DIRITTO DELL0INFORMATICA, Sintesi del corso di Diritto Dell'informazione

Scarica DIRITTO DELL0INFORMATICA e più Sintesi del corso in PDF di Diritto Dell'informazione solo su Docsity! Negli anni recenti, il progresso tecnologico delle infrastrutture ed applicazioni informatiche ha permesso lo sviluppo di nuovi sistemi capaci di fornire analisi ed informazioni con precisione e dettagli inediti attraverso la raccolta di dati da diverse fonti. Le informazioni che si possono trarre da questi database hanno un valore molto grande per la loro capacità di restituire la descrizione di un fenomeno, di una persona o di una comunità. In questo lavoro si pone l’attenzione sui dati non personali che recano con sé nuove problematiche di natura giuridica, economica e tecnologica; quindi, si tratta di raccogliere quantità di dati provenienti da macchine e sensori. Per poter correttamente porre le basi della discussione, si deve procedere all’indagine della natura di tali dati e delle ragioni giuridiche della loro tutela. (lo scopo di questo articolo,) si intende per informazione l’insieme di quegli elementi o dati che in forma singola o aggregata sono atti a produrre uno specifico significato. Il dato, ovvero l’informazione ricavabile da questo, potrebbe migliorare il livello di analisi e comprensione generale di un sistema. Questo ha portato molti a fare riferimento alla knowledge society nella quale il dato può essere lo strumento principale per l’orientamento dei decisori pubblici e dei player del mercato e, di conseguenza, per il miglioramento della competitività, dei servizi resi e dei rendimenti economici delle attività industriali, finanziarie nonché di applicazioni aventi ricadute sociali. KnowledgeSociety=f (Capitale Umano; Informazioni; Tecnologia) Dunque, esisterebbero almeno tre possibili posizioni nella relazione e nella gestione del dato: 1 uso strategico del dato negando l’accesso ad altri possedendo l’informazione in modo esclusivo; 2 valorizzazione del dato tramite la vendita; 3 immissione del dato in un flusso complessivo in modo da favorire l’analisi di un fenomeno descrivendolo in modo più dettagliato. Herbert Zech ha proposto una interessante riflessione preliminare, mettendo in risalto il fatto che l’informazione contenuta nel dato risulta diversa da tutte le altre che l’uomo ha in precedenza utilizzato. In primo luogo, esisterebbe un allentamento della relazione tra l’informazione e il mezzo fisico che tradizionalmente la supporta. Ciò è dovuto dal fatto che oggi le forme di contenimento dell’informazioni avvengono attraverso tecnologie di cloud computing che estraggono i dati in luoghi virtuali; il rapporto con un phisical carrier è poco rilevante se non assente. Il dato ha una componente multidimensionale composta da tre livelli: un livello semantico un livello sintattico e il livello del phisical carrier. Non sempre il livello semantico del dato, però, può essere collegato alle regole sintattiche. (FOTO STRUTTURA DATO) (FOTO SCHEMA) Il dato può assumere un carattere del tipo: non-rivalrous e non-excludable, in cui l’uso da parte di un soggetto non esclude la possibilità che un altro, contemporaneamente, utilizzi in modo profittevole lo stesso dato; quindi, si parla di beni pubblici. Il carattere rivalrous ed excludable comprende invece, i beni privati. Ci sono però, anche categorie miste definite: beni di club e res nullus o anche detti common pool good. Quest’ultimi sono beni non-excludable e rivalrous in cui la disponibilità comune del dato non esclude alcuna possibilità di appropriarsi di esso. I beni di club hanno invece la caratteristica di essere excludable e non rivalrous perché l’utilizzo di essi è circoscritto ad una platea definita di soggetti ammessi all’utilizzo. Se volessimo andare a valorizzare in modo economico l’informazione proveniente dai dati, dovremmo partire dall’effettuare una descrizione economica dei fenomeni: PrivateData=f (Rivalry, AbsenceOfPositiveExternalities) PublicData=f (AbsenceOfRivaly, PresenceOfPositiveExternalities) Per poter andare a valorizzare i dati, la condizione essenziale è legata alla natura della funzione che influenza valore e prezzo. Questo processo di data monetization riguarda, quindi, il rapporto tra valore e prezzo: DataValorization=f (Value; Price). In una situazione ottimale in tale processo dovremmo avere: un’identità tra il valore e il prezzo dei dati; ma questa condizione si verifica solo in ipotesi di mercato perfetto. Allora partiamo dal determinare il valore dei dati in funzione alla relazione tra valore interno (=valore intrinseco), valore estrinseco e valore di scambio. DataValue=f (InnerValue; ExtrinsicValue; ExchangeValue) la capacità di restituire informazioni dettagliate. Il valore interno è riferito al contenuto di informazioni specifiche dei dati ovvero all’aspetto semantico, quindi definisce la natura dei dati. Il valore interno di un dato richiede una conoscenza, almeno teorica, dell’acquirente. Il valore estrinseco è il valore attribuito ai dati dall’aspettativa dell’acquirente sul vantaggio che avrebbe dall’utilizzo di essi. Esso si manifesta con l’immissione dei dati nel mercato del tipo domanda e offerta. Il valore di scambio è generato dalla presenza di una relazione tra la domanda e l’offerta in un mercato organizzato. Esso, invece, è oggetto di una vendita. Il prezzo è basato su tre elementi: scarsità, usabilità e capacità di esclusione. La scarsità può essere una caratteristica del bene o una caratteristica del mercato. Il prezzo reagisce con la scarsità in senso negativo perché l’’aumento di essa induce la crescita dei prezzi. L’usabilità dipende dalle caratteristiche naturali dei dati come ad esempio, l’originalità, ma anche dalle capacità del venditore. In questo caso, la relazione con il prezzo è positiva. La capacità di esclusione è quando l’acquirente vuole escludere altri, dall’utilizzo dei dati. Il dato, quindi, può essere sottoposto o alla vendita o può essere utilizzato in una struttura organizzativa aziendale per incrementarne i servizi e la produzione. (FOTO MAPPA FIGURA NUMERO3) Se utilizzo questa sistema su dei dati privati, l’intera funzione della sua valorizzazione, perde efficacia. Al contrario, il dato inteso in una dimensione di public good è in grado di generare un valore aggiunto nell’utilizzo di questo stesso sistema. (Figura 5) schematizza l’ipotesi di andamento del valore del dato all’aumentare della sua circolazione e diffusione. Il data value cresce con la crescita della diffusione dei dati dalla dimensione private, alla dimensione club fino alla dimensione public. (il grafico si divide in due aree, A e B. mettere riguardi sotto lo schema 5). Il dato, quando viene inserito in un processo di condivisone, può avere degli effetti differenti come, ad esempio, o offrire una riduzione dei costi di mercato per l’acquisizione di informazioni necessarie. Quando i dati sono intesi come beni pubblici, riducono il costo dell’acquisizione di essi da parte delle organizzazioni interessati alla realizzazione di nuove forme di innovazione. Mentre se inteso come private good, si genera lo svantaggio di dover accedere ad essi attraverso prezzi che possono essere troppo elevati. A tal proposito può essere utilizzato come uno strumento in favore dell’eliminazione delle asimmetrie informative in grado di fare fallire il mercato e lo Stato; ma al contempo stesso, come strumento per l’affermazione di istituzioni nuove volte alla riduzione dei fallimenti di mercato. Si è posta l’attenzione sulla questione delle forme di proprietà e di tutela che un singolo soggetto giuridico può azionare nei confronti del dato e dell’informazione tratta da esso. L’aspetto della titolarità del rapporto con il dato è complicato dal fatto che nel ciclo di trattamento del dato sono coinvolti diversi stakeholder. In generale si possono definire: -Data Producer: generano dati da tecnologie come IoT o da siti web. - Internet Service Provider: mettono a disposizione il cloud o l’infrastruttura sulla quale i dati si trovano; - Data Provider.: raccolgono dati per poi rivenderli; - Data Aggregator/data custodian: si occupano della preparazione dei data set per il data processing; - Data Analytics Service Provider: forniscono un software per l’analisi del dato; -Enti privati-imprese/enti pubblici/individui/consumatori data-driven. Oggi le forme di tutela sono sostanzialmente tre, e di natura mediata:  La tutela della proprietà intellettuale  La tutela specifica per i database  Tutela del segreto commerciale Queste forme di tutela non sono propriamente confacenti, in quanto lasciano fuori, dalla tutela, un numero rilevante di casistiche. Quindi non c’è una chiara definizione legislativa sulla titolarità del diritto di proprietà del dato non personale. Sono state pensate diverse soluzioni: tra queste si è ricorso all’ipotesi di forme