Immaginate di salire su un’auto nuova, molto più potente della vecchia. Accelera in pochi secondi, consuma meno, ha un navigatore che calcola il percorso in un istante. C’è solo un dettaglio: la destinazione impostata è sbagliata. Risultato? Arrivate nel posto sbagliato, ma molto prima di quanto avreste fatto con la vecchia utilitaria.
Con l’intelligenza artificiale nella Pubblica Amministrazione rischia di succedere esattamente questo.
Pensiamo a un Comune che decide di “fare AI”. Mette in piedi un chatbot sul sito istituzionale: funziona, risponde a qualsiasi ora, il fornitore presenta report con migliaia di conversazioni gestite. Tutto bene. Poi il lunedì mattina si passa davanti allo sportello anagrafe e la coda è identica a quella di prima. Perché le domande a cui il chatbot risponde benissimo non erano quelle che generavano la coda.
Il progetto è riuscito. Il problema è rimasto. E nessuno, sulla carta, ha sbagliato qualcosa.
Indice degli argomenti
Obiettivi AI nella Pubblica Amministrazione: oltre processi e dati
Negli ultimi due anni un messaggio è finalmente passato: prima dell’AI vengono i processi, le persone e i dati. Lo si sente in ogni convegno, in ogni tavolo tecnico, in ogni presentazione di progetto. Nessuno oggi si azzarderebbe a dire il contrario.
È un progresso vero. Fino a poco tempo fa si partiva dalla demo del fornitore e si cercava un problema a cui applicarla. Oggi almeno la sequenza corretta è chiara a tutti.
Ma dirlo non è farlo. Lavorando con decine di comuni, vedo processi mappati raramente, dati sparsi in gestionali che non si parlano, formazione distribuita a macchia di leopardo. Il primo livello è stato capito a parole, molto meno nella pratica.
Eppure c’è un punto più sottile. Anche l’ente che ha fatto bene i compiti su processi, persone e dati può sbagliare tutto. Perché manca un quarto elemento, che quasi nessuno nomina: dove si vuole andare.
Quando l’AI nella PA moltiplica l’attività senza impatto
L’AI ha un effetto molto concreto: abbassa drasticamente il costo dell’esecuzione. Una bozza di determina, un’analisi dei dati di protocollo, un report per la giunta, la riscrittura di una procedura: attività che richiedevano giorni oggi richiedono ore, a volte minuti.
L’effetto di secondo ordine è meno visibile. Quando una cosa costa poco, se ne fa di più. Più documenti, più report, più progetti pilota, più sperimentazioni. L’output cresce in modo vistoso. Ma l’output non è l’impatto: un Comune che produce il triplo dei report non serve meglio i cittadini per questo.
Fino a ieri la scarsità di risorse era un filtro naturale. Non potendo fare tutto, eravamo costretti a scegliere, magari male, ma a scegliere. Con l’AI quel filtro si allenta. E se non lo sostituiamo con un filtro esplicito, cioè con obiettivi chiari, ci ritroviamo con tanta attività e poco cambiamento.
Il collo di bottiglia si sposta: dall’esecuzione alla direzione. Scaricare tutta la potenza di fuoco dell’AI nella direzione sbagliata significa fare passi da gigante in direzioni inutili. E più la potenza cresce, più costa sbagliare mira.
Obiettivi dell’AI pubblica e limiti del PIAO
L’obiezione è prevedibile: la PA gli obiettivi li ha già. C’è il ciclo della performance, c’è il PIAO, il Piano Integrato di Attività e Organizzazione introdotto dal DL 80/2021, che dovrebbe tenere insieme performance, fabbisogni di personale, formazione, anticorruzione, digitalizzazione.
Vero. Ma chi ha compilato un PIAO sa come va. Un documento corposo, scritto spesso a ridosso della scadenza, con obiettivi del tipo “attivare il servizio X entro dicembre” o “realizzare N corsi di formazione”. Sono obiettivi di attività: misurano il fatto, non cosa è realmente migliorato.
Non è una critica, è una fotografia. Il sistema premia l’adempimento formale, e gli enti si comportano di conseguenza. Il problema è che l’AI rende questo schema ancora più fragile. Se l’obiettivo è “attivare un servizio basato su AI”, l’AI lo raggiunge in fretta. Spunta verde nel monitoraggio, nessun cambiamento per il cittadino.
In altre parole: un obiettivo debole, con uno strumento debole, produceva poco danno. Lo stesso obiettivo debole, con uno strumento potentissimo, produce molta attività inutile e un’illusione di progresso.
Gli OKR per orientare l’AI nella Pubblica Amministrazione
Qui entrano in gioco gli OKR, Objectives and Key Results, il metodo nato in Intel con Andy Grove e reso celebre da Google. L’idea è semplice, la pratica molto meno.
- Obiettivo: una direzione qualitativa, chiara, che dice cosa vogliamo cambiare.
- Risultati chiave: due o tre misure che ci dicono, senza ambiguità, se ci stiamo arrivando.
- Iniziative: le cose che facciamo per muovere quei risultati. Progetti AI compresi.
A questo schema conviene aggiungere un quarto elemento, spesso trascurato: i rischi. Cosa può impedirci di raggiungere il risultato? Dati che non abbiamo, competenze che mancano, effetti indesiderati su alcune fasce di cittadini.
Dal chatbot ai risultati misurabili nella PA
Riprendiamo il Comune del chatbot. Proviamo a ribaltare il punto di partenza.
Obiettivo: rendere i servizi anagrafici accessibili senza dover fare la coda. Risultati chiave: ridurre il tempo medio di attesa allo sportello rispetto al valore attuale, aumentare la quota di certificati ottenuti online, ridurre le telefonate di sola richiesta informazioni. Rischi: tempi di attesa mai misurati finora, personale non formato sui nuovi canali, cittadini anziani esclusi dal digitale.
E le iniziative? Prenotazione online, revisione degli orari, comunicazione mirata, magari anche un assistente basato su AI. Il chatbot può tornare in scena, ma cambia ruolo: non è più l’obiettivo, è uno strumento al servizio di un risultato misurabile. E se dopo tre mesi non muove i numeri, si corregge o si ferma.
È questa la differenza sostanziale. Non “abbiamo fatto il chatbot”, ma “la coda si è accorciata, e sappiamo quanto ha contribuito ciascuna iniziativa”.
AI e OKR: un circolo per gli obiettivi della PA
Sarebbe un errore pensare che prima si definiscono gli obiettivi e poi, a valle, arriva l’AI. Il rapporto è circolare: gli OKR dicono all’AI dove spingere, ma l’AI può aiutare molto a costruire e tenere vivi gli OKR.
- Analisi: leggere PEC, segnalazioni, dati di sportello e richieste ricorrenti per capire dove sono davvero i problemi, prima di decidere gli obiettivi.
- Scenari e rischi: usare un modello come avvocato del diavolo sugli obiettivi, per far emergere rischi ed effetti collaterali che il gruppo di lavoro non vede.
- Monitoraggio: aggiornare i risultati chiave in modo continuo, senza fogli di calcolo compilati a mano una volta l’anno.
Le trappole delle metriche nei progetti AI pubblici
La prima è la più tentatrice: far scrivere gli OKR all’AI. Chiedetelo a un modello linguistico e in trenta secondi avrete obiettivi impeccabili, ben formulati, plausibili. E vuoti. Perché il valore degli OKR non sta nel testo, sta nella fatica di scegliere, cioè di rinunciare. E la scelta è proprio la parte che non si può delegare.
La seconda è la legge di Goodhart: quando una misura diventa un obiettivo, smette di essere una buona misura. Con l’AI il rischio si amplifica, perché l’AI ottimizza in fretta qualsiasi cosa le si chieda di ottimizzare. Se il risultato chiave è “numero di conversazioni del chatbot”, le conversazioni aumenteranno. Che servano a qualcosa è un’altra storia.
La terza è la scorciatoia delle metriche facili: misurare ciò che è comodo da contare invece di ciò che conta. Accessi al portale invece di pratiche concluse, corsi erogati invece di competenze acquisite.
Tre abitudini per progetti AI guidati da obiettivi
Non serve un nuovo piano, né un nuovo documento da approvare entro una scadenza. Servono tre abitudini.
- Nessun progetto AI senza un risultato chiave. Prima di firmare la determina, una riga sola: quale risultato misurabile vuole muovere questo progetto? Se la risposta non c’è, il progetto aspetta.
- Rischi scritti prima di partire. Non un registro dei rischi di quaranta pagine: tre righe oneste su cosa può andare storto e su chi potrebbe restare escluso.
- Revisione trimestrale con il coraggio di fermare. È la mossa più difficile, perché nella PA fermare un progetto finanziato viene vissuto come un fallimento. Ma proseguire un progetto inutile è un fallimento più costoso, solo meno visibile.
E un accorgimento di metodo: gli OKR non devono diventare un documento parallelo al PIAO, ma il suo motore operativo. Il PIAO dice cosa l’ente si impegna a fare nell’anno; gli OKR, con cadenza trimestrale, dicono se lo sta facendo davvero e cosa va corretto. Se diventano l’ennesimo modulo da compilare, avremo solo aggiunto un adempimento a quelli esistenti.
Il prossimo livello dell’AI nella PA è saper scegliere
Per anni ci siamo chiesti se la PA fosse pronta per l’AI. Poi abbiamo capito che la domanda giusta era un’altra: sono pronti i processi, le persone, i dati? Ora la domanda si sposta ancora: sappiamo dove vogliamo andare?
In un mondo in cui eseguire costa sempre meno, la capacità che vale di più è scegliere. Scegliere cosa fare e, soprattutto, cosa non fare. L’analisi, la definizione degli obiettivi, dei rischi e delle iniziative non sono un esercizio da manuale di management: sono il punto in cui si decide se la potenza dell’AI produrrà valore pubblico o solo rumore.
Il prossimo livello da osservare con attenzione, quindi, non è quante amministrazioni avranno progetti di AI. Sarà quante avranno meno progetti inutili. Perché l’AI ci darà sempre più potenza di fuoco. Dove puntarla, resta compito nostro.
Partecipa alla community