Globalna analiza narzędzi i frameworków do budowania zaufania do AI ujawniła głęboką przepaść między teoretycznymi wytycznymi a rzeczywistymi możliwościami ich wdrożenia. Zespół badaczy przeanalizował obszerny zbiór danych z OECD, mapping'ując ponad 100 narzędzi i systemów certyfikacji mających na celu operacjonalizowanie etycznego AI, i odkrył znaczące asymetrie w tym, jak różne zagrożenia i etapy rozwoju są adresowane.
Badanie wykazało zdecydowanie nierówny rozkład uwagi na poszczególne kwestie etyczne. Branżowe rozwiązania mocno skupiają się na fairness, transparency i robustness, ale niemal zaniedbują explainability modeli, bezpieczeństwo cyfrowe i sustainability - czyli wpływ sztucznej inteligencji na środowisko naturalne. Równie problematyczne jest to, że niemal wszystkie narzędzia i certyfikaty skupiają się na etapach późnych, już po opracowaniu modelu, podczas gdy fazy wczesne - design, zbieranie danych, definiowanie problemów - pozostają bez wsparcia. To oznacza, że etyka trafia do AI na koniec, zamiast być wbudowana od początku.
Autorzy podkreślają, że przełamanie tej przepaści wymaga fundamentalnych zmian. Po pierwsze, trzeba rozszerzyć zakres etycznych celów poza popularne już fairness i transparency. Po drugie, wsparcie dla etycznego AI powinno obejmować całą ścieżkę życia systemu, a nie tylko jego końcowe fazy. Po trzecie, brakuje udziału edukacyjnych inicjatyw i zaangażowania decydentów politycznych - obecnie narzędzia do zaufanego AI są domeną firm z sektora tech, co ogranicza perspektywę i możliwość faktycznego wpływu na praktykę.