Η πρόσφατη υιοθέτηση του νόμου για την εφαρμογή του ευρωπαϊκού κανονισμού για την τεχνητή νοημοσύνη (AI Act) σηματοδοτεί μία από τις σημαντικότερες θεσμικές παρεμβάσεις των τελευταίων ετών στον τομέα της ψηφιακής διακυβέρνησης.
Η δημόσια συζήτηση επικεντρώθηκε, εύλογα, στις νέες υποχρεώσεις που εισάγει ο κανονισμός. Εξίσου σημαντική, όμως, είναι μια λιγότερο προβεβλημένη καινοτομία: η θεσμοθέτηση των ρυθμιστικών δοκιμαστηρίων τεχνητής νοημοσύνης (AI Regulatory Sandboxes), ενός θεσμού που επιχειρεί να συνδυάσει την καινοτομία με τη ρυθμιστική ασφάλεια.
Τα δοκιμαστήρια αυτά δεν αποτελούν «ζώνες εξαίρεσης» από το δίκαιο. Αντίθετα, συνιστούν ελεγχόμενα περιβάλλοντα στα οποία επιχειρήσεις, ερευνητικά ιδρύματα και νεοφυείς εταιρείες μπορούν να αναπτύσσουν και να δοκιμάζουν εφαρμογές τεχνητής νοημοσύνης υπό τη συνεχή εποπτεία των αρμόδιων Αρχών. Σκοπός τους είναι ο έγκαιρος εντοπισμός τεχνικών, νομικών και ηθικών κινδύνων, ώστε τα συστήματα να συμμορφώνονται ήδη από το στάδιο του σχεδιασμού με τις απαιτήσεις του AI Act και του γενικού κανονισμού για την προστασία δεδομένων. Πρόκειται, επομένως, για εργαλείο πρόληψης και όχι για μηχανισμό κανονιστικής χαλάρωσης.
Η πρόβλεψη του ελληνικού νόμου για τη δημιουργία του πρώτου εθνικού AI Regulatory Sandbox μπορεί να αποδειχθεί ιδιαίτερα σημαντική. Εφόσον λειτουργήσει αποτελεσματικά, θα επιταχύνει τη μετάβαση της καινοτομίας από το εργαστήριο στην αγορά, θα ενισχύσει την ανταγωνιστικότητα των ελληνικών επιχειρήσεων και θα προσελκύσει επενδύσεις σε έναν τομέα που εξελίσσεται με πρωτοφανείς ρυθμούς. Η επιτυχία του θεσμού, ωστόσο, δεν θα εξαρτηθεί από τη νομοθετική του κατοχύρωση, αλλά από την ποιότητα της εφαρμογής του.
Η διεθνής εμπειρία προσφέρει χρήσιμα διδάγματα. Τα πρώτα regulatory sandboxes εφαρμόστηκαν στον χρηματοπιστωτικό τομέα, αναδεικνύοντας τόσο τις δυνατότητές τους όσο και τις αδυναμίες τους. Στο Ηνωμένο Βασίλειο διατυπώθηκαν επικρίσεις για την περιορισμένη πρόσβαση μικρότερων επιχειρήσεων και την έλλειψη διαφάνειας ως προς την επιλογή των συμμετεχόντων.
Στη Σιγκαπούρη, αντίστοιχα, διαπιστώθηκε ότι ορισμένες επιχειρήσεις αξιοποιούσαν το sandbox κυρίως ως εργαλείο προβολής και λιγότερο ως πεδίο ουσιαστικών δοκιμών, γεγονός που οδήγησε σε αυστηρότερες προϋποθέσεις συμμετοχής.
Παράλληλα, η διεθνής πρακτική αναδεικνύει και σοβαρούς κινδύνους. Το φαινόμενο του regulatory capture, δηλαδή της υπέρμετρης επιρροής ισχυρών επιχειρήσεων στις εποπτικές Αρχές, μπορεί να υπονομεύσει την αξιοπιστία του θεσμού.
Αντίστοιχα, το λεγόμενο sandbox exit problem αποτυπώνει τις δυσκολίες που αντιμετωπίζουν ορισμένες επιχειρήσεις κατά τη μετάβαση από το προστατευμένο δοκιμαστικό περιβάλλον στην πραγματική αγορά. Τα παραδείγματα αυτά δείχνουν ότι η επιτυχία ενός ρυθμιστικού δοκιμαστηρίου εξαρτάται λιγότερο από το ίδιο το νομοθετικό πλαίσιο και περισσότερο από τη διαφάνεια, την αποτελεσματική εποπτεία και τη συνεχή αξιολόγηση των αποτελεσμάτων.
Τα AI Regulatory Sandboxes δεν πρέπει, επομένως, να αντιμετωπιστούν ως μηχανισμοί απορρύθμισης, αλλά ως εργαλεία «ρυθμιστικής μάθησης», μέσω των οποίων τόσο οι επιχειρήσεις όσο και οι εποπτικές Αρχές αποκτούν πολύτιμη εμπειρία πριν από την ευρεία ανάπτυξη εφαρμογών τεχνητής νοημοσύνης. Παράλληλα, οφείλουν να παραμείνουν η εξαίρεση και όχι ο κανόνας, καθώς η αποτελεσματική διακυβέρνηση της ΤΝ δεν μπορεί να στηρίζεται αποκλειστικά σε δοκιμαστικά καθεστώτα.
Η διαφάνεια στη λειτουργία τους, η ουσιαστική προστασία των προσωπικών δεδομένων, η αξιολόγηση των επιπτώσεων στα θεμελιώδη δικαιώματα και η στελέχωση των αρμόδιων εποπτικών Αρχών με εξειδικευμένο προσωπικό αποτελούν αναγκαίες προϋποθέσεις για την αξιοπιστία του εγχειρήματος. Διαφορετικά, υπάρχει ο κίνδυνος τα δοκιμαστήρια να εξελιχθούν είτε σε προνομιακό πεδίο για λίγους ισχυρούς παίκτες είτε σε ένα είδος innovation theatre, χωρίς ουσιαστική συμβολή στη διαμόρφωση ασφαλούς και αξιόπιστης τεχνητής νοημοσύνης.
Η πραγματική πρόκληση για την Ελλάδα δεν είναι απλώς να εφαρμόσει τον AI Act. Είναι να αξιοποιήσει τον νέο αυτό θεσμό με τρόπο που θα καταστήσει τη χώρα πανευρωπαϊκό πρότυπο υπεύθυνης ψηφιακής διακυβέρνησης στην εποχή της εκθετικής ανάπτυξης της ΤΝ. Γιατί, τελικά, η μεγαλύτερη πρόκληση της ΤΝ δεν είναι μόνο η ίδια η τεχνολογία: είναι η ποιότητα και η αξιοπιστία των θεσμών διακυβέρνησής της.
O δρ Μιχάλης Kρητικός είναι κύριος ερευνητής του ΕΛΙΑΜΕΠ και επίκουρος καθηγητής σε θέματα Τεχνητής Νοημοσύνης και Ψηφιακής Μετάβασης στη Σχολή Διακυβέρνησης του Πανεπιστημίου των Βρυξελλών
