Quarantaquattro progetti di intelligenza artificiale censiti. Nove operativi. Se leggete questo dato senza contesto, la prima reazione è quasi inevitabile: ecco un’altra PA che annuncia e non fa, che conta i progetti sulla carta e poi li lascia fermi in un cassetto. La narrativa è talmente nota che il cervello la completa da solo, prima ancora di aver letto i dettagli.
Peccato che questa volta il dato racconti qualcosa di diverso. Qualcosa che, se lo guardate con attenzione, vale la pena capire.
Il Comune di Milano ha appena completato una delle ricognizioni più sistematiche che una grande città italiana abbia fatto sul proprio portafoglio di iniziative AI. Non solo le proprie: anche quelle delle partecipate, A2A in testa. Il risultato, 44 progetti di cui 9 già operativi, non è il segno di una PA lenta. È la fotografia di un cantiere aperto, con impalcature visibili e qualche piano già abitato.
La differenza, come sempre, è nell’occhio di chi guarda.
Indice degli argomenti
Prima di fare, capire: il Manifesto come atto di governance
C’è un gesto che molte amministrazioni saltano perché sembra teorico, filosofico, poco pratico. Prima di fare, definire i principi.
Il Comune di Milano ha scelto di non saltarlo. Ha costruito un Manifesto per l’uso dell’intelligenza artificiale, lo ha condiviso con le università, le imprese e le partecipate che fanno parte del Board della città, e lo ha reso pubblico durante la Milano Digital Week 2025. Non un documento di marketing, non un comunicato stampa travestito da strategia. Un atto di governance.
Vale la pena leggere cosa dice, e non liquidarlo con un “ovvio” o un “già sentito”. Il Manifesto parte da un riconoscimento preciso: l’IA trasforma profondamente la società, e una Pubblica Amministrazione che la usa ha una responsabilità specifica nei confronti dei cittadini. Da qui derivano sei impegni concreti.
Primo: si potenzia il contatto umano, non lo si sostituisce. Secondo: gli algoritmi devono essere pubblici e comprensibili, non opachi. Terzo: accesso equo ai servizi digitali, nessun cittadino lasciato indietro per ragioni tecnologiche. Quarto: massima protezione dei dati personali. Quinto: riduzione dell’impatto ecologico delle soluzioni digitali. Sesto: partecipazione civica nelle scelte che riguardano l’AI.
Sei principi che, presi insieme, definiscono una posizione. Non “usiamo l’AI perché è il futuro”, non “usiamo l’AI perché ci sono fondi disponibili”. Ma: “usiamo l’AI per questi scopi precisi, con questi vincoli precisi, e ci impegniamo a renderlo misurabile”.
Questo ordine di operazioni, principi prima di progetti, è raro in Italia. Molto raro. La maggior parte delle amministrazioni fa il percorso inverso: si trova con un fornitore che propone qualcosa di interessante, si parte con una sperimentazione, e poi, se qualcuno fa una domanda scomoda, si cerca una risposta etica ex post. Milano ha deciso di invertire la sequenza. È un dettaglio che non si vede nei numeri, ma che cambia tutto nel metodo.
Intelligenza artificiale Comune di Milano: 44 progetti, 9 operativi
Torniamo al dato di partenza, perché merita una lettura più attenta.
Dei 44 progetti censiti, 14 fanno capo direttamente al Comune, 21 sono di A2A e il resto coinvolge altre partecipate. Nove sono già operativi. In percentuale: circa il 20%.
Nel contesto della PA italiana, questa percentuale va letta con un filtro che normalmente non si usa: quanti enti hanno fatto una ricognizione sistematica di quanti progetti AI esistono nel proprio ecosistema? La risposta, se la cerchi, è scomoda. La maggior parte non lo sa. Non perché i progetti non ci siano, ma perché nessuno li ha mai contati, classificati, messi in un registro.
Milano li ha contati. E già questo è un passo avanti rispetto a chi non sa nemmeno da dove cominciare.
Il 20% di operativi, poi, non è necessariamente un valore basso. È basso se lo confronti con un’azienda tech privata, dove i cicli di sviluppo sono più rapidi e i vincoli normativi più limitati. Ma nella PA, con i processi di approvvigionamento, i requisiti di compliance, la necessità di formare il personale e il tempo che serve per far sedimentare una nuova modalità operativa, passare dall’idea al progetto funzionante è un percorso che raramente si misura in settimane. Si misura in mesi.
I 9 operativi, dunque, non sono un flop. Sono il segnale che il cantiere non è solo sulla carta.
I progetti concreti: dalle foglie agli sportelli
Veniamo a ciò che sta succedendo davvero. Perché nei progetti specifici si capisce meglio cosa significa, concretamente, “AI per un Comune”.
Edilizia, territorio e verde urbano
Tre dei progetti più interessanti riguardano la gestione dello spazio urbano. Il primo usa immagini satellitari per il change detection: confrontando le riprese nel tempo, l’algoritmo identifica le variazioni nel database topografico della città, riducendo il lavoro manuale di aggiornamento. Il secondo, chiamato IA StreetSmart, riconosce oggetti urbani come dehors e passi carrai anche quando sono parzialmente coperti o oscurati, supportando i controlli sul territorio.
Il terzo è probabilmente il più sofisticato, e anche il più elegante nella sua impostazione. Si chiama AI Digital Green Twin, e riguarda i 30.000 alberi di Milano.
Con tecnologia LIDAR, cioè scansione laser tridimensionale, e algoritmi di machine learning, il progetto mappa la canopia di ogni albero, costruendo una replica digitale del verde urbano. Questa replica non è solo un’immagine: è collegata a sensoristica che monitora in tempo reale lo stato di salute degli alberi, la densità fogliare, il rischio di cedimenti. Risultato: manutenzione predittiva invece di reattiva, valutazione degli impatti ecologici degli alberi in termini quantitativi, pianificazione urbana basata su dati reali invece che su stime.
È un esempio di come l’AI, quando è applicata a un problema concreto con dati di qualità, smette di essere una promessa e diventa uno strumento. Il verde urbano non è un tema sexy nei convegni sull’innovazione. Ma è un servizio che tocca la vita quotidiana di ogni milanese, e gestirlo meglio significa farlo con meno risorse e più efficacia.
Servizi digitali e citizen experience
Sul lato dell’interazione con i cittadini, due progetti meritano attenzione particolare.
Il primo è ConWEB. L’idea di partenza è semplice quanto efficace: molti cittadini, in particolare le fasce più anziane o con difficoltà digitali, faticano a compilare i moduli online del Comune. La procedura è spesso lunga, controintuitiva, piena di campi che non si capisce come riempire. ConWEB introduce un’interfaccia vocale: il cittadino parla, descrive quello che vuole fare, e il sistema guida la compilazione del modulo attraverso comandi vocali, usando tecnologie speech-to-text e text-to-speech integrate con le interfacce web esistenti.
Non è un chatbot generico. È uno strumento pensato per abbassare le barriere di accesso ai servizi digitali per chi rischia di restare indietro. In un paese dove il digital divide generazionale è ancora ampio e dove l’erogazione dei servizi pubblici si sposta sempre più online, uno strumento come questo non è un nice-to-have. È una questione di inclusione.
Il secondo progetto è un assistente AI per gli operatori del contact center. Qui il destinatario non è il cittadino, ma il dipendente pubblico che gestisce le richieste. L’AI supporta l’operatore con suggerimenti in tempo reale, riduce i tempi di risposta, migliora la qualità delle informazioni fornite. Un caso classico di AI come potenziamento delle capacità umane, non come sostituzione.
C’è poi il progetto sulle proiezioni demografiche: modelli predittivi che usano dati storici per stimare l’evoluzione della popolazione per quartiere, fascia d’età, tipologia di nucleo familiare. Non per fare futurologia, ma per pianificare i servizi con anticipo: quanti posti in asilo nido serviranno tra tre anni in un determinato municipio? Dove si concentrerà la crescita della popolazione anziana? Domande alle quali finora si rispondeva con stime approssimative o con reazione agli eventi. Con i modelli predittivi, si può anticipare.
Le sfide vere dell’AI nella PA
Fin qui il quadro è incoraggiante. Ma sarebbe disonesto fermarsi qui, perché i nodi irrisolti esistono, e Milano stessa li riconosce con trasparenza.
Il primo è normativo. Il quadro regolatorio sull’AI sta evolvendo rapidamente a livello europeo e nazionale, con l’AI Act che introduce obblighi, categorie di rischio e requisiti di governance che impattano direttamente sui progetti in corso, anche se gli obblighi sono stati posticipati. Per una PA, navigare questa evoluzione normativa mentre si sviluppano soluzioni non è semplice: il rischio è di dover modificare in corsa progetti già avviati perché la normativa è cambiata. Chi ha iniziato tardi, paradossalmente, potrebbe trovarsi in una posizione migliore: sviluppa già dentro il nuovo framework, invece di doversi adattare.
Il secondo nodo è quello delle competenze. Le figure con esperienza reale in machine learning, data science applicata ai servizi pubblici, governance degli algoritmi sono scarse sul mercato, e la PA fatica a competere con il privato in termini di attrattività salariale. Il rischio è duplice: non riuscire ad assumere i profili giusti, e non riuscire a formare abbastanza rapidamente il personale esistente. Questo non è un problema specifico di Milano: è un problema strutturale dell’intero sistema pubblico italiano. Ma va nominato, perché senza competenze interne anche i migliori progetti rischiano di diventare dipendenza totale dai fornitori, con tutto quello che ne consegue in termini di costi, controllo e continuità.
Il terzo nodo è culturale e organizzativo. Introdurre un sistema predittivo, un assistente vocale, un motore semantico cambia i flussi di lavoro. Cambia le abitudini di chi lavora in ufficio da vent’anni. Cambia le aspettative di chi si presenta allo sportello. Questo cambiamento non avviene automaticamente con l’installazione del software: richiede formazione, comunicazione interna, gestione del cambiamento. Ed è spesso la parte che nelle stime dei progetti viene sottovalutata, perché è la meno misurabile e la più difficile da mettere in un capitolato.
Il quarto, infine, è la valutazione del valore. Come si misura il beneficio di un progetto AI in una PA? Con quale metrica si confrontano i costi con i risultati? La risposta non è scontata: l’efficienza interna si misura, il risparmio di tempo si stima, ma l’impatto sull’inclusione digitale, sulla qualità percepita del servizio, sul benessere dei dipendenti è più difficile da quantificare. Servono criteri chiari, condivisi, applicati con coerenza, altrimenti ogni progetto diventa autoreferenziale nella valutazione del proprio successo.
Milano come laboratorio per l’Italia
C’è una dimensione del lavoro di Milano che merita di essere evidenziata, perché va oltre i confini comunali.
“Milano si è affermata nei decenni come laboratorio di innovazione urbana. Cerchiamo di rendere, ab origine, i nostri progetti sostenibili e adottabili in tutto o in parte anche dalle altre città. Abbiamo tavoli di lavoro aperti con gli altri comuni italiani, con i quali spesso ci confrontiamo sugli sviluppi reciproci. È importante che ogni città adotti soluzioni su misura, valorizzando, quando possibile, le proprie risorse locali.” Layla Pavone, Comune di Milano
Questa non è retorica. È una scelta progettuale che si riflette nel modo in cui le soluzioni vengono costruite: pensate per essere scalabili, documentate in modo che altre amministrazioni possano capirle e replicarle, sviluppate in collaborazione con il privato ma con un’attenzione alla trasferibilità che non sempre caratterizza le partnership pubblico-privato.
I tavoli di lavoro aperti con gli altri comuni italiani sono un segnale concreto di questa vocazione. Milano non sta costruendo un’isola di eccellenza: sta cercando di costruire un modello. La differenza è sostanziale, perché un’isola di eccellenza rimane fine a sé stessa, mentre un modello si moltiplica.
Detto questo, il percorso è ancora all’inizio. La collaborazione tra PA non è mai stata semplice in Italia: le differenze di contesto, di dimensione, di risorse, di cultura organizzativa tra un grande comune metropolitano e un piccolo comune di tremila abitanti sono abissali. Quello che funziona a Milano non si trasferisce automaticamente ovunque. Ma avere un punto di riferimento metodologico, un ente che ha già fatto il percorso e che documenta cosa ha funzionato e cosa no, è già un valore enorme per il sistema.
Cosa manca ancora
Se dovessi identificare le tre priorità su cui Milano, e più in generale la PA italiana, dovrebbe concentrarsi nei prossimi anni per fare il salto di qualità, direi queste.
La prima è una governance dell’AI interna più strutturata. Non basta un Manifesto, per quanto ben fatto. Servono ruoli dedicati, processi di review degli algoritmi, meccanismi di auditing continuo che verifichino che i principi dichiarati nel Manifesto si traducano in pratica nei progetti operativi. L’AI ethics non può essere un documento di indirizzo che esiste solo in presentazione.
La seconda è un investimento serio sulla formazione del personale. Non corsi introduttivi su cosa è l’AI, ma percorsi strutturati che mettano i dipendenti pubblici nelle condizioni di lavorare con questi strumenti, di capirne i limiti, di riconoscere quando un output algoritmico va interrogato e non accettato passivamente. L’AI aumenta le capacità umane solo se le persone che la usano hanno le basi per farlo.
La terza, forse la più difficile, è la misura. Ogni progetto AI nella PA dovrebbe avere obiettivi misurabili definiti prima dell’avvio, una baseline con cui confrontarsi, e una valutazione a 2-6-12 e 24 mesi che sia pubblica e trasparente. Non per fare accountability performativa, ma perché è l’unico modo per imparare davvero da ciò che si fa, per decidere cosa replicare e cosa abbandonare, e per costruire la fiducia dei cittadini in un processo che altrimenti rischia di sembrare, dall’esterno, una scatola nera.
La PA più avanzata non è quella con più algoritmi
C’è un paradosso che emerge dall’esperienza di Milano, e che vale la pena nominare prima di chiudere.
La PA più avanzata non è necessariamente quella che ha più algoritmi. È quella che ha più chiarezza su perché li usa.
In un momento in cui il mercato offre soluzioni AI per quasi qualsiasi processo amministrativo, la capacità discriminante non è quella di adottare la tecnologia più sofisticata. È quella di distinguere tra ciò che serve davvero e ciò che è rumore. Di sapere dove l’AI porta un valore reale e dove, invece, rischia di automatizzare processi che andrebbero ripensati dall’inizio. Di costruire un rapporto con i cittadini basato sulla trasparenza e sulla fiducia, non sulla semplice dichiarazione che “usiamo l’AI in modo etico”.
Milano sta cercando di fare questa cosa difficile. Lo fa con metodo, con i limiti che ogni grande organizzazione pubblica porta con sé, con la fatica di chi opera dentro un sistema normativo che cambia rapidamente e dentro vincoli di risorse che non sono quelli di un’azienda tecnologica privata.
Quarantaquattro progetti censiti, nove operativi. Non è un fallimento. È un cantiere.
E i cantieri, a differenza dei comunicati stampa, prima o poi finiscono e producono risultati.
Partecipa alla community