In una società pervasa da sistemi AI based, l’Intelligenza Artificiale si configura ormai come un “fatto sociale totale[3]”, tale da accendere interrogativi circa l’effettiva sostenibilità della suddetta tecnologia. Ciò, a maggior ragione, in un momento storico in cui concetti giuridici come “sostenibilità” e “ambiente” sono key-issue del dibattito costituzionale e hanno trovato una sintesi nella nuova formulazione degli articoli 9 e 41 Cost., a seguito della legge costituzionale n. 1 del 2022. Il legislatore, nel ridefinire i limiti negativi e positivi alla libertà di iniziativa economica privata ex art. 41 Cost., ha infatti incluso espressamente la tutela dell’ambiente, riconoscendone il rilievo costituzionale e collegandola all’interesse delle generazioni future.
Alla tutela delle generazioni future è, infatti, intrinsecamente connesso il concetto di sviluppo sostenibile come da nota definizione del rapporto Our Common Future della Commissione Brundtland del 1987[4]. Va detto che l’interpretazione del concetto di sviluppo sostenibile promossa dal Rapporto Brundtland riflette una prospettiva antropocentrica e positivista, basata su una notevole fiducia nella possibilità che il progresso tecnologico riesca a compensare i limiti delle risorse naturali globali e ad accrescere la capacità della biosfera di assorbire i rifiuti generati dalle attività produttive umane[5].
Indice degli argomenti
Sostenibilità dell’IA tra ambiente, società e Costituzione
Va detto, su questa scia, che l’industria digitale ha goduto per anni di una sorta di aura green, come se fosse costituita da tecnologie ontologicamente pulite, in quanto impalpabili e, pertanto, in grado di trainare un potenziale processo di dematerializzazione e di transizione ecologica.
Come è ormai noto, se è vero che le tecnologie basate sull’IA possono apportare un impatto positivo in vari settori concernenti la salubrità dell’ambiente (biodiversità, conservazione degli ecosistemi…), hanno ormai da tempo rivelato la loro natura fisica[6]. È appurato che esse stesse contribuiscono al problema ambientale configurandosi come un fattore di notevole pressione, in quanto strumenti estremamente energivori e connotati da un’importante impronta di carbonio. Si tenga conto che il solo settore digitale risulta responsabile di quasi il 4% delle emissioni globali di gas serra. Anche la produzione di output richiede energia: un sistema di IA generativa di immagini, quale il diffusissimo Midjourney, per produrre una sola immagine richiede l’energia elettrica pari alla ricarica di uno smartphone comune[7].
Per quanto concerne la sostenibilità sociale dei sistemi di IA, va detto che la digitalizzazione del sistema sanitario, l’avvento della telemedicina e l’uso di determinati sistemi di emotional AI, per esempio innestati su social robots o carebots, possono fungere da veicolo di inclusione sociale, contribuendo ad abbattere barriere e a promuovere l’eguaglianza sostanziale a favore delle fasce più fragili della popolazione. Non a caso, la legge italiana sull’Intelligenza Artificiale (L. n. 132/2025) dedica l’art. 7 co. 4 allo sviluppo di sistemi di IA a sostegno delle persone con disabilità.
In tema di sostenibilità sociale dell’IA va considerata poi l’importanza di garantire un effettivo diritto di accesso alle tecnologie che ricomprenda anche la formazione digitale del personale addetto e degli utenti, l’acquisizione di digital capabilities di base e la garanzia di un accesso eguale al mercato digitale di tutti i consociati, come evidenziato anche dalla Dichiarazione europea sui diritti e i principi digitali per il decennio digitale.
Anche a fronte di questo duplice ordine di ragioni – da un lato il dilagare delle tecnologie digitali, dall’altro la crescente attenzione del diritto e in particolare del diritto costituzionale a tali temi – in un’ottica di costituzionalismo digitale[8], i principi costituzionali dovranno fungere non soltanto da limite allo sviluppo tecnologico, ma anche guidarne lo sviluppo, già in fase di progettazione e addestramento dei sistemi.
AI Act e legge italiana: il quadro normativo sulla sostenibilità dell’IA
Per quanto concerne la sostenibilità ambientale, va detto che si riscontra ancora un vuoto legislativo. Nell’ambito dell’AI ACT, la questione ambientale, conformemente a quanto accade sul piano del diritto interno con la legge n. 132 del 2025, è ancora un grande assente. L’AI ACT si concentra principalmente sull’incoraggiamento, piuttosto che sull’imposizione di un’attenzione ambientale, limitandosi a fornire indicazioni di principio e auspici che alcune tecnologie AI based impattino positivamente sulla sostenibilità ambientale[9]. Il Parlamento europeo nel proporre emendamenti alla proposta della Commissione aveva mostrato una maggiore attenzione alla tutela ambientale. Durante i negoziati del trilogo, però, le disposizioni ambientali sono state notevolmente indebolite, lasciando solo norme su standardizzazione, codici di condotta, ancora insufficienti per affrontare gli impatti ambientali dell’IA. Degno di nota è l’art. 95 del Regolamento che definisce specifici codici di condotta, ponendo fra gli obiettivi, alla lettera b) del comma secondo, la valutazione e la riduzione dell’impatto ambientale dei sistemi di IA, con riferimento sia alla programmazione energetica efficiente sia all’impiego di tecniche che ne rendano più sostenibili la progettazione, l’addestramento e l’utilizzo. L’adozione a carattere volontario dei suddetti codici di condotta solleva, però, inevitabili dubbi relativi all’efficacia di tale misura. Si aggiunge, poi, che all’allegato XI, il Regolamento impone ai fornitori di sistemi GPAI di divulgare il consumo energetico stimato dei modelli. Anche l’efficacia di questa misura risulta, però, ridotta. Dapprima perché l’applicazione della stessa è limitata nella sua portata solo a questa categoria di fornitori, inoltre, perché sembra colpevolmente dimenticare altri notevoli impatti ambientali correlati alla tecnologia, quali l’alto consumo idrico e il tasso di scarti prodotti. Oltretutto la norma non prevede monitoraggi successivi alla fase di formazione del modello[10]. Uno degli aspetti più promettenti è, invece, lo strumento rappresentato dai sandbox normativi e dalle prove in condizioni reali, disciplinati dagli artt. 57 ss. del Regolamento de quo. Si tratta di spazi di sperimentazione normativa, ambienti protetti, pienamente leciti, e, anzi, incentivati dal legislatore, che permettono agli sviluppatori e alle start-up di sviluppare sistemi di IA innovativi in un ambiente controllato dalle autorità, che per un periodo limitato di tempo è sottratto alla normativa. È agevole comprendere che tali strumenti, declinati in un’ottica ambientale, possono permettere di sviluppare sistemi green, monitorare e calcolare l’impatto ambientale di una tecnologia.
In coerenza con le strategie europee adottate in materia, sul piano dell’ordinamento interno rileva il disegno di legge n. 1928 del 2024, attualmente in esame alla Camera dei Deputati, volto a creare un quadro organico per la gestione dei data center, infrastrutture strategiche per il processo di digitalizzazione.
La questione ambientale è, però, un grande assente anche per quanto concerne la summenzionata legge italiana sull’IA, L. n. 132 del 2025, che, infatti, cita la sostenibilità solo tra i principi generali (art. 3), senza riferimenti specifici a tutela ambientale o efficientamento energetico.
In merito all’alfabetizzazione digitale quale imprescindibile di inclusione sociale non si può non menzionare l’art. 4 dell’AI ACT, fra i primi articoli del Regolamento ad entrare in vigore nel febbraio 2025. La norma impone a fornitori e deployer di garantire un adeguato livello di alfabetizzazione del proprio personale. Si evidenzia a tal fine che il concetto di alfabetizzazione, oltre alle necessarie competenze digitali, sottende il possesso di una conoscenza olistica estesa alle implicazioni etiche e sociali delle tecnologie basate sull’IA[11].
Se il tema ambientale è stato trascurato, v’è, però, da dire che all’art. 7 “Uso dell’intelligenza artificiale in ambito sanitario e di disabilità” il co. 4 promuove, anche in attuazione dell’invito di cui al considerando 142 dell’AI ACT, lo sviluppo di sistemi di IA che agevolino l’autonomia e l’inclusione sociale di persone con disabilità, in piena attuazione del principio di eguaglianza sostanziale ex art. 3 co. 2 Cost..
Impatto ambientale dell’IA tra strumenti green e consumi nascosti
Sulla scorta delle premesse normative esposte, analizziamo ora quale sia l’impatto dell’AI in chiave di sostenibilità, ambientale e sociale.
Fin dai primi sviluppi dei sistemi AI-based, l’AI è parsa uno strumento potenzialmente decisivo per il raggiungimento di obiettivi comuni, a servizio della società. Negli ultimi anni si è trasformata da semplice ‘curiosità tecnologica’ a forza trainante del cambiamento globale, con implicazioni profonde, etiche e sociali[12]. Comprendere la portata di tali conseguenze e dell’impatto dell’AI, in particolare in termini di sostenibilità, è pertanto essenziale.
Tra i tanti ambiti in cui è possibile scorgerne rilevanti applicazioni, uno dei più interessanti è il settore ambientale, in cui l’AI si configura in una duplice veste: strumento utile alla mitigazione della crisi climatica ma, specularmente, possibile fonte di impatto ambientale. In un contesto in cui, come ricorda Katia Poneti[13], la crisi climatica rappresenta una minaccia esistenziale per l’umanità, diventa indispensabile sfruttare ogni tecnologia disponibile per contenere gli effetti del climate change. In tale prospettiva, l’AI può costituire un alleato strategico nella promozione di pratiche più sostenibili.
Agricoltura 4.0 e tutela ambientale
A tal proposito ci sono diversi esempi pratici di sistemi AI-based che hanno tutte le potenzialità per porsi a servizio della tutela ambientale[14]. Un ambito esemplare è il settore rurale, dove i sistemi AI-based stanno rivoluzionando i modelli produttivi, migliorandone efficienza e sostenibilità. L’AI può essere utilizzata come strumento volto a garantire un aiuto concreto nell’implementazione di strumenti di Agricoltura 4.0: essa, infatti, attraverso i suoi algoritmi, può analizzare grandi quantitativi di dati in tempo reale, contribuendo a migliorare l’efficienza nell’uso delle risorse naturali, fornendo preziose informazioni su quando piantare, irrigare e raccogliere, riducendo così l’impatto ambientale complessivo del settore agricolo. Si sta inoltre approfondendo anche il potenziale del Machine Learning in agricoltura, sottolineando come tali sistemi consentano di prevedere malattie delle colture, adattarsi alle variazioni climatiche e migliorare la redditività delle aziende agricole. Un esempio concreto è FarmWise Labs[15], azienda californiana che ha sviluppato Titan FT-35, un diserbante meccanico basato su intelligenza artificiale, visione artificiale e robotica, capace di distinguere automaticamente tra colture e infestanti senza ricorrere a prodotti chimici. Tale innovazione dimostra come l’AI possa contribuire in modo tangibile alla tutela ambientale e alla sostenibilità del settore primario.
Smart cities e monitoraggio dei rischi climatici
Oltre al settore agricolo, i sistemi AI-based possono essere impiegati anche in ambito urbano, contribuendo al consolidamento delle Smart Cities: ecosistemi urbani avanzati che utilizzano tecnologie digitali e algoritmi per migliorare la qualità della vita dei cittadini, ottimizzare i servizi pubblici e promuovere la sostenibilità ambientale[16]. Per il consolidamento di un sistema urbano così avanzato, tali tecnologie possono rivelarsi centrali: grazie all’analisi di grandi quantità di dati urbani in tempo reale, è possibile ottimizzare settori cruciali come la mobilità, il consumo energetico, la gestione dei rifiuti e la sicurezza pubblica. Un esempio significativo proviene da Venezia, dove, grazie alla collaborazione tra MindIcity S.r.l., TIM e il Comune, è stata realizzata una piattaforma di urban intelligence che raccoglie e analizza dati provenienti dal territorio mediante algoritmi di Machine e Deep Learning che consentono di monitorare, ad esempio, i flussi pedonali e turistici e di controllare il traffico acqueo tramite telecamere intelligenti capaci di classificare le imbarcazioni e rilevare comportamenti anomali[17]. Questo progetto rappresenta un esempio virtuoso di come l’AI possa essere messa al servizio della sostenibilità urbana e della gestione efficiente delle città.
Infine, è importante ricordare che l’AI può rivelarsi un alleato anche nel monitoraggio e nella previsione ambientale, grazie alla capacità di elaborare in tempo reale grandi quantità di dati per anticipare eventi climatici estremi e ridurne gli impatti. Esempio significativo proviene dall’Università di Pisa, che, in collaborazione con il Consorzio di Bonifica Toscana Nord, ha condotto uno studio sull’impiego di algoritmi di Machine Learning per la prevenzione del rischio idraulico. Il progetto ha dimostrato l’efficienza del modello Random Forest (RF) nell’analisi dei dati storici e in tempo reale relativi a quattro bacini idrografici toscani, consentendo di prevedere con diverse ore di anticipo l’innalzamento dei livelli idrici[18].
Ciò premesso, la promessa di un AI come alleata della sostenibilità è affascinante, ma il rapporto tra tecnologia e ambiente resta profondamente ambivalente: mentre aiutano ad ottimizzare risorse e a ridurre emissioni, i sistemi AI-based sono per loro stessa natura estremamente energivori, con un’impronta ambientale tutt’altro che trascurabile. Basti considerare che l’addestramento di modelli di Deep Learning e il funzionamento continuo dei data center richiedono enormi quantità di energia elettrica e milioni di litri d’acqua dolce per il raffreddamento dei server[19]. Non sorprende dunque che, una stima ormai consolidata in ambito scientifico, collochi l’universo digitale come responsabile di emissioni di carbonio pari al terzo o quarto Stato al mondo: in altre parole, se il settore ICT nel suo complesso fosse uno Stato, avrebbe un impatto ambientale maggiore rispetto a quello di Giappone e Russia. Si tratta quindi di numeri impensabili, che sconfessano del tutto l’irrealistica idea di un’intelligenza artificiale intrinsecamente green.
Per questo, sarà necessario, pro futuro, promuovere lo sviluppo di una ‘Green AI’, basata su modelli meno complessi e meno energivori, ma comunque efficienti, e sull’uso di fonti rinnovabili nei processi di addestramento e implementazione. Tale transizione dovrà accompagnarsi alla diffusione di una cultura della responsabilità condivisa, che coinvolga non solo le imprese produttrici, ma anche gli utenti finali, chiamati a privilegiare tecnologie più sostenibili. Solo così l’AI potrà esprimere pienamente il suo potenziale nella lotta al cambiamento climatico.
Sostenibilità sociale dell’IA tra inclusione e digital divide
L’impronta tecnologica della società odierna solleva interrogativi legati anche alla sostenibilità sociale dell’AI, ovvero all’impatto che questa tecnologia genera sulla società nel suo complesso. Anche in questo contesto, l’AI offre opportunità significative, pur presentando sfide e rischi potenziali. Il concetto di sostenibilità sociale, nell’ambito democratico, indica la capacità di una comunità di puntare alla creazione di un sistema sociale inclusivo, attento a garantire un benessere a lungo termine per le persone e improntato alla riduzione delle disuguaglianze sociali, con l’obiettivo di preservare giustizia e coesione sociale. In questo contesto, si può evidenziare fin da subito come l’emergere di nuove tecnologie, possa certamente contribuire a rafforzare una comunità socialmente sostenibile: svariati sono gli strumenti di intelligenza artificiale e le applicazioni che si stanno sperimentando per assicurare una maggiore integrazione, soprattutto per le classi sociali più svantaggiate[20].
Sanità digitale e rapporto medico-paziente
In particolare, uno dei settori in cui si stanno registrando i maggiori successi è quello dell’assistenza sanitaria; questo grazie alla diffusione di sistemi diagnostici a distanza[21], di chatbot per il supporto psicologico, di meccanismi di AI di monitoraggio dello stato di salute nonché di piattaforme di educazione sanitaria. Tutti strumenti che favoriscono il processo volto ad abbattere le barriere sociali e culturali che non consentono all’intera popolazione un facile ed equo accesso all’assistenza sanitaria.
Appare tuttavia chiaro come una delle criticità che possono derivare dall’impiego di sistemi di intelligenza artificiale in ambito sanitario, riguardi la necessità di assicurare un uso “eticamente sostenibile” di tali tecnologie. In particolare, è essenziale, in un settore come questo, che venga preservato in ogni caso il principio di centralità della persona nonché la qualità e l’indipendenza della professionalità medica, proteggendo il rapporto umano che deve legare medico e paziente, ed evitando che l’intervento algoritmico possa svuotare di umanità ed empatia questo tipo di relazione. Per preservare un rapporto medico-paziente centrato sulla persona è essenziale, innanzitutto, che l’AI operi in modo assistenziale e che sia accompagnata da un’adeguata formazione medica al rispetto dei fini etici e relazionali[22]. A tal proposito, la stessa OMS, nel rapporto intitolato Ethics and governance of artificial intelligence for health, delinea un insieme di linee guida per sintetizzare i principi etici che devono ispirare una corretta implementazione dei sistemi AI-based in ambito sanitario: in particolare, è essenziale che tali tecnologie assicurino la salvaguardia dell’autonomia umana, della sicurezza pubblica, nonché l’inclusività e l’equità. In relazione a quest’ultimo aspetto, è fondamentale che l’AI sia progettata per incoraggiare un uso ed un accesso ampio ed equo a tali apparecchiature, senza codificare pregiudizi a svantaggio di gruppi deboli o già emarginati[23].
Istruzione, accessibilità e nuove disuguaglianze
Ma l’ambito sanitario non è l’unico in cui l’AI può contribuire ad assicurare maggiore inclusione sociale. Difatti, tra gli altri, anche il settore dell’istruzione sta assistendo ad un incremento di tecnologie AI-based come supporto all’apprendimento, principalmente per le categorie sociali più fragili o marginalizzate. I benefici derivanti dall’impiego dell’intelligenza artificiale possono manifestarsi in forme diversificate, contribuendo in modo significativo alla promozione di una maggiore equità nel sistema educativo[24]: ciò è reso possibile attraverso l’impiego di strumenti di personalizzazione dell’apprendimento, come piattaforme adattive che sono in grado di analizzare le prestazioni scolastiche degli studenti e, conseguentemente, modulare i contenuti dell’insegnamento in base al loro livello e stile di apprendimento. Un caso reale di creazione di piattaforme di questo tipo è rappresentato da Squirrel AI Learning, società ed-tech fondata in Cina nel 2014 e specializzata nella creazione di sistemi di tutoring intelligente[25]. Grazie all’impiego di tali strumenti si sta riuscendo a garantire un miglioramento dell’apprendimento soprattutto nelle regioni rurali cinesi, dove regna una situazione di grande carenza di docenti qualificati, contribuendo così a colmare un divario educativo di grande rilievo garantendo così una maggiore uguaglianza sostanziale nell’accesso agli strumenti di educazione di base. Inoltre, ormai ampiamente diffusi in diversi Stati sono anche strumenti di sintesi e riconoscimento vocale, e di trascrizione automatica, in grado di assicurare una maggiore partecipazione e accessibilità per studenti ipovedenti, ciechi o con difficoltà motorie[26].
Tutto ciò consente di promuovere una maggiore uguaglianza sostanziale nell’accesso all’istruzione, supportando studenti fragili o minoranze, e rafforzando la capacità dei sistemi educativi di prevenire forme di esclusione o autoesclusione sociale[27].
Tuttavia, anche il rapporto tra AI e sostenibilità sociale non è privo di risvolti problematici. La diffusione incontrollata delle tecnologie AI, in assenza di una adeguata alfabetizzazione digitale e di politiche volte a garantire l’accesso equo ai servizi digitale, rischia infatti di accentuare le disuguaglianze sociale e di ampliare il digital divide, penalizzando sia i gruppi più vulnerabili sia i Paesi in via di sviluppo[28].
L’esclusione dell’universo digitale può tradursi in una nuova forma di marginalizzazione sociale, nonostante il potenziale inclusivo di molte tecnologie AI-based[29]. È quindi indispensabile promuovere la diffusione globale e accessibile di strumenti tecnologici orientati all’inclusione, accompagnata da una formazione digitale diffusa. Solo un approccio integrato e consapevole potrà infatti evitare che l’AI, anziché ridurre le disparità, si trasformi in un moltiplicatore di disuguaglianza[30].
Diritti fondamentali e criteri per un’IA sostenibile
Come evidenziato dagli esempi pratici sopra riportati, la diffusione di sistemi di IA ha un duplice impatto in termini di sviluppo sostenibile. Lo sviluppo tecnologico mette in campo strumenti AI based che possono, da un lato, apportare numerosi benefici e contribuire alla tutela, ottimizzando le risorse in agricoltura, monitorando ecosistemi, e trainando la ricerca per ridurre le emissioni ma che, dall’altro, si configurano come una tecnologia estremamente energivora, il cui sviluppo implica una notevole impronta di carbonio, spesso nascosta, e massicce risorse idriche e minerarie. Come si è visto, anche l’AI ACT riconosce la protezione ambientale tra i diritti fondamentali, ma più come un auspicio che mediante vincoli normativi.
Per lo sviluppo di tecnologie dell’IA in piena conformità con la sostenibilità ambientale e con la transizione ecologica promossa dall’Unione Europea, si rende sempre più necessaria la definizione di criteri specifici da applicare alle produzioni aziendali basate sull’IA. Allo stesso tempo, è necessario che i modelli contrattuali si conformino agli obiettivi di sostenibilità fissati a livello europeo e nazionale, introducendo clausole che promuovano pratiche imprenditoriali responsabili, ad esempio, mediante strumenti privatistici premiali per le imprese particolarmente virtuose nel rispetto di standard ambientali. In questo contesto, poi, un ruolo decisivo spetta, senza dubbio, ai sandbox normativi e alle prove in condizioni reali. Strumenti, questi, che consentono di sperimentare in ambiente controllato modelli di IA a ridotto impatto ambientale, di implementare sistemi di audit e trasparenza per valutare gli effetti ecologici delle tecnologie e di definire standard condivisi, in grado di conciliare innovazione e regolazione senza bloccare il mercato e il progresso tecnologico.
Sul versante della sostenibilità sociale, occorre porre il focus sui potenziali rischi connessi alla violazione del principio di eguaglianza nell’accesso alle tecnologie, con una necessaria riflessione sulla tutela e sull’effettività del diritto di accesso a internet e all’uso delle tecnologie digitali e sulla loro natura di diritto fondamentale e diritto sociale. È dietro l’angolo il rischio che un potenziale veicolo di inclusione sociale, quale la tecnologia AI based, se non adeguatamente resa accessibile e trasparente, vada ad acuire le disuguaglianze sociali preesistenti in presenza di competenze digitali diffuse a geografia variabile, o a determinare un accesso discriminatorio a servizi fondamentali a causa di bias impliciti negli algoritmi.
È opportuno, infine, focalizzare l’attenzione sulla sostenibilità costituzionale delle risposte normative finora apprestate, per assicurarsi che la trasformazione tecnologica avvenga non solo nel rispetto dei diritti fondamentali, ma sia da questi guidata e orientata, al fine di massimizzare la protezione degli stessi e al contempo promuovere lo sviluppo di un mercato digitale e dell’innovazione tecnologica.
Note
[3] A. Garapon, J. Lassègue, La giustizia digitale. Determinismo tecnologico e libertà, IlMulino, Bologna, 2021.
[4] A. D’Aloia, Il diritto e l’incerto del mestiere di vivere. Ricerche di biodiritto, Cedam, Padova, 2021.
[5] M. Montini, L’interazione tra gli SDGs ed il principio dello sviluppo sostenibile per l’attuazione del diritto internazionale dell’ambiente, in Federalismi.it, 9/2019, 8 ss..
[6] A. Camorrino, La “grande narrazione ecologista”. La “scoperta” dell’inquinamento digitale e il ritorno della Natura nell’immaginario della società contemporanea, in Quaderni di teoria sociale, 1/2018, 107-133, 9.
[7] G. Sissa, Le emissioni segrete. L’impatto ambientale dell’universo digitale, IlMulino, Bologna, 2024, 114 ss..
[8] O. Pollicino, Di cosa parliamo quando parliamo di costituzionalismo digitale?, in Quaderni Costituzionali, 3/2023, 569-594.
[9] R. Chillemi, AI Act e Tutela Ambientale: una protezione mancata, in Diritto Ambientale, 12 febbraio 2024.
[10] J. R. Laranjeira De Pereira, The EU AI Act and environmental protection: the case for a missed opportunity, in Heinrich Böll Stiftung, 2024.
[11] M. Martorana. G. Nutini, L’AI Act entra nel vivo, primi divieti e alfabetizzazione digitale, in Altalex, 8 febbraio 2025.
[12] A. D’Aloia, Il diritto verso “il nuovo mondo”. Le sfide dell’Intelligenza Artificiale in A. D’Aloia (a cura di) Il diritto e l’incerto del mestiere di vivere. Ricerche di biodiritto, FrancoAngeli, Milano, 2021, 228.
[13] K. Poneti, Il cambiamento climatico tra governance del clima e lotta per i diritti, in Jura Gentium, 16/2019, 117 – 120.
[14] A D’Aloia, Bioetica ambientale, sostenibilità, teoria intergenerazionale della Costituzione in A. D’Aloia (a cura di) Il diritto e l’incerto del mestiere di vivere, CEDAM, Padova, 2021, 159 – 200.
[15] FarmWise Labs, Inc. è un’importante startup statunitense fondata nel maggio 2016 da Sébastien Boyer e Thomas Palomares, con sede in California. La società si è distinta fin da subito per lo sviluppo di tecnologie avanzate di robotica agricola, in particolare sistemi automatici di diserbo meccanico basati su intelligenza artificiale e computer vision, progettati per eliminare erbacce tra le colture.
[16] G. Dall’O’, Smart city. La rivoluzione intelligente delle città, Il Mulino, Bologna, 2014, 30.
[17] Per approfondire le applicazioni dei sistemi di IA a Venezia e in altre città italiane, v. Rapporto 3/2022 – SMART cities e intelligenza artificiale in BioLaw Journal – Rivista di Biodiritto, 1/2022, 253 – 259.
[18] M. Luppichini, G. Vailati, L. Fontana, M. Bini, Machine Learning models for river flow forecasting in small catchments, in Scientific Reports, 14/2024, 1 – 10.
[19] G. Sissa, Le emissioni segrete. L’impatto ambientale dell’universo digitale, Il Mulino, Bologna, 2024, 80ss.
[20] A. Lambiase, Intelligenza artificiale e fattori ESG. L’innovazione al servizio della transizione sostenibile, Il Sole 24 Ore, Milano, 2025, 20ss.
[21] M. Mangia, Clinical Decision Support System: caratteristiche, utilizzi, benefici e difetti in Agenda Digitale, 2021.
[22] A. Sauerbrei, A. Kerasidou, F. Lucivero, N. Hallowell, The impact of artificial intelligence on the person-centred, doctor-patient relationship: some problems and solutions in BMC Medical Informatics and Decision Making, 1/2023, 73.
[23] Per un approfondimento su questi aspetti è consultabile il testo del rapporto dell’OMS, sul sito ufficiale dell’Organizzazione.
[24] B. Di Bello, Intelligenza artificiale per la scuola. Un approccio umanistico all’uso didattico dell’IA generativa, Ulrico Hoepli Editore, Milano, 2023.
[25] Squirrel AI Learning è una società specializzata in apprendimento adattivo basato sull’utilizzo dell’intelligenza artificiale. Utilizza una piattaforma che analizza in tempo reale le lacune di apprendimento di ogni studente, creando così percorsi educativi personalizzati.
[26] A. Fiorucci, A. Bevilacqua, Promuovere l’inclusione e la partecipazione sociale delle persone con disabilità attraverso l’intelligenza artificiale. Un focus sulla disabilità visiva, in Medical Humanities & Medicina Narrativa, dicembre 2024, 165 – 181.
[27] O. Giancola, L. Salmieri (a cura di), Disuguaglianze educative e scelte scolastiche. Teorie, processi e contesti, Franco Angeli, Milano, 2024, 10ss.
[28] G. Pascuzzi, La cittadinanza digitale. Competenze, diritti e regole per vivere in rete, Il Mulino, Bologna, 2021, 50 ss.
[29] L. Palazzani, Digital divide: sfide etiche e prospettive di inclusione, in Agenda Digitale, 2025.
[30] Sul diritto all’alfabetizzazione digitale, quale complemento del diritto all’istruzione (di cui all’art. 34 c. 1 e 2 Cost.) cfr. F. Cerquozzi, “Diritto di accesso ad Internet” e Costituzione, in Ius in itinere, 2020.
Partecipa alla community