La complessità dei compiti che l’intelligenza artificiale riesce a gestire autonomamente sta raddoppiando ogni sette mesi. Sette mesi.
Un dirigente pubblico, un RTD, un funzionario con responsabilità digitali che stesse leggendo questa frase per la prima volta, ha probabilmente già accumulato un ritardo di almeno due cicli di raddoppio. Non è una critica: è una fotografia.
Andrew Ng, uno dei più autorevoli ricercatori di AI al mondo, fondatore di Google Brain e Coursera, ha tenuto insieme a Lawrence Moroni, imprenditore seriale nel settore AI, una lezione magistrale all’Università di Stanford ad ottobre 2025 ancora molto attuale su carriere, strategie di innovazione e futuro del mercato dell’intelligenza artificiale. Nessuno nella platea aveva una casella PEC. Nessuno doveva rendicontare su un progetto PNRR. Eppure ogni singolo punto di quella lezione parla direttamente a chi oggi ha il compito, e la responsabilità, di trasformare digitalmente la pubblica amministrazione italiana.
Proviamo a leggerla insieme, filtrando il contesto della Silicon Valley attraverso la realtà di chi lavora ogni giorno con i Comuni, le Province, le aziende partecipate. Perché alcune lezioni non hanno bisogno di traduzione. Ne hanno bisogno solo di coraggio per essere applicate.
Indice degli argomenti
AI nella pubblica amministrazione italiana: l’età dell’oro è davvero iniziata?
Ng lo dice senza giri di parole: è il momento migliore di sempre per costruire una carriera nell’AI. La curva di capacità dei sistemi intelligenti non è lineare, è esponenziale. Ogni sette mesi, il livello di complessità che un sistema AI riesce a gestire, misurato in termini di tempo umano equivalente per svolgere lo stesso lavoro, si dimezza rispetto al costo e si moltiplica rispetto alla capacità.
Per chi lavora nella PA italiana questa notizia suona quasi paradossale. Siamo abituati a misurarci con cicli di cambiamento molto più lenti: i CCNL si rinnovano ogni tre anni (quando va bene), le piattaforme abilitanti impiegano anni a essere adottate su scala nazionale, i processi interni cambiano con la velocità del granito. Come si concilia questo scenario con una curva di raddoppio di sette mesi?
La risposta onesta è che non si concilia ancora. Ma è proprio questo il punto. L’età dell’oro non coincide automaticamente con l’età in cui tutti ne beneficiano: coincide con l’età in cui chi si muove prima costruisce vantaggi difficili da colmare in seguito. La PA ha una finestra. Non è infinita.
Il collo di bottiglia si è spostato: dalla costruzione alla scelta
Uno dei passaggi più interessanti della lezione riguarda il cosiddetto collo di bottiglia del product management. Con l’AI, scrivere codice è diventato molto più veloce ed economico. La sfida principale non è più tecnica: non è più il “come costruire”, ma il “cosa costruire”.
Nella Silicon Valley, spiega Ng, i profili che si muovono più velocemente non sono i puri ingegneri del software, ma gli ingegneri che hanno sviluppato empatia per l’utente finale e sanno tradurre un bisogno reale in specifiche di prodotto. Chi sa stare nel mezzo tra il problema e la soluzione è oggi la figura più ricercata del mercato.
Nella PA italiana questo concetto ha un nome preciso: il Responsabile della Transizione al Digitale. L’RTD, nella visione del legislatore (Decreto Lgs. 82/2005, art. 17), dovrebbe essere esattamente questo: non un tecnico che gestisce server, ma un profilo che sa leggere i bisogni dell’ente, definire le priorità digitali, coordinare la loro attuazione. Il problema è che nella realtà dei Comuni sotto i 20.000 abitanti questa figura spesso coincide con il responsabile IT a tempo parziale, o con un funzionario amministrativo che gestisce il digitale come quinta attività accessoria.
Il collo di bottiglia, insomma, esiste anche da noi. Solo che nella PA non lo chiamiamo product management: lo chiamiamo capacità di programmazione strategica. E il deficit è lo stesso.
Scegliere il team, non il brand: una lezione anche per i Comuni
Moroni è diretto su questo punto: invece di inseguire il logo più famoso, cercate il team più competente. Si impara molto di più lavorando ogni giorno con persone stimolanti su progetti concreti che ottenendo un biglietto da visita con il nome di una grande azienda, per poi essere assegnati a compiti marginali.
Trasportato nella PA, questo principio ha implicazioni immediate per chi deve scegliere fornitori, partner tecnologici, società di consulenza. Il mercato è pieno di grandi brand che offrono soluzioni “per la PA” con presentazioni patinate e referenze di livello nazionale. Ma quante volte, una volta firmato il contratto, il team operativo che segue il progetto è composto da junior alle prime armi, con una rotazione continua di figure?
Il consiglio di Ng e Moroni, letto in chiave di procurement pubblico, suggerisce di spostare il peso della valutazione: dal brand al team. Chi seguirà davvero il progetto? Qual è il track record specifico di quelle persone? Che approccio metodologico portano sul campo? Domande difficili da inserire in un capitolato di gara, certo. Ma domande che, se poste durante le fasi di dialogo tecnico e pre-gara, possono fare la differenza tra un progetto che funziona e uno che finisce nel cassetto.
I tre pilastri per portare l’AI nella PA
Lawrence Moroni identifica tre elementi che separano chi eccelle da chi sopravvive nel mercato AI: comprensione approfondita (accademica e dei trend), focus sul business (allineare il proprio lavoro agli obiettivi dell’organizzazione) e propensione alla consegna, quella che in inglese si chiama execution e che in italiano potremmo tradurre come capacità di fare davvero le cose.
Il terzo pilastro è il più sottovalutato, ed è anche quello che nella PA italiana mostra le crepe più evidenti. Non mancano le idee, non mancano i piani, non mancano i documenti di visione strategica. Manca l’execution. Manca la capacità di trasformare un’intenzione in un risultato misurabile entro una data precisa.
Il Piano Triennale per l’Informatica nella PA 2024-2026 elenca decine di obiettivi per i Comuni italiani. Li abbiamo mappati, categorizzati, analizzati. La maggior parte sono condivisibili, alcuni sono ambiziosi, qualcuno è visionario. Il problema non è la qualità degli obiettivi: è il tasso di esecuzione reale. Quanti Comuni hanno oggi un cruscotto di monitoraggio degli avanzamenti digitali aggiornato ogni trimestre? Quanti RTD possono dire al proprio Sindaco, in modo documentato, dove si trovano rispetto agli obiettivi del Piano Triennale?
La comprensione c’è, il focus sul business pubblico esiste, ma l’execution è il vero nodo. Moroni direbbe che è anche il più allenabile. A patto di volerlo allenare.
Costruire cose: il costo del fallimento è basso anche nel pubblico?
Il consiglio più forte dell’intera lezione è anche il più semplice: costruite cose. Non aspettate il permesso. Non aspettate il progetto perfetto. Con l’AI il costo del fallimento è bassissimo: si può perdere un weekend di lavoro ma acquisire competenze che valgono mesi di studio teorico.
Qui la PA italiana mostra la sua specificità più ingombrante. Non è un problema di volontà: è un problema strutturale. Nella pubblica amministrazione il fallimento ha costi asimmetrici. Un progetto riuscito porta benefici diffusi e spesso invisibili. Un progetto fallito concentra le responsabilità su chi ha firmato gli atti, attira audit, genera contenziosi. Il sistema degli incentivi è costruito per premiare l’inazione prudente rispetto all’azione rischiosa.
Eppure, guardando le migliori esperienze di innovazione nella PA italiana degli ultimi anni, dal Comune di Milano con i suoi servizi digitali integrati alle sperimentazioni di AI nei servizi al cittadino di alcune amministrazioni regionali, emerge sempre lo stesso pattern: qualcuno ha deciso di provare, in un contesto circoscritto, con risorse limitate e una tolleranza alta per l’imperfezione iniziale. Il segreto non era avere più budget. Era avere meno paura di sbagliare.
Il punto di Ng e Moroni non è “ignorate le regole”. È “smettete di usare le regole come alibi per non iniziare“. La differenza è sottile ma decisiva.
Il debito tecnico che non vediamo: il pericolo del vibe coding nella PA
C’è un passaggio della lezione che merita attenzione specifica, soprattutto per chi sta iniziando a introdurre l’AI nei flussi di lavoro degli enti pubblici. Si parla di “vibe coding“: la pratica di generare codice o documenti tramite prompt AI senza comprendere davvero ciò che si sta creando.
Ng e Moroni mettono in guardia: il codice generato dall’AI deve essere comprensibile, documentato, manutenibile. Se un ente adotta uno strumento AI per automatizzare un processo, ma nessuno nell’ente capisce come funziona quel processo automatizzato, si sta accumulando debito tecnico invisibile. Prima o poi quel debito si manifesta: quando il fornitore cambia le condizioni, quando lo strumento si rompe, quando arriva un audit. Servono orchestratori oltre che vibe coder.
Nella PA questo rischio ha una dimensione aggiuntiva. Gli enti pubblici hanno obblighi di continuità del servizio, trasparenza delle procedure, accountability sui sistemi decisionali. Un processo automatizzato con AI che nessuno sa spiegare non è solo un problema tecnico: è un problema di conformità normativa, potenzialmente un problema di responsabilità amministrativa.
Il correttivo non è rinunciare agli strumenti AI: è investire in formazione autentica, non solo nell’uso degli strumenti ma nella comprensione di ciò che fanno. Un RTD che sa usare un chatbot AI non è necessariamente un RTD che sa gestire un sistema AI. La distinzione, nel 2026, è fondamentale.
AI agentiva e Small AI: due strade che la PA non può ignorare
Ng identifica due tendenze che definiranno il mercato AI nei prossimi anni. La prima è l’AI agentiva: sistemi che non si limitano a rispondere a un comando, ma scompongono un problema complesso in fasi, pianificano autonomamente, usano strumenti diversi, riflettono sui risultati e correggono il percorso. Non è fantascienza: è già presente negli strumenti che molti professionisti usano ogni giorno.
Per la PA questo significa che entro pochi anni non si parlerà più solo di AI per rispondere alle FAQ dei cittadini o per redigere bozze di atti. Si parlerà di agenti AI che gestiscono interi flussi procedimentali: istruttoria, verifica documentale, comunicazioni intermedie, predisposizione della proposta finale. I casi d’uso non mancano: pratiche edilizie, autorizzazioni, gestione delle istanze. La domanda non è più “è possibile?”, ma “siamo organizzativamente pronti?”.
La seconda tendenza è la cosiddetta Small AI: modelli linguistici piccoli, open-weights o self-hosted, che possono girare su infrastrutture locali senza mandare dati all’esterno. Per settori dove la riservatezza è strutturale, come la sanità pubblica, i servizi sociali, la gestione del personale, questa soluzione non è solo interessante: è spesso l’unica compatibile con i vincoli normativi del GDPR e del Codice in materia di protezione dei dati personali.
La Small AI rappresenta anche una risposta concreta al problema della dipendenza tecnologica da pochi grandi fornitori cloud. Non è un caso che il Piano Triennale 2024-2026 spinga sull’interoperabilità e sulla sovranità digitale: sono principi che trovano nella Small AI una risposta tecnica praticabile, oggi, non tra dieci anni.
Cosa dovrebbe portarsi a casa un RTD da questa lezione
Proviamo a essere concreti. Se sei un Responsabile della Transizione al Digitale, o un dirigente con deleghe sulla trasformazione digitale del tuo ente, cosa puoi fare oggi con quello che hai appena letto?
Aggiornare gli strumenti
Primo: aggiorna gli strumenti, subito.
Ng dice che essere in ritardo di sei mesi nell’adozione degli strumenti AI di produttività rende un professionista significativamente meno efficiente. Questo non si risolve con un corso di tre ore su ChatGPT: richiede una pratica continua, settimanale, con strumenti reali su problemi reali del proprio lavoro. Non basta sapere che esistono: bisogna usarli abbastanza da trovare il proprio flusso di lavoro ottimale.
Costruire un tessuto connettivo
Secondo: costruisci un tessuto connettivo con chi sa.
Il consiglio sul network di Ng e Moroni è preciso: le informazioni di frontiera non sono ancora online quando ti servono davvero. Circolano tra le persone. Per la PA questo significa partecipare attivamente alle community di pratica (ANCI, AgID, Consorzio.IT, Forum PA), non per presenzialismo, ma per creare relazioni con chi sta risolvendo oggi i problemi che tu risolverai domani.
Identificare un progetto piccolo
Terzo: identifica un progetto piccolo e costruisci davvero qualcosa.
Non aspettare il progetto grande, il budget dedicato, la circolare ministeriale che autorizza. Prendi un problema reale del tuo ente, un flusso inefficiente, un documento che si riscrive ogni volta da zero, una risposta ricorrente ai cittadini, e sperimentaci sopra uno strumento AI. Documenta cosa hai imparato. Condividilo. Il valore non è solo nel risultato: è nel metodo che costruisci nel farlo.
Valutare AI agentiva e Small AI
Quarto: valuta l’AI agentiva e la Small AI come opzioni strategiche, non come curiosità.
Non come argomento del prossimo convegno. Come decisioni da prendere nel piano triennale del prossimo anno. Quali processi del tuo ente potrebbero beneficiare di un agente AI? Dove hai dati sensibili che non puoi mandare fuori dalla tua infrastruttura? Inizia a farti queste domande adesso, perché le risposte richiedono tempo e le scadenze del Piano Triennale non aspettano.
Il gap esiste. Non è incolmabile
C’è un gap reale tra la velocità con cui il mondo dell’AI si muove, misurata in cicli di sette mesi, e la velocità con cui la PA italiana si adatta. Sarebbe disonesto negarlo. Ma sarebbe altrettanto disonesto concludere che quel gap è strutturale, inevitabile, scritto nel DNA delle istituzioni pubbliche.
La lezione di Stanford non ci chiede di diventare una startup. Ci chiede qualcosa di più difficile e di più importante: di smettere di usare la complessità del contesto come alibi per non iniziare. Di coltivare competenza vera invece di patine di aggiornamento. Di scegliere l’execution rispetto alla pianificazione perenne. Di costruire cose, anche piccole, anche imperfette, anche un weekend alla volta.
Andrew Ng ha raddoppiato ogni sette mesi la complessità di ciò che l’AI sa fare. La PA italiana può permettersi di aspettare ancora un ciclo prima di muoversi? La risposta, se siamo onesti, la conosciamo già.
Il momento migliore per iniziare era sette mesi fa. Il secondo momento migliore è adesso.
