L’AI nella pubblica amministrazione rischia di restare una demo se non poggia su dati affidabili, processi chiari e responsabilità definite. Il vero vantaggio non è nel modello adottato, ma nel contesto informativo e operativo che permette all’intelligenza artificiale di generare valore reale.
La scena si ripete, con variazioni minime, in quasi tutti i contatti con cui lavoro. Un dirigente, un RTD, a volte un sindaco lungimirante, apre il laptop e mostra con una certa soddisfazione come il suo ufficio stia usando Copilot, o ChatGPT, o qualchestrumento AI integrato nella suite. “Ce l’abbiamo anche noi.” La dimostrazione funziona. Qualcuno annuisce. E lì, in quel momento, si innesca un equivoco che potrebbe costare caro.
Il pericolo dell’equivoco
L’equivoco non riguarda lo strumento in sé, che spesso è buono. Riguarda la domanda che non viene fatta: “ok, l’AI ce l’abbiamo. Ma su cosa gira?”
Perché l’AI non produce valore nell’astratto. Lo produce nel concreto, sul contesto che le dai. E quel contesto, nelle organizzazioni pubbliche italiane, ha due nomi poco glamour ma decisivi: dati e processi.
Perché non basta l’AI
Prima di parlare di PA, vale la pena fermarsi un momento sul ciclo di vita di qualsiasi tecnologia abilitante. Perché l’AI sta percorrendo un percorso che non è nuovo, ed è utile riconoscerlo.
Pensiamo alla posta elettronica. Negli anni Novanta, avere la posta elettronica era un differenziatore. Chi ce l’aveva comunicava più velocemente, poteva coordinarsi meglio, aveva un vantaggio. Poi l’email è diventata standard. Oggi non vince chi “ha l’email”. Vince chi ha costruito un’organizzazione capace di usarla bene: con processi chiari, responsabilità definite, flussi di comunicazione che funzionano.
- Stesso pattern con il cloud. Prima era una scelta strategica, poi è diventata infrastruttura. Chi non ce l’ha è in difficoltà. Ma chi ce l’ha non vince automaticamente.
Con l’AI succede la stessa cosa, solo più in fretta. I modelli migliorano rapidamente. I costi scendono. Le funzionalità AI entrano nelle suite che già usiamo (Microsoft 365, Google Workspace, i gestionali, i CRM). Diventano una feature, non un progetto. Diventano, appunto, commodity.
Il contesto determina il valore
Questo non significa che l’innovazione scompare. Significa che la parte più visibile dell’AI, i modelli, le interfacce, i copiloti, è anche la parte più facile da copiare, integrare, standardizzare. Quando una tecnologia entra in quella fase, la domanda non è più “chi ha l’AI migliore”. Diventa: chi ha il contesto migliore per farla rendere.
C’è una metafora che uso spesso quando faccio formazione con i dipendenti pubblici. L’AI è un amplificatore. Come gli amplificatori audio: non crea suono dal nulla, prende quello che gli dai e lo ingrandisce. Se gli dai un segnale pulito, produce qualcosa di buono. E se gli dai rumore, amplifica rumore.
Tradotto nelle organizzazioni: se l’AI lavora su dati affidabili, processi chiari e responsabilità definite, moltiplica efficienza e qualità. Se lavora su dati frammentati, processi impliciti e ambiguità organizzative, moltiplica il caos.
I rischi dell’AI nel contesto PA
- C’è un’aggravante rispetto al passato: l’errore non si limita a un KPI sbagliato su una dashboard. L’errore diventa un output plausibile, convincente, operativo.
- Esempi: un testo ben scritto ma fattualmente sbagliato; una risposta al cittadino basata su un dato obsoleto; una procedura automatizzata che replica un’eccezione come se fosse la regola.
Il vero “moat” competitivo
È qui che il concetto di “moat”, il fossato competitivo, si sposta. Quando il modello diventa commodity, resta in piedi ciò che non è replicabile. E ciò che non è replicabile in fretta è proprio il contesto informativo e operativo: dati accessibili, dati affidabili, dati con significato stabile, processi espliciti, ripetibili, misurabili, con responsabilità e controlli chiari.
- Non “i dati” in astratto. Non “i processi” scritti su una slide.
- Ma la capacità di mantenerli nel tempo, aggiornarli, governarli.
Questa è la materia prima che manca nella maggior parte delle sperimentazioni che funzionano in demo ma non scalano in produzione.
Le PA ha i dati, ma manca la qualità
Qualcuno potrebbe obiettare: ma la PA i dati li ha. Anagrafi, SUAP, atti, delibere, pratiche. Archivi che in alcuni casi risalgono a decenni fa. Terabyte di informazioni.
Giusto. Ma c’è una differenza fondamentale tra “dati disponibili” e “dati affidabili”, tra “dati archiviati” e “dati utilizzabili”. E nella PA questa differenza è spesso abissale.
I problemi più comuni
- Codici fiscali duplicati o errati nell’anagrafe;
- pratiche SUAP chiuse “formalmente” ma con iter ancora aperti in altri sistemi;
- delibere protocollate senza allegati o con allegati non leggibili;
- dati di bilancio non riconciliati tra il gestionale finanziario e i report di controllo di gestione;
- informazioni su forniture, contratti, scadenze disperse in email, fogli Excel, sistemi verticali che non si parlano.
Questo non è un problema tecnico risolvibile con un software. È il risultato di anni di sedimentazione organizzativa: cambi di sistema, migrazioni parziali, responsabilità frammentate, assenza di governance del dato. E, spesso, assenza di cultura del dato.
La qualità del dato non è acquistabile
Il punto è questo: non puoi comprare la qualità del dato come compri una licenza software. Puoi comprare uno strumento di data quality. Ma lo strumento non sostituisce le definizioni condivise, le regole di inserimento, i controlli periodici, la responsabilità, l’ownership. Queste cose richiedono tempo, disciplina e scelte organizzative.
Sono, letteralmente, l’effetto cumulativo di anni di lavoro. E sono difficili da replicare in fretta.
Manutenzione continua come igiene organizzativa
Chi ha vissuto davvero la Business Intelligence, non la “dashboard appesa al muro” ma la BI operativa collegata a decisioni reali, ha imparato una lezione che oggi vale oro: la qualità del dato non si “fa”, si mantiene.