In attesa dell’entrata in vigore, l’AI Act comincia a dispiegare i primi effetti anche sulle Pubbliche Amministrazioni nazionali se non altro sul piano della produzione normativa e di indirizzo. In questo momento le fonti principali sono addirittura quattro: Piano Triennale, lo stesso AI Act, il disegno di legge sull’intelligenza artificiale, la relazione semestrale della commissione sull’intelligenza artificiale. Vediamole brevemente.
- Piano Triennale 2024-2026 per l’informatica nella Pubblica Amministrazione. È l’unica fonte effettiva e, tra i molti pregi, ha quello di essere integrata coi piani di finanziamento del PNRR.
- Lo stesso AI Act, cioè il regolamento europeo sull’intelligenza artificiale che entrerà in vigore entro due anni. Adotta un approccio basato sui livelli di rischio. In particolare, considerato che i sistemi con scopi generali, cioè modelli ad alto impatto (foundation model) e i modelli di intelligenza artificiale generativa, pongono per loro natura dei rischi sistemici, il Regolamento impone agli Stati membri di costituire specifiche aree di sicurezza su cui effettuare preliminarmente le prove di funzionalità e sicurezza (sandbox).
- DDL IA, il Disegno di Legge del Governo sulla strategia italiana per l’intelligenza artificiale che anticipa l’IA Act su quattro direttrici (ricerca, Pa, imprese, formazione) e dieci punti tra cui i due che riguardano le Pubbliche Amministrazioni: utilizzo dell’intelligenza artificiale a supporto dei processi e nell’erogazione dei servizi.
4. Relazione sull’attività dei primi sei mesi della Commissione sull’Intelligenza artificiale, organo del Dipartimento presso la Presidenza del Consiglio dei Ministri. Al pari degli altri, è stata redatta dopo ampie consultazioni ed è incentrata su: diritto d’autore, trasparenza e tracciabilità, difesa dell’occupazione e della concorrenza.
Piano Triennale 2024-2026: l’IA nelle Pubbliche Amministrazioni
L’attuale Piano Triennale 2024-2024 è un importante documento di indirizzo e al momento è l’unico a produrre effetti per le Pubbliche Amministrazioni e, di conseguenza, per la società. Il Piano fornisce una definizione di intelligenza artificiale molto ampia, capace di comprendere le varie concezioni e applicazioni di una scienza che è multiforme e che ha origini molto lontane tra linguistica, informatica, information technology e statistica. Si tratta di una definizione che include quello che attualmente è il ramo più fecondo di intelligenza artificiale, cioè l’autoapprendimento (ML, Machine Learning) basato su reti neurali profonde (DNN, Deep Neural Network) ma che comprendere anche sistemi più classici o meno eclatanti.
Purtroppo, a una lettura approssimativa, la definizione del Piano Triennale sembra includere anche cose che nulla hanno a che fare con l’intelligenza artificiale e sembra riguardare anche le “normali” tecnologie informatiche: reti, connessioni, data base relazionali e così via. In effetti, il rischio sistematico è quello di ammantare di una qualche capacità superiore anche sistemi e dispositivi che sono strutturalmente lontanissimi dall’intelligenza artificiale.
Gli esempi sono numerosi, per esempio i sistemi CRM oppure i sistemi ERP, cioè piattaforme e metodologie presenti nelle organizzazioni da molti decenni e cui ultimamente vengono aggiunte fantomatiche quanto superflue funzionalità IA. Oppure, in ambito domestico pensiamo ai robot aspirapolvere che vengono decantati come sistemi intelligentissimi (per la verità la loro supposta autonomia è stata usata per anni per aumentare il prezzo). In entrambi i casi, si tratta di sistemi procedurali, cioè sistemi che hanno comportamenti basati su algoritmi definiti a priori dal programmatore, e fondati su normali basi dati.
L’AGID e il Legislatore combattono il rischio banalizzazione su due piani, quello di chiarire cosa e come funziona l’IA e quello di sostenere e promuovere i progetti più interessanti.
I componenti principali di un sistema di intelligenza artificiale
In effetti, il Piano Triennale, anche in questa parte ha il dono della chiarezza e riprendere l’impostazione dell’OECD-OCSE nell’identificare i componenti principali di un sistema di intelligenza artificiale: modello, sistema, ambiente. Diamo loro uno sguardo.
Modello di intelligenza artificiale incorporato in un sistema
Si tratta del modello computazionale che tratta i processi, le idee, gli oggetti. In base alla sua struttura (modello inferenziale), può fornire risposte di qualità diversa e con diversi gradi di trasparenza. Va sottolineato che i modelli più noti più noti sono basati su reti neurali che, per loro natura, sono i meno capaci di spiegare perché generano determinati output piuttosto di altri. Nell’ambito dell’intelligenza artificiale generativa, modelli sono per esempio GPT, PaLM, Gemini).
Sistema di intelligenza artificiale
È l’applicazione pratica del modello e comprende i sistemi di input e i sistemi di output. Nel linguaggio comune corrisponde al concetto di piattaforma. Rimanendo nell’ambito dell’intelligenza artificiale generativa, per esempio sono sistemi sia il celeberrimo ChatGPT di OpenAi-Microsoft sia Bard di Google. È necessario sottolineare che, al momento, nessun sistema di intelligenza artificiale generativa è soddisfa pienamente i criteri di sicurezza stabiliti dall’AI Act né e chiaro quando lo sarà.
Ambiente con cui il sistema interagisce
Possono essere contesti sociali o economici oppure altri sistemi di intelligenza artificiale.
Automazione, predizione, personalizzazione, dove l’IA dispiega il suo potenziale
Il Piano Triennale delinea tre direzioni su cui l’intelligenza artificiale, in particolare se applicata dalle Pubbliche Amministrazioni, può dispiegare il suo potenziale. Si tratta di: automazione, predizione, personalizzazione. Vediamole brevemente,
- Automatizzare i processi quando la massa di dati è elevata ma le operazioni sono relativamente semplici. Il caso eclatante riguarda l’INPS che sperimentalmente smisterà comunicazioni in entrata via Pec. Si tratta di sei milioni annue di Pec che vanno trattate documentalmente ovvero classificate secondo le regole della gestione documentale e assegnate alle unità organizzative che ne hanno responsabilità ai sensi della L.241/1990 e del DPR 445/2000 oltre, naturalmente al CAD e alle Linee Guida dell’AGID sul trattamento documentale. In questo ambito si fanno avanti anche soluzioni per gestire anche grandi masse dati e documenti gestiti da una qualsiasi Pubblica Amministrazione di media grandezza e tutti sostanzialmente simili. Giova sottolineare che tali sistemi difficilmente potranno essere conformi alle attuali regole di sicurezza e rispetto del dato a cui sono tenute le Pubbliche Amministrazioni.
- Fare previsioni. Si tratta del campo di elezione di quei sistemi che fanno uso di molti dati con diversi gradi di accessibilità. Riguarda in primo luogo il dimensionamento dei servizi misurato sui possibili andamenti futuri di fenomeni fisici e sociali complessi. In questo ambito rientrano anche sperimentazioni dell’ISTAT per analizzare grandissime quantità di dati, modellarli secondo sistemi di classificazione (ontologie) e fornire risposte a domande non previste dai normali sistemi di interrogazione.
- Personalizzare i servizi. In questo ambito rientrano a pieno i sistemi di intelligenza artificiale generativa a partire dai bot di risposta e interazione con l’utenza. Pensiamo a quanto sia frustrante interagire oggi con gli attuali sistemi a comandi vocali e quanto possano essere migliorati con un sistema di intelligenza artificiale generativa.
Il ruolo dell’AGID nella promozione dei progetti di IA nelle PA
Il Piano Triennale, con l’obiettivo di mantenere la concentrazione sui sistemi di intelligenza artificiale che siano potenzialmente utili, investe l’AGID di farsi promotore e sostenitore di progetti di intelligenza artificiale presso le Pubbliche Amministrazioni. Si tratta di numeri definiti di progetti pilota da completare nel prossimo biennio e che potranno – o dovranno – essere replicati tra le Pubbliche Amministrazioni.
Conclusioni
Per concludere questo veloce quadro sull’intelligenza artificiale nella Pubblica Amministrazione, va sottolineato che l’IA pone rischi di vario tipo, basti pensare a quelli sul trattamento dei dati personali, ma allo stesso tempo suggerisce sviluppi stimolanti. Forse la sfida non sarà tanto l’applicazione di strumenti potenzialmente efficaci e da governare ma, ovviamente, quella di concentrare le risorse sull’ovvio obiettivo di medio periodo della Pubblica Amministrazione: migliorare i servizi ai cittadini e alle imprese. E farlo in modo chiaro e misurabile.
