio e sulla regolamentazione.
Punti chiave:
- Come i meccanismi di fiducia, e non solo la tecnologia, determinino quali modelli di business abbiano successo.
- Cosa comporta la fusione tra individuo e istituzione per la gestione del rischio e la regolamentazione.
- Perché comprendere la fiducia è un modo per interpretare il futuro del commercio.