Non esiste una scorciatoia per portare l’intelligenza artificiale in un ente pubblico. Esiste invece un percorso, fatto di passi concreti, strutture organizzative leggere e una cultura che accetti di sbagliare in piccola scala.
Indice degli argomenti
I funzonari comunali e Chatgpt
C’è un funzionario comunale, da qualche parte in Italia, che ha aperto ChatGPT sul suo computer di lavoro qualche mese fa. Nessuno glielo aveva detto di farlo. Nessuno glielo aveva vietato. Ha incollato il verbale dell’ultima assemblea pubblica e ha scritto: “riassumimi questo in cinque punti”. Trenta secondi dopo aveva quello che avrebbe impiegato venti minuti a produrre da solo.
Quella scena si sta ripetendo in migliaia di uffici pubblici, in modo silenzioso, senza delibere, senza formazione, senza policy. È al tempo stesso una buona notizia e un campanello d’allarme. Una buona notizia perché dimostra che la curiosità c’è, che le persone non aspettano istruzioni per trovare modi più intelligenti di lavorare. Un campanello d’allarme perché senza un percorso strutturato, quella curiosità rimane frammentata, episodica, invisibile all’organizzazione, e quindi inutilizzabile.
Il rischio non è fare troppo. È fare troppo poco credendo di fare abbastanza.
L’AI nei comuni arriva prima nei comportamenti che nelle decisioni
La maggior parte delle pubbliche amministrazioni che “fanno AI” si trova, senza saperlo, bloccata al piano terra. Hanno qualche sperimentazione individuale, magari un ufficio più avanzato degli altri, forse un dirigente entusiasta. Ma non hanno ancora trasformato nulla di strutturale.
Il problema è che il percorso verso un uso maturo dell’intelligenza artificiale nella PA non è lineare e non è automatico. Richiede un approccio progressivo, che chiameremo qui “a quattro gradini”, e un motore organizzativo che lo sostenga nel tempo. Non è un progetto con inizio e fine. È un cambiamento di cultura e di metodo.
Vediamo come funziona.
Gradino 1: sostituire una singola attività
Il primo errore che fanno molti enti quando si avvicinano all’AI è quello di puntare subito in grande. Si parla di “trasformazione digitale”, di “processi ridisegnati”, di “efficienza sistemica”. Sono obiettivi giusti, ma prematuri se non si è ancora costruita una base.
Il primo gradino non riguarda i processi. Riguarda le attività singole. Sintetizzare un verbale. Rispondere a una domanda ricorrente del cittadino. Cercare un riferimento normativo in un testo lungo. Redigere una bozza di comunicazione. Sono operazioni che ogni dipendente pubblico esegue più volte al giorno, in modo manuale, e che l’AI può supportare con uno sforzo di apprendimento minimo.
Ma anche questo primo gradino, per funzionare, ha bisogno di tre pilastri.
Pilastro 1: un’introduzione strutturata, con esempi dalla vostra realtà
La formazione non può essere un webinar generico sull’AI. Deve partire da esempi che il collaboratore riconosce: quel tipo di documento, quella procedura, quella richiesta che arriva ogni settimana. Solo quando il collegamento è immediato, la curiosità diventa pratica.
Non basta spiegare cosa fa l’AI. Bisogna far provare l’AI su qualcosa di reale, durante la formazione stessa. La sperimentazione guidata, con un caso concreto portato dal partecipante, è lo strumento più efficace che esista per abbattere la diffidenza e accendere la motivazione.
Pilastro 2: una policy semplice e comprensibile
Prima ancora di promuovere l’uso dell’AI, serve un quadro di riferimento chiaro su cosa è lecito e cosa no. Non un documento di quaranta pagine scritto dal responsabile legale. Una guida pratica di due o tre pagine che risponda alle domande che i collaboratori si fanno davvero: posso incollare un documento riservato? Posso usare i dati di un cittadino? Le risposte che produco con l’AI sono mie?
Una policy semplice non è un vincolo alla sperimentazione. È la condizione che la rende sostenibile.
Pilastro 3: un referente con tempo e mandato
Ogni percorso di cambiamento ha bisogno di qualcuno che lo guidi. Non un comitato, non un gruppo di lavoro che si riunisce ogni tre mesi. Una persona, o un piccolo gruppo, che abbia effettivamente tempo dedicato per seguire le domande dei colleghi, raccogliere i casi d’uso, aggiornare le linee guida.
Il tempo è la parola chiave. Senza tempo, il mandato è vuoto.
Gradino 2: costruire una cultura della curiosità
Se il primo gradino riguarda le competenze individuali, il secondo riguarda la cultura collettiva. E qui il cambiamento è più sottile, e più difficile da produrre.
Una cultura della curiosità è quella in cui sia accettabile sbagliare in piccola scala. In cui i collaboratori siano effettivamente autorizzati, non solo teoricamente, a esplorare nuovi strumenti. In cui un esperimento fallito non venga letto come una perdita di tempo ma come un’informazione utile.
La logica è quella dell’iterazione: si prova, si valuta, si corregge, si riprova. Non è la logica del progetto con delibera e collaudo finale. È la logica del laboratorio.
C’è un principio che vale la pena di ricordare: i migliori casi d’uso non emergono in un comitato di indirizzo. Emergono quando chi possiede un processo, chi ci lavora tutti i giorni, ha la possibilità di esplorare come l’AI possa modificarlo. Il dirigente può dare il mandato, ma è il collaboratore che conosce il problema vero.
Costruire questa cultura richiede scelte concrete: spazio nel calendario per la sperimentazione, comunicazione interna che valorizzi le scoperte fatte dai colleghi, leadership che mostri con l’esempio che l’esplorazione è incoraggiata, non solo tollerata.
Gradino 3: cambiare i processi sul serio
Al terzo gradino non si migliorano più singole attività. Si cambiano interi flussi di lavoro.
Questo significa integrare l’AI nei sistemi esistenti: il gestionale documentale, il CRM per i servizi al cittadino, il sistema di protocollazione. Significa automatizzare passaggi che oggi richiedono intervento umano ripetitivo, e liberare quelle ore per attività che richiedono davvero giudizio.
È il gradino in cui la tecnologia incontra l’organizzazione nel modo più diretto, e in cui serve il maggiore coordinamento tra IT, area legale, dirigenza e personale operativo. Non si può fare senza competenze tecniche, ma non basta neanche averle: serve una visione chiara di quale processo si vuole cambiare e perché.
Gli enti che arrivano a questo gradino avendo percorso i due precedenti hanno un vantaggio decisivo: hanno già una cultura favorevole all’innovazione, hanno già identificato i casi d’uso reali, hanno già le persone formate. Quelli che ci arrivano saltando i gradini precedenti, spinti da un progetto calato dall’alto, si trovano spesso a dover gestire resistenze che avrebbero potuto prevenire.
Gradino 4: ridefinire il funzionamento dell’organizzazione
Il quarto gradino è il più radicale. Non si tratta più di efficientare i processi esistenti, ma di chiedersi quali processi debbano esistere.
È la fase dei “perché”. Perché gestiamo questo adempimento in questo modo? Cosa cambierebbe se l’AI potesse farsene carico in autonomia? Quali attività richiedono davvero presenza umana, giudizio, responsabilità personale? Quali no?
Questo non è un esercizio teorico. È una domanda strategica che ogni ente pubblico dovrà affrontare nei prossimi anni, perché le capacità dell’AI stanno crescendo in modo esponenziale e i margini di efficienza che si possono estrarre dai processi esistenti diventeranno rapidamente insufficienti.
Chi comincia a farsi queste domande adesso, quando la pressione esterna non è ancora insostenibile, avrà il tempo di rispondere in modo riflessivo. Chi aspetta che la crisi lo costringa a farlo, sceglierà in fretta e probabilmente sceglierà male.
Il motore organizzativo per l’intelligenza artificiale nei comuni
Un percorso a quattro gradini ha bisogno di un’architettura organizzativa che lo sostenga. Non un nuovo ufficio, non una struttura burocratica aggiuntiva. Tre livelli di presidio, leggeri ma precisi.
Il Consiglio AI: la governance strategica
Il primo livello è un Consiglio AI che riunisce le funzioni con responsabilità trasversale: IT, segretario comunale, DPO, amministratori, dirigenti di area. Il suo compito non è operativo, è di indirizzo: definire le priorità, approvare la policy, verificare i risultati, gestire i rischi.
Questo organo non deve essere uno di quei comitati che si riuniscono una volta l’anno per firmare un documento. Deve avere un calendario regolare, ordini del giorno concreti, e la capacità di prendere decisioni. Il coinvolgimento del vertice politico e amministrativo non è un optional: senza mandato esplicito della leadership, qualsiasi sforzo sull’AI rischia di restare marginale.
Il Lab AI: il luogo della sperimentazione
Il secondo livello è il Lab AI, un forum ricorrente, tipicamente quindicinale o mensile, in cui un gruppo di collaboratori si riunisce per testare, imparare e costruire. È lo spazio fisico e temporale della sperimentazione strutturata: si porta un caso reale, si prova un approccio, si discute cosa ha funzionato e cosa no.
Il Lab AI fa riferimento al Consiglio AI per gli indirizzi strategici, ma ha autonomia operativa. È cruciale, e va ribadito con forza, che i partecipanti abbiano tempo dedicato: non mezz’ora rubata tra una riunione e l’altra, ma slot protetti nel calendario. Senza tempo reale, il Lab diventa un appuntamento a cui si partecipa di fretta e da cui non emerge nulla.
Gli Ambasciatori AI: i ponti con l’organizzazione
Il terzo livello è quello degli Ambasciatori AI: i partecipanti al Lab AI che si fanno carico di riportare le lezioni imparate alle rispettive aree dell’organizzazione. Sono il canale attraverso cui la sperimentazione si diffonde, senza dover aspettare una circolare o un corso obbligatorio.
Per identificare gli ambasciatori giusti, contano due cose su tutto: che conoscano bene il proprio settore e che siano genuinamente curiosi. Non devono essere i più esperti di tecnologia, devono essere i più capaci di fare ponti tra un nuovo strumento e un problema reale. E devono avere la fiducia dei colleghi.
Comunicare e misurare il lavoro sull’AI nella PA locale
Accanto al motore organizzativo, servono due ingredienti che spesso vengono trascurati perché sembrano secondari rispetto all’attività tecnica. Non lo sono.
Il primo è la comunicazione interna. I collaboratori hanno bisogno di un luogo, fisico o digitale, dove trovare risposte alle domande comuni sull’AI, seguire lo sviluppo delle iniziative in corso, e manifestare il proprio interesse a partecipare. Non deve essere un portale elaborato: anche un canale su Teams o una sezione dell’intranet può funzionare, se aggiornato con regolarità e con voce umana.
Il secondo è la misurazione. Il lavoro sull’AI va misurato, e i risultati vanno mostrati. Non come esercizio di marketing interno, ma come condizione di sopravvivenza del percorso. La leadership mantiene il proprio impegno finché vede risultati concreti. I collaboratori restano motivati se vedono che le loro sperimentazioni producono qualcosa di reale. Se non si riesce a mostrare cosa il lavoro sull’AI stia davvero producendo, il percorso si sgonfia, silenziosamente, prima ancora di arrivare al secondo gradino.
Cosa misurare? Non solo i risparmi di tempo, anche se contano. Anche il numero di collaboratori coinvolti attivamente, i casi d’uso testati, i processi in cui l’AI è stata integrata, le competenze acquisite. Un cruscotto semplice, aggiornato ogni trimestre, basta.
Non è un progetto IT. È una scelta su come vogliamo lavorare
Ogni tanto, nei convegni sull’innovazione nella PA, qualcuno dice che l’AI non è una questione tecnologica ma organizzativa. È una frase giusta, ma viene usata troppo spesso come punto di arrivo invece che come punto di partenza.
Se l’AI non è una questione tecnologica, allora richiede una risposta che vada oltre l’IT. Richiede scelte su come si vuole che l’organizzazione funzioni, su quali competenze si vuole sviluppare, su quanto spazio si vuole lasciare alla sperimentazione rispetto all’esecuzione. Richiede leadership disposta a presidiare un percorso lungo, non a inaugurare una piattaforma.
I quattro gradini non sono una ricetta. Sono una mappa. E come ogni mappa, diventa utile solo quando si comincia davvero a camminare.
Il funzionario comunale che ha sintetizzato quel verbale quella mattina ha già mosso il primo passo. La domanda è se la sua organizzazione sarà in grado di raccogliere quella lezione e trasformarla in qualcosa di più grande. O se si accontenta di sapere che da qualche parte, in un ufficio, ogni tanto qualcuno usa ChatGPT.
Questa domanda è aperta, che si viva in Italia, Germania o Svezia. Perché i problemi della PA si stanno sempre più somigliando in Europa: innovazione tecnologica da portare avanti, sempre meno persone, necessità di cambiamento organizzativo.
Con una domanda specifica per l’Italia. Vogliamo ripetere gli errori dei silos applicativi sparsi su SaaS di vari vendor, o costruire un framework integrato che permetta al singolo di sperimentare e contemporaneamente alla struttura di evolvere, anche agenticamente, collegando persone e agenti alle basi di dati dell’ente e non trovarci fra N anni immersi in silos di dati e applicativi e bloccati dal vendor lock-in come fatto con i SaaS, forse troppo spesso made in USA?
Partecipa alla community