Presentato come parte del Punto focale regionale ISC per l'America Latina e i Caraibi'S
ciclo di condivisione delle conoscenze sull'apprendimento tra pari e sullo sviluppo delle capacità regionaliQuesta sessione si rivolge direttamente a ricercatori all'inizio e a metà carriera e a professionisti delle politiche scientifiche della regione America Latina e Caraibi che stanno sviluppando competenze in materia di governance e responsabilità dell'IA. La sessione si terrà il 27 luglio 2026, dalle 22:00 alle 23:00 UTC.
Gli agenti di intelligenza artificiale prendono decisioni a una velocità superiore a quella con cui le strutture di governance progettate per limitarli possono essere scritte, revisionate e approvate. La maggior parte delle organizzazioni reagisce redigendo ulteriori politiche, ma una governance che risiede solo nei documenti non può vincolare un sistema che agisce alla velocità di una macchina. L'applicazione delle norme risiede nel codice e il divario tra i due è solitamente manuale, soggetto a errori e non verificabile.
Questa sessione sostiene la necessità di progettare la governance piuttosto che documentarla: rendere espliciti e leggibili dalle macchine i vincoli operativi, in modo che un agente autonomo possa effettivamente esservi vincolato, invece di ricostruire la responsabilità dopo che qualcosa è già andato storto. Attingendo al framework Governed Autonomy, basato sul linguaggio ISO/IEC 15414 Open Distributed Processing Enterprise Language, mostreremo cosa significa per le regole di governance essere contemporaneamente specifica e codice eseguibile, e come distinguere gli obblighi che sono applicabili fin dalla progettazione da quelli che sono semplicemente rilevabili a posteriori. Uno scenario clinico reale di riferimento – un medico di base che indirizza un paziente a uno specialista, con un sistema di intelligenza artificiale che lo assiste – fornirà elementi concreti per illustrare le idee presentate, offrendo ai ricercatori punti di partenza tangibili: come esprimere gli obblighi di condivisione dei dati e di consenso di un laboratorio o di un progetto come regole esplicite e verificabili, anziché come una semplice formulazione normativa, e dove gli standard a cui potrebbero già fare riferimento – ISO/IEC 15414, HL7 FHIR – offrono una base su cui costruire, anziché una pagina bianca.
La stessa architettura affronta la più ampia sfida della governance dei dati scientifici nell'era dell'IA, tracciando un percorso che va dalle politiche scritte alla pratica computabile e verificabile che i principi FAIR dei dati richiedono sempre più – rilevante ben oltre gli ambienti clinici, in qualsiasi contesto di ricerca in cui gli obblighi di condivisione e riutilizzo dei dati devono essere sia affidabili che garantiti. La presentazione è rivolta sia agli ingegneri che costruiscono infrastrutture agentiche sia agli esperti del settore – clinici, responsabili della conformità, autorità di regolamentazione, responsabili dei dati – che devono fidarsi di ciò che viene realizzato.
| 0 – 5 min | Perché la governance basata sui documenti fallisce alla velocità dell'intelligenza artificiale |
| 5 – 15 min | Progettare la governance: rendere i vincoli espliciti e sufficientemente leggibili dalle macchine. affinché un agente sia vincolato da essi |
| 15 – 25 min | Governance operativa: dalla specifica al codice eseguibile — le regole come entrambe applicazione dei documenti e in fase di esecuzione |
| 25 – 40 min | Esempio pratico: uno scenario di referral elettronico da medico di base a specialista. |
| 40 – 45 min | Governance delegata: autorità umana, autonomia dell'agente e vincoli che abbracciano organizzazioni (federazione) |
| 45 – 60 min | Discussione / Domande e risposte |
Foto di Markus Winkler on Unsplash
