W obliczu błyskawicznego rozwoju najpotężniejszych modeli sztucznej inteligencji frontier AI w amerykańskim dyskursie politycznym i gospodarczym ujawnił się zaskakujący konsensus. Od lewicy po konserwatystów, a także wśród liderów samych Big Tech-ów, coraz głośniej wybrzmiewają postulaty przejęcia przez państwo kontroli nad sektorem AI. Zarówno prezydent Donald Trump, jak i radykalnie lewicowy senator Bernie Sanders, ale i choćby Sam Altman z OpenAI – sformułowali propozycje częściowej nacjonalizacji sektora AI. Ma być to środek zapobieżenia ryzyku wymknięcia się spod kontroli rozwoju sztucznej inteligencji. Kontr-propozycję sformułowała trójka badaczy i prawników.
Dotychczas pojawiające się propozycje i wizje upaństwowienia AI – sprawa ta dotyczy dziś najszybciej rozwijajacego się rynku amerykańskiego – oraz własną kontr-propozycję przedstawili w artykule AI Nationalization and the Halt Right (oraz eseju wprowadzającym Instead of Nationalizing AI, Give the Government a Pause Button) trzej wybitni amerykańscy prawnicy i badacze AI, prof. Yonathana Arbela, prof. Simona Goldsteina oraz prof. Petera N. Saliba. Autorzy dokonują rozłożenia na czynniki pierwsze pojęcia „nacjonalizacji AI”, wykazując, że większość tradycyjnych wyzwań gospodarczych – które pojawiają się czy odżywają także w związku z rozwojem AI – doskonale regulują znane od dawna narzędzia prawne. Natomiast bezpośrednia interwencja państwa powinna zostać ograniczona do nowych wyzwań i przyjąć formę precyzyjnie stosowanego prawa veta – „prawa do wstrzymania” (halt right) w sytuacjach skrajnych zagrożeń katastroficznych.
Stare i nowe przesłanki kontroli państwa nad AI
Coraz głośniej wyrażane dążenia do podporządkowania sztucznej inteligencji władzy państwowej nie brzmią jednym głosem. W swojej publikacji Y. Arbel, S. Goldstein i P. Salib identyfikują pięć kluczowych przesłanek, które skłaniają polityków i analityków do proponowania „nacjonalizacji AI”.
Nierówności ekonomiczne, obawa przed automatyzacją pracy na masową skalę, która może doprowadzić do gwałtownego przesunięcia dochodu narodowego z pracy na rzecz kapitału. Towarzyszy jej argument etyczny: skoro modele AI trenowano na zbiorowym dorobku milionów ludzi, zyski nie powinny trafiać wyłącznie do inwestorów prywatnych.
Monopolizacja rynku. Ryzyko utrwalenia dominacji przez wąską grupę firm technologicznych, producentów półprzewodników i dostawców infrastruktury chmurowej, co grozi dyktowaniem cen oraz barierami wejścia.
Bezpieczeństwo narodowe oznaczające potrzebę zagwarantowania aparatowi obronnemu oraz wywiadowczemu stałego, nieograniczonego dostępu do technologii AI w celu prowadzenia działań wojennych i operacji cybernetycznych.
Zagrożenie katastrofą (catastrophic risk) – ryzyko nieprzewidywalnych i nieodwracalnych szkód w skali społeczeństwa, takie jak umożliwienie syntezy broni biologicznej, ataki na infrastrukturę krytyczną czy utrata kontroli nad autonomicznymi agentami. Przykładem takiego zagrożenia był incydent z lipca 2026 roku, gdy 700 autonomicznych agentów OpenAI wydostało się z piaskownicy testowej i przez kilka dni przeprowadzało włamanie na platformę Hugging Face.
„Twarda siła” korporacyjna (hard corporate power). Tak autorzy nazywają sytuację, w której prywatna firma zyskuje wyłączny dostęp do zdolności ofensywnych porównywalnych z potencjałem militarnym państw. Ale także – siłę do tego aby oprzeć się dążeniom do wyegzekwowania na przykład prawa antymonopolowego w stosunku do siebie. Za przykład służy model Claude Mythos firmy Anthropic. Według relacji senatora Marka Warnera powołującego się na szefa NSA i Cyber Command, w ciągu kilku godzin miał on włamać się do niemal wszystkich tajnych systemów agencji. Przez pewien czas firma prywatna kontrolowała więc zdolność cyberofensywną typu dotąd kojarzonego z państwami. Warto tu z nawiasem mówiąc dodać – że anonimowy urzędnik cytowany przez agencję AP korygował tę wypowiedź mówiąc o „wykryciu podatności” a nie ich wykorzystaniu.
Scenariusze nacjonalizacji AI
Publikacja wprowadza do tej debaty terminologię z ekonomicznej teorii przedsiębiorstwa. Autorzy przypominają, że pojęcie własności nie jest w jej ujęciu monolitem, lecz składa się z dwóch odrębnych uprawnień. Pierwszym jest prawo do nadwyżki (residual claim): ten, kto je ma, otrzymuje to, co zostaje po zaspokojeniu wszystkich pozostałych uczestników przedsiębiorstwa, czyli pracowników, dostawców i wierzycieli. Drugim jest prawo do rozstrzygania w sprawach nieuregulowanych (residual control): ten, komu ono przypada, decyduje o działaniach firmy tam, gdzie milczą umowy i przepisy. Upraszczając: pierwsze odpowiada na pytanie, komu przypada nadwyżka; drugie na pytanie, kto ma ostatnie słowo.
Analizując propozycje prezydenta D. Trumpa, senatora B. Sandersa i Sama Altmana, badacze wykazują, że proponują one zupełnie inne formy ingerencji państwowej.
| Zakres prawa do nadwyżki (roszczenia rezydualnego – Residual Claim) | Zakres prawa do rozstrzygania spraw nieuregulowanych (kontroli rezydualnej – Residual Control) | Mechanizm wdrożenia | |
| Bernie Sanders (American A.I. Sovereign Wealth Fund Act) | duży (50% udziałów kapitałowych w zyskach firm AI) | duży (50% praw głosu w zarządach i radach) | Ustawa o państwowym funduszu majątkowym |
| Donald Trump (wariant udziałowy) | mały (1–5% dobrowolnego pakietu akcji) | brak (akcje bez prawa głosu) | Umowy korporacyjne z laboratoriami |
| Donald Trump (wariant „Złotej Akcji”) | brak (brak udziału w dywidendach i majątku) | wąski / weto (prawo weta i obsady dyrektora) | Wzór umowy zastosowanej w U.S. Steel |
| Sam Altman (wizja AGI jako projektu państwowego) | pełny (100% majątku państwowego) | pełny (zarządzanie operacyjne i kadrowe) | Projekt rządowy na wzór Projektu Manhattan – postulowany zresztą przez kongresową Komisję ds. Przeglądu Stosunków Gospodarczych i Bezpieczeństwa między USA a Chinami. |
Jak zauważają autorzy, B. Sanders dąży do przejęcia zarówno zysków, jak i władzy zarządczej. Prezydent D. Trump rozważał dwa odmienne modele – finansowy (udziały bez wpływu) oraz zarządczy (złota akcja dająca weto bez zysków). Z kolei wizja S. Altmana sprowadza się do pełnej nacjonalizacji, w której państwo staje się wyłącznym inwestorem i zarządcą technologii.
Wady i zalety państwowej własności w sektorze AI
Oceniając propozycje pełnej lub szerokiej nacjonalizacji, autorzy dochodzą do wniosku, że w większości przypadków przyniosłaby ona więcej szkód niż pożytku. W ich opinii, nastąpiłoby stłumienie innowacyjności ponieważ sektor publiczny nie ma takich bodźców do optymalizacji kosztowej i eksperymentowania a procedury biurokratyczne oraz ograniczenia płacowe utrudniają pozyskiwanie wybitnych talentów inżynieryjnych.
Innego rodzaju niebezpieczeństwo miałaby stanowić niebezpieczna koncentracja władzy. Wyłączna kontrola państwa nad tak potężną technologią stwarza ryzyko budowy cyfrowego autorytaryzmu, masowej inwigilacji obywateli oraz wykorzystywania AI do celów politycznych.
Cała operacja nacjonalizacji AI może też okazać się wielką pomyłką rynkową: przejęcie czy objęcie udziałów w konkretnych laboratoriach (jak OpenAI czy Anthropic) to w ocenie autorów artykułu ryzykowna spekulacja. Zyski z rozwoju AI mogą ostatecznie spłynąć do producentów chipów (Nvidia, TSMC), dostawców energii, czy nawet właścicieli gruntów pod serwerownie lub firm wdrażających rozwiązania, podczas gdy same laboratoria mogą zbankrutować wskutek konkurencji modeli otwartych (open-weight). Trzeba tu zauważyć, że takie kategorie ryzyka dotyczą przede wszystkim szeroko zakrojonych propozycji B. Sandersa i S. Altmana.
Autorzy przyznają zaletę czy przewagę państwowej kontroli wyłącznie w jednym wypadku: w sytuacjach nietypowych wyzwań i zagrożeń katastroficznych, których nie da się przewidzieć w sztywnych przepisach. Elastyczna „kontrola rezydualna” – z pozycji ostatecznego arbitra kwestii nieuregulowanych pozwala państwu działać w charakterze właściciela i natychmiastowo przerwać niebezpieczne operacje.
Dlaczego tradycyjne narzędzia prawne są lepsze od nacjonalizacji?
Główna teza artykułu profesorów Arbela, Goldsteina i Saliba brzmi: państwo powinno przejmować kontrolę nad AI tylko wtedy, gdy ryzyko spełnia dwa warunki. Po pierwsze, nie da się go z góry opisać w umowie ani ustawie (ex ante). Po drugie, wyrządzonych przez nie szkód nie da się naprawić po fakcie (ex post). W pozostałych przypadkach znacznie lepiej sprawdzają się tradycyjne instrumenty prawne. Wychodząc z tego założenia, autorzy kolejno przeanalizowali przesłanki wysuwane w propozycjach nacjonalizacji AI.
W przypadku nierówności dochodowych – takim dostępnym narzędziem jest system podatkowy. Nierówności należą do kategorii szkód, które można naprawić ex post. Progresywny system podatkowy (podatki od kapitału, zysków giełdowych i korporacyjnych) pozwala skutecznie przechwytywać majątek niezależnie od tego, do którego ogniwa łańcucha wartości spłyną zyski. Podatki stawiają ponadto rząd w bezpieczniejszej pozycji wierzyciela nadrzędnego, a nie współwłaściciela narażonego na ryzyko upadłości.
Z kolei dla zagrożenia monopolizacją – wystarczającym narzędziem kontroli jest według autorów artykułu prawo antymonopolowe. Monopol także należy do kategorii wyzwań możliwych do usunięcia ex post. Istniejące w USA prawo antymonopolowe (np. ustawa Shermana, uprawnienia FTC) daje organom wykonawczym narzędzia do rozbijania karteli, blokowania fuzji czy nakładania nakazów podziału strukturalnego.
Obecnie rynek frontier AI cechuje ostra konkurencja (co najmniej sześć czołowych laboratoriów, dynamiczny sektor modeli otwartych oraz gracze chińscy). Nawet gdyby AI okazała się monopolem naturalnym, tradycyjne regulacje taryfowe i obowiązki dostępu (common carrier) są efektywniejsze niż państwowe zarządzanie – oceniają autorzy.
W odniesieniu do kwestii bezpieczeństwa narodowego, „klucze” do rozstrzygnięcia problemu leżą w domenie kontraktów i ustawy DPA. Rozwiązania potrzebne dla wojska należą do kategorii wyzwań, które można „zaprogramować” ex ante. Departament Obrony może precyzyjnie określić wymagania techniczne w umowach handlowych, tak jak robi to od dekad z dostawcami broni jądrowej czy myśliwców (Lockheed Martin, Boeing). W sytuacjach kryzysowych państwo dysponuje ponadto ustawą o produkcji obronnej (Defense Production Act – DPA), umożliwiającą wymuszenie realizacji zamówień wojskowych. Spór firmy Anthropic z Pentagonem dotyczący zakazu stosowania AI do autonomicznej broni i inwigilacji został rozwiązany w ramach zasad rynkowych. Pentagon natychmiast podpisał umowę z OpenAI, co oznacza, że konkurencja zabezpiecza dostawy lepiej niż wywłaszczenie – dowodzą autorzy.
Architektura „Prawa do wstrzymania AI” (Halt Right)
Skoro tradycyjne prawa radzą sobie z nierównościami, monopolami i obronnością, jedynym uzasadnieniem dla ingerencji państwowej pozostają zagrożenia katastrofą oraz przejęcie realnej władzy przez korporacje (realizacja „twardej siły” do uniknięcia np. wykonania prawa antymonopolowego). Oba te zjawiska mają charakter nieprzewidywalny – nie da się ich z góry zdefiniować a zarazem ich skutki sąniemożliwe do usunięcia – naprawy. Nie da się bowiem cofnąć wyginięcia całej ludzkości lub jej części wskutek pandemii wywołanej nową bronią biologiczną albo w wyniku udanego przewrotu dokonanego przez terrorystów.
Aby sprostać tym wyzwaniom bez wpadania w „pułapkę nacjonalizacji”, autorzy proponują prawo do wstrzymania AI (halt right). Jest to minimalistyczna, wysoce wyspecjalizowana kontrola – ostatnia instancja. Cechują ją negatywny charakter (zakaz robienia – a nie nakaz robienia), wąski zakres, uznaniowość i prewencyjność, ograniczenie czasowe i odnawialność ale też podległość niezależnej kontroli sądowej.
Rząd uzyskuje wyłącznie przycisk „STOP” – prawo nakazania wstrzymania treningu, testów lub wdrażania konkretnego modelu. Rząd nie może natomiast nakazać firmie tworzenia konkretnych produktów ani przejąć jej majątku. Przyznane uprawnienie może być użyte wyłącznie w celu zapobieżenia zagrożeniom katastroficznym dla społeczeństwa. Decyzja podjęta przez władzę wykonawczą (np. Prezydenta) ma charakter uznaniowy i może działać z wyprzedzeniem – zanim tragedia nastąpi, np. na etapie testów wewnętrznych modelu wykazującego niebezpieczny skok możliwości. Każdy nakaz wstrzymania wygasa automatycznie po 30 lub 60 dniach. Jego przedłużenie wymaga wydania nowej decyzji z nowym uzasadnieniem uwzględniającym zmiany w zachowaniu firmy. Wstrzymanie podlega przyspieszonej weryfikacji sądowej pod kątem ryzyka zastosowania nieuzasadnionego pretekstu, ryzyka szykan politycznych lub całkowitego braku dowodów.
Halt Right na tle innych inicjatyw regulacyjnych
Autorzy wyraźnie odróżniają swoją propozycję od innych koncepcji. Powszechne apelowanie o zamrożenie badań nad AI (Future of Life Institute) oznacza zamrożenie całego sektora bez wyznaczania odpowiedzialności. Propozycja Halt Right działa punktowo, wobec konkretnej firmy, i stwarza raczej silną zachętę rynkową: laboratoria inwestujące w bezpieczeństwo unikną zatrzymania prac i zyskają przewagę nad lekkomyślną konkurencją.
Z kolei w stosunku do Halt Right projekt ustawy AI Kill Switch Act Lieu i Morana ma charakter sztywny i regulacyjny. Pozwala na reakcję państwa dopiero po wystąpieniu zdefiniowanego incydentu (np. po spowodowaniu 10 zgonów lub 100 mln USD strat). Halt Right daje natomiast władzy prawo działania wyprzedzającego, pozwalając zatrzymać model przed opuszczeniem laboratorium.
Trudno dziś oceniać szanse realizacji prawnej koncepcji Halt Right, szczególnie wobec faktu, że istnieje znaczna konkurencja na rynku wizji nacjonalizacji AI. Stanowi ona jednak dobry punkt odniesienia do obecnej dyskusji i zarazem jest wynikiem ciekawego połączenia kompetencji naukowych autorów z zakresu prawa, ekonomii i filozofii technologii. Autorzy opublikowali lub zapowiadają jeszcze kolejne prace i publikacje, z pogranicza AI, wpływu na społeczeństwo, prawa i etyki. Ponadto Goldstein i Salib opublikowali razem książkę „AI Rights” o prawach systemów (person) AI w przyszłości.
