L’AI dei Comuni non deve finire nel cloud: l’alternativa delle in-house

Fino a pochi anni fa, se un piccolo comune voleva avere un server sicuro, con backup, continuità operativa e un minimo di competenze tecniche a presidiarlo, aveva due strade: pagarselo da solo oppure entrare in una società in-house sovracomunale che quel server lo comprava una volta sola e lo metteva a disposizione di quaranta, cinquanta comuni soci.

Non è un’idea nuova. È il modello con cui buona parte della PA locale italiana ha risolto il problema dell’infrastruttura IT negli ultimi vent’anni. Un solo data center, un solo team di sistemisti, un solo contratto di manutenzione, condivisi tra enti che da soli non avrebbero mai potuto permetterseli. La logica è sempre la stessa: aggregare la domanda per abbattere il costo unitario e concentrare le competenze scarse in un unico soggetto tecnico invece di disperderle in quaranta gare separate.

Oggi la stessa domanda si ripropone, identica nella forma, con un oggetto diverso. Non più “chi ci fa il data center”, ma “chi ci fa l’AI”.

Il problema che blocca i comuni sull’AI

Il tema non è se un comune debba usare l’intelligenza artificiale. Ormai quasi tutti gli enti locali la usano già in qualche forma, magari solo per bozze di delibere o riassunti di documenti, spesso in forma “shadow ai”. Il tema è come farlo quando in mezzo ci sono dati personali, sensibili, giudiziari: una pratica di assistenza sociale, un procedimento sanzionatorio, un fascicolo di edilizia con dati sanitari allegati.

Su questo tipo di dati, mandare tutto a un grande modello cloud extra-UE significa aprire il tema GDPR. Il risultato pratico è che moltissimi comuni, soprattutto i più piccoli, restano fermi: sanno che l’AI potrebbe far risparmiare ore di lavoro su pratiche ripetitive, ma non hanno né le competenze per valutare un fornitore, né il budget per un’infrastruttura locale, né la massa critica per negoziare condizioni sensate con chi quei modelli li vende.

È esattamente la stessa situazione di vent’anni fa con i server. Solo che stavolta il rischio, se non si trova una soluzione condivisa, non è restare senza digitale: è che i dati dei cittadini finiscano comunque fuori dal perimetro pubblico, perché la pressione operativa spinge qualcuno a usare comunque uno strumento consumer, magari senza nemmeno rendersene conto fino in fondo.

Cosa cambia con l’AI in-house

La proposta è semplice: la stessa in-house che oggi fa da data center può fare da AI data center. Non sostituisce il ruolo storico, lo estende. Mette a disposizione dei comuni soci un ambiente di intelligenza artificiale locale, con modelli che girano su infrastruttura di proprietà o controllata, dove i dati sensibili restano dentro il perimetro pubblico invece di uscire verso un cloud terzo.

Economie di scala, competenze e governance

I vantaggi ricalcano quelli già visti sul lato infrastrutturale:

1. Economia di scala reale: la potenza di calcolo necessaria per far girare modelli utili è oggi fuori portata per il singolo comune, ma sostenibile se ripartita su quaranta o cinquanta enti.
2. Competenze concentrate: invece di chiedere a ogni comune di formare (o assumere) qualcuno che capisca di AI, prompt engineering, sicurezza dei modelli, quella competenza si concentra in un unico soggetto tecnico che la mette a fattor comune.
3. Governance unica: un solo capitolato, un solo fornitore da valutare, un solo DPO da coinvolgere nella valutazione d’impatto, invece di quaranta procedure identiche che si duplicano senza necessità.

Il perimetro del dato non cambia: resta dentro il sistema pubblico, sotto la responsabilità di un soggetto che i comuni conoscono e controllano già, invece di finire nei log di un fornitore internazionale che nessuno degli enti soci ha mai realmente valutato.

I rischi dell’AI in-house da non sottovalutare

l’Ai inhouse non è un’operazione a costo zero né priva di difficoltà.

Hardware, competenze e trasparenza

Il primo ostacolo è l’investimento hardware. Le GPU necessarie per far girare modelli utili non sono un upgrade di un server esistente: sono una voce di spesa nuova.

Il secondo è la competenza. Servono profili nuovi rispetto ai sistemisti tradizionali: chi capisce di modelli linguistici, di valutazione della qualità degli output, di sicurezza specifica dell’AI, che sono cose diverse dal saper amministrare un data center. Trovarli, formarli o farli crescere internamente richiede un piano, non un annuncio.

Il terzo è la trasparenza. Un’in-house che offre AI ai comuni soci deve essere in grado di spiegare quali modelli usa, con quali garanzie, con quali limiti di accuratezza, senza vendere il servizio come una scatola magica. La fiducia dei comuni soci si costruisce sulla chiarezza tecnica, non sull’entusiasmo del momento.

Come costruire un’infrastruttura AI pubblica locale

Le strade praticabili, per chi vuole partire, sono tre e non si escludono a vicenda.

1. Governance chiara tra soci: definire fin dall’inizio chi decide cosa, come si ripartiscono i costi di investimento iniziale e quelli di esercizio, cosa succede se un comune vuole uscire o un altro vuole entrare in corsa.
2. Modelli aperti e verificabili: privilegiare soluzioni open invece di affidarsi a scatole nere anche quando restano formalmente dentro il perimetro pubblico. La sovranità del dato senza trasparenza sul modello è una sovranità a metà.
3. Crescita graduale: partire da casi d’uso circoscritti e a basso rischio, come la sintesi di documenti pubblici o l’assistenza alla redazione di atti non sensibili, prima di estendere il servizio a pratiche con dati personali delicati. Un salto nel vuoto su tutto il perimetro dal primo giorno è la ricetta più sicura per un incidente che poi frena l’intero progetto.

In parallelo serve la formazione del personale comunale che quegli strumenti dovrà usarli davvero: un ambiente AI locale ben progettato ma senza nessuno che sappia usarlo in Comune è un investimento che resta a metà.

Sovranità digitale locale e ruolo delle in-house

La discussione sulla sovranità digitale in Italia si concentra quasi sempre su scala nazionale: Polo Strategico Nazionale, cloud pubblico, infrastrutture centrali. Ma la sovranità si gioca anche a livello locale, nel momento in cui un piccolo comune deve decidere se un dato sensibile dei suoi cittadini esce dal perimetro pubblico oppure no.

Le in-house sovracomunali hanno già dimostrato, con il data center, di saper essere lo strumento giusto per rispondere a questa domanda su scala locale. Farlo anche con l’AI è la continuazione naturale di un modello che ha già funzionato. La domanda che vale la pena porsi non è se replicarlo, ma quanti gruppi lo stanno davvero considerando, e quanti invece lasceranno che la scelta la facciano, per default, i grandi fornitori cloud o i fornitori nazionali ovvero le software house.