Badania comparative opublikowane na arXiv wskazują na rosnący rozdźwięk między regulacjami AI w głównych jurysdykcjach - UE, USA i Chinach. Naukowcy stworzylimatrycę porównawczą mapującą triggery klasyfikacji ryzyka, zobowiązania dla operatorów, mechanizmy egzekwowania oraz praktyczne wdrażanie zasad FAIR (Findability, Accessibility, Interoperability, Reusability) w każdej jurysdykcji.
Do analizy wybrano trzy rzeczywiste use case'i wysokiego ryzyka: rehabilitacyjną robotykę sterowaną elektroencefalografią (EEG), automatyczną windykację dłużną w prospektywnych ekosystemach centralnych walut cyfrowych (CBDC) oraz dynamiczną alokację deficytowych zasobów GPU w emerging infrastrukturach AI Factory. Te przypadki ujawniły systemowe problemy: słabe mandaty interoperacyjności między regulacjami, trudności w łączeniu wymogów AI z regulacjami sektorowymi i ochroną danych, oraz niedostatecznie jasne wytyczne dla krytycznej infrastruktury cyfrowej.
Jako rozwiązanie zespół proponuje Knowledge Blocks - maszynowo sprawdzalny format artefaktów zgodności, zbudowany na technologiach semantycznych (RDF/OWL, SHACL i PROV-O). Podejście to umożliwia wbudowanie wymogów compliance już na etapie projektowania systemów i automatyczną weryfikację zgodności z wieloma reżimami regulacyjnymi jednocześnie. To ma potencjał znacznie uprościć audyty i zmniejszyć niepewność compliance dla firm operujących na wielu rynkach.