Manifesto per l’Intelligenza Artificiale responsabile e strategica: Guida alla Governance Etica e all’Adozione Aziendale in Ambito Europeo: Guida alla Governance Etica e all’Adozione Aziendale in Ambito Europeo

27 Settembre 2025

I. Introduzione: L’Imperativo della Trasformazione AI

L’Intelligenza Artificiale (IA), in particolare nella sua declinazione generativa (GenAI), rappresenta una delle forze tecnologiche più disruptive del ventunesimo secolo, trasformando radicalmente il tessuto economico e sociale. Il presente Manifesto per l’intelligenza artificiale è elaborato per fornire agli studiosi, alle aziende e ai professionisti un quadro di riferimento autorevole e rigoroso, definendo gli obiettivi strategici, i principi etici e le raccomandazioni operative indispensabili per garantire un’adozione dell’IA che sia al contempo innovativa, etica e conforme ai crescenti standard normativi internazionali.

Come sempre, e con la massima trasparenza, mi sono fatto aiutare da Gemini.

Napoli, Italia, Web, 27 settembre 2025

I.1. Contesto Globale e Crescita Impetuosa del Mercato Italiano

L’impatto dell’IA sul modo di vivere e lavorare è significativo, ed è oggi impossibile ignorare le potenzialità di innovazione offerte da queste soluzioni.1 L’Italia, in questo scenario globale, sta attraversando un vero e proprio “rinascimento tecnologico”.1 Il mercato italiano dell’IA ha manifestato una crescita impetuosa, registrando un aumento del +52% nel 2023 e raggiungendo un valore complessivo di 760 milioni di euro.1

Tale dinamismo è supportato da un impegno istituzionale concreto, evidenziato dallo stanziamento di 1 miliardo di euro nel 2024 e dalla definizione della Strategia Italiana per l’Intelligenza Artificiale 2024-2026, focalizzata su ricerca, formazione e digitalizzazione delle imprese e della pubblica amministrazione.1 L’adozione è peraltro già consolidata: sei grandi imprese su dieci hanno avviato un progetto AI, almeno in via sperimentale, e due aziende su tre hanno valutato la GenAI, con il 17% che ha già avviato sperimentazioni attive.1

Questa rapida evoluzione del mercato pone le aziende di fronte a una scelta critica. Le analisi indicano che le organizzazioni che hanno già intrapreso progetti di IA tendono a procedere “a gran velocità” nell’innovazione. Al contrario, le imprese che manifestano riluttanza nell’adozione rischiano di accumulare un ritardo tecnologico sempre più significativo, esponendosi a un divario strategico e competitivo. L’adozione di un framework etico e strategico non è, quindi, un mero costo di conformità, ma uno strumento essenziale per mitigare il rischio competitivo e garantire un’accelerazione sostenibile nel mercato.

I.2. La Necessità di un Framework Etico e Strategico Unificato

L’integrazione di sistemi di IA comporta rischi intrinseci legati all’amplificazione di problemi sociali preesistenti, come il bias e la disinformazione.2 Pertanto, un approccio puramente tecnologico o finanziario all’IA è insufficiente. Le organizzazioni devono adottare una guida olistica 3 che superi il mero adempimento dei requisiti normativi.

Entità autorevoli hanno già stabilito l’importanza di rendere l’etica digitale un pilastro della cultura aziendale, dotandosi di strutture e strumenti di governance adeguati e promuovendo la sensibilizzazione.4 Questo approccio, che va oltre la semplice conformità, trasforma l’etica in un fattore chiave per l’affidabilità e la differenziazione aziendale. L’allineamento ai quadri internazionali, come gli OECD Principles on Artificial Intelligence e la UNESCO Recommendation on the Ethics of Artificial Intelligence, è fondamentale per stabilire la fiducia e l’armonizzazione su scala globale.3 In questo contesto, l’IA Responsabile (RAI) deve essere integrata nelle valutazioni ambientali, sociali e di governance (ESG), riconoscendola come un elemento costitutivo della sostenibilità aziendale.5

II. Visione Strategica: Gli Obiettivi di Adozione dell’IA Aziendale

L’adozione dell’IA non può essere un fine in sé, ma deve essere rigorosamente allineata agli obiettivi strategici aziendali. Questo allineamento è l’unica garanzia per un’implementazione efficace che produca miglioramenti misurabili e un valore aziendale sostenibile.6

II.1. Massimizzazione del Valore Economico Sostenibile

Gli obiettivi di business che l’IA deve perseguire includono il supporto al decision making e l’incremento dell’agilità organizzativa.6 L’IA, e in particolare la GenAI, offrono vantaggi operativi che si traducono in risultati economici tangibili:

Ottimizzazione e Automazione dei Processi: L’automazione di attività ripetitive e l’ottimizzazione dei processi si traducono in guadagni significativi in termini di tempo, risorse ed efficacia operativa.1
Supporto Decisionale Avanzato: L’uso della Big Data Analytics e della capacità previsionale dell’IA permette di formulare previsioni accurate sull’andamento del mercato e sul comportamento dei consumatori, rafforzando la leadership aziendale.1
Innovazione e Personalizzazione: L’IA consente la personalizzazione dell’offerta e la fidelizzazione del cliente attraverso la capacità di intercettare le preferenze individuali. Supporta inoltre l’innovazione di prodotto, permettendo, ad esempio, l’attivazione di servizi a corollario dei prodotti fisici, come la manutenzione predittiva, favorendo la differenziazione competitiva.1

II.2. Competitività e Resilienza Imprenditoriale (Focus sulle PMI)

La Strategia Italiana 2024-2026 riconosce la necessità di fornire un supporto mirato alle piccole e medie imprese (PMI) per rafforzarne la competitività internazionale e ridurne il divario tecnologico.1 Per le PMI, l’adozione dell’IA deve mirare in particolare alla resilienza imprenditoriale e all’accessibilità tecnologica. L’implementazione dell’IA per le PMI è resa possibile in modo più accessibile dall’utilizzo di piattaforme cloud computing, che forniscono infrastrutture flessibili e scalabili senza gli oneri dei grandi investimenti hardware.1

II.3. L’IA come Agente di Sostenibilità (Fattore E)

Un obiettivo strategico cruciale per l’adozione dell’IA è l’integrazione con la sostenibilità ambientale. Sebbene l’IA comporti un “costo invisibile” legato ai suoi elevati consumi energetici, può e deve essere impiegata in modo virtuoso.7

L’IA è uno strumento potente per la sostenibilità: può misurare con precisione i consumi energetici, identificare le inefficienze di processo e quantificare l’impronta carbonica.1 L’obiettivo strategico aziendale è utilizzare l’IA non solo per i benefici interni, ma anche per allinearsi alla

mission del Green Deal europeo e contribuire attivamente al raggiungimento della decarbonizzazione.7 Di conseguenza, la scelta dei modelli, delle architetture e delle infrastrutture di IA deve includere il criterio della minima impronta energetica come requisito di progettazione fondamentale.

III. IL MANIFESTO DELL’IA RESPONSABILE: Obiettivi e Principi Cardine

Il presente Manifesto sancisce l’impegno degli operatori del settore a sviluppare e utilizzare l’IA in modo che rispetti la dignità umana, la trasparenza e la sostenibilità, riflettendo la necessità di un processo strutturato di governo dell’IA.4

III.1. Obiettivi Superiori del Manifesto (Fondamento Etico)

Obiettivo 1: Centralità dell’Essere Umano (Human-Centricity). Garantire che ogni sistema di IA sia progettato per servire l’umanità, proteggendo i diritti fondamentali e ponendo la supervisione umana e il benessere individuale al centro di ogni decisione.3

Obiettivo 2: Affidabilità e Sicurezza Tecnica. Assicurare che i sistemi di IA siano intrinsecamente robusti, resilienti, operino entro limiti prevedibili e siano immuni da manipolazioni o malfunzionamenti che possano causare danni.4

Obiettivo 3: Beneficio Collettivo e Sostenibilità. Orientare l’adozione dell’IA non solo alla creazione di valore economico privato, ma anche al miglioramento del tessuto sociale e ambientale, in linea con i quadri ESG e gli obiettivi di sviluppo sostenibile.5

III.2. I Sette Principi Cardine di Governance Etica

I principi di governance etica rappresentano il DNA operativo del Manifesto, guidando le scelte lungo l’intero ciclo di vita dei sistemi di IA.

Principio 1: Umano-Centrismo e Supervisione

I sistemi di IA devono essere strumenti di supporto e non di sostituzione decisionale in contesti che impattano diritti fondamentali. La progettazione deve preservare la dignità umana e assicurare che l’intervento e la supervisione umana siano sempre possibili, specialmente nei sistemi ad alto rischio. L’importanza del fattore umano è cruciale per garantire un futuro progettato con cura e responsabilità.7

Principio 2: Trasparenza, Spiegabilità (XAI) e Comunicazione

Gli operatori devono assicurare la trasparenza sugli obiettivi aziendali e sugli impegni in ambito IA.4 La logica sottostante al funzionamento dei sistemi, le loro capacità decisionali e i loro output devono essere spiegabili in modo comprensibile (e in misura commisurata al rischio) agli stakeholder, inclusi gli utenti finali e gli organi regolatori. L’enfasi sulla trasparenza è un meccanismo chiave per stabilire l’accountability.2

Principio 3: Equità, Non Discriminazione e Mitigazione del Bias

Questo principio richiede un impegno costante nel controllo dei bias. È fondamentale esaminare rigorosamente i dati di addestramento per impedire che gli algoritmi di IA incorporino e amplifichino distorsioni del mondo reale, come il razzismo istituzionale o il sessismo.8 Tali bias sistemici possono causare danni significativi e impattare negativamente le vite delle persone, ad esempio nei processi di assunzione, nella sanità o nella giustizia.9 La rigorosa prevenzione del bias garantisce processi decisionali giusti e imparziali.8

Principio 4: Robustezza Tecnica e Sicurezza

I sistemi di IA devono essere tecnicamente affidabili e resilienti. Ciò implica che devono essere sottoposti a una serie di test rigorosi che coprano valutazione, verifica e validazione lungo l’intero ciclo di vita.10 L’affidabilità si traduce nella capacità del sistema di operare in modo coerente e sicuro, resistendo a tentativi di manipolazione o a variazioni impreviste nei dati operativi.

Principio 5: Responsabilità (Accountability) e Auditabilità

Le organizzazioni sono tenute a implementare un processo strutturato di governance dell’IA che consenta di monitorare e documentare ogni scelta etica e tecnica. Deve essere chiaramente definito chi, all’interno dell’organizzazione, sia responsabile per gli esiti e gli impatti dei sistemi di IA in uso. L’auditabilità è essenziale per l’applicazione delle normative e per la costruzione di fiducia, richiedendo trasparenza su chi sviluppa e chi implementa l’IA.2

Principio 6: Rispetto della Privacy e Governance dei Dati

L’implementazione dell’IA deve avvenire nel pieno rispetto delle normative sulla protezione dei dati (come il GDPR). La qualità dei dati (data quality) è una precondizione per la riduzione del bias e per l’affidabilità del sistema stesso. Pertanto, l’organizzazione deve stabilire indicazioni chiare sulla gestione, la qualità e l’anonimizzazione dei dati lungo tutto il ciclo di vita del modello.10

Principio 7: Sostenibilità e Impatto Ambientale

I sistemi di IA devono essere progettati per contribuire attivamente agli obiettivi di sostenibilità aziendale. Ciò include la scelta di modelli e infrastrutture ad alta efficienza energetica e l’uso strategico dell’IA per ridurre l’impronta carbonica complessiva dell’organizzazione e dei suoi processi.7

IV. Governance e Compliance: Il Quadro Normativo Europeo e Nazionale

L’ambiente operativo per l’IA è definito in modo cruciale dal quadro normativo, in particolare dall’EU Artificial Intelligence Act (AI Act). La conformità a questi standard è la base non negoziabile per l’affidabilità e la fiducia.

IV.1. L’EU AI Act: Implicazioni per Aziende e Professionisti

L’EU AI Act, come primo strumento normativo globale in materia di etica dell’IA 3, stabilisce un approccio basato sul rischio per la regolamentazione dei sistemi di IA. Questo quadro normativo pone requisiti stringenti sugli operatori, specialmente quelli che sviluppano o utilizzano sistemi classificati come “ad alto rischio”.11

Per le piccole e medie imprese (PMI), l’attenzione alla conformità è immediata e supportata da strumenti specifici, come la Small Business Guide e l’AI Act Compliance Checker, sviluppati per assistere le PMI nella comprensione dei loro obblighi legali e per permettere loro di distinguersi sul mercato come più affidabili.11

IV.2. Timeline Critiche e Responsabilità Normative (2024-2025)

Il panorama normativo non è statico; l’AI Act prevede scadenze specifiche che impongono un’azione immediata da parte delle istituzioni e degli operatori economici.11 La governance aziendale deve essere proattiva e non attendista, per far fronte alle date di applicabilità che stanno entrando in vigore.

Le analisi indicano che il sistema normativo europeo è complesso, con l’Ufficio AI della Commissione Europea che è chiamato a gestire oltre 130 responsabilità, incluse l’emissione di atti delegati, atti di implementazione e guidelines.11 Questo determina un ambiente regolatorio in continua evoluzione, richiedendo alle aziende meccanismi di monitoraggio flessibili e aggiornamenti procedurali costanti.

Di seguito si illustra una sintesi delle scadenze critiche per gli operatori e le istituzioni nazionali nel periodo iniziale di applicazione.

Compliance Framework: Deadlines Chiave dell’EU AI Act (2024-2025) per gli Operatori

Soggetto	Responsabilità Principale (Esempio)	Termine di Applicabilità	Riferimento Normativo
Stati Membri UE	Identificazione e notifica delle autorità che supervisionano i diritti fondamentali nell’uso dell’IA.	Entro 2 Novembre 2024	Articolo 77(2) 11
Aziende/Professionisti	Adempimento degli obblighi per i sistemi di IA a rischio limitato e divieto delle pratiche IA specificate.	A partire dal 2 Febbraio 2025	Articolo 113(a) 11
Ufficio AI (Commissione)	Inizio delle attività di applicazione (enforcement) e monitoraggio dei mercati/tecnologie AI.	A partire dal 2 Febbraio 2025	Articolo 2(2a/d) 11
Commissione/Stati Membri	Istituzione del sistema di governance e notifica degli organismi di valutazione della conformità.	A partire dal 2 Agosto 2025	Articolo 30 / Articolo 113(b) 11

IV.3. I Modelli di Governance Interna (ESG come Driver)

La governance dell’IA deve essere considerata una funzione critica per la gestione del rischio aziendale. È essenziale che le organizzazioni costruiscano un framework di governance AI per gestire i rischi emergenti e allineare persone, processi e tecnologia.12

La governance AI si colloca direttamente all’interno del fattore Governance (G) dei criteri ESG. Questa integrazione non è facoltativa, ma esamina i controlli interni e le pratiche aziendali per mantenere la conformità e l’integrità.5 Strumenti operativi necessari includono l’istituzione di un inventario dei modelli di IA, la definizione di

policy e procedure, e l’istituzione di comitati esecutivi e forum di escalation per affrontare i problemi etici identificati.12

V. Raccomandazioni Operative per tutti gli Operatori del Settore

Le raccomandazioni operative sono segmentate per funzione, coprendo i requisiti strategici, il ciclo di vita tecnico dell’IA e lo sviluppo delle competenze.

V.1. Raccomandazioni per il Management e la Leadership

Istituire il Mandato Etico: La leadership deve andare oltre la mera conformità normativa, impegnandosi a rendere l’etica digitale un elemento fondante della cultura aziendale.4
Adottare una Visione Olistica (Empatia): Le organizzazioni devono comprendere e gestire attivamente le implicazioni sociali e non solo gli aspetti tecnologici e finanziari dell’IA. È necessario prevedere l’impatto potenziale su tutti gli stakeholder.8
Misurazione e Allineamento Strategico: Implementare sistemi che consentano di misurare obiettivamente il valore aziendale fornito dall’AI, assicurando che ogni implementazione rimanga strettamente allineata agli obiettivi strategici definiti.6
Integrazione del Rischio AI nell’ESG: Assicurare che i rischi e le opportunità legati all’IA (in particolare il rischio di bias e il consumo energetico) siano inclusi nel reporting di sostenibilità, riconoscendo l’IA come un fattore materiale per gli investitori istituzionali.2

V.2. Raccomandazioni per Sviluppatori e Team Tecnici: Il Ciclo di Vita dell’IA Responsabile

L’adozione di un approccio metodologico per il ciclo di vita dei sistemi di IA, dall’ideazione al ritiro, è essenziale per garantire la robustezza e la responsabilità.10

V.2.1. Acquisizione e Preparazione dei Dati

Data Quality e Bias: Garantire l’alta qualità e la rappresentatività dei dati di addestramento. Effettuare un esame rigoroso per identificare ed escludere i bias sistemici che potrebbero perpetuare o amplificare la discriminazione.8
Selezione delle Caratteristiche: Selezionare solo le caratteristiche dei dati (dataset) che sono strettamente rilevanti per l’obiettivo del sistema, scartando le altre, al fine di ridurre la complessità e il rischio di insorgenza di bias.10

V.2.2. Costruzione e Addestramento del Modello

Scelta Consapevole: Selezionare un modello e un algoritmo di apprendimento adeguati all’obiettivo del sistema e ai dati disponibili.
Transfer Learning: Nel caso in cui l’organizzazione non disponga di dati sufficienti per l’addestramento da zero, è raccomandato l’approccio del “trasferimento dell’apprendimento,” acquisendo un modello pre-addestrato come punto di partenza.10
Tuning Rigoroso: Mettere a punto il modello (tuning) regolando gli iperparametri sulla base di un dataset di convalida separato per ottimizzare l’efficacia e minimizzare il data drift.

V.2.3. Testing, Valutazione e Validazione

Sottoporre il sistema di IA a test rigorosi e indipendenti. Questi test devono includere la valutazione del rischio di bias e la verifica della conformità ai requisiti etici e normativi, assicurando che il sistema operi entro limiti prevedibili.10

V.2.4. Operatività e Monitoraggio Continuo

Monitoraggio Proattivo: Monitorare continuamente il sistema e i dati in ingresso per rilevare tempestivamente variazioni nei pattern operativi, anomalie o l’insorgenza di bias che possano compromettere l’affidabilità delle decisioni nel tempo.10
Manutenzione e Documentazione: Eseguire attività regolari di manutenzione, riaddestramento e ottimizzazione. È fondamentale documentare ogni modifica e decisione (auditabilità) per mantenere un ulteriore livello di responsabilità e chiarezza.4

V.2.5. Ritiro/Disattivazione

Quando un sistema di IA non è più necessario, deve essere ritirato o disattivato in modo controllato. È imperativo stabilire le condizioni affinché la documentazione completa del sistema rimanga a disposizione delle autorità nazionali competenti per il periodo richiesto dalla normativa.11

V.3. Raccomandazioni su Formazione e Competenze

L’efficace adozione dell’IA richiede l’investimento mirato nelle competenze digitali, come previsto dalla Strategia Italiana per l’IA, al fine di colmare il divario di competenze e garantire una forza lavoro qualificata.1 Si raccomanda:

Formazione Continua: Istituire programmi di formazione continua per tutti i livelli aziendali, dagli sviluppatori al management, sull’etica dell’IA, sui principi di governance e sulle implicazioni normative (EU AI Act).
AI Literacy: Promuovere strumenti di AI literacy e la consapevolezza pubblica sui benefici, i rischi e i diritti relativi all’uso dei sistemi AI, in linea con gli obiettivi previsti dall’Ufficio AI della Commissione Europea.11

VI. Temi Intersezionali: IA, ESG e Impatto Sociale

La gestione dell’IA responsabile (RAI) non può essere separata dal framework più ampio della sostenibilità aziendale (ESG). La convergenza tra RAI ed ESG è essenziale per la gestione olistica dei rischi non finanziari.5

VI.1. La Gestione del Rischio Etico: Mitigazione Sistemica dei Bias

Il rischio di bias nell’IA è profondo, in quanto spesso perpetua distorsioni sistemiche e storiche radicate nella società.9 Il fallimento nella mitigazione del bias può causare danni effettivi e misurabili, riducendo drasticamente la fiducia pubblica nell’IA.9

Le aziende devono riconoscere che il bias può manifestarsi in modo sottile (ad esempio, nella presentazione di informazioni che stigmatizzano un utente 9) o in modo palese (discriminazione nell’assunzione o nel credito 9). Pertanto, la ricerca e l’implementazione di metodologie avanzate per la mitigazione efficiente del bias, anche in assenza di informazioni privilegiate sui dati, è un imperativo tecnico e morale.5

VI.2. IA e Sostenibilità Ambientale

La sfida è bilanciare l’innovazione derivante dall’IA con la necessità di gestire il suo elevato consumo energetico.7 Il Manifesto promuove l’utilizzo responsabile dell’IA come mezzo per raggiungere gli obiettivi di decarbonizzazione. In questo senso, le applicazioni di IA che misurano e ottimizzano i consumi energetici, le inefficienze della catena di fornitura e l’impronta carbonica diventano strumenti critici per la realizzazione di obiettivi ambientali (fattore E).14

VI.3. Misurazione e Reporting della Responsible AI nell’ambito ESG

L’integrazione delle pratiche RAI nell’ambito ESG è sempre più richiesta dal mercato, specialmente dagli investitori istituzionali che utilizzano framework specifici per valutare le implicazioni dell’IA.2

Il rigore nella gestione della RAI si configura come un elemento di gestione del rischio fiduciario (fiduciary risk). I principi guida per l’IA, come quelli dell’OCSE, sono un punto di riferimento fondamentale per gli investitori che valutano l’IA in modo responsabile.2 Di conseguenza, una scarsa governance dell’IA (fattore G) o un elevato rischio di impatto sociale negativo (fattore S) espongono l’azienda a un rischio di disinvestimento o a una svalutazione della reputazione. L’integrazione RAI-ESG è pertanto un elemento fondamentale per garantire che l’IA contribuisca positivamente agli obiettivi di sostenibilità complessivi.5

Integrare la RAI nei fattori ESG

Fattore ESG	Dimensione RAI Correlata	Focus e Raccomandazione Chiave
E (Environmental)	Impatto Energetico e Efficienza dei Modelli	Progettare modelli per minimizzare i consumi; usare l’IA per l’ottimizzazione energetica dei processi industriali.
S (Social)	Equità, Empatia e Impatto sui Diritti Umani	Gestire le implicazioni sociali 8; prevenire il bias sistemico (assunzione, sanità) 9; garantire la supervisione umana.
G (Governance)	Trasparenza, Responsabilità e Auditabilità	Istituire un framework di governance AI definito e documentato 12; loggare l’inventario dei modelli AI; aderire ai principi OCSE.2

VII. Conclusioni e Prospettive Future

Il Manifesto per l’Intelligenza Artificiale Responsabile e Strategica riconosce l’opportunità unica di crescita che l’IA offre al tessuto economico. La rapida accelerazione del mercato italiano impone un’adozione dinamica e strategica, ma questa progressione deve essere indissolubilmente legata all’etica e alla conformità normativa.

L’impegno richiesto agli operatori del settore è duplice:

Accelerazione Strategica: Sfruttare l’IA, in particolare la GenAI, per l’ottimizzazione dei processi, l’innovazione e la competitività globale (anche per le PMI).
Responsabilità Strutturale: Istituire framework di governance olistici (RAI-ESG) e conformarsi scrupolosamente al quadro normativo dell’EU AI Act, le cui scadenze (a partire da Febbraio 2025) richiedono una preparazione immediata.11

Solo attraverso la documentazione rigorosa, la trasparenza e la centralità dell’essere umano, l’IA potrà evolvere da strumento tecnologico a fondamentale alleato per la creazione di un futuro economico e sociale sostenibile e affidabile.

VIII. Bibliografia e Sitografia Estesa

Il presente Manifesto è fondato sull’analisi di documenti istituzionali, accademici e di settore che stabiliscono i principi di governance e responsabilità.

VIII.1. Fonti Normative, Istituzionali e di Policy

AGID (Agenzia per l’Italia Digitale). Bozza di linee guida per l’adozione di IA nella pubblica amministrazione (Riferimento per il ciclo di vita dell’IA).10
European Commission. EU Artificial Intelligence Act (AI Act). (Riferimento per la classificazione del rischio, le responsabilità e le timeline 2024-2025).11
GRIFO (Supercomputing ICSC). Raccomandazioni per l’uso dell’IA nella PA. (Riferimento per procedure operative e requisiti giuridici).16
OECD (Organisation for Economic Co-operation and Development). OECD Principles on Artificial Intelligence. (Principi fondamentali per l’IA affidabile, aggiornati per la GenAI).2
UNESCO (United Nations Educational, Scientific and Cultural Organization). Recommendation on the Ethics of Artificial Intelligence. (Primo standard globale sull’etica dell’IA).3

VIII.2. Frameworks Etici e di Governance Aziendale

AlgorithmWatch gGmbH. Loi M., Mätzener A., Müller A., Spielkamp M. Assessment Tool for Public Authorities (2021).4
Floridi, L., & Cowls, J. “A Unified Framework of Five Principles for AI in Society” (2019).4
Floridi, L., Holweg M., Taddeo M., Silva J., Mokander J., Wen y. “CapAI: A procedure for conducting conformity assessment of AI systems in line with the EU Artificial Intelligence Act” (2022).4
IBM. Everyday Ethics for Artificial Intelligence (2019).4
IBM. Governance AI per l’impresa (Ebook e principi di Empatia/Controllo dei bias).8
IEEE Global Initiative on Ethics of Autonomous and Intelligent Systems. ETHICALLY ALIGNED DESIGN, A Vision for Prioritizing Human Well being with Autonomous and Intelligent Systems.4
Morley, J., Floridi, L., Kinsey, L. & Elhalal, A. “From What to How: An Initial Review of Publicly Available AI Ethics Tools, Methods and Research to Translate Principles into Practices” (2019).4
NIST (National Institute of Standards and Technology). Special Publication 1270: Guidance for Assessing and Managing the Risks of AI Bias (Riferimento per bias sistemico e danni).9
Sogei. Manifesto Etica AI Aziendale. (Riferimento per l’impegno oltre la mera conformità).4

VIII.3. Studi Economici e di Sostenibilità

ArXiv. Sung Une Lee. Computer Science > Computers and Society: arXiv:2409.10520 (2024).5
ArXiv. Mateo Espinosa Zarlenga. Efficient Bias Mitigation Without Privileged Information: arXiv:2409.17691 (2024).13
Clarity AI. The Essentials of AI and ESG: Opportunities, Risks, and Governance Insights for Institutional Investors (Riferimento per l’integrazione ESG e il ruolo dei principi OECD).2
CSIRO. Responsible AI ESG Framework for Investors.15
EY. Artificial Intelligence ESG Stakes Discussion Paper (Riferimento per i framework di governance AI e ESG).12
Gruppo Iren. Intelligenza artificiale, qual è l’impatto ambientale e come equilibrare sostenibilità e innovazione. (Riferimento per il costo invisibile e l’uso virtuoso dell’IA per la decarbonizzazione).7
KPMG. ESG in the Age of AI (Riferimento per l’IA come forza trasformativa per l’agenda ESG).14
Qintesi. Intelligenza Artificiale in Italia: I Vantaggi per le Aziende. (Analisi di mercato, Strategia Italiana 2024-2026 e benefici strategici).1
SAP. Effective AI Implementation in Business. (Riferimento per l’allineamento strategico e la misurazione del valore).6

Bibliografia

Intelligenza artificiale in Italia: mercato in crescita e vantaggi – Qintesi, accesso eseguito il giorno settembre 27, 2025, https://www.qintesi.com/media/blog/intelligenza-artificiale-in-italia-i-vantaggi-per-le-aziende/
The Essentials of AI and ESG: Opportunities, Risks, and Governance Insights for Institutional Investors | Clarity AI, accesso eseguito il giorno settembre 27, 2025, https://clarity.ai/research-and-insights/ai/the-essentials-of-ai-and-esg-opportunities-risks-and-governance-insights-for-institutional-investors/
Alignment with national and international AI frameworks and …, accesso eseguito il giorno settembre 27, 2025, https://www.ipu.org/ai-guidelines/alignment-with-national-and-international-ai-frameworks-and-standards
Il Manifesto per una IA etica e conforme – Sogei, accesso eseguito il giorno settembre 27, 2025, https://www.sogei.it/content/dam/sogei/azienda/ManifestoIA.pdf
Achieving Responsible AI through ESG: Insights and Recommendations from Industry Engagement – arXiv, accesso eseguito il giorno settembre 27, 2025, https://arxiv.org/html/2409.10520v1
Implementazione efficace dell’AI nel business: i passi per il successo – SAP, accesso eseguito il giorno settembre 27, 2025, https://www.sap.com/italy/resources/effective-ai-implementation-in-business
Intelligenza artificiale, qual è l’impatto ambientale e come equilibrare sostenibilità e innovazione – Gruppo Iren, accesso eseguito il giorno settembre 27, 2025, https://www.gruppoiren.it/it/everyday/energie-per-domani/2025/intelligenza-artificiale-qual-e-l-impatto-ambientale-e-come-equilibrare-sostenibilita-e-innovazione.html
Cos’è la governance dell’AI? | IBM, accesso eseguito il giorno settembre 27, 2025, https://www.ibm.com/it-it/think/topics/ai-governance
Towards a Standard for Identifying and Managing Bias in Artificial Intelligence – NIST Technical Series Publications, accesso eseguito il giorno settembre 27, 2025, https://nvlpubs.nist.gov/nistpubs/SpecialPublications/NIST.SP.1270.pdf
Bozza di linee guida per l’adozione di IA nella pubblica amministrazione – Agid, accesso eseguito il giorno settembre 27, 2025, https://www.agid.gov.it/sites/agid/files/2025-02/Linee_Guida_adozione_IA_nella_PA.pdf
EU Artificial Intelligence Act | Up-to-date developments and …, accesso eseguito il giorno settembre 27, 2025, https://artificialintelligenceact.eu/
Artificial intelligence ESG stakes – EY, accesso eseguito il giorno settembre 27, 2025, https://www.ey.com/content/dam/ey-unified-site/ey-com/es-es/insights/rethinking-sustainability/documents/ey-artificial-intelligence-esg-stakes-discussion-paper.pdf
[2409.17691] Efficient Bias Mitigation Without Privileged Information – arXiv, accesso eseguito il giorno settembre 27, 2025, https://arxiv.org/abs/2409.17691
ESG in the Age of AI – KPMG agentic corporate services, accesso eseguito il giorno settembre 27, 2025, https://assets.kpmg.com/content/dam/kpmgsites/in/pdf/2024/08/esg-in-the-age-of-ai.pdf.coredownload.inline.pdf
Responsible AI ESG Framework for investors – CSIRO, accesso eseguito il giorno settembre 27, 2025, https://www.csiro.au/en/research/technology-space/ai/Responsible-AI/RAI-ESG-Framework-for-investors
AI Act: Raccomandazioni per un uso responsabile ed etico dell’Intelligenza Artificiale nella Pubblica Amministrazione* – Fondazione ICSC, accesso eseguito il giorno settembre 27, 2025, https://www.supercomputing-icsc.it/wp-content/uploads/2024/05/AI_PA_Raccomandazioni_13maggio2024.pdf
[2409.10520] Achieving Responsible AI through ESG: Insights and Recommendations from Industry Engagement – arXiv, accesso eseguito il giorno settembre 27, 2025, https://arxiv.org/abs/2409.10520

L’immagine è stata realizzata da Gemini con il prompt: Crea un’immagine di un libro antico dal titolo “Manifesto dell’IA” poggiato su una scrivania antica in una stanza dove vi è una bellissima libreria.