Nei giorni scorsi è stato pubblicato un rapporto promosso dall’Agenzia per l’Italia Digitale (AgID), in collaborazione con il Politecnico di Milano e Cassa Depositi e Prestiti, che fotografa lo stato di attuazione dei progetti di Intelligenza Artificiale (IA) nelle Pubbliche Amministrazioni centrali e nei gestori di servizi pubblici nazionali.
L’indagine, condotta nel 2024 su 142 organizzazioni, ha visto la partecipazione attiva di 108 enti, dei quali 45 hanno dichiarato di aver avviato iniziative in ambito IA. Ciò ha consentito di raccogliere informazioni su 120 progetti, di cui 50 relativi alle infrastrutture sociali e sostenibili e 70 riferiti ad altri ambiti di applicazione.
L’obiettivo principale dell’indagine è supportare il raggiungimento dei risultati previsti dal Piano Triennale per l’Informatica nella Pubblica Amministrazione 2024–2026, monitorando tecnologie adottate, modelli di approvvigionamento, competenze impiegate, impatti e criticità legate all’utilizzo dell’IA.
Indice degli argomenti
Aree di applicazione dell’intelligenza artificiale nella PA
I progetti di Intelligenza Artificiale si concentrano principalmente nei settori economico-finanziari e dell’innovazione tecnologica. Gli obiettivi perseguiti riguardano il miglioramento dell’efficienza operativa (42%), il potenziamento dell’analisi dei dati (24%) e il miglioramento dell’accesso ai servizi per cittadini e imprese (18%). Circa il 75% dei progetti ha una portata nazionale, ma un terzo si trova ancora in fase esplorativa, attraverso proof of concept e prototipi.
Dal punto di vista tecnico, la tecnologia più utilizzata è il machine learning tradizionale, seguita dalle applicazioni di IA generativa, in particolare quelle orientate all’elaborazione del linguaggio naturale.
Più del 60% dei progetti fa uso di chatbot o assistenti virtuali, una scelta che sembra guidata più da proposte del mercato o da motivazioni di immediatezza tecnologica, piuttosto che da un’effettiva esigenza, considerando che molte amministrazioni centrali non hanno rapporti diretti con l’utenza.
Le infrastrutture tecnologiche impiegate sono prevalentemente basate su servizi cloud, tramite API e piattaforme PaaS. I dati utilizzati provengono in prevalenza da fonti interne e sono spesso non strutturati (come testi, immagini o video), mentre l’uso di dati personali o sintetici risulta marginale. Manca tuttavia un’attenzione diffusa agli standard ISO/IEC 25012 per la qualità dei dati, e gli indicatori di performance utilizzati si concentrano soprattutto sulla capacità e sulla crescita del volume delle informazioni trattate.
Modelli di procurement, risorse e competenze
Le modalità di procurement adottate sono perlopiù strumenti ICT generici, come Accordi Quadro e MePA, raramente specifici per l’Intelligenza Artificiale. Ciò evidenzia la necessità di sviluppare strumenti di acquisto più mirati, in grado di selezionare i fornitori più adatti ed evitare il rischio di lock-in tecnologico. Il valore medio dei progetti si attesta attorno ai 3,2 milioni di euro, finanziati principalmente tramite fondi di bilancio e risorse del PNRR. Tuttavia, è probabile che si tratti di fondi residui, dal momento che i bandi PNRR per lo sviluppo di soluzioni IA erano in gran parte rivolti al settore privato.
Sul fronte delle competenze, le amministrazioni ricorrono ampiamente a consulenze esterne, soprattutto per attività tecniche come la programmazione e la data science. Solo la metà delle attività viene gestita internamente, probabilmente a causa della carenza di competenze specifiche, sia tecniche sia di project management. La partecipazione di università ed enti di ricerca è marginale, sollevando dubbi sulla sostenibilità a lungo termine delle competenze acquisite. Tra gli stakeholder coinvolti figurano prevalentemente gli utenti interni e gli organismi regolatori, anche se in alcuni casi sono inclusi anche gli utenti finali.
Impatti, criticità e sfide future
I progetti IA promettono di incrementare l’efficienza interna e migliorare la qualità dei servizi pubblici, grazie all’automatizzazione dei processi e alla riduzione delle attività manuali. Tuttavia, solo il 20% dei progetti ha definito indicatori di performance (KPI) per la misurazione dell’impatto, mettendo in evidenza una possibile mancanza di visione strategica. Senza un sistema di monitoraggio sin dalle fasi iniziali, infatti, è difficile quantificare i benefici reali degli investimenti effettuati.
I fattori chiave per il successo dei progetti includono una pianificazione chiara, la disponibilità di dati di qualità, tecnologie adeguate e competenze interdisciplinari. Le criticità principali riscontrate riguardano invece la bassa qualità e disponibilità dei dati, la definizione poco precisa degli obiettivi e una comprensione ancora limitata delle potenzialità e dei limiti dell’IA.
Dal punto di vista normativo e ambientale, le soluzioni di IA devono affrontare importanti sfide. Da un lato, vi è il tema della sostenibilità ambientale, a causa dell’alto consumo energetico delle tecnologie impiegate; dall’altro, emerge la necessità di conformarsi alla normativa europea, in particolare al regolamento AI Act. Il 95% dei progetti risulta conforme al regolamento e non rientra nelle categorie ad alto rischio. Le applicazioni vietate o considerate critiche, come quelle legate alla profilazione o al settore giudiziario, sono molto limitate.
Conclusioni e raccomandazioni operative
Il rapporto propone alcune raccomandazioni operative per le Pubbliche Amministrazioni. In primo luogo, si suggerisce di adottare tecnologie IA affidabili e sostenibili, evitando soluzioni ad alto consumo energetico e poco consolidate. È poi necessario rafforzare la qualità dei dati, garantendone interoperabilità, accuratezza e una gestione sicura delle fonti informative.
Per quanto riguarda il procurement, viene raccomandato di sviluppare gare dedicate e sperimentazioni pilota, così da selezionare soluzioni realmente adatte ai contesti pubblici. È inoltre fondamentale pianificare le iniziative con una prospettiva di lungo periodo, definendo fin da subito indicatori e criteri di scalabilità. Infine, si sottolinea l’importanza di investire nelle competenze, attraverso una mappatura delle risorse interne, la formazione del personale e la creazione di nuovi profili professionali come l’AI Officer e il Data Steward.
L’adozione dell’Intelligenza Artificiale nella Pubblica Amministrazione italiana è in fase di crescita, ma per raggiungere un impatto sistemico sono necessari una visione strategica chiara, una governance efficace e un rafforzamento delle capacità interne. In quest’ottica, sarebbe utile estendere l’indagine anche ai Comuni e ad altre realtà territoriali, che hanno un contatto diretto con i cittadini e potrebbero beneficiare in modo significativo dall’adozione di soluzioni IA per l’ottimizzazione dei servizi.
Sarebbe inoltre vantaggioso condividere i progetti che rappresentano esempi di buone pratiche, al fine di favorire la diffusione di modelli già sperimentati con successo. Infine, sarebbe auspicabile che AgID rendesse disponibili le specifiche tecniche relative ai casi d’uso menzionati nella presentazione delle Linee Guida sull’utilizzo dell’IA nella PA. Tali specifiche potrebbero costituire una base concreta per promuovere un uso più consapevole ed efficace dell’Intelligenza Artificiale, nel quadro delle azioni previste dall’attuale Piano Triennale.
