Il “Missing Middle” della cultura: governance e nuovi ruoli ibridi nella regolazione dell’IA
Il “Missing Middle” della cultura: governance e nuovi ruoli ibridi nella regolazione dell’IA
The “Missing Middle” of Culture: Governance and New Hybrid Roles in AI Regulation
Abstract italiano
Il presente contributo analizza l’applicazione del concetto di “Missing Middle”, elaborato da Paul R. Daugherty e H. James Wilson, all’interno delle organizzazioni culturali, con particolare riferimento a musei, archivi, biblioteche, fondazioni, case editrici e istituzioni creative, alla luce dell’evoluzione del quadro normativo europeo e nazionale in materia di intelligenza artificiale. L’ipotesi di fondo è che il principale effetto dell’intelligenza artificiale sulle organizzazioni culturali non consista semplicemente nell’automazione di attività precedentemente svolte dall’uomo, ma nella trasformazione dello spazio intermedio nel quale capacità computazionale, competenza professionale e responsabilità istituzionale vengono a sovrapporsi. È in tale spazio che il “Missing Middle” assume una particolare rilevanza giuridica. A partire dai tre ruoli individuati da Daugherty e Wilson – Trainers, Explainers e Sustainers – il contributo propone una loro rilettura nel contesto culturale, non come nuove categorie professionali imposte dal legislatore, ma come funzioni organizzative attraverso le quali rendere governabile l’impiego dell’IA. Il Trainer presidia il rapporto tra sistema e patrimonio informativo; l’Explainer quello tra output algoritmico, organizzazione e destinatario; il Sustainer quello tra utilizzo del sistema, rischio e responsabilità nel tempo. L’AI Act, la disciplina sul diritto d’autore e la normativa nazionale sull’intelligenza artificiale costituiscono in questa prospettiva non il fine dell’analisi, ma il quadro entro il quale emerge una questione più ampia: come costruire organizzazioni culturali capaci di mantenere visibile la responsabilità umana quando una parte crescente dei processi viene affidata a sistemi artificiali. Il “Missing Middle” diviene così una possibile categoria di governance, nella quale la collaborazione tra uomo e macchina non rappresenta una semplice scelta tecnologica, ma una nuova forma di organizzazione della responsabilità.
Abstract English
This article examines the application of Paul R. Daugherty and H. James Wilson’s “Missing Middle” concept to cultural organizations, including museums, archives, libraries, foundations, publishing houses and creative institutions, considering the evolving European and Italian regulatory framework on artificial intelligence. The central argument is that the main organizational impact of artificial intelligence does not merely consist in automating tasks previously performed by humans, but in transforming the intermediate space in which computational capabilities, professional expertise and institutional responsibility intersect. It is within this space that the “Missing Middle” acquires a specific legal significance. Building on the three roles identified by Daugherty and Wilson – Trainers, Explainers and Sustainers – the article proposes a reinterpretation of these functions in the cultural sector. They should not be understood as professional categories directly imposed by legislation, but as organizational functions through which the use of AI can be effectively governed. Trainers oversee the relationship between AI systems and the informational heritage of the institution; Explainers mediate between algorithmic outputs, the organization and its users; Sustainers address the relationship between the system, risk and responsibility over time. The AI Act, copyright law and Italian legislation on artificial intelligence are therefore considered not as the ultimate object of analysis, but as the legal framework within which a broader organizational question emerges: how can cultural institutions preserve human responsibility when an increasing number of processes are delegated to artificial systems? The “Missing Middle” may thus be understood as a possible governance model, in which human-machine collaboration is not merely a technological choice, but a new way of organizing institutional responsibility.
1. Il “Missing Middle” nella relazione tra uomo e macchina
Nel dibattito sull’intelligenza artificiale applicata ai processi organizzativi, la discussione continua spesso a essere rappresentata attraverso una contrapposizione elementare: da un lato la macchina destinata a sostituire l’uomo, dall’altro l’uomo chiamato a difendere il proprio spazio dall’automazione. È una rappresentazione dicotomica che appare sempre meno adeguata alla natura concreta delle trasformazioni in corso, poiché riduce un fenomeno evolutivo complesso a un mero gioco a somma zero.
L’intelligenza artificiale non sta semplicemente occupando attività precedentemente svolte dalle persone. Sta modificando il modo nel quale quelle attività vengono progettate, distribuite, controllate e valutate. Il punto decisivo non è quindi soltanto stabilire quali compiti possano essere automatizzati, ma comprendere che cosa accade nello spazio speculare che si apre tra l’automazione e il lavoro umano.
2. Il superamento della logica sostitutiva e il paradigma cooperativo
È precisamente questo spazio che Paul R. Daugherty e H. James Wilson hanno definito “Missing Middle” nel loro fondamentale paradigma Human + Machine. La loro impostazione muove dal radicale superamento della logica sostitutiva: uomo e macchina non vengono considerati come soggetti concorrenti sul mercato dell'efficienza, ma come elementi simbiotici di una relazione nella quale ciascuno può e deve svolgere funzioni differenti e complementari.
Nel Missing Middle l’essere umano non scompare affatto dal processo produttivo o decisionale; al contrario, egli acquisisce nuove e più elevate funzioni di progettazione, addestramento, interpretazione critica e controllo del sistema. Il concetto assume oggi un significato ulteriore: quando una macchina entra stabilmente all’interno di un processo organizzativo, infatti, non cambia soltanto il modo di lavorare, ma muta profondamente l'assetto della governance interna.
3. La rifrazione del rischio e la ridistribuzione della responsabilità giuridica
L'ingresso dell'algoritmo nei processi decisionali scardina i criteri tradizionali di imputazione della responsabilità. Emergono interrogativi di natura prettamente giuridica: chi decide quali dati utilizzare? Chi stabilisce la finalità ultima del sistema? Chi valuta l’affidabilità del risultato prima della sua diffusione? Chi decide se un output possa essere legittimamente comunicato al pubblico e chi interviene quando il sistema produce un risultato errato o discriminatorio?
Queste domande dimostrano che il problema dell’IA non è soltanto un problema tecnologico o informatico. È anche, e soprattutto, un problema di governance e di compliance normativa. Il vero spazio mancante non è dunque semplicemente quello tecnico tra uomo e macchina, ma quello dogmatico tra le potenzialità della macchina e la responsabilità giuridica dell’organizzazione. Ed è proprio in questa prospettiva che il “Missing Middle” può assumere una particolare e innovativa rilevanza per il diritto.
4. La specificità del sistema culturale e la gestione del patrimonio identitario
Il trasferimento di questo paradigma al sistema culturale presenta caratteristiche del tutto proprie e merita un'analisi differenziata rispetto ai settori meramente industriali o commerciali. Musei, archivi, biblioteche, parchi archeologici, fondazioni, case editrici e istituzioni creative in genere non gestiscono infatti soltanto processi produttivi standardizzati o flussi di informazioni economiche. Esse gestiscono, valorizzano e tramandano patrimonio, memoria storica, identità collettiva, interpretazione critica e conoscenza.
Quando un sistema di IA viene utilizzato per catalogare un archivio storico, descrivere un’opera d’arte, tradurre un testo scientifico, costruire un percorso museale interattivo, rispondere alle domande dei visitatori o assistere la produzione editoriale, il risultato non rimane confinato all’interno di un processo tecnico, ma incide direttamente sul modo nel quale quel patrimonio viene conosciuto, percepito e interiorizzato dalla collettività.
5. Il rischio di istituzionalizzazione dell'errore algoritmico e l'autorità dell'ente
Questo elemento intrinseco rende particolarmente delicata e rischiosa l’introduzione dell’IA nel settore culturale. Un errore di catalogazione o un'allucinazione algoritmica non costituiscono un semplice glitch informatico o un disservizio tecnico. Una falsa attribuzione d'autore può modificare stabilmente la percezione e il valore di un’opera; una ricostruzione digitale storicamente infondata può essere scambiata per un documento autentico; una risposta generata automaticamente da un modello linguistico può acquisire, agli occhi dell’utente finale, l’autorevolezza derivante dall’istituzione che la offre.
Il rischio sistemico non consiste quindi soltanto nella produzione isolata di un output inesatto, ma nella concreta possibilità che un contenuto errato o distorto, prodotto o mediato da un sistema artificiale, venga istituzionalizzato attraverso l’autorità culturale e l'affidabilità sociale che la collettività riconosce storicamente all'ente pubblico o privato custode del sapere.
6. La funzione del Trainer: il presidio del patrimonio informativo nell'era dei modelli generalisti
Per evitare che l'opacità algoritmica travolga l'affidabilità delle istituzioni, i tre ruoli individuati da Daugherty e Wilson devono essere declinati come vere e proprio funzioni stabili di governance interna dell'ente culturale. La prima di queste funzioni è rappresentata dal Trainer (addestratore).
Nel contesto delle istituzioni culturali ed editoriali, il Trainer non agisce como un mero programmatore di codice, bensì come il garante della fase ascendente della filiera algoritmica. A questa funzione pertiene l'obbligo di selezionare, verificare e validare scientificamente i dataset impiegati per il fine-tuning e per l'addestramento dei modelli, assicurando la qualità, la granularità e la neutralità storica dei dati di ingresso. Il Trainer opera come un filtro dogmatico, impedendo che bias cognitivi, lacune documentali o discriminazioni sistemiche si riflettano nell'apprendimento profondo della macchina, alterando l'accuratezza scientifica che definisce l'ente stesso.
7. Il Trainer e la gestione negoziale e tecnica delle licenze di Text and Data Mining (TDM)
Sul piano civilistico della proprietà intellettuale, la funzione del Trainer diventa il perno della compliance rispetto alla Direttiva Copyright nel Mercato Unico Digitale (Direttiva UE 2019/790). Le organizzazioni culturali si trovano nella duplice posizione di custodi di patrimoni digitalizzati protetti e di utilizzatrici di sistemi terzi. Ai sensi dell'art. 53 dell'AI Act, i fornitori di modelli di IA a uso generale devono rispettare il diritto d'autore dell'Unione Europea, in particolare l'eccezione di TDM di cui all'art. 4, par. 3 della direttiva.
Il Trainer assume la responsabilità di governare il meccanismo di opt-out, implementando protocolli tecnici leggibili dalla macchina (machine-readable means) — quali standard di esclusione robotica (robots.txt), metadati condizionati o stringhe algoritmiche — per interdire il web scraping non autorizzato delle proprie banche dati. Laddove i diritti siano riservati, spetta a questa funzione negoziare modelli di licenza commerciale bilaterale ad hoc, trasformando la gestione dei dati di input da mero adempimento informatico a presidio di legalità.
8. La funzione dell'Explainer: trasparenza, accountability e diritti del destinatario culturale
La seconda funzione cardine all'interno del Missing Middle è affidata all’Explainer (esplicatore), il cui raggio d'azione si colloca nella complessa interfaccia che unisce l'output algoritmico, la struttura organizzativa dell'ente e l'utente finale (visitatore, ricercatore, lettore). L'Explainer risponde direttamente al fondamentale principio giuridico dell'interscambiabiliità tra trasparenza e accountability.
Egli ha il compito di rendere comprensibili e tracciabili i percorsi logici che hanno condotto l'intelligenza artificiale a generare una determinata catalogazione, raccomandazione o ricostruzione virtuale. Demistificando la natura di "scatola nera" del deep learning, l'Explainer assicura l'osservanza del diritto dell'utente a conoscere l'origine del dato e i criteri di mediazione algoritmica, tutelando la libertà di espressione e impedendo che l'istituzione culturale abdichi alla propria funzione critica.
9. Il Sustainer e la continuità del controllo: la gestione del rischio evolutivo nel tempo
A chiudere la triade della governance interviene la figura del Sustainer (sostenitore), una funzione organizzativa deputata al monitoraggio continuativo e alla sostenibilità giuridica nel tempo del sistema integrato uomo-macchina. I sistemi di intelligenza artificiale non sono strumenti statici; l'interazione costante con i dati reali, l'evoluzione del contesto sociale e i fenomeni di deriva dei dati (data drift) possono deteriorare le prestazioni originarie del modello, generando rischi emergenti o discriminazioni di ritorno.
Il Sustainer vigila affinché l'impiego dell'IA mantenga nel lungo periodo i medesimi standard di sicurezza, eticità e conformità normativa stabiliti in fase di progettazione. Questa funzione opera come un organo di controllo endogeno, capace di intervenire tempestivamente per correggere deviazioni algoritmiche, prevenire rischi reputazionali e garantire che l'autonomia dello strumento rimanga permanentemente subordinata alle finalità dello statuto dell'ente.
10. La cornice normativa dell'AI Act: l'obbligo di Human Oversight come pilastro organizzativo
L'architettura organizzativa tripartita fin qui delineata trova il suo naturale fondamento normativo nel Regolamento europeo sull'intelligenza artificiale (AI Act). Il legislatore eurunitario ha posto il principio del controllo umano (human oversight) quale pilastro fondamentale della gestione dei sistemi algoritmici, prescrivendo che le macchine debbano essere progettate per consentire una supervisione effettiva da parte di persone fisiche.
Nel settore culturale, dove l'impatto sui diritti fondamentali e sull'accesso alla cultura è rilevante, i ruoli di Trainer, Explainer e Sustainer non configurano sovrastrutture burocratiche o figure opzionali. Essi costituiscono la declinazione pratica e organizzativa degli obblighi di vigilanza richiesti dall'AI Act, traducendo il precetto normativo del controllo umano in flussi di lavoro aziendali stabili, idonei a prevenire e neutralizzare i rischi legati al funzionamento dell'IA.
11. La riforma italiana sul diritto d'autore: l'apporto umano causale e la tutela nazionale
La riflessione sulla governance del Missing Middle deve necessariamente confrontarsi con l'evoluzione del quadro normativo interno. La recente riforma italiana in materia di intelligenza artificiale ha apportato modifiche sostanziali alla Legge sul diritto d’autore (Legge 633/1941), introducendo specifici presidi volti a riaffermare la centralità del lavoro intellettuale umano. La modifica dell'art. 1 della legge sul copyright ha sancito espressamente che la tutela è riservata in via esclusiva alle opere frutto della creatività umana, pur ammettendo la protezione di creazioni realizzate con l'ausilio di sistemi algoritmici, a condizione che sia riscontrabile un apporto intellettuale umano che si ponga come nesso causale diretto del risultato artistico.
L'introduzione dell'art. 70-septies ha ulteriormente tipizzato le eccezioni di TDM applicate ai modelli generativi, inasprendo le sanzioni per le violazioni. In questo doppio binario — eurunitario e nazionale —, il Missing Middle si eleva a vera e propria categoria dogmatica del diritto delle nuove tecnologie, identificando lo statuto giuridico dello spazio intermedio di cooperazione.
12. Conclusioni: l'organizzazione della responsabilità nell'era digitale
In conclusione, l’esame dell’impatto dell’intelligenza artificiale sulle organizzazioni culturali dimostra inequivocabilmente che la sfida principale non è di ordine tecnologico, bensì di ordine istituzionale e regolatorio. L’AI Act, la disciplina sul diritto d’autore e la normativa nazionale sull’intelligenza artificiale costituiscono in questa prospettiva non il fine ultimo dell’analisi teorica, ma il quadro normativo rigido entro il quale emerge una questione organizzativa più ampia: come costruire organizzazioni culturali capaci di mantenere visibile, rintracciabile e azionabile la responsabilità umana quando una parte crescente dei processi viene affidata a sistemi artificiali.
Il “Missing Middle” diviene così la categoria di elezione di una nuova governance, nella quale la collaborazione tra uomo e macchina cessa di rappresentare una semplice scelta tecnologica di eficiência per configurarsi come una nuova, imprescindibile forma di organizzazione della responsabilità istituzionale.
