Léa Steinacker
La maggior parte delle organizzazioni che valutano l’intelligenza artificiale è in grado di valutarne le prestazioni tecniche. Poche, invece, riescono a valutare l’impatto che i sistemi di intelligenza artificiale hanno sulle strutture decisionali e sulle linee di responsabilità una volta implementati. È proprio in questo divario, tra ciò che l’intelligenza artificiale promette e ciò che effettivamente cambia nel modo di operare delle organizzazioni, che si accumula il rischio di governance prima ancora che diventi visibile.
La dott.ssa Léa Steinacker, studiosa di scienze sociali e autrice di best seller secondo la rivista *Spiegel*, aiuta i consigli di amministrazione e i team dirigenziali a comprendere le implicazioni dell’adozione dell’intelligenza artificiale in termini di governance, forza lavoro e responsabilità, basandosi su ricerche sottoposte a revisione paritaria e sul suo modello di dottorato denominato «Code Capital».
Full Profile
Perché le organizzazioni collaborano con Léa Steinacker
- Il suo quadro concettuale "Code Capital", sviluppato durante il dottorato presso l'Università di San Gallo e pubblicato da Nomos Verlag, offre ai team dirigenziali un metodo strutturato per analizzare ciò che è incorporato nei sistemi di IA, dalla progettazione all'implementazione, un aspetto che attualmente manca nella maggior parte dei dibattiti sulla governance dell'IA.
- La sua ricerca, sottoposta a revisione paritaria, copre applicazioni specifiche e controverse dell'IA, tra cui indagini transnazionali sull'accettazione del riconoscimento facciale pubblicate su Government Information Quarterly e Public Understanding of Science, il che conferisce alle sue argomentazioni un fondamento empirico piuttosto che una semplice affermazione.
- Il suo libro del 2024, scritto in collaborazione con la Prof.ssa Dr. Miriam Meckel (Rowohlt Verlag), ha raggiunto le classifiche dei bestseller sia di Spiegel che di Manager Magazin, a dimostrazione del fatto che la sua interpretazione delle conseguenze organizzative e sociali dell'IA trova riscontro presso un pubblico di alti dirigenti aziendali, non solo presso gli specialisti.
- In qualità di co-fondatrice di ada Learning, che ha fornito competenze di trasformazione dell'IA a migliaia di dipendenti di aziende DAX, PMI e amministrazioni pubbliche, ha testato i suoi modelli all'interno di grandi istituzioni su larga scala, non limitandosi a descriverli dall'esterno.
- L'esperienza a livello di consiglio di amministrazione presso Weleda AG e la leadership attiva come CEO di GaiaLogic AG significano che la sua prospettiva sulla governance dell'IA proviene da qualcuno che ne è direttamente responsabile, non solo da qualcuno che la analizza.
Punti salienti della biografia
- Dottorato di ricerca presso l'Università di San Gallo; tesi di dottorato "Code Capital" pubblicata come monografia accademica da Nomos Verlag (2022)
- Coautrice con la Prof.ssa Dr. Miriam Meckel di "Alles überall auf einmal" (Rowohlt Verlag, 2024), classificato nelle liste dei bestseller sia di Spiegel che di Manager Magazin; pubblicato in inglese come "Everything Everywhere All At Once: How Artificial Intelligence Impacts Our World" e in coreano
- CEO di GaiaLogic AG; cofondatrice ed ex presidente esecutiva di ada Learning GmbH, che ha fornito competenze di trasformazione AI a migliaia di dipendenti di aziende DAX, PMI e amministrazioni pubbliche
- Membro del Consiglio di Amministrazione di Weleda AG; ex membro del Comitato consultivo sull'IA di Ringier AG
- Docente presso l'Università di San Gallo, dove insegna "Impatti sociali ed economici dell'intelligenza artificiale"
- Pubblicazioni sottoposte a revisione tra pari su Government Information Quarterly, Electronic Markets, Public Understanding of Science e Data and Policy (Cambridge Core)
- Laurea presso la Princeton University (A.B.), la Harvard Kennedy School of Government (MPP) e l'Università di San Gallo (PhD)
- Forbes 30 Under 30 Europe; Medium Magazine Top 30 Under 30 Journalists; BCG Thought Leader; Atlantik-Brücke Young Leader; Munich Young Leader (Munich Security Conference e Körber Stiftung); Premio Henry Richardson Labouisse, Università di Princeton
Biografia
Le organizzazioni che stanno procedendo rapidamente verso l’adozione dell’IA si stanno rendendo conto che le loro strutture di governance non stanno tenendo il passo. I consigli di amministrazione sono sempre più responsabili di ciò che i sistemi di IA comportano per le loro decisioni e per il loro personale, eppure la maggior parte di essi non dispone dei quadri analitici per valutarlo. Léa Steinacker ha dedicato un decennio alla creazione di proprio questi quadri.
La sua ricerca di dottorato presso l’Università di San Gallo ha prodotto Code Capital, un quadro sociotecnico per l’analisi dei sistemi di IA dalla progettazione fino all’implementazione. Pubblicato da Nomos Verlag nel 2022, offre ai leader un metodo strutturato per identificare ciò che i sistemi di IA contengono effettivamente, dai presupposti di progettazione ai rischi di implementazione. Il suo lavoro, sottoposto a revisione paritaria, che copre l’adozione del riconoscimento facciale in quattro paesi e pubblicato su riviste quali Government Information Quarterly e Public Understanding of Science, fornisce una base empirica ad argomentazioni che troppo spesso rimangono a livello di principio.
Il suo libro del 2024 con la Prof.ssa Dr. Miriam Meckel (Rowohlt Verlag) è diventato immediatamente un bestseller di Spiegel e Manager Magazin ed è stato successivamente tradotto in inglese e coreano. Ha spostato la questione di cosa significhi l'IA per le persone, le organizzazioni e le società dal dibattito etico alla conversazione pratica sulla leadership. Ora porta questa prospettiva direttamente nella pratica come CEO di GaiaLogic AG e come docente all'Università di San Gallo.
In qualità di membro del Consiglio di Amministrazione di Weleda AG, la sua visione della governance dell'IA è influenzata dalla responsabilità istituzionale, non solo dall'analisi accademica. È cofondatrice di ada Learning, che ha fornito competenze di trasformazione dell'IA a migliaia di dipendenti di aziende DAX, governi e organizzazioni della società civile. Ha conseguito lauree presso la Princeton University, la Harvard Kennedy School of Government e l'Università di San Gallo.
Argomenti principali
- Governance dell'IA e implementazione responsabile
- Le implicazioni sociali e organizzative dell'IA
- Code Capital e analisi sociotecnica dei sistemi di IA
- Regolamentazione dell'IA e quadro politico europeo
- Trasformazione della forza lavoro e preparazione all'IA
- Collaborazione uomo-IA e processo decisionale
- L'IA e il futuro del lavoro intellettuale
Ideale per
- Consigli di amministrazione e dirigenti di alto livello che valutano le strutture di governance e responsabilità dell'IA
- Direttori tecnologici, direttori digitali e responsabili della trasformazione che guidano l'adozione dell'IA
- Team di politica, legali e di conformità che si occupano di regolamentazione dell'IA e rischio aziendale
- Dirigenti senior delle risorse umane e responsabili del personale che gestiscono la preparazione della forza lavoro e il cambiamento organizzativo guidato dall'IA
Risultati per il pubblico
- Un quadro di riferimento, basato sul modello Code Capital, per valutare l'impatto dei sistemi di IA sulle organizzazioni al di là delle loro capacità tecniche dichiarate
- Una comprensione più chiara di dove si accumulano i rischi di governance dell'IA prima che diventino visibili a livello di consiglio di amministrazione
- Una base pratica sulla regolamentazione europea dell'IA e su cosa essa comporti per il processo decisionale e la responsabilità dell'organizzazione
- Un vocabolario più preciso per porre le domande giuste sull'IA nei contesti di leadership e governance
- Maggiore chiarezza su come strutturare iniziative di preparazione della forza lavoro che trattino la trasformazione dell'IA come una sfida organizzativa, non solo di competenze
Discorsi
Attingendo direttamente al libro bestseller dello Spiegel scritto in collaborazione con la Prof.ssa Dr. Miriam Meckel, questa conferenza esamina come l’IA stia trasformando la società, le organizzazioni e il mondo del lavoro, e perché le decisioni di governance prese oggi definiranno i termini in cui tale trasformazione avverrà.
Punti chiave:
- Perché l’attuale fase di sviluppo dell’IA rende le scelte di governance particolarmente rilevanti per le organizzazioni e le società
- Cosa possono guadagnare le organizzazioni dall’adozione dell’IA e dove si annidano i rischi strutturali, anche se non sono evidenti
- Un quadro di riferimento per affrontare l’IA non come una singola tecnologia da adottare, ma come un insieme di decisioni relative a valori, responsabilità e a ciò che le organizzazioni vogliono diventare
Questo intervento illustra il panorama pratico della governance che le organizzazioni si trovano ad affrontare con l’entrata in vigore della normativa europea sull’IA e offre ai dirigenti senior uno strumento per orientarsi tra i requisiti di conformità senza considerarli un limite alle possibilità.
Punti chiave:
- Cosa richiede la legge UE sull’IA alle organizzazioni a diversi livelli di rischio dei sistemi di IA, in termini di azioni che il consiglio di amministrazione può intraprendere
- Come allineare i quadri di governance dell’IA alla strategia competitiva, anziché considerarli come forze in opposizione
- Dove è più probabile che emergano lacune di conformità durante l’implementazione dell’IA e come affrontarle prima che diventino costose
Questo intervento affronta il tema della preparazione della forza lavoro all’intelligenza artificiale come una questione di trasformazione organizzativa piuttosto che come un semplice esercizio di formazione, attingendo all’esperienza di Steinacker nella co-fondazione e nell’espansione di ada Learning, che conta migliaia di dipendenti provenienti da aziende del DAX, enti governativi e organizzazioni della società civile.
Punti chiave:
- Perché la maggior parte dei programmi di aggiornamento professionale sull’IA non riesce a cambiare il modo in cui le organizzazioni operano effettivamente e come si presenta invece un approccio strutturale
- Come identificare le lacune di competenze più rilevanti ai diversi livelli e nelle diverse funzioni all’interno dell’organizzazione
- Un quadro pratico per passare dalla consapevolezza dell’IA a una vera e propria preparazione all’IA in una forza lavoro diversificata e multigenerazionale