La trasformazione digitale della Pubblica Amministrazione sta entrando in una fase più matura in cui, dopo la digitalizzazione dei procedimenti, l’adozione delle piattaforme nazionali e la migrazione al cloud, il nuovo terreno di innovazione è la capacità di leggere e governare fenomeni complessi prima che diventino emergenze.
È nel passaggio da una PA che registra e rincorre le emergenze a una PA capace di anticiparle e prevenirle che i gemelli digitali urbani assumono un valore strategico.
Indice degli argomenti
Che cos’è un digital twin territoriale
In termini semplici, un digital twin territoriale è una copia digitale dinamica di una città o di un’area vasta. Non riproduce soltanto strade, edifici e infrastrutture, ma collega alla rappresentazione del territorio le informazioni che descrivono ciò che vi accade: traffico, trasporto pubblico, qualità dell’aria, consumi energetici, condizioni meteorologiche, cantieri, servizi e flussi di persone. Quando i dati si aggiornano, cambia anche il modello digitale, offrendo agli amministratori una rappresentazione quanto più possibile attuale e, soprattutto, la possibilità di simulare scenari futuri. Prima di modificare una linea di autobus o introdurre una zona a traffico limitato, per esempio, l’ente può stimarne gli effetti su tempi di percorrenza, congestione ed emissioni. È, in sostanza, un laboratorio virtuale del territorio, nel quale una decisione può essere sperimentata prima di essere applicata nel mondo reale.
Un digital twin territoriale, quindi, non è semplicemente una mappa tridimensionale, ma un ambiente decisionale alimentato da dati geospaziali, sensori IoT, fonti amministrative, informazioni sulla mobilità, immagini satellitari e modelli di intelligenza artificiale. La distinzione è rilevante anche sul piano scientifico: Ketzler, Naserentin, Latino, Zangelidis, Thuvander e Logg, nella rassegna Digital Twins for Cities: A State of the Art Review (2020), osservano che il concetto viene ormai utilizzato per indicare qualcosa di più di un modello urbano 3D, perché incorpora dati semantici, flussi sensoriali, modelli fisici e simulazioni, pur in assenza di una definizione pienamente condivisa. La sua funzione è ricomporre questi elementi in una rappresentazione dinamica del territorio, sulla quale i decisori pubblici possono simulare scenari, confrontare alternative e verificare nel tempo gli effetti delle politiche pubbliche.
Il punto non è vedere la città, ma comprenderne le relazioni
Negli enti locali il patrimonio informativo accumulato negli anni è ormai vasto: GIS, catasto, basi dati ambientali, sistemi di trasporto pubblico, telecamere, sensori, open data, documenti di pianificazione e serie storiche. Se in passato l’attenzione si è concentrata sulla raccolta dei dati territoriali, oggi la sfida è renderli interoperabili e utilizzabili nei processi decisionali. Quando restano separati per competenza, fornitore o applicazione, producono molte dashboard ma poca conoscenza condivisa; correlati tra loro, possono invece restituire una lettura più profonda del territorio e dei suoi bisogni.
Il gemello digitale interviene proprio su questa frattura: integra fonti eterogenee in un modello coerente, aggiornabile e interrogabile, nel quale un intervento sulla mobilità può essere letto insieme ai suoi effetti sulla qualità dell’aria, sull’accessibilità dei servizi, sui tempi di percorrenza e sull’uso degli spazi urbani. Il valore non risiede quindi nella spettacolarità della visualizzazione, ma nella capacità di rendere visibili le interdipendenze.
Per Comuni e Città metropolitane questa potenzialità si traduce nella disponibilità di un’infrastruttura comune per urbanistica, mobilità, ambiente, lavori pubblici e protezione civile. Una base informativa condivisa riduce le letture settoriali e consente ai diversi uffici di discutere le politiche a partire dalle medesime evidenze.
Dal modello digitale alla verifica degli esiti
Rispetto a un GIS tradizionale, il valore di un digital twin risiede soprattutto nel ciclo d’uso che abilita. Un gemello digitale maturo non si limita a descrivere ciò che accade, ma accompagna l’amministrazione in quattro passaggi connessi:
· osservare, integrando dati statici e dinamici in tempo reale o quasi;
· prevedere, attraverso modelli che stimano l’evoluzione dei fenomeni;
· simulare, confrontando scenari e misure alternative prima dell’attuazione;
· misurare, verificando gli impatti effettivi e distinguendoli, per quanto possibile, da fattori esterni come meteo, stagionalità o variazioni economiche.
È questo passaggio dalla rappresentazione alla verifica degli esiti a rendere il digital twin rilevante per la PA, in un processo in cui la tecnologia entra nel ciclo della programmazione, del monitoraggio e della rendicontazione, anziché restare confinata in un progetto sperimentale.
La mobilità come banco di prova
La mobilità urbana è uno degli ambiti in cui un digital twin può alimentare e guidare con maggiore efficacia le scelte dei decisori pubblici. Flussi veicolari e pedonali, trasporto pubblico, sharing mobility, dati telefonici aggregati, sensori e condizioni ambientali possono infatti confluire in un modello unitario della domanda di spostamento.
Su questa base il mobility manager può individuare criticità, definendo obiettivi di policy e simulando interventi: una nuova linea di trasporto, una zona a traffico limitato, la modifica della viabilità, incentivi alla mobilità sostenibile o misure per la logistica urbana. L’analisi “what if” consente di stimare prima dell’investimento come cambiano congestione, accessibilità ed emissioni, rendendo più solida sia la progettazione sia la motivazione amministrativa delle scelte.
Un cantiere stradale, una nuova infrastruttura ciclopedonale o la modifica di una linea di trasporto pubblico urbano possono essere simulati con un gemello digitale territoriale prima della loro attuazione. L’amministrazione può così osservarne gli effetti sul territorio e orientare la scelta verso le soluzioni che producono i risultati attesi con impatti coerenti con gli obiettivi definiti.
Progettare gli interventi attraverso un gemello digitale della domanda di mobilità, misurarne gli effetti ambientali con indicatori ex ante ed ex post e verificarne gli esiti nello stesso ambiente costituisce un’opportunità particolarmente rilevante per la pubblica amministrazione. Il risultato non è infatti un singolo prodotto tecnologico, ma la continuità tra dati, decisione e prova dell’impatto generato.
Resilienza climatica e manutenzione predittiva
Lo stesso schema è applicabile alla resilienza climatica e alla protezione civile. Modelli idraulici, dati meteorologici, caratteristiche del suolo e informazioni sugli edifici possono supportare la simulazione di alluvioni, ondate di calore, incendi o frane, individuando vulnerabilità e priorità di intervento. Nei territori caratterizzati da rischi diffusi, anticipare gli scenari significa migliorare la prevenzione e allocare risorse scarse sulla base di evidenze: un presupposto centrale per una buona politica territoriale.
Anche la gestione del patrimonio e delle reti può beneficiare della stessa logica: manutenzione predittiva, controllo dei consumi, monitoraggio degli edifici pubblici e programmazione degli interventi diventano parti di un quadro unitario. Il gemello digitale, in questa prospettiva, diventa una piattaforma trasversale e non un nuovo applicativo verticale.
Governance, interoperabilità e controllo pubblico
La qualità di un digital twin territoriale dipende, prima ancora che dalla potenza tecnologica, dalla qualità della sua governance. Ogni gemello è un modello e, quindi, una semplificazione selettiva del sistema reale: non riproduce la città nella sua interezza, ma privilegia le caratteristiche ritenute rilevanti da chi lo costruisce. Diventa perciò essenziale stabilire chi definisce i dati, le variabili e le ipotesi. La letteratura individua tre criticità ricorrenti: integrazione interdisciplinare, contestualizzazione condivisa e inserimento effettivo nei procedimenti. Per una PA, dunque, non conta soltanto rendere la simulazione il più accurata possibile, ma anche identificare chi definisce il problema, seleziona i dati e valida le ipotesi prima che il risultato confluisca nell’istruttoria amministrativa.
I quattro livelli della governance del digital twin
Da questa prospettiva, la governance del digital twin deve essere costruita su almeno quattro livelli distinti ma coordinati:
· Il primo è la governance del dato: ogni informazione deve avere una fonte identificabile, un titolare, una base giuridica, una frequenza di aggiornamento, indicatori di qualità e regole di accesso e riuso.
· Il secondo è la governance del modello: algoritmi, assunzioni, parametri, margini di errore e condizioni di validità devono essere documentati e verificabili.
· Il terzo è la governance del processo decisionale: occorre stabilire quando una simulazione ha valore istruttorio, chi può utilizzarla, come viene confrontata con altre evidenze e come vengono motivate eventuali decisioni difformi.
· Il quarto è la governance dell’ecosistema: fornitori, università, gestori di servizi, enti territoriali e comunità locali devono operare entro regole comuni che garantiscano interoperabilità, responsabilità, continuità e controllo pubblico.
La dimensione partecipativa è documentata anche da Dembski, Wössner, Letzgus, Ruddat e Yamu nello studio Urban Digital Twins for Smart Cities and Citizens: The Case Study of Herrenberg, Germany (2020). Il prototipo di Herrenberg ha integrato modello tridimensionale, rete stradale, simulazioni della mobilità e del vento, dati quantitativi e qualitativi e informazioni geografiche fornite volontariamente dai cittadini. La sperimentazione in realtà virtuale e nei percorsi pubblici ha mostrato il potenziale del digital twin come strumento di collaborazione e comunicazione, non soltanto come dispositivo tecnico. Il caso suggerisce che la governance dell’ecosistema debba includere cittadini e portatori di interesse nella definizione degli scenari e nell’interpretazione dei risultati.
Per la PA è particolarmente importante migliorare l’efficienza nell’elaborazione dei dati, includere le componenti socio-economiche della città e rafforzare l’integrazione bidirezionale tra sistema fisico e modello digitale. Un modello accurato dei flussi, ma incapace di rappresentare accessibilità, disuguaglianze territoriali e comportamenti, può infatti ottimizzare il funzionamento tecnico senza migliorare l’equità delle politiche.
Local Digital Twins e modello europeo
Questa impostazione è coerente con l’evoluzione europea dei Local Digital Twins. La Commissione europea non propone piattaforme chiuse, ma un insieme modulare di strumenti, architetture di riferimento, standard aperti e specifiche tecniche riutilizzabili, collegato a uno spazio europeo dei dati per comunità intelligenti e sostenibili. L’obiettivo è consentire alle amministrazioni di condividere dati oggi frammentati in un ambiente interoperabile e sicuro, valutare scenari e utilizzare l’intelligenza artificiale per sostenere decisioni su traffico, inquinamento, energia, salute pubblica e risposta alle emergenze. In questa logica, apertura, scalabilità e federazione non sono mere caratteristiche tecniche: sono condizioni affinché città diverse possano riutilizzare modelli, confrontare risultati e non dipendere integralmente da un unico fornitore.
Interoperabilità, privacy e AI Act nella PA
Nel quadro italiano, il riferimento essenziale è il Codice dell’Amministrazione Digitale, insieme alle Linee guida AgID sull’interoperabilità tecnica e alla disciplina della Piattaforma Digitale Nazionale Dati. Il Modello di Interoperabilità è qualificato da AgID come asse portante del sistema informativo pubblico e mira a consentire lo scambio di informazioni attraverso API e standard comuni, evitando integrazioni costruite caso per caso. Per un digital twin ciò implica che i dati non siano copiati indiscriminatamente in un contenitore proprietario, ma messi a disposizione, quando ne ricorrono i presupposti, mediante servizi documentati, sicuri e governati, nel rispetto della titolarità delle fonti e favorendone il riuso. Le regole tecniche applicabili alla PDND rafforzano inoltre le garanzie sugli scambi e promuovono modelli standardizzati di e-service: principi direttamente rilevanti per un’infrastruttura territoriale che deve ricomporre informazioni provenienti da amministrazioni e gestori differenti.
La governance deve poi confrontarsi con la protezione dei dati personali. Un gemello territoriale può integrare informazioni molto granulari su spostamenti, presenze, utilizzo dei servizi o immagini provenienti da sistemi di osservazione. Il rispetto del GDPR non può quindi essere ridotto a un adempimento successivo, ma richiede finalità determinate, proporzionalità, minimizzazione, limiti di conservazione, controllo degli accessi e, nei trattamenti suscettibili di comportare rischi elevati, una valutazione d’impatto. Aggregazione, anonimizzazione e separazione tra dato operativo e dato destinato alla simulazione devono essere progettate sin dall’origine, con l’obiettivo di utilizzare il minor insieme informativo necessario a produrre una conoscenza affidabile e legittima del fenomeno pubblico, non il maggior numero possibile di dati.
Quando il digital twin incorpora sistemi di intelligenza artificiale, entra inoltre in gioco il Regolamento europeo 2024/1689, l’AI Act, fondato su un approccio graduato al rischio e sull’obiettivo di promuovere un’IA affidabile. La classificazione giuridica dipende dalla funzione concreta svolta dal sistema e dal relativo contesto d’uso: una simulazione a supporto della pianificazione non coincide necessariamente con un sistema ad alto rischio, mentre gli impieghi riconducibili agli ambiti elencati dal Regolamento possono attivare obblighi più stringenti. Il risultato algoritmico deve in ogni caso restare contestabile, comprensibile nel procedimento e sottoposto alla responsabilità dell’amministrazione.
La tracciabilità assume quindi un’importanza decisiva; per ogni scenario dovrebbe essere possibile ricostruire quali dataset, versioni del modello, parametri, soglie e assunzioni siano stati utilizzati, quale fosse l’intervallo di incertezza, chi abbia validato l’elaborazione e in quale momento il risultato sia entrato nell’istruttoria. Senza questa catena di evidenze, la simulazione rischia di trasformarsi in una “scatola nera” autorevole soltanto per la complessità tecnica. Con essa, invece, il digital twin può diventare un supporto qualificato alla motivazione amministrativa, alla valutazione ex ante, al monitoraggio degli esiti e alla rendicontazione pubblica.
Standard, sicurezza e portabilità del progetto
Riassumendo, in termini operativi, un progetto sostenibile dovrebbe quindi prevedere fin dall’avvio:
· standard e API per l’integrazione con sistemi esistenti e PDND;
· un catalogo dei dati con provenienza, qualità, frequenza di aggiornamento e condizioni d’uso;
· sicurezza e privacy by design, con minimizzazione e aggregazione dei dati personali;
· architetture cloud qualificate, scalabili e reversibili;
· portabilità di dati, modelli e configurazioni per limitare il lock-in;
· tracciabilità delle simulazioni e supervisione umana sulle decisioni supportate dall’AI.
Il punto, in definitiva, è che il gemello digitale non può essere considerato un sistema parallelo rispetto all’architettura pubblica, ma deve integrarsi nel Modello di Interoperabilità della PA. Quando pertinenti, la PDND e gli altri meccanismi di cooperazione applicativa devono essere utilizzati nel rispetto della disciplina sulla protezione dei dati; se il modello impiega sistemi di intelligenza artificiale, trovano inoltre applicazione gli obblighi previsti dall’AI Act in funzione del caso d’uso.
Un digital twin efficace richiede poi la collaborazione stabile tra informatici, urbanisti, mobility manager, esperti ambientali, statistici, responsabili della protezione dei dati e uffici finanziari. Servono cioè profili in grado di tradurre una domanda di policy in dati, indicatori e scenari, ma anche dirigenti capaci di usare il modello senza delegare al fornitore la responsabilità della decisione.
Le analisi più recenti sul mercato italiano delle smart city indicano che l’adozione dell’intelligenza artificiale nei Comuni è ancora limitata e che carenze di personale, risorse economiche e competenze tecniche ostacolano la continuità dei progetti. In vista della conclusione degli investimenti legati al PNRR, la sostenibilità operativa ed economica diventa quindi più importante della sola sperimentazione.
Per gli enti di minori dimensioni la risposta non può essere la replica di piattaforme autonome, ma Città metropolitane, Province e Regioni possono e debbono svolgere un ruolo di orchestrazione, offrendo infrastrutture, standard, competenze e servizi condivisi secondo una logica di “smart land”. Il territorio predittivo nasce dalla cooperazione tra amministrazioni, non dalla somma di progetti isolati.
Verso una PA predittiva, ma responsabile
Il salto di qualità introdotto dai gemelli digitali non consiste nel prevedere tutto, ma nel rendere le decisioni pubbliche più informate, confrontabili e trasparenti. Una PA predittiva non sostituisce la discrezionalità amministrativa con un algoritmo: utilizza dati e simulazioni per esplicitare ipotesi, rischi e conseguenze, mantenendo chiara la responsabilità umana.
In questa prospettiva, il gemello digitale diventa un’infrastruttura di conoscenza del territorio. Può migliorare servizi, coordinamento tra uffici e capacità di risposta, ma soprattutto può ricomporre programmazione, attuazione e valutazione in un unico ciclo data-driven.
La sfida per i prossimi anni sarà passare dai prototipi alle capacità permanenti: dati governati, architetture interoperabili, competenze interne, modelli verificabili e costi di esercizio sostenibili. Queste capacità dovranno essere collegate agli strumenti ordinari di programmazione, quali DUP, PIAO, PUMS, piani ambientali e programmi di manutenzione, associando ogni investimento a KPI verificabili. Il territorio predittivo, in definitiva, non è quello che accumula più dati, ma quello che sa trasformarli in decisioni.
Partecipa alla community