L’Italia mostra un’ampia diffusione dell’Intelligenza Artificiale (IA) all’interno della Pubblica Amministrazione. Secondo un’indagine di EY-Oxford Economics, il 97% delle Amministrazioni coinvolte dichiara di aver avviato iniziative di IA che soddisfano o superano le proprie aspettative
Tuttavia, nonostante questa presenza significativa, solo una parte limitata è riuscita a integrare l’IA nei propri processi in maniera stabile. Il vero problema non è tanto una mancanza di interesse o di risorse, quanto la capacità di trasformare questa tecnologia in un elemento strutturale del modello operativo pubblico
I vincoli che frenano questa evoluzione sono molteplici, alcune di origini sistemiche. Tra quelli principali emergono la privacy e la questione della sicurezza dei dati (menzionata dal 73% dei rispondenti), la difficoltà nel consolidare una strategia digitale e una governance dei dati pienamente integrata (60%), la debolezza delle infrastrutture tecnologiche (57%), e l’assenza di una leadership costante (50%)
- Il 64% delle Amministrazioni che considerano privacy e sicurezza un problema critico ha già avviato piani per rafforzare la protezione dei dati
- Il 76% prevede investimenti significativi nelle fondamenta dati
- Il 59% sta potenziando le capacità di elaborazione e l’archiviazione, anche attraverso l’uso di soluzioni sovereign cloud
In questo contesto, il tema dellasovereign AI sta acquisendo progressivamente una maggiore rilevanza. Si tratta della capacità di sviluppare e utilizzare sistemi di intelligenza artificiale garantendo controllo totale sui dati, sugli algoritmi e sulle infrastrutture. Il settore pubblico, in particolare, deve rispondere a esigenze specifiche in termini di sicurezza, conformità e autonomia
Rispetto a rischi più evidenti, come la mancata adozione dell’IA, i problemi veri emergono nel persistere di una frammentazione: tante sono state le iniziative sperimentali, ma pochi i successi concreti. Il numero di progetti pilota funzionanti è elevato, ma restano isolati, senza sviluppare sistemi di supporto strutturale per i modelli operativi e senza sfruttare appieno il loro potenziale in termini di valore pubblico
La sfida principale per la PA nei prossimi anni sta nel passare da una posizione di sperimentazione a una di adozione strutturale dell’IA. Per raggiungere questo obiettivo, è stato definito un modello di riferimento articolato in quattro pilastri, mirati a garantire un percorso coerente e sostenibile
L’adottazione dell’IA come opportunità strategica
Il primo pilastro si basa su un cambio di prospettiva. L’introduzione dell’IA non deve essere considerata solo come aggiunta di nuove tecnologie: essa rappresenta un’occasione per ripensare i servizi pubblici in termini di efficacia, tempestività e chiarezza per i cittadini
In questa logica, si deve iniziare da un allineamento tra obiettivi del settore pubblico, compiti istituzionali e bisogni del cittadino. Si tratta di stabilire dove l’IA possa generare maggiore impatto, progettando quindi il ruolo che dovrà svolgere lungo il ciclo del servizio, con definizione chiara di livelli di automazione e di presidio umano per le fasi più sensibili
- Orientare i servizi pubblici verso il miglioramento continuo di qualità, velocità e livello di personalizzazione
- Definire con chiarezza il livello di automazione desiderabile, distinguendo tra supporto decisionale, raccomandazione o automazione supervisionata
- Assicurare un ruolo umano nelle decisioni più sensibili, e in quelle che coinvolgono maggiore impatto sociale
- Far sì che ogni scelta di automazione sia coerente con normative vigenti, principi etici e standard di trasparenza
- Integrare la compliance in ogni fase del servizio pubblico, riducendo rischi legali, reputazionali e impatti negativi sul cittadino
La valutazione della readiness
Il secondo pilastro è costituito dalla valutazione della readiness della PA. Si tratta di verificare se l’organizzazione abbia le condizioni minime per adottare l’IA in modo consapevole, controllato e sostenibile
La readiness non è solo una questione tecnica, ma include una serie di fattori abilitanti come la maturità tecnico-organizzativa. Si valutano quindi infrastrutture, dati e processi esistenti, identificando le lacune potenzialmente ostacolanti per l’implementazione a regime
- Capacità dell’organizzazione di rivedere e adattare i processi esistenti
- Qualità e accessibilità dei dati disponibili
- Infrastrutture tecnologiche in grado di supportare l’IA
- Leadership e governance che siano in grado di supervisionare l’integrazione di nuove tecnologie
- Disponibilità di fondi per investire in sviluppo e formazione
- Capacità di scalabilità e interoperabilità necessaria per non rendere gli usi d’IA isolati
Il dato come infrastruttura per il valore pubblico
Il terzo pilastro si concentra sull’importanza dei dati come elemento centrale per la trasformazione digitale e l’inizio di servizi pubblici più efficienti. La qualità e la disponibilità dei dati sono essenziali per realizzare un livello ottimale di servizio
Più del 70% delle Amministrazioni riconosce la necessità di migliorare la governance dei dati. La valorizzazione del patrimonio informativo richiede interventi mirati sulla standardizzazione, l’etichettatura, l’integrazione con fonti esterne, e l’utilizzo di ambienti protetti per la sperimentazione
- Creare data foundation coerenti e organizzate
- Garantire accesso semplice e sicuro ai dati
- Predisporre strumenti di arricchimento e cross-referenziazione di informazioni
- Utilizzare il dato non solo come supporto operativo ma come mezzo per nuove innovazioni
- Costruire servizi più proattivi, adatti alle esigenze emergenti della società
- Supportare l’addestramento personalizzato basato sull’analisi dei dati
- Creare sistemi in cui la sovereign AI permette di coniugare valorizzazione informativa con autonomia e sicurezza
La governance come strumento per il cambiamento
Il quarto pilastro riguarda la governance del cambiamento introdotto dall’IA, che non riguarda solo tecnologia ma anche il modo di lavorare e la cultura organizzativa
Verso questo fine, gli interventi devono concentrarsi su processi, relazioni interne, e su una cultura della condivisione, del controllo e della collaborazione tra le varie componenti del sistema ammin