Una Ferrari in garage: l’analogia che spiega il problema
Immaginate un comune qualsiasi che, con l’aggiornamento primaverile del gestionale, riceve “una Ferrari” in garage: il modello AI più avanzato incluso nel canone. Il problema è che davanti al garage c’è una strada sterrata piena di buche e, nella maggior parte degli uffici, quasi nessuno ha la patente per guidarla.
Le domande ricorrenti e le capacità attuali dei modelli
Ogni pochi mesi bussa alla porta un nuovo modello, più veloce e più “agentico”. La domanda che rimbalza tra giunta, segreteria e responsabile per la transizione digitale è sempre la stessa: stiamo restando indietro? Proviamo a ribaltare il punto di vista. Forse il vero ritardo non è rispetto ai modelli, ma rispetto a noi stessi.
Ecco cosa serve oggi a un ufficio comunale:
- Riassumere un atto di quaranta pagine.
- Preparare la bozza di una determina partendo da un precedente.
- Rispondere alle domande ricorrenti dei cittadini su TARI, mensa e residenze.
- Classificare la posta in arrivo al protocollo.
- Estrarre dati da un PDF scansionato.
Tutte queste attività sono già svolte bene, spesso molto bene, dai modelli AI disponibili. Per la maggior parte del lavoro amministrativo di un ente locale, la frontiera tecnologica è già oltre il bisogno.
Capability overhang: la distanza tra capacità e utilizzo
Nel mondo della ricerca il fenomeno è chiamato capability overhang: capacità disponibile, pagata, ma non usata. È la Ferrari in garage: più potente non serve se la strada è inadeguata. Acquistare un modello più veloce in queste condizioni è come comprare una Ferrari più rapida per la stessa strada sterrata: il tempo di percorrenza non cambia.
Il caso del report MIT NANDA “The GenAI Divide”
Nel luglio 2025 il progetto NANDA del MIT ha pubblicato il report The GenAI Divide, dedicato all’adozione dell’AI generativa nelle imprese. I dati più eclatanti sono:
- Investimenti complessivi di 30‑40 miliardi di dollari.
- Il 95 % delle organizzazioni analizzate non ha registrato un ritorno misurabile.
Gli autori attribuiscono il fallimento non alla qualità dei modelli, ma al modo in cui vengono implementati: flussi di lavoro fragili, strumenti scollegati dall’operatività quotidiana e progetti bloccati nella fase pilota.
Che dire della situazione italiana?
Secondo l’Osservatorio Smart City del Politecnico di Milano, con dati riferiti al 2025:
- Solo il 7 % dei comuni ha già adottato l’intelligenza artificiale.
- Il 18 % pianifica di farlo nel 2026.
- Il 34 % prevede l’adozione dal 2027 in poi.
- Il 64 % dei cittadini dei comuni con meno di 5 000 abitanti ritiene l’amministrazione impreparata all’AI, contro il 44 % nelle grandi città.
Il collo di bottiglia, quindi, non è la frontiera tecnologica, ma l’ultimo miglio dentro gli uffici.
L’errore dell’add‑on e il rischio dell’adempimento formale
Un comune non sceglie direttamente il modello: acquista il modulo AI del fornitore del gestionale, l’assistente integrato nel protocollo o la licenza della suite d’ufficio. La vera corsa nella PA è quella verso l’ultimo add‑on, non verso l’ultimo modello. Spesso l’obiettivo si trasforma in “includere l’AI nel PIAO” o nella relazione di fine mandato, a discapito di un impatto reale sui servizi.
I modelli più recenti costano meno per unità di lavoro, sbagliano meno e gestiscono meglio documenti lunghi. Rinunciarvi per principio sarebbe miope.
Perché non basta “prima la cultura del dato”
Il consueto copione “prima la cultura del dato, poi la riorganizzazione, poi la formazione” ha ritardato per vent’anni la trasformazione digitale nella PA italiana. Questo approccio genera un circolo vizioso:
- Senza uso, i problemi dei dati non emergono.
- Senza problemi emersi, nessuno li risolve.
- Senza dati sistemati, l’AI funziona male.
- E allora non la si usa.
Il modo per spezzare il ciclo è usare l’AI fin da subito, sistemando dati, processi e persone insieme all’AI, caso d’uso per caso d’uso.
Quattro mosse concrete per una moratoria sugli acquisti, non sull’uso
1. Inventario delle licenze e degli add‑on attivi
Quali licenze possiede l’ente? Quali moduli AI sono già attivi nei gestionali, magari senza che nessuno se ne sia accorto? Chi li usa, quanto e per cosa? L’esperienza dimostra che l’inventario riserva sempre sorprese: funzioni pagate e mai aperte, strumenti duplicati, iniziative individuali di cui il responsabile non è a conoscenza.
2. Scelta di un caso d’uso ad alto volume e basso rischio
Esempi tipici: risposte alle richieste ricorrenti dei cittadini, istruttoria di un bando di contributi o sintesi delle delibere per il sito web. Il processo deve essere ridisegnato con l’AI inserita nel flusso, non accanto, e bisogna misurare i tempi prima e dopo l’intervento.
3. Misurazione dell’impatto
Senze una metrica chiara non c’è adozione, ma solo sperimentazione permanente. Registrare i tempi di lavorazione, il numero di pratiche gestite per ora e il tasso di errori permette di dimostrare il valore aggiunto e di giustificare ulteriori investimenti.
4. Conformità all’AI Act
L’articolo 4 dell’AI Act richiede, a partire da febbraio 2025, un livello sufficiente di alfabetizzazione del personale che utilizza sistemi di AI. Non è un semplice adempimento da spuntare: è la condizione perché qualsiasi strumento venga usato davvero. È meglio avere cento dipendenti che usano bene uno strumento base che dieci che non aprono quello avanzato.
Domande da porsi prima di ogni nuovo acquisto
Prima di firmare il prossimo contratto, è utile chiedersi:
- Quale processo migliora esattamente?
- Di quanto lo miglioreremo e come lo misureremo?
- Se domani volessimo cambiare fornitore o modello, potremmo farlo senza ricominciare da zero?
Se manca una di queste risposte, l’acquisto può aspettare.