IA nella PA: come utilizzarla al meglio?

L’adozione dell’Intelligenza Artificiale (IA) nella Pubblica Amministrazione italiana è ormai una realtà diffusa, ma sconta forti difficoltà nel trasformarsi da sperimentazione isolata a componente strutturale dei processi pubblici.

Secondo l’indagine di mercato condotta da EY-Oxford Economics, ben il 97% delle amministrazioni pubbliche intervistate dichiara di aver avviato progetti pilota basati sull’IA con risultati che hanno pienamente soddisfatto o superato le aspettative. Tuttavia, la vera sfida per i decisori pubblici, i dirigenti e i Responsabili per la Transizione Digitale (RTD) non è più dimostrare che la tecnologia funziona, ma superare la frammentazione delle Proof of Concept (POC) per generare valore pubblico scalabile e duraturo.

Quali sono i principali ostacoli per l’IA nella PA?

I principali vincoli che frenano l’IA nella PA sono la privacy e la sicurezza dei dati (indicati dal 73% delle amministrazioni), l’assenza di una data strategy integrata (60%), la debolezza delle infrastrutture tecnologiche (57%) e un coinvolgimento discontinuo della leadership (50%).

Cos’è la Sovereign AI nella Pubblica Amministrazione?

La Sovereign AI è la capacità della PA di sviluppare e utilizzare sistemi di intelligenza artificiale garantendo il controllo esclusivo e sovrano su dati, algoritmi e infrastrutture di calcolo sottostanti, rispondendo ad esigenze di sicurezza nazionale e conformità normativa (es. sovereign cloud).

Qual è il rischio di non mettere a regime i progetti di IA?

Il rischio principale è il persistere della frammentazione operativa (molto clamore mediatico, ma pochi sistemi realmente operativi). Senza una transizione strutturale, i progetti pilota restano confinati senza trasformarsi in servizi stabili, mancando l’opportunità di massimizzare il valore pubblico.

Analisi dei dati: la percezione degli ostacoli e le contromisure della PA

I dati reali testimoniano una forte consapevolezza da parte della leadership pubblica circa i limiti attuali dell’ecosistema digitale e le azioni correttive necessarie:

Il modello EY a 4 pilastri: dalla sperimentazione alla messa a regime

Per supportare gli enti pubblici in una transizione ordinata che superi la frammentazione delle POC, viene promosso un modello strategico articolato in quattro pilastri complementari.

                  +-------------------------------------------------+
                  |       MODELLO EY PER L'INTEGRAZIONE DELL'IA      |
                  +-----------------------+-------------------------+
                  |  1. Strategia di      |  2. Valutazione della   |
                  |     Servizio          |     Readiness           |
                  +-----------------------+-------------------------+
                  |  3. Valorizzazione    |  4. Governance del      |
                  |     del Dato          |     Cambiamento         |
                  +-----------------------+-------------------------+

1. Strategia di servizio: riprogettare i servizi pubblici intorno all’IA

L’introduzione dell’IA non deve essere intesa come mera digitalizzazione di procedure burocratiche obsolete, bensì come un’opportunità di reingegnerizzazione end-to-end dei servizi.

• Focalizzazione sul valore: Individuare i settori e i procedimenti amministrativi in cui l’IA può massimizzare tempestività, efficacia e personalizzazione per il cittadino.
• Livello di automazione: Calibrare l’intensità dello strumento differenziando tra mero supporto decisionale, sistemi di raccomandazione o automazione supervisionata.
• Supervisione umana (Human-in-the-loop): Garantire che i passaggi amministrativi a maggiore sensibilità o con implicazioni legali e reputazionali mantengano un presidio umano vincolante.
• Compliance by design: Integrare preventivamente il rispetto delle norme e dei principi etici nella progettazione del servizio.

2. Readiness: maturità tecnica e capacità di governo dell’IA

La readiness valuta la reale capacità di un’amministrazione di accogliere la tecnologia nel proprio funzionamento ordinario in modo sostenibile:

• Maturità tecnico-organizzativa: Mappatura dei gap informativi e infrastrutturali dei sistemi storici dell’ente (legacy systems).
• Maturità decisionale: Definizione esplicita di ruoli, responsabilità e soglie operative di intervento uomo-macchina.
• Competenze e alfabetizzazione: Sviluppo di skill diffuse per consentire al personale amministrativo di comprendere il funzionamento, i limiti e l’accountability delle soluzioni adottate.
• Sostenibilità: Pianificazione di linee di finanziamento (funding) che coprano lo sviluppo, la manutenzione a lungo termine e l’interoperabilità dei sistemi per evitare la nascita di silos informativi.

3. Valorizzazione del dato: nuovi servizi e sovereign AI

La qualità di un algoritmo di intelligenza artificiale dipende in via esclusiva dalla qualità della sua base informativa.

• Infrastruttura abilitante: Consolidare il patrimonio informativo pubblico tramite operazioni di standardizzazione, tagging, catalogazione e integrazione di fonti interne ed esterne.
• Dagli insight all’azione: Utilizzare i dati per comprendere il presente e anticipare proattivamente i bisogni emergenti della cittadinanza.
• Sovereign AI: Adottare algoritmi e infrastrutture sovrane per salvaguardare le informazioni strategiche nazionali e blindare la conformità alle direttive di sicurezza.

4. Governance del cambiamento per l’IA nella PA

Il fattore determinante per il successo della transizione digitale è il change management organizzativo, che permette di tradurre lo strumento tecnologico in pratica lavorativa condivisa.

• Processi ibridi (Human Advantage): Progettare modelli operativi dove gli agenti intelligenti e il personale della PA collaborano in flussi di lavoro lineari, mantenendo salda la responsabilità della firma amministrativa in capo al funzionario.
• Strategic Workforce Planning: Riorganizzare i ruoli aziendali, prevedere l’attivazione di AI Academy interne per la formazione permanente e pianificare il ricambio generazionale delle competenze.
• Esperienza d’uso e trasparenza: Garantire che le logiche di funzionamento dell’IA siano trasparenti e tracciabili, potenziando l’autonomia dell’ente e la credibilità dell’azione pubblica di fronte ai cittadini.

Conclusioni: l’era post-sperimentale della Pubblica Amministrazione

Nell’attuale contesto tecnologico, la Pubblica Amministrazione italiana si trova di fronte a un bivio epocale. La vera discriminante tra le amministrazioni virtuose e quelle destinate a restare indietro non sarà l’ambizione o l’accesso alla tecnologia, bensì la capacità di esecuzione sistemica e continuativa.

Sostituire la cultura delle “sperimentazioni a fondo perduto” con una solida governance del cambiamento e della data strategy è l’unico percorso praticabile per trasformare l’Intelligenza Artificiale in un moltiplicatore di valore pubblico reale.