Nelle organizzazioni pubbliche, il problema principale nei progetti di digitalizzazione non riguarda la tecnologia stessa ma il modo in cui questa è acquistata, governata e mantenuta nel tempo. Capitoli di gara troppo dettagliati e un’attenzione eccessiva al prezzo iniziale espongono l’ente a un rischio concreto: la dipendenza da fornitori terzi, soprattutto quando l’innovazione coinvolge sistemi basati sull’Intelligenza Artificiale.
Il ruolo del capitolato e il problema del rigore tecnico
Nella PA il capitolato è considerato uno strumento chiave per il controllo del progetto: l’idea è che più dettagliato, più solido. Tuttavia, in ambiti innovativi come l’IA, questa logica può rivelarsi limitante. I sistemi artificiali non sono statici, ma probabilistici, in evoluzione e soggetti a degradazione. Se l’ente cerca di regolare l’ambito con criteri fissi, introduce vincoli che non proteggono il progetto, ma lo rendono fragile.
Il problema non è tanto la tecnologia, ma l’incapacità di adattare il modello contrattuale e i processi di procurement al ciclo di vita di sistemi evolutivi. Il rischio è quindi non solo tecnologico, ma anche organizzativo.
Costi iniziali vs. costi reali
Uno degli errori più comuni è concentrare l’attenzione solo sul prezzo iniziale. In Italia, il mercato spesso premia proposte economiche di costo ridotto, a volte a discapito della qualità e della sostenibilità. Per progetti complessi come l’IA, però, il prezzo iniziale rappresenta appena una parte delle spese complessive. Il vero costo emerge negli anni successivi, quando i sistemi richiedono aggiornamenti, manutenzione, formazione e interventi per il change management.
Introduzione del concetto di LCOAI
Per gestire in modo consapevole il costo totale di un sistema AI, si propone l’adozione della metrica LCOAI (Levelized Cost of Artificial Intelligence), derivata da modelli economici usati nel settore energetico. Questo modello valuta non solo il prezzo di acquisto iniziale (CAPEX), ma anche i costi operativi (OPEX), compresi quelli spesso trascurati: formazione, manutenzione, gestione del rischio, compliance e costi di uscita, in particolare per la migrazione o per evitare il vendor lock-in.
I benefici di un modello LCOAI risiedono soprattutto nell’incorporare due categorie di spesa chiave:
- i costi organizzativi, necessari per formare l’organico interno al sistema e per aggiornare processi e strumenti;
- i costi di transizione o di uscita, riferiti alla dismissione di modelli non più idonei o non più competitivi.
Il modello a 7 fasi per l’adozione sostenibile dell’IA
Per gestire in modo efficace l’adozione dell’AI, si propone un framework olistico a 7 fasi, conforme agli standard ISO/IEC 42001 e ai requisiti del nuovo AI Act. Questo modello struttura l’intero ciclo di vita dell’utilizzo dell’intelligenza artificiale, assicurando coerenza strategica, operativa e organizzativa.
Ecco le fasi chiave:
1. Definizione del perimetro etico, legale e strategico
- Impostare i confini dell’applicazione tecnologica in funzione della missione dell’ente e dei diritti fondamentali;
- Istituire un sistema di governo (AIMS) per gestire rischi e responsabilità;
- Realizzare valutazioni di impatto (FRIA) su privacy e diritti;
- Definire compliance, responsabilità e controllo centrale.
2. Valutazione e ingegnerizzazione del patrimonio informativo
- Garantire la qualità e la coerenza dei dati utilizzati per il sistema;
- Assicurare compliance con la normativa in materia di privacy;
- Definire architetture flessibili e interoperabili, per evitare dipendenze tecnologiche.
3. Gestione della contrattualizzazione
- Applicare il modello LCOAI per calcolare in modo realistico il costo complessivo;
- Prevista la proprietà pubblica dei dati di sintesi;
- Integrare clausole di portabilità modello e SLA probabilistici.
4. Sviluppo e integrazione dei modelli algoritmici
- Tra le tecnologie operative: MLOps e piattaforme integrate ai gestionali esistenti;
- Garantire tracciatura chiara e meccanismi di recupero in caso di malfunzionamento.
5. Reskilling del personale e supervisione umana
- Progettare modelli di interazione uomo-macchina;
- Avviare percorsi di formazione e change management;
- Garantire controlli umani in caso di errori critici.
6. Riprogettazione dei processi operativi
- Rivedere i flussi di lavoro, integrando AI in attività come l’analisi o la comunicazione;
- Misurare non solo conformità, ma anche efficienza e equità.
Conclusione
Per rendere l’innovazione e l’AI strumenti sostenibili, l’Acquisizione Digitale deve abbracciare una visione organizzativa estesa e una strategia di lungo termine. L’uso del LCOAI e il modello a 7 fasi offrono un’opportunità concreta per spostare l’attenzione dal prezzo al vero valore creato: servizi più efficienti, trasparenti e equi per i cittadini.