Nel dibattito sulla regolazione dell’intelligenza artificiale si parla spesso della forza contrattuale delle grandi aziende: risorse legali, competenze tecniche proprietarie e accesso diretto ai decisori possono tradursi in una capacità di influenza superiore a quella di altri soggetti. Una nuova ricerca diffusa su arXiv invita però a osservare un altro passaggio, meno visibile ma rilevante: ciò che accade nelle consultazioni pubbliche, quando associazioni, imprese, università, enti governativi e organizzazioni della società civile depositano osservazioni destinate alle autorità.

Il lavoro, firmato da Sarah Tran, Anna-Maria Gueorguieva, Eva Maxfield Brown e Nicholas Weber, esamina la natura delle evidenze inserite nei commenti pubblici relativi a possibili norme statunitensi sull’AI. L’attenzione non è rivolta soltanto a chi sostiene una determinata posizione, ma alle fonti mobilitate per renderla credibile agli occhi del regolatore: riferimenti giuridici, letteratura scientifica, citazioni formali e richiami informali a studi o documenti.

Il risultato centrale è che il contributo informativo non è distribuito in modo uniforme. A parità di lunghezza del testo inviato, i commenti provenienti dal mondo aziendale contengono complessivamente meno evidenze. Al contrario, enti pubblici, università e soggetti della società civile ricorrono in misura significativamente maggiore a fonti di ricerca e giuridiche. Non significa che un commento d’impresa sia per definizione privo di valore, né che il numero delle citazioni misuri da solo la qualità di una proposta. Segnala però una differenza concreta nel modo in cui gli interessi e le raccomandazioni arrivano sul tavolo delle autorità.

Il corpus: 40 procedimenti e 2.664 commenti

Per arrivare a queste conclusioni, gli autori hanno costruito un corpus composto da 40 potenziali regolamenti e 2.664 commenti pubblici presentati da categorie differenti di partecipanti negli Stati Uniti. I testi sono stati elaborati con metodi computazionali per individuare elementi probatori sia espliciti, come citazioni bibliografiche o normative, sia meno strutturati, come riferimenti a lavori e materiali senza una citazione formale completa.

La scelta metodologica conta perché le consultazioni sono una parte ordinaria della procedura amministrativa statunitense. Prima di adottare una regola, un’agenzia può mettere in discussione una proposta e raccogliere contributi dall’esterno. In teoria il meccanismo amplia la base informativa a disposizione del decisore; in pratica, può anche diventare il luogo in cui i soggetti più attrezzati cercano di far prevalere dati, letture tecniche e definizioni favorevoli ai propri interessi.

Nel caso dell’AI, il rischio è particolarmente sensibile. Le imprese che progettano o distribuiscono i sistemi possiedono informazioni che spesso non sono pubbliche: dettagli sui modelli, dati di valutazione, processi di sviluppo, costi di conformità e limiti operativi. Questa asimmetria può condizionare il dibattito normativo prima ancora della stesura definitiva delle regole. La ricerca non nega quel vantaggio, ma mostra che lo spazio dei commenti pubblici ospita anche contributi di altro segno e con una forte componente documentale.

Chi agisce da sostenitore e chi prova a informare

Gli studiosi usano due ruoli concettuali per leggere i comportamenti emersi. Da una parte c’è l’Issue Advocate, il partecipante che interviene soprattutto per promuovere un esito regolatorio coerente con una posizione o un interesse. Dall’altra c’è l’Honest Broker, cioè un soggetto che prova ad ampliare le opzioni e la base di conoscenza disponibili per chi deve decidere.

Non sono categorie rigide né giudizi morali sui singoli commentatori. Un’università può difendere una propria impostazione, così come un’impresa può fornire dati indispensabili per capire gli effetti di una norma. Il loro valore sta piuttosto nel rendere leggibile una tensione strutturale: la consultazione pubblica è al tempo stesso un canale di partecipazione e una sede di persuasione. Guardare alle evidenze citate permette di capire non soltanto chi prende parola, ma con quale infrastruttura di conoscenza lo fa.

Il dato sulle fonti accademiche merita un’ulteriore cautela. Secondo lo studio, le ricerche citate si dividono quasi a metà tra preprint e articoli sottoposti a revisione paritaria, e questa pratica attraversa tutti i gruppi di commentatori. In un settore in rapido cambiamento è prevedibile che materiali non ancora pubblicati su riviste tradizionali entrino nel confronto regolatorio: spesso circolano prima e affrontano temi molto recenti. Ma il loro impiego richiede alle agenzie capacità interne per distinguere tra risultati consolidati, analisi preliminari, documenti di posizione e ricerche con limiti metodologici rilevanti.

Una citazione, insomma, non è un sigillo automatico di affidabilità. Può rafforzare una tesi già scelta, essere selezionata parzialmente o richiamare uno studio ancora aperto a revisione. L’analisi segnala la quantità e la tipologia dell’evidenza immessa nel processo; non stabilisce che chi cita di più abbia necessariamente ragione su merito, proporzionalità o fattibilità di una regola.

L’autocitazione concentra l’attenzione su pochi soggetti

Un altro elemento emerso riguarda l’autocitazione. Il fenomeno è presente in tutti i gruppi considerati, ma più della metà delle autocitazioni individuate nel corpus è attribuibile a un piccolo nucleo di organizzazioni. È un’indicazione utile per leggere il potere informativo: produrre ricerche, report, standard o documenti tecnici e poi poterli richiamare nel procedimento regolatorio è un modo per rendere la propria voce più persistente e riconoscibile.

L’autocitazione non equivale automaticamente a manipolazione. Un’istituzione può essere la fonte più competente sul proprio lavoro, sui propri audit o sui dati raccolti in anni di attività. Tuttavia, quando l’attenzione e i riferimenti tendono a concentrarsi, le autorità devono essere in grado di verificare provenienza, metodo, finanziamenti, conflitti d’interesse e replicabilità delle affermazioni portate in consultazione. La trasparenza formale sul mittente non basta se manca una valutazione sostanziale delle prove.

Per chi segue l’evoluzione delle regole sull’AI, la ricerca offre quindi una correzione importante a una lettura semplicistica. Non si può assumere che i commenti pubblici siano soltanto un veicolo di cattura informativa da parte dell’industria. Nel materiale esaminato, governo, accademia e società civile contribuiscono in modo marcato al patrimonio di fonti sottoposto alle agenzie. Questa pluralità può attenuare le asimmetrie, ma non le elimina: dipende dalla possibilità effettiva di partecipare, dalla visibilità dei contributi e dalle risorse con cui il regolatore li valuta.

Il limite del lavoro e la sfida per le autorità

Lo studio è al momento un preprint pubblicato il 16 novembre 2026 su arXiv, quindi non va trattato come un risultato già validato da revisione paritaria. Inoltre il perimetro è statunitense e circoscritto a 40 potenziali regolazioni: le conclusioni non possono essere estese automaticamente ai processi legislativi europei o italiani, dove le procedure di consultazione, gli obblighi di trasparenza e il ruolo delle istituzioni seguono logiche diverse.

Resta aperta anche una domanda decisiva, che il lavoro non pretende di chiudere: quanto le prove presenti nei commenti incidano davvero sul testo finale delle norme. Misurare le citazioni non basta a misurare l’influenza. Per farlo occorrerebbe seguire le singole proposte nel tempo, confrontare le osservazioni con le versioni adottate delle regole e ricostruire gli altri canali di interlocuzione tra agenzie, imprese, esperti e rappresentanti della società civile.

Il contributo della ricerca sta proprio nell’indicare che le consultazioni devono essere considerate un’infrastruttura informativa, non un mero adempimento procedurale. Se le autorità vogliono usare quel patrimonio senza trasformarlo in un catalogo di affermazioni concorrenti, servono competenze per controllare le fonti, criteri pubblici per pesare le evidenze e strumenti che rendano accessibili anche i contributi di soggetti con minori risorse. La qualità della regolazione dell’AI dipenderà anche da questa capacità di selezionare, contestualizzare e mettere alla prova le informazioni offerte dall’esterno.

Fonti