Negli ultimi anni, la trasformazione digitale ha progressivamente modificato il modo in cui le amministrazioni pubbliche organizzano i propri servizi, gestiscono le informazioni e rispondono alle esigenze di cittadini e imprese.
Oggi, con l’evoluzione dell’intelligenza artificiale, questo percorso si trova di fronte a un ulteriore passaggio, che può incidere non soltanto sull’efficienza dei processi, ma anche sulla capacità delle amministrazioni di prendere decisioni, anticipare i bisogni e costruire servizi sempre più personalizzati. Affinché questo potenziale possa tradursi in risultati concreti, tuttavia, non è sufficiente introdurre nuove tecnologie: occorre creare le condizioni perché possano essere integrate all’interno delle organizzazioni e utilizzate in modo efficace, responsabile e sostenibile.
La Pubblica Amministrazione si trova quindi davanti a una fase nella quale l’attenzione non può più concentrarsi esclusivamente sulle possibilità offerte dall’AI, ma deve spostarsi anche sulla capacità di trasformare le sperimentazioni in applicazioni operative e di farle evolvere nel tempo. È un passaggio che coinvolge l’intera organizzazione e che chiama in causa elementi come la qualità e la disponibilità dei dati, l’interoperabilità tra sistemi, le infrastrutture tecnologiche, le competenze e i modelli di governance, tutti fattori che possono determinare la capacità di un progetto di superare la fase pilota e produrre effettivamente valore pubblico.
Indice degli argomenti
Dalla sperimentazione all’adozione dell’AI nella Pubblica Amministrazione
Secondo il nuovo report del Capgemini Research Institute, Data and AI in government 2026: From AI ambition to operational maturity, le amministrazioni pubbliche stanno investendo sempre più in questa direzione: il 55% delle organizzazioni sta esplorando, sperimentando o implementando l’AI agentica in almeno alcune funzioni o aree, mentre la quota di budget IT destinata all’intelligenza artificiale è destinata a raggiungere il 7% entro il 2027, rispetto al 5% del 2025.
Al tempo stesso, però, emerge con chiarezza la distanza ancora esistente tra l’interesse per queste tecnologie e la loro piena integrazione nei processi: solo il 28% delle organizzazioni pubbliche è riuscito a portare le proprie iniziative di AI alla piena operatività, mentre il 70% incontra difficoltà nel passaggio dai progetti pilota a un utilizzo più esteso.
La sfida, dunque, non riguarda più soltanto la capacità di adottare l’AI, ma quella di costruire intorno a essa un ecosistema sufficientemente solido da permetterne un impiego concreto e duraturo.
Il passaggio dalla sperimentazione all’adozione non è soltanto una questione di maturità tecnologica. Le esperienze delle amministrazioni che stanno avanzando lungo questo percorso mostrano infatti come la capacità di ottenere risultati dipenda dalla possibilità di inserire l’AI all’interno di processi già esistenti, ripensandoli quando necessario, e di accompagnare l’innovazione con adeguati meccanismi di governance. È un approccio che permette di evitare che le iniziative rimangano isolate e che, soprattutto, consente di costruire progressivamente competenze, fiducia e capacità operative.
Singapore e Australia: dall’AI pilota alla produzione
Un esempio significativo arriva da Singapore, dove GovTech ha introdotto nel 2023 Pair, un assistente basato sulla Gen AI pensato per supportare i dipendenti pubblici nelle attività quotidiane. Mentre la soluzione veniva progressivamente estesa, nel primo trimestre del 2025 sono state avviate sperimentazioni di workflow agentici per la gestione di casi regolatori e per le richieste di dati tra diverse amministrazioni. In questo percorso, l’evoluzione dei meccanismi di governance è proceduta parallelamente alla diffusione della tecnologia, mostrando come sperimentazione, adozione e definizione delle regole possano svilupparsi insieme anziché rappresentare fasi necessariamente separate.
Anche l’esperienza australiana va nella stessa direzione. Nel marzo 2026, la Digital Transformation Agency ha pubblicato una guida dedicata al passaggio dai proof of concept alla produzione, articolando il percorso in tre fasi – proof of concept, pilot e production – e associando a ciascuna di esse specifici requisiti di governance e di preparazione. Il punto centrale è che la capacità di passare alla fase successiva non dipende esclusivamente dal funzionamento tecnico della soluzione, ma dalla disponibilità di un contesto organizzativo in grado di sostenerne l’utilizzo nel tempo.
Dove l’AI pubblica è già più avanzata
È un principio che vale in modo particolare nel settore pubblico, dove le applicazioni dell’AI possono riguardare ambiti molto diversi e con livelli di rischio differenti.
Oggi l’adozione è più avanzata soprattutto nelle attività operative e di back office, come il rilevamento delle frodi, la gestione del rischio e l’automazione dei processi, mentre stanno crescendo anche gli utilizzi rivolti direttamente ai cittadini, per esempio nelle chatbot e nella gestione dei casi. Più complesso rimane invece l’impiego dell’AI in attività come l’analisi delle politiche pubbliche e l’aggiudicazione, dove la possibilità di comprendere e verificare il funzionamento delle decisioni prese dall’AI, insieme alla supervisione umana e alla fiducia, assume un peso ancora maggiore.
Dati e infrastrutture per l’AI nella Pubblica Amministrazione
Se la prima condizione per portare l’AI nella quotidianità delle amministrazioni è la capacità di integrarla nei processi, la seconda riguarda le fondamenta tecnologiche e informative sulle quali queste applicazioni devono poggiare. La disponibilità di dati di qualità, accessibili e interoperabili rappresenta infatti un presupposto essenziale non soltanto per addestrare e utilizzare efficacemente i sistemi di AI, ma anche per garantire che le informazioni prodotte possano essere utilizzate in modo coerente nei diversi ambiti dell’amministrazione.
Il quadro che emerge dalla nostra ricerca mostra tuttavia come queste condizioni siano ancora lontane dall’essere consolidate. Il 57% delle organizzazioni pubbliche indica l’interoperabilità e l’incompatibilità degli standard dei dati tra le principali difficoltà, mentre il 53% segnala le problematiche legate a una gestione e a una governance efficaci dei dati e il 45% la mancanza di infrastrutture moderne e scalabili.
Si tratta di ostacoli che non riguardano soltanto i progetti di AI, ma riflettono una questione più ampia: la necessità di modernizzare progressivamente un patrimonio informativo spesso distribuito tra sistemi legacy, architetture frammentate e basi dati che non comunicano agevolmente tra loro.
Basi dati condivise nel Regno Unito e a Los Angeles
In questo senso, la trasformazione dell’AI può diventare anche un’occasione per affrontare problemi che la digitalizzazione della PA porta con sé da tempo. Un esempio arriva dal sistema sanitario britannico, dove nell’aprile 2025 è stato lanciato l’Health Data Research Service, sostenuto da un investimento di 600 milioni di sterline, con l’obiettivo di creare un accesso sicuro e unificato a dataset sanitari regionali e nazionali che nessun singolo NHS Trust avrebbe la possibilità di aggregare autonomamente.
La costruzione di una base dati condivisa non rappresenta qui un elemento accessorio rispetto all’AI, ma una condizione per rendere possibile un utilizzo più efficace dei dati nella ricerca e nello sviluppo di applicazioni future.
La stessa logica emerge in contesti differenti. Nella contea di Los Angeles, per esempio, la creazione di un’infrastruttura centralizzata per la gestione e l’integrazione dei dati risponde alla necessità di ridurre la proliferazione di copie dei dati, gestire meglio i rischi legati agli accessi e mettere a disposizione un patrimonio informativo autorevole. In entrambi i casi, l’obiettivo non è semplicemente introdurre una nuova tecnologia, ma creare un’infrastruttura informativa sulla quale possano poggiare nel tempo nuovi servizi, strumenti analitici e applicazioni di AI.
Governance e fiducia per un’AI pubblica responsabile
La disponibilità di dati e infrastrutture, tuttavia, non è sufficiente a garantire che l’AI venga utilizzata in modo efficace. Quanto più queste tecnologie entrano in attività che hanno un impatto diretto su cittadini e imprese, tanto più diventa importante definire responsabilità, criteri di valutazione e meccanismi di supervisione che accompagnino l’intero ciclo di vita delle applicazioni.
Anche su questo fronte il percorso è ancora in evoluzione. La metà delle organizzazioni pubbliche intervistate dal Capgemini Research Institute dichiara di aver definito principi formali per un’AI responsabile, ma soltanto il 23% ritiene che le proprie pratiche di responsible AI stiano procedendo allo stesso ritmo della diffusione delle tecnologie. Inoltre, il 16% non dispone ancora di una struttura formale di accountability. Il dato suggerisce che la definizione di principi generali, pur rappresentando un passo importante, debba essere accompagnata da meccanismi concreti che permettano di tradurre quei principi nelle decisioni quotidiane.
Un elemento interessante riguarda proprio il rapporto tra governance e risultati. Il 37% delle organizzazioni afferma che le valutazioni relative a bias e fairness hanno già prodotto modifiche concrete nelle modalità di implementazione delle soluzioni. Questo mostra come la responsabilità non debba essere considerata soltanto come un vincolo alla diffusione dell’AI, ma possa diventare parte integrante del processo di progettazione e miglioramento delle applicazioni.
Il fattore umano nelle decisioni assistite dall’AI
In questo percorso, la presenza del fattore umano rimane centrale. La Royal Mint spagnola, ad esempio, utilizza l’AI per supportare attività caratterizzate da un’elevata quantità di dati, mantenendo tuttavia un approccio prudente rispetto all’automazione delle decisioni: la determinazione finale rimane affidata al funzionario pubblico. È un modello che evidenzia come l’obiettivo non sia necessariamente sostituire il giudizio umano, ma utilizzare la tecnologia per aumentare la capacità delle persone di analizzare informazioni e concentrarsi sugli aspetti nei quali esperienza, responsabilità e valutazione rimangono essenziali.
Servizi pubblici e AI: dall’adozione al valore operativo
È proprio il rapporto tra tecnologia, organizzazione e persone a determinare, in molti casi, la differenza tra un progetto che rimane circoscritto e una soluzione che riesce a entrare stabilmente nel modo di lavorare di un’amministrazione. L’esperienza mostra infatti che anche una tecnologia efficace può incontrare difficoltà se richiede agli utenti di cambiare continuamente ambiente, strumenti o modalità operative.
Il caso dell’Île-de-France è significativo da questo punto di vista: le applicazioni che hanno ottenuto i risultati migliori sono quelle integrate nei workflow esistenti, attraverso strumenti già conosciuti dagli utenti e sistemi di autenticazione unificati, mentre le soluzioni che richiedono di operare in contesti separati rischiano più facilmente di non essere adottate. È un aspetto apparentemente semplice, ma fondamentale per comprendere che l’innovazione digitale non coincide con l’introduzione di un nuovo strumento: perché produca valore, deve diventare parte naturale del lavoro quotidiano.
Madrid e l’AI per i servizi sociali
Lo stesso principio può essere applicato ai servizi rivolti direttamente ai cittadini. A Madrid, il Comune ha sviluppato “Paloma”, una soluzione di AI pensata per aiutare i servizi sociali a individuare casi potenzialmente rilevanti nell’ambito della solitudine indesiderata. Il sistema consente di identificare situazioni sulle quali può essere utile intervenire in modo più mirato e di favorire un contatto proattivo e personalizzato, mentre la decisione finale rimane affidata ai professionisti. In questo modo, l’AI non sostituisce la relazione tra amministrazione e cittadino, ma può contribuire a renderla più tempestiva e mirata.
È questa, in prospettiva, una delle direzioni più interessanti della trasformazione: utilizzare l’AI non soltanto per automatizzare attività esistenti, ma per rendere le amministrazioni più capaci di individuare bisogni, utilizzare le informazioni disponibili e intervenire prima che una situazione diventi più complessa. Perché ciò avvenga, tuttavia, è necessario che tecnologia e organizzazione procedano insieme, mettendo al centro il risultato che si vuole ottenere e non la tecnologia in sé.
Sovranità digitale e resilienza della Pubblica Amministrazione
A queste considerazioni si aggiunge un tema che negli ultimi anni ha assunto una rilevanza crescente per le amministrazioni pubbliche: quello della sovranità digitale. La disponibilità di dati, infrastrutture e tecnologie non riguarda infatti soltanto l’efficienza dei servizi, ma anche la capacità delle istituzioni di mantenere un adeguato livello di controllo sulle risorse digitali dalle quali dipendono attività sempre più strategiche.
Costi e competenze dell’autonomia digitale
La ricerca evidenzia come questa consapevolezza stia aumentando: il 70% delle organizzazioni considera la leadership politica un fattore determinante nell’agenda della sovranità digitale, mentre per il 65% la sovranità ha ormai un’importanza paragonabile a costo, performance e innovazione.
Al tempo stesso, il percorso presenta ostacoli rilevanti, a partire dalla disponibilità di competenze e capacità tecniche domestiche, indicata dall’84% delle organizzazioni, dall’interoperabilità e dalla frammentazione della governance e della regolamentazione, segnalate dal 74%, e dai costi elevati e dalle difficoltà nel quantificare il ritorno degli investimenti, indicati dal 72%.
La sovranità digitale non significa quindi necessariamente rinunciare alle tecnologie o ai fornitori internazionali, ma costruire la capacità di effettuare scelte consapevoli, valutando nel tempo il rapporto tra innovazione, sicurezza, resilienza, costi e controllo. Non sorprende, dunque, che molte amministrazioni siano disposte ad accettare costi di manutenzione più elevati o tempi di implementazione più lunghi quando questi rappresentano il prezzo necessario per rafforzare la propria autonomia e resilienza digitale.
Anche in questo caso, il tema torna a essere quello della maturità. La possibilità di governare dati, infrastrutture e sistemi di AI richiede infatti competenze, architetture e processi che non possono essere costruiti esclusivamente in risposta a una singola esigenza tecnologica, ma devono diventare parte integrante della capacità operativa dell’amministrazione.
Italia e AI nella Pubblica Amministrazione: la maturità operativa
Per l’Italia, questa evoluzione rappresenta un’opportunità importante, ma anche un passaggio che richiede continuità nell’azione. La crescente attenzione verso l’AI può infatti produrre risultati significativi se viene accompagnata da un rafforzamento delle condizioni che ne consentono l’adozione, evitando che la disponibilità di nuove tecnologie generi un’ulteriore stratificazione di soluzioni sopra sistemi e processi già frammentati.
L’esperienza internazionale mostra che le amministrazioni più mature non sono necessariamente quelle che hanno introdotto il maggior numero di applicazioni, ma quelle che hanno saputo collegare innovazione tecnologica, dati, competenze, governance e obiettivi di servizio all’interno di un percorso coerente.
È significativo, in questo senso, il caso della regione tedesca del Nordreno-Vestfalia, dove il Segretario di Stato Dirk Günnewig ha descritto l’AI come un acceleratore e non come un sostituto della riforma strutturale: responsabilità frammentate, processi eterogenei e dati distribuiti possono infatti limitare l’efficacia della tecnologia, rendendo necessario intervenire prima sul modello operativo e solo successivamente costruire l’AI su fondamenta più solide.
Le fondamenta della maturità operativa italiana
È una riflessione che riguarda anche il nostro Paese. La possibilità di utilizzare l’AI per migliorare la qualità dei servizi pubblici, rendere più efficienti i processi e supportare decisioni sempre più informate dipenderà dalla capacità di considerare la trasformazione come un percorso organico, nel quale gli investimenti tecnologici siano accompagnati dalla modernizzazione delle infrastrutture, dalla valorizzazione del patrimonio informativo e dalla crescita delle competenze.
La maturità operativa, in definitiva, non coincide con la quantità di applicazioni di AI che un’amministrazione riesce ad avviare, ma con la sua capacità di trasformare queste tecnologie in strumenti realmente integrati nel proprio modo di operare. Il passaggio dalla sperimentazione all’adozione richiede tempo, governance e una visione di lungo periodo, ma soprattutto la capacità di mantenere fermo l’obiettivo finale: utilizzare l’innovazione per costruire un’amministrazione più efficace, più resiliente e più vicina alle esigenze di cittadini e imprese.
L’intelligenza artificiale può rappresentare un importante acceleratore di questa trasformazione, ma non può sostituirne le fondamenta. Sono la qualità dei dati, la solidità delle infrastrutture, l’interoperabilità, le competenze e la capacità di governare il cambiamento a determinare quanto valore l’AI sarà realmente in grado di generare. La sfida per la Pubblica Amministrazione non è quindi soltanto diventare più tecnologica, ma diventare più capace di utilizzare la tecnologia per perseguire i propri obiettivi istituzionali e creare valore pubblico.
Partecipa alla community