Introduzione
L’intelligenza artificiale (AI) entra nella Pubblica Amministrazione (PA) con una velocità che, fino a pochi anni fa, sarebbe stata difficile da immaginare. Assistenti virtuali, sistemi di analisi documentale, automazione dei procedimenti, modelli predittivi e applicazioni di AI generativa stanno rapidamente passando dalla fase di sperimentazione a quella di concreta applicazione. Si tratta di una trasformazione importante e, per molti aspetti, inevitabile.
Il rischio di confondere tecnologia e valore
La rapidità con cui l’AI si afferma rischia di generare un equivoco: confondere la disponibilità e la potenza della tecnologia con la capacità di utilizzarla efficacemente. Il pericolo è quello di lasciarsi travolgere dalla novità, individuare una tecnologia e cercare successivamente il problema da risolvere. Un approccio del genere porta a costruire progetti tecnologicamente interessanti, ma non necessariamente capaci di produrre valore pubblico.
Da un approccio technology‑driven a uno business‑driven
Il primo errore da evitare è un approccio technology‑driven: acquistare o sperimentare una tecnologia e poi chiedersi dove applicarla. La direzione corretta è business‑driven, con un approccio bottom‑up: prima il bisogno, poi il processo, quindi le competenze e l’architettura e, soltanto alla fine, la tecnologia.
Una domanda semplice dovrebbe avviare ogni progetto AI: qual è il problema che vogliamo risolvere? Il punto di partenza deve essere l’esigenza concreta della linea di business, del dirigente e dei suoi collaboratori: un procedimento troppo lungo, una quantità elevata di documenti da analizzare, attività ripetitive, informazioni difficili da reperire, tempi di risposta inadeguati o processi caratterizzati da numerosi passaggi manuali.
Il ruolo del Responsabile per la Transizione al Digitale (RTD)
Una volta identificata l’esigenza, diventa centrale il coinvolgimento del Responsabile per la Transizione al Digitale. Il RTD dovrebbe rappresentare uno degli snodi fondamentali attraverso cui trasformare un’esigenza organizzativa in un percorso di innovazione, mettendo in relazione le strutture amministrative, l’IT e la governance digitale dell’ente.
Il confronto deve includere anche l’IT Manager, non per trasferire semplicemente alla struttura tecnologica la responsabilità del progetto, ma per verificare una condizione preliminare spesso sottovalutata: l’amministrazione dispone delle competenze necessarie per realizzarlo e, soprattutto, per governarlo nel tempo?
Competenze necessarie per un progetto AI
Un progetto AI non richiede soltanto data scientist o sviluppatori. Servono competenze trasversali, tra cui:
- Infrastrutture cloud e on‑premise
- Cybersecurity e protezione dei dati
- Gestione del ciclo di vita dei dati
- Integrazione applicativa
- Conoscenza approfondita dei processi amministrativi
- Capacità di valutare e governare i modelli di AI
La componente tecnologica e quella funzionale devono quindi lavorare insieme fin dalle fasi preliminari.
Analisi end‑to‑end del processo
L’AI non dovrebbe essere utilizzata semplicemente per automatizzare un processo esistente. Se quel processo è inefficiente, frammentato o caratterizzato da attività ridondanti, automatizzarlo significa rischiare di digitalizzare l’inefficienza. È necessario analizzare il processo end‑to‑end: quali attività vengono svolte, quali dati vengono utilizzati, quali sistemi intervengono, dove si concentrano le inefficienze e quali passaggi richiedono realmente l’intervento umano. Solo dopo questa analisi è possibile stabilire dove l’AI possa generare valore.
Può anche emergere che l’AI non sia la soluzione migliore. Anche questa conclusione è positiva: l’obiettivo di un progetto di trasformazione digitale non è utilizzare l’AI a tutti i costi, ma risolvere un problema nel modo più efficace, sostenibile e sicuro possibile.
Quadro normativo europeo e nazionale
L’AI Act europeo introduce un modello basato sul rischio e richiama la necessità di assicurare requisiti di trasparenza, sicurezza, supervisione umana e responsabilità lungo il ciclo di vita dei sistemi di AI. Parallelamente, la Strategia italiana per l’Intelligenza Artificiale individua nella Pubblica Amministrazione uno degli ambiti chiave per la modernizzazione dei servizi e il miglioramento dell’efficienza amministrativa.
Le linee guida elaborate da AgID spingono verso un utilizzo dell’AI fondato su principi di affidabilità, sicurezza, trasparenza, protezione dei dati e corretta gestione del ciclo di vita delle soluzioni.
Governance e architettura di riferimento
L’AI non può essere trattata come una semplice componente software. Richiede una governance capace di definire responsabilità, processi decisionali, gestione dei dati, sicurezza, monitoraggio e controllo umano. È proprio in questa fase che diventa necessario affrontare il tema architetturale.
L’introduzione dell’AI può modificare significativamente la reference architecture dell’amministrazione: dati, applicazioni, infrastrutture, modelli, sistemi di integrazione, sicurezza, identità e accessi devono essere ripensati in funzione del nuovo scenario. Le domande chiave sono:
- Dove saranno elaborati i dati?
- Chi potrà accedervi?
- Come saranno protette le informazioni?
- Come verranno integrati i sistemi?
- Come sarà monitorato il comportamento del modello?
- Chi ne governerà il ciclo di vita?
Definire questa architettura prima della realizzazione della soluzione significa evitare che ogni sperimentazione diventi un’isola tecnologica.
Dalla sperimentazione all’industrializzazione
Il proof of concept può funzionare e il modello produrre risultati interessanti. Tuttavia il vero test arriva dopo: chi gestirà la soluzione? Chi aggiornerà il modello? Chi controllerà la qualità delle risposte? Chi gestirà sicurezza e incidenti? Quali saranno i costi infrastrutturali? Come verrà integrata la soluzione nei sistemi esistenti? Può essere replicata in altri contesti?
La differenza tra sperimentazione e innovazione strutturale sta proprio qui. Un progetto AI è realmente riuscito quando diventa parte dell’organizzazione e non quando semplicemente dimostra che una tecnologia funziona.
Sequenza consigliata per un progetto AI nella PA
Per evitare una nuova forma di innovazione “a silos”, la Pubblica Amministrazione dovrebbe seguire una sequenza precisa: