AI nella PA italiana, due modelli per passare dai pilota alla scala

Tra il 3 e il 14 agosto 2026 i Comuni tedeschi hanno potuto candidarsi alla seconda edizione dell’Agentic AI Hub, il programma con cui il Ministero federale per il Digitale e la Modernizzazione dello Stato porta agenti AI dentro la macchina amministrativa locale. Alla prima edizione, tra marzo e maggio, si erano presentati quasi 400 startup e circa 200 Comuni per soli 20 posti disponibili in 19 enti pilota. Il rapporto conclusivo, pubblicato il 29 luglio, parla di alleggerimento misurabile del lavoro amministrativo dopo poche settimane di sperimentazione, ed è bastato per far ripartire subito una seconda call.

AI nella PA italiana: dal caso isolato alla sfida sistemica

In Italia il dibattito sull’AI nella PA è ancora fermo, per lo più, alla fase del caso isolato: il Comune che prova un assistente per le delibere, l’ufficio tributi che testa un chatbot, il singolo RTD che sperimenta per conto proprio. Utile, ma aneddotico. La domanda che vale la pena porsi non è se l’AI arriverà nella PA italiana, ormai ci è già arrivata sotto traccia. È come renderla sistemica, cioè come far sì che un caso che funziona in un Comune diventi un pattern replicabile in altri mille, invece di restare un lucido esperimento da convegno.

Due strade sembrano oggi percorribili, ed è utile mettere a confronto la logica di entrambe prima di scegliere.

Il problema della PA italiana con l’AI

Non è un problema di interesse. Chi lavora con i Comuni lo vede ogni settimana: RTD, segretari comunali, funzionari tributi, tutti curiosi, molti già utenti quotidiani di strumenti di AI generativa, in ufficio o fuori. Il problema è il metodo per passare dal progetto pilota isolato a qualcosa che si possa scalare senza reinventare tutto ogni volta.

Oggi in Italia questo passaggio manca quasi ovunque. Ogni ente che sperimenta lo fa per conto proprio, con il proprio fornitore, i propri dati, il proprio livello di maturità digitale. Il risultato è un arcipelago di micro-innovazioni che non si parlano tra loro, e che difficilmente sopravvivono al cambio di RTD o di giunta che le ha volute.

Due modelli diversi possono rispondere a questo vuoto, e la Germania ne sta già testando uno.

Il modello tedesco: bottom-up per casi d’uso

L’Agentic AI Hub funziona per bandi periodici. Ogni Comune candidato porta un problema concreto, ogni startup porta una soluzione, un comitato di esperti (tra cui rappresentanti di UnternehmerTUM, Merantix e della Lega delle città tedesche) fa il matching tra domanda e offerta seguendo tre criteri: coerenza strategica, rappresentatività, scalabilità. Chi viene selezionato pilota per tre mesi, sotto la supervisione del Ministero e del DigitalService, l’agenzia federale per l’innovazione digitale.

I casi testati nella prima edizione raccontano bene la logica: automazione della prevalidazione delle richieste di alloggio popolare con verifica documentale senza interruzione del flusso, process mining per ottimizzare il recupero crediti a Norimberga, intelligenza di processo applicata alle pratiche di naturalizzazione a Monaco. Progetti puntuali, misurabili, con un problema di partenza chiaro e un fornitore che ci mette la propria tecnologia in gioco davanti a un committente pubblico esigente.

Il vantaggio di questo modello è che parte da ciò che già funziona sul campo. Non c’è bisogno di indovinare a tavolino dove l’AI produce impatto: lo si vede, lo si misura, lo si scala se regge. È rapido da avviare, perché non richiede una fase di analisi preliminare estesa a tutta la macchina comunale, e genera una sana competizione tra territori per essere tra i selezionati.

Il limite è altrettanto chiaro. Ogni caso d’uso nasce cucito sul contesto specifico del Comune pilota: i suoi dati, il suo gestionale, la sua organizzazione interna. Trasferirlo uno a uno su un altro ente, magari più piccolo o con sistemi informativi diversi, non è mai un’operazione automatica. Il rischio è accumulare una collezione di casi di successo che restano, appunto, casi, senza diventare infrastruttura comune.

Il modello alternativo: analisi per aree di processo su campione

C’è una seconda strada, meno raccontata ma altrettanto legittima: prendere un gruppo di PA campione, non per testare un prodotto specifico ma per mappare sistematicamente come cambia ogni area funzionale, segreteria, ragioneria, tributi, edilizia, anagrafe, quando ci si mette mano con l’AI, guardando insieme ai dati disponibili e ai processi reali, non a quelli scritti nei regolamenti.

Il metodo qui non parte dal fornitore né dal singolo caso d’uso, parte dalla domanda: cosa succede davvero, oggi, in ragioneria quando arriva una fattura da pagare? Cosa succede davvero in segreteria quando arriva una richiesta di accesso agli atti? Solo dopo aver risposto a questa domanda, area per area, ha senso chiedersi dove e come l’AI possa intervenire con impatto reale, misurabile, non ipotizzato.

L’obiettivo finale non è un progetto pilota che funziona in un Comune, ma un KIT AI per la PA: un pacchetto per area funzionale, con processo mappato, dati necessari, punti di intervento AI individuati e validati su un campione rappresentativo, pensato per essere applicato a qualunque ente con quell’area organizzata in modo comparabile. Non un caso d’uso da copiare, un metodo da applicare.

Il vantaggio è la logica sistemica: il KIT nasce già pensato per la replicabilità, perché il campione di partenza è scelto apposta per essere rappresentativo, non per essere il più avanti tecnologicamente. Il limite è la velocità di partenza: prima di mostrare un solo risultato concreto serve un lavoro di analisi che richiede competenze di process mapping che molte PA, soprattutto le più piccole, non hanno internamente, e richiede una governance che tenga insieme enti diversi abbastanza a lungo da produrre un output comune.

Cosa serve in entrambi i casi

Che si scelga la strada tedesca o quella per aree di processo, tre condizioni restano comuni a entrambe, e senza queste nessuna delle due strade arriva davvero a scalare.

La prima è la comparabilità dei dati tra enti. Un caso d’uso o un KIT che funziona non è trasferibile se ogni Comune misura e organizza i propri dati in modo incompatibile con gli altri.

La seconda è un soggetto terzo che orchestri il processo, che sia un ministero come nel caso tedesco, un’associazione come ANCI, o consorzi territoriali come i tanti Consorzi.IT che già oggi coordinano decine di Comuni sulla parte tecnologica. Senza un orchestratore, ogni ente torna a fare da sé.

La terza è un meccanismo di validazione prima della scalatura: qualcuno deve poter dire, con dati alla mano, se un caso o un KIT ha davvero funzionato prima di proporlo a mille altri enti, altrimenti si rischia di scalare l’errore insieme al successo.

AI nella PA: due strade diverse per un solo obiettivo

Le due strade, in realtà, non sono davvero alternative. Sono due velocità diverse dello stesso percorso. I casi d’uso bottom-up, se raccolti e confrontati con metodo, alimentano la conoscenza necessaria a costruire un KIT per area di processo. Il KIT, una volta costruito, rende sistemici e trasferibili i singoli casi d’uso che altrimenti resterebbero isolati.

L’Italia ha oggi l’occasione di non dover scegliere in astratto quale delle due preferire, ma di iniziare a farle correre in parallelo, magari a partire da chi già lavora su più enti contemporaneamente e ha quindi la base per confrontare dati e processi tra territori diversi. Il tempo dirà quale delle due tesi produce prima un risultato scalabile. Ma nel frattempo, qualcuno deve iniziare a scegliere da dove partire, perché continuare a discutere sul metodo migliore senza avviarne nessuno dei due è, di fatto, la terza opzione, ed è quella peggiore.