le misure

Privacy, tutto ciò che le istituzioni possono fare contro i big del web

Le sanzioni non bastano. E’ auspicabile che le istituzioni europee e nazionali adottino nuovi approcci, per far riacquistare ai consumatori la validità del consenso e l’autonomia delle proprie scelte. Con obblighi di trasparenza in capo ai big e misure per responsabilizzare i consumatori. Ecco come

Pubblicato il 12 Apr 2018

Fabiana Di Porto

professore associato di Diritto dell’economia, Università del Salento

AI Questions Icon
Chiedi all'AI
Riassumi questo articolo
Approfondisci con altre fonti
privacy_601194293

Le risposte che la legge e la regolazione mettono a disposizione, per le nuove sfide della privacy (leggi articolo correlato) sono molteplici. Da una prospettiva pro-concorrenziale, esse variano dalla “divestiture” dei Titani digitali conglomerali – una proposta che sta timidamente affacciandosi, specie dopo i Datagates – all’applicazione di pesanti sanzioni (come è avvenuto in entrambi i casi europei del 2017, quali l’abuso di posizione dominante di Google e la violazione degli impegni post-merger da parte di Facebook / WhatsApp), alla light-touch – ed “evergreen” – self-regulation (come stabilito nella proposta di Regolamento sulla libera circolazione dei dati, cfr. ad esempio il Considerando 7).

Dal punto di vista della privacy, le regole del GDPR sono applicabili anche alle imprese extra-UE (che profilano individui europei), in cui gli standard di privacy potrebbero eventualmente essere più laschi rispetto all’UE. Le relative norme sono accompagnate da sanzioni, che possono ammontare ad una parte sostanziale – seppure proporzionata – del fatturato del trasgressore (sebbene si tratti di somme pur sempre sopportabili, specie per quei “Titani” il cui fatturato è spesso superiore al PIL di alcuni Stati membri).

L’impressione è che l’accumulo di dati realizzata attraverso lo sfruttamento potrebbe richiedere ulteriori sforzi, in due direzioni principali:

  • (i) quella dell’empowerment, in modo da far riacquistare ai consumatori la validità del consenso e l’autonomia delle proprie scelte;
  • e di (ii) una maggiore trasparenza delle decisioni algoritmiche.

La disclosure regulation

Il 16 febbraio 2018, il Tribunale belga di Primo Grado di Bruxelles ha condannato Facebook per aver violato le sue leggi nazionali sulla privacy e sui cookie. La sentenza, tra le altre, ha contestato alla società di non aver informato i suoi utenti e non utenti “in modo chiaro, conciso e comprensibile” riguardo alle sue attività (cioè il trattamento dei dati personali degli utenti e dei non utenti a fini di tracciamento). Ciò che è stato chiarito è che la violazione delle norme sulla protezione dei dati può rapidamente funzionare come un moltiplicatore del potere di mercato delle grandi imprese di dati (un addebito fatto anche dal Bundeskartellamt – sebbene su basi giuridiche diverse – nei confronti di Facebook nel suo preliminary assessment del 12 dicembre 2017).

La disclosure regulation potrebbe quindi essere una valida risposta. Tuttavia, ciò potrebbe accadere solo se le disclosure sulla profilazione e rivendita di dati personali (e di altri diritti, come la portabilità dei dati, l’accesso ecc.) fossero disegnate in modo cognitivo, al fine di superare i bias (vedi Figura 1). Cioè: in modo da essere salienti e abbastanza semplificati da essere rapidamente compresi, da aumentare la consapevolezza circa l’”an” e il “quantum” del consenso individuale.

Benché più contestate, potrebbero essere utilizzate anche le disclosure attuate mediante nudging al fine di superare le risposte emotive e le dipendenze derivanti dall’uso del web.

In alternativa, o in aggiunta, si potrebbe consentire agli utenti di scegliere di non rilasciare i propri dati personali, ma di pagare il servizio o l’app che desiderano scaricare. Le campagne educative per sensibilizzare ai temi della privacy e della protezione dei dati, in particolare tra gli adolescenti, dovrebbero essere una priorità per le autorità preposte alla tutela de i consumatori, della concorrenza e, come già oggi, della protezione dei dati.

Maggiore trasparenza delle decisioni algoritmiche

Il modo in cui sono prese le decisioni algoritmiche che influenzano le scelte commerciali individuali dovrebbe essere caratterizzato da una maggiore trasparenza. Il GDPR contiene alcune norme importanti che dovrebbero essere rafforzate, utilizzando un approccio cognitivo, come la portabilità dei dati e il diritto di ottenere l’intervento umano nelle decisioni algoritmiche, incluse le profilazioni.

Come chiarito dalle Linee guida dell’Art. 29 Working Group su “Automated individual decision-making and profiling” del 6 febbraio 2018, gli algoritmi sono soggetti a bias e “possono portare a valutazioni basate su proiezioni imprecise, [e] avere un impatto negativo sugli individui” (p.27). Pertanto, è importante “effettuare valutazioni frequenti sui set di dati … per verificare eventuali bias e sviluppare metodi per affrontare eventuali elementi pregiudizievoli, inclusa l’eccessiva dipendenza dalle correlazioni”. Tali controlli richiedono “verifiche periodiche dell’accuratezza e della rilevanza del processo decisionale automatizzato, inclusa la profilazione … non solo in fase di progettazione ma anche in modo continuo, poiché la profilazione viene applicata agli individui” (p.28).

Come responsabilizzare i consumatori

Due sono le strategie che potrebbero essere adottate per responsabilizzare i consumatori in questo settore.

La prima consiste nell’implementare i “data vaults” come archivi di big data personali (una proposta che il Garante europeo per la protezione dei dati formulò nel noto Parere n. 7/2015). Ad esempio, ai consumatori potrebbero essere forniti i propri dati di utilizzo di Internet (attraverso l’istituto della portabilità dei dati), per essere riutilizzati in “app” che mettono a confronto le offerte commerciali tramite algoritmi. In questo modo, facendo guadagnare ai consumatori la loro storia di consumo, essi potrebbero scegliere come riutilizzarla.

La seconda strategia è la disclosure personalizzata. Il messaggio (o disclosure) da mostrare verrebbe selezionato tramite un processo di co-regolazione, cioè uno cui partecipano l’industria, il regolatore e i consumatori. Qui l’algoritmo – in applicazione delle Linee guida del WG Art. 29 più sopra menzionate – sarebbe testato regolarmente per evitare bias e discriminazioni. La personalizzazione dei messaggi garantirebbe maggiori probabilità di lettura e comprensione, mentre i test preliminari di laboratorio degli algoritmi eviterebbero sfruttamenti, abusi e discriminazioni. Essi garantirebbero inoltre un aggiornamento regolare delle disclosure. Infine, un tale schema di co-regolazione, in tempi di “disrupted confidence”, potrebbe anche aiutare a ricostruire un tono di fiducia e reputazione.

Privacy e Facebook: tre motivi per cui è una sfida difficile per l’Europa

Valuta la qualità di questo articolo

La tua opinione è importante per noi!

People&Change

Tutti
CARRIERE
AI E LAVORO
COMPETENZE
Produttività e AI
AI IN AZIENDA
SCENARI
FORMAZIONE
CULTURA AZIENDALE
AI in azienda
Carriera
AI leadership
Leggi l'articolo Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
competenze
Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
Leggi l'articolo AI e lavoro, chi beneficerà davvero del tempo risparmiato?
scenari
AI e lavoro, chi beneficerà davvero del tempo risparmiato?
Leggi l'articolo Industria 5.0, chi difende le competenze quando decide l’AI
scenario
Industria 5.0, chi difende le competenze quando decide l’AI
Leggi l'articolo AI e lavoro in Italia: perché la formazione non può aspettare
l'analisi
AI e lavoro in Italia: perché la formazione non può aspettare
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership
Leggi l'articolo Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
competenze
Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
Leggi l'articolo AI e lavoro, chi beneficerà davvero del tempo risparmiato?
scenari
AI e lavoro, chi beneficerà davvero del tempo risparmiato?
Leggi l'articolo Industria 5.0, chi difende le competenze quando decide l’AI
scenario
Industria 5.0, chi difende le competenze quando decide l’AI
Leggi l'articolo AI e lavoro in Italia: perché la formazione non può aspettare
l'analisi
AI e lavoro in Italia: perché la formazione non può aspettare
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership
2
0
Lascia un commento, la tua opinione conta.x