scenari

AI, luci e ombre del “software che scrive software”

L’intelligenza artificiale sta trasformando anche lo sviluppo del software. Il machine learning può non solo accelerare la scrittura del programma, automatizzandola, ma aprire anche a paradigmi in grado di sparigliare le carte nella progettazione di tecnologia. Lo stato dell’arte

31 Dic 2019
Rossana Damiano

professore associato del Dipartimento di Informatica dell'Università degli Studi di Torino e membro dell’Associazione Italiana per l’Intelligenza Artificiale (AIxIA)

digitale

Ci sono tutte le premesse perché l’Intelligenza Artificiale nel prossimo decennio svolga un prezioso ruolo di assistente nella creazione del software.

Complici gli interessi dei grandi produttori di software a livello mondiale, infatti, la ricerca sulla produzione automatica di software sembra aver compiuto un cambiamento di prospettiva decisivo nell’ultimo decennio: anche in questo ambito, come in altri, il cambiamento è avvenuto in larga parte grazie all’avvento dei big data, affiancati da tecniche di apprendimento automatico che permettono di trarne il massimo beneficio.

Big Code e produzione automatica di software

Accanto alla ricerca condotta dai giganti del software come Google e Microsoft, un decisivo impulso allo sviluppo di applicazioni intelligenti per la produzione di software è stato fornito da alcune start up tecnologiche e spin-off nate in ambito accademico, quali Diffblue (Regno Unito) e Codota (Israele) e vere e proprie multinazionali, tra cui vale la pena menzionare TestPlant Europe Limited (nota come Eggplant), che ha filiali in Europa, Asia e America.

WHITEPAPER
Come gestire in maniera efficiente i dati nel Finance?
Big Data
Finanza/Assicurazioni

Alimentate dalla collaborazione con l’accademia, società di questo tipo hanno immesso sul mercato strumenti che sfruttano l’Intelligenza Artificiale per automatizzare la produzione di software in modi diversi e supportandone tutte le fasi, dalla pianificazione alla programmazione, al testing. Attingendo dalla conoscenza contenuta in miliardi di righe di codice già scritte negli archivi pubblici e privati (“Big Code”), affrontano il compito di creare nuovi programmi con nuova linfa rispetto agli approcci del passato, basati su conoscenza esperta e formalismi di tipo logico.

Le applicazioni proposte negli ultimi anni spaziano dalla documentazione del software, alla scrittura vera e propria del codice, alla sua compilazione e al testing. Per esempio, Kite (Open Mind) e Codota forniscono un servizio di auto-completamento nella scrittura del codice, suggerendo possibili continuazioni al programmatore.

Entrambi si presentano come plugin per ambienti di sviluppo software esistenti (Integrated Development Environments, IDE) e già saldamenti posizionati sul mercato. Kite fornisce l’autocompleamento per il linguaggio Python, supportando anche la documentazione del codice, Codota fornisce lo stesso servizio per il linguaggio Java. Nelle parole dei creatori di Codota, i suggerimenti forniti sono “appresi da milioni di programmi” tramite tecniche di apprendimento automatico. Dietro questa etichetta si nasconde molto spesso l’utilizzo di tecniche di Deep Learning: basate su reti neurali, queste tecniche sfruttano la conoscenza depositata negli enormi serbatoi di software disponibili oggi come GitHub.

Creazione automatica di software: funziona così

Rispetto ai precedenti strumenti di tipo logico-deduttivo, questo paradigma non punta a ottenere una copertura accettabile e tanto meno ottimale di tutti i casi possibili nella programmazione, inclusi i casi peggiori, ma a fornire buoni risultati nella media dei casi. Per comprenderne potenzialità e limiti, è utile il paragone con il linguaggio naturale stabilito da un gruppo di ingegneri del software: così come le tecniche di elaborazione del linguaggio naturale che supportano chatbot, app per la traduzione automatica e motori di ricerca si alimentano, più che di una reale comprensione del linguaggio umano, della conoscenza depositata in immensi corpora linguistici (testi in formato digitale, trascrizioni di dialoghi, ecc.), allo stesso modo la creazione automatica del software (code synthesis) si basa sulla vasta disponibilità di software esistente accumulata negli ultimi decenni grazie al paradigma del software open source.

Miltiadis Allamanis (ricercatore di Microsoft Research) e colleghi[1] enunciano questo parallelismo come “ipotesi della naturalezza”: nella misura in cui la programmazione costituisce una forma di comunicazione umana, vero e proprio ‘linguaggio’ al pari del linguaggio umano, i milioni di programmi di Big Code hanno proprietà simili ai milioni di esempi di cui si alimentano chatbot e traduttori automatici, e come tali possono a pieno titolo supportare la programmazione automatica senza rappresentarsene il significato.

Anzi, a detta di Allamanis e colleghi, rispetto agli approcci tradizionali è assai più facile per una rete neurale riconoscere la manifestazione di un costrutto di programmazione (per esempio, un ciclo) quando esso si presenta in forme superficialmente diverse in programmi diversi, proprio per la capacità tipica di questa tecnologia di cogliere schemi generali astraendo dai dettagli.

Di più, utilizzando Big Code, i produttori di software riescono non solo nella finalità di creare nuovi programmi, ma anche nel migliorare quelli scritti dagli sviluppatori umani, grazie al fatto che nei milioni di programmi utilizzati per addestrare i sistemi sono presenti anche i dati relativi alle revisioni e correzioni del software, utili per imparare a correggere il codice e svelarne possibili vulnerabilità.

Google è stata tra i primi ad accorgersi delle potenzialità dei propri immensi archivi per identificare e correggere i bug, gli errori del software: studiando la correlazione tra le modifiche successive effettuate dai programmatori nei singoli programmi e la presenza di errori, a partire dal 2013 Google ha messo a punto un metodo per identificare le porzioni di codice a rischio, migliorando l’efficienza dei propri processi di scrittura e verifica del software.

DeepCode e la tecnica dei “language models”

Ecco allora le applicazioni volte a rivelare le vulnerabilità nascoste nel codice, tra cui spicca DeepCode (dell’omonima società), che si basa sull’associazione di algoritmi statistici e di apprendimento automatico addestrati su grandi repository pubbliche di software come Github. Basandosi sull’ipotesi della naturalezza sopra enunciata, DeepCode ha messo a punto uno strumento che riempie i vuoti in un programma incompleto (“a partial program with holes”) sfruttando la tecnica dei “language models” utilizzata nel trattamento del linguaggio naturale per predire la probabilità delle frasi nel discorso umano: in pratica, questo strumento riempie i vuoti[2] nel programma da completare basandosi su predizioni statistiche elaborate a partire dai programmi esistenti.

Altro aspetto cruciale del ciclo di vita del software è rappresentato dalla fase di testing, in cui i programmi scritti sono messi alla prova su un ampio numero di casi per verificarne l’effettivo funzionamento. Poiché normalmente non è possibile generare tutti gli esempi d’uso possibili, ancora una volta, l’uso dell’Intelligenza Artificiale può avere un ruolo molto importante nell’individuare e generare un insieme di casi significativo per la valutazione, sia rispetto agli aspetti di sicurezza, sia rispetto alle circostanze di utilizzo, incluso il comportamento di coloro che lo useranno.[3]

Per esempio, DiffBlue Cover dello spin-off DeepBlue genera automaticamente test per il codice Java, mentre SoapUi di Smartbear automatizza il testing funzionale delle API, elemento fondamentale dell’architettura dei servizi web. Sul versante della valutazione delle interfacce utente, Eggplant incrocia un modello di funzionamento del sistema da testare con i dati di comportamento degli utenti per generare una casistica di test mirata a coprire tutte le sequenze di azioni che gli utenti potrebbero intraprendere nell’interagire con il sistema (“user journeys”).

Probabilmente meno interessanti per il profano, queste applicazioni sono cruciali per migliorare la qualità del software e ridurre il tempo che trascorre dalla sua ideazione all’apparizione sul mercato, in cui la fase di testing può costituire un vero e proprio collo di bottiglia impossibile da aggirare. Pianificazione delle attività di produzione del software, correzione e testing infatti sono proprio le motivazioni che spingono società di consulenza d’impresa come Gartner a raccomandare l’investimento nelle tecnologie di intelligenza artificiale nella produzione del software.

Software “auto-creato”, le zone d’ombra

Il quadro descritto fino a ora sembrerebbe ottimale, grazie all’integrazione tra ricerca e sviluppo di applicazioni pratiche che migliorano i processi di produzione con risultati misurabili in termini di qualità, costi e benefici per i lavoratori. Tuttavia, uno sguardo più attento rileva alcune zone d’ombra che meritano una riflessione.

In primis, se per imprenditori e sviluppatori le applicazioni che automatizzano la produzione software sono fortemente attraenti, un osservatore esterno potrebbe trovare paradossale e inquietante l’idea stessa del “software che scrive il software”. Infatti, alla luce degli allarmi sollevati da molte parti rispetto all’uso dell’IA per creare entità potenzialmente autonome ma prive di consapevolezza sociale e morale, l’automazione nella produzione di software si espone a numerose critiche.

Da un lato, l’utilizzo di Big Code a svantaggio della conoscenza esperta, esplicita e formalmente verificabile propria dell’AI tradizionale, introduce nel processo di produzione del software gli elementi già criticati rispetto ai Big Data, ovvero la forte dipendenza della qualità finale degli artefatti dalla qualità e copertura dei dati e la presenza di possibili pregiudizi impliciti negli algoritmi che su quei dati operano.

In altre parole, cosa accadrebbe se nascosti nel Big Code ci fossero programmi malevoli, o semplicemente scorretti? E se gli algoritmi tendessero a favorire implicitamente ma coerentemente determinati tipi di schemi o a dare maggior rilievo a specifici sottoinsiemi di dati, per esempio favorendo in fase di valutazione certe categorie di utenti a scapito di altre? Valgono, quindi, per l’uso dell’IA nella produzione software, le medesime linee guida proposte dall’Unione Europea a favore di un’Intelligenza Artificiale antropocentrica ed è interesse di tutti che le istituzioni preposte alla sorveglianza dei valori etici nella produzione software vigilino perché siano applicate.

E’ necessario inoltre osservare che, come in molti casi, oltre al rischio di abusi, l’Intelligenza Artificiale porta in sé anche gli strumenti per evitarli: per quanto riguarda la produzione del software, da un lato la responsabilità finale dei programmi che vengono rilasciati resta nelle mani degli esseri umani, che rivestono ruoli precisi in un processo produttivo ben consolidato dalla lunga tradizione del software engineering e in cui l’Intelligenza Artificiale ha un ruolo prevalentemente di supporto agli attori umani; dall’altro, i metodi di verifica prodotti dallo studio delle proprietà formali dei programmi e dall’utilizzo di paradigmi di tipo logico-deduttivo sono comunque applicabili al codice prodotto con l’ausilio di strumenti intelligenti.

Intelligenza artificiale e processi creativi

Ultimo, ma non meno importante, l’utilizzo dell’Intelligenza Artificiale nei processi creativi, quali sono la progettazione e la scrittura del software, è per sua natura tuttora caratterizzato da forti limitazioni rispetto alla creatività umana. La creatività umana, infatti, è influenzata anche da elementi sociali e culturali ed è del tutto distinta dalla creatività algoritmica che recentemente ha ricevuto grande attenzione nei media.

Tipicamente basate sull’imitazione di modelli, anziché sulla ricerca di paradigmi innovativi, le applicazioni del deep learning alla creazione artistica sono palesi esempi di una creatività meccanica, adatta a supportare e ispirare la creatività umana ma non sufficientemente matura da sostituirsi ad essa. La lunga tradizione di studio della creatività, dalle riflessioni dei padri dell’Intelligenza Artificiale[5] fino alle ricerche condotte dalla scienziata cognitiva Margaret Boden[6] negli anni Novanta, suggerisce infatti che la creatività umana propriamente detta sia di tipo “trasformazionale”, cioè non limitata alla mera manipolazione di uno spazio concettuale esistente, ma orientata a creare nuovi spazi concettuali da quelli esistenti.

Note bibliografiche

  1. Allamanis, M., Barr, E. T., Devanbu, P., & Sutton, C. (2018). A survey of machine learning for big code and naturalness. ACM Computing Surveys (CSUR), 51(4), 81.
  2. Code Completion with Statistical Language Models
  3. Riguardo alla mancata sperimentazione del software in tutti i casi rilevanti, si pensi per esempio alla disgrazia occorsa al Boeing 737 MAX del volo 302 Ethiopian Airlines, in cui ogni evidenza punta verso un errore del software in presenza di specifiche, ancorché rare, condizioni ambientali non previste in fase di testing (https://cacm.acm.org/news/235821-initial-findings-put-boeings-software-at-center-of-ethiopian-737-crash/fulltext).
  4. Per esempio, si consideri la canzone Daddy’s Car generata da reti neurali sulla base della produzione musicale dei Beatles (https://youtu.be/LSHZ_b05W7o)
  5. Schank, R. C., & Cleary, C. (1995). Making machines creative. In The creative cognition approach (pp. 229-247). MIT Press.
  6. Boden, M. A. (2009). Computer models of creativity. AI Magazine, 30(3), 23-23.

WHITEPAPER
Valorizza i dati del tuo cloud e scopri i benefici per la tua azienda!
Big Data
Cloud
@RIPRODUZIONE RISERVATA

Speciale PNRR

Tutti
Incentivi
PA
Sostemibilità
Analisi
Formazione
Salute digitale
Sicurezza
Sostenibilità
Digital Economy
Formazione
Trasferimento tecnologico, il Mise mette sul piatto 7,5 milioni
Strategie
PSN e Strategia Cloud Italia: a che punto siamo e come supportare la PA in questo percorso
Dispersione idrica
Siccità: AI e analisi dei dati possono ridurre gli sprechi d’acqua. Ecco gli interventi necessari
PNRR
Cloud, firmato il contratto per l’avvio di lavori del Polo strategico
Formazione
Competenze digitali, stanziati 48 milioni per gli Istituti tecnologici superiori
Iniziative
Digitalizzazione delle reti idriche: oltre 600 milioni per 21 progetti
Competenze e competitività
PNRR, così i fondi UE possono rilanciare la ricerca e l’Università
Finanziamenti
PNRR, si sbloccano i fondi per l’agrisolare
Sanità post-pandemica
PNRR, Missione Salute: a che punto siamo e cosa resta da fare
Strategie
Sovranità e autonomia tecnologica nazionale: come avviare un processo virtuoso e sostenibile
La relazione
Pnrr e PA digitale, l’alert della Corte dei conti su execution e capacità di spesa
L'editoriale
Elezioni 2022, la sfida digitale ai margini del dibattito politico
Strategie
Digitale, il monito di I-Com: “Senza riforme Pnrr inefficace”
Transizione digitale
Pnrr: arrivano 321 milioni per cloud dei Comuni, spazio e mobilità innovativa
L'analisi I-COM
Il PNRR alla prova delle elezioni: come usare bene le risorse e centrare gli obiettivi digitali
Cineca
Quantum computing, una svolta per la ricerca: lo scenario europeo e i progetti in corso
L'indice europeo
Desi, l’Italia scala due posizioni grazie a fibra e 5G. Ma è (ancora) allarme competenze
L'approfondimento
PNRR 2, ecco tutte le misure per cittadini e imprese: portale sommerso, codice crisi d’impresa e sismabonus, cosa cambia
Servizi digitali
PNRR e trasformazione digitale: ecco gli investimenti e le riforme previste per la digitalizzazione della PA
Legal health
Lo spazio europeo dei dati sanitari: come circoleranno le informazioni sulla salute nell’Unione Europea
Servizi digitali
PNRR e PA digitale: non dimentichiamo la dematerializzazione
Digital Healthcare transformation
La trasformazione digitale degli ospedali
Governance digitale
PA digitale, è la volta buona? Così misure e risorse del PNRR possono fare la differenza
Servizi digitali
Comuni e digitale, come usare il PNRR senza sbagliare
La survey
Pnrr e digitale accoppiata vincente per il 70% delle pmi italiane
Missione salute
Fascicolo Sanitario Elettronico alla prova del PNRR: limiti, rischi e opportunità
Servizi pubblici
PNRR: come diventeranno i siti dei comuni italiani grazie alle nuove risorse
Skill gap
PNRR, la banda ultra larga crea 20.000 nuovi posti di lavoro
Il Piano
Spazio, Colao fa il punto sul Pnrr: i progetti verso la milestone 2023
FORUMPA2022
PNRR e trasformazione digitale: rivedi i Talk di FORUM PA 2022 in collaborazione con le aziende partner
I contratti
Avio, 340 milioni dal Pnrr per i nuovi propulsori a metano
Next Generation EU
PNRR, a che punto siamo e cosa possono aspettarsi le aziende private
Fondi
Operativo il nuovo portale del MISE con tutti i finanziamenti per le imprese
Servizi comunali
Il PNRR occasione unica per i Comuni digitali: strumenti e risorse per enti e cittadini
Healthcare data platform
PNRR dalla teoria alla pratica: tecnologie e soluzioni per l’innovazione in Sanità
Skill
Competenze digitali, partono le Reti di facilitazione
Gli obiettivi
Scuola 4.0, PNRR ultima chance: ecco come cambierà il sistema formativo
Sistema Paese
PNRR 2, è il turno della space economy
FORUM PA 2022
FORUM PA 2022: la maturità digitale dei comuni italiani rispetto al PNRR
Analisi
PNRR: dalla Ricerca all’impresa, una sfida da cogliere insieme
Innovazione
Pnrr, il Dipartimento per la Trasformazione digitale si riorganizza
FORUM PA 2022
PA verde e sostenibile: il ruolo di PNRR, PNIEC, energy management e green public procurement
Analisi
PNRR, Comuni e digitalizzazione: tutto su fondi e opportunità, in meno di 3 minuti. Guarda il video!
Rapporti
Competenze digitali e servizi automatizzati pilastri del piano Inps
Analisi
Attuazione del PNRR: il dialogo necessario tra istituzioni e società civile. Rivedi lo Scenario di FORUM PA 2022
Progetti
Pnrr, fondi per il Politecnico di Torino. Fra i progetti anche IS4Aerospace
Analisi
PNRR, Colao fa il punto sulla transizione digitale dell’Italia: «In linea con tutte le scadenze»
La Svolta
Ict, Istat “riclassifica” i professionisti. Via anche al catalogo dati sul Pnrr
Analisi
Spazio, Colao fa il punto sul Pnrr: i progetti verso la milestone 2023
FORUM PA 2022
Ecosistema territoriale sostenibile: l’Emilia Romagna tra FESR e PNRR
Il Piano
Innovazione, il Mise “centra” gli obiettivi Pnrr: attivati 17,5 miliardi
Analisi
PNRR: raggiunti gli obiettivi per il primo semestre 2022. Il punto e qualche riflessione
Analisi
PNRR: dal dialogo tra PA e società civile passa il corretto monitoraggio dei risultati, tra collaborazione e identità dei luoghi
Webinar
Comuni e PNRR: un focus sui bandi attivi o in pubblicazione
Analisi
Formazione 4.0: cos’è e come funziona il credito d’imposta
PA e Sicurezza
PA e sicurezza informatica: il ruolo dei territori di fronte alle sfide della digitalizzazione
PA e sicurezza
PNRR e servizi pubblici digitali: sfide e opportunità per Comuni e Città metropolitane
Water management
Water management in Italia: verso una transizione “smart” e “circular” 
LE RISORSE
Transizione digitale, Simest apre i fondi Pnrr alle medie imprese
Prospettive
Turismo, cultura e digital: come spendere bene le risorse del PNRR
Analisi
Smart City: quale contributo alla transizione ecologica
Decarbonizzazione
Idrogeno verde, 450 milioni € di investimenti PNRR, Cingolani firma
Unioncamere
PNRR, imprese in ritardo: ecco come le Camere di commercio possono aiutare
I fondi
Industria 4.0: solo un’impresa su tre pronta a salire sul treno Pnrr
Formazione
Trasferimento tecnologico, il Mise mette sul piatto 7,5 milioni
Strategie
PSN e Strategia Cloud Italia: a che punto siamo e come supportare la PA in questo percorso
Dispersione idrica
Siccità: AI e analisi dei dati possono ridurre gli sprechi d’acqua. Ecco gli interventi necessari
PNRR
Cloud, firmato il contratto per l’avvio di lavori del Polo strategico
Formazione
Competenze digitali, stanziati 48 milioni per gli Istituti tecnologici superiori
Iniziative
Digitalizzazione delle reti idriche: oltre 600 milioni per 21 progetti
Competenze e competitività
PNRR, così i fondi UE possono rilanciare la ricerca e l’Università
Finanziamenti
PNRR, si sbloccano i fondi per l’agrisolare
Sanità post-pandemica
PNRR, Missione Salute: a che punto siamo e cosa resta da fare
Strategie
Sovranità e autonomia tecnologica nazionale: come avviare un processo virtuoso e sostenibile
La relazione
Pnrr e PA digitale, l’alert della Corte dei conti su execution e capacità di spesa
L'editoriale
Elezioni 2022, la sfida digitale ai margini del dibattito politico
Strategie
Digitale, il monito di I-Com: “Senza riforme Pnrr inefficace”
Transizione digitale
Pnrr: arrivano 321 milioni per cloud dei Comuni, spazio e mobilità innovativa
L'analisi I-COM
Il PNRR alla prova delle elezioni: come usare bene le risorse e centrare gli obiettivi digitali
Cineca
Quantum computing, una svolta per la ricerca: lo scenario europeo e i progetti in corso
L'indice europeo
Desi, l’Italia scala due posizioni grazie a fibra e 5G. Ma è (ancora) allarme competenze
L'approfondimento
PNRR 2, ecco tutte le misure per cittadini e imprese: portale sommerso, codice crisi d’impresa e sismabonus, cosa cambia
Servizi digitali
PNRR e trasformazione digitale: ecco gli investimenti e le riforme previste per la digitalizzazione della PA
Legal health
Lo spazio europeo dei dati sanitari: come circoleranno le informazioni sulla salute nell’Unione Europea
Servizi digitali
PNRR e PA digitale: non dimentichiamo la dematerializzazione
Digital Healthcare transformation
La trasformazione digitale degli ospedali
Governance digitale
PA digitale, è la volta buona? Così misure e risorse del PNRR possono fare la differenza
Servizi digitali
Comuni e digitale, come usare il PNRR senza sbagliare
La survey
Pnrr e digitale accoppiata vincente per il 70% delle pmi italiane
Missione salute
Fascicolo Sanitario Elettronico alla prova del PNRR: limiti, rischi e opportunità
Servizi pubblici
PNRR: come diventeranno i siti dei comuni italiani grazie alle nuove risorse
Skill gap
PNRR, la banda ultra larga crea 20.000 nuovi posti di lavoro
Il Piano
Spazio, Colao fa il punto sul Pnrr: i progetti verso la milestone 2023
FORUMPA2022
PNRR e trasformazione digitale: rivedi i Talk di FORUM PA 2022 in collaborazione con le aziende partner
I contratti
Avio, 340 milioni dal Pnrr per i nuovi propulsori a metano
Next Generation EU
PNRR, a che punto siamo e cosa possono aspettarsi le aziende private
Fondi
Operativo il nuovo portale del MISE con tutti i finanziamenti per le imprese
Servizi comunali
Il PNRR occasione unica per i Comuni digitali: strumenti e risorse per enti e cittadini
Healthcare data platform
PNRR dalla teoria alla pratica: tecnologie e soluzioni per l’innovazione in Sanità
Skill
Competenze digitali, partono le Reti di facilitazione
Gli obiettivi
Scuola 4.0, PNRR ultima chance: ecco come cambierà il sistema formativo
Sistema Paese
PNRR 2, è il turno della space economy
FORUM PA 2022
FORUM PA 2022: la maturità digitale dei comuni italiani rispetto al PNRR
Analisi
PNRR: dalla Ricerca all’impresa, una sfida da cogliere insieme
Innovazione
Pnrr, il Dipartimento per la Trasformazione digitale si riorganizza
FORUM PA 2022
PA verde e sostenibile: il ruolo di PNRR, PNIEC, energy management e green public procurement
Analisi
PNRR, Comuni e digitalizzazione: tutto su fondi e opportunità, in meno di 3 minuti. Guarda il video!
Rapporti
Competenze digitali e servizi automatizzati pilastri del piano Inps
Analisi
Attuazione del PNRR: il dialogo necessario tra istituzioni e società civile. Rivedi lo Scenario di FORUM PA 2022
Progetti
Pnrr, fondi per il Politecnico di Torino. Fra i progetti anche IS4Aerospace
Analisi
PNRR, Colao fa il punto sulla transizione digitale dell’Italia: «In linea con tutte le scadenze»
La Svolta
Ict, Istat “riclassifica” i professionisti. Via anche al catalogo dati sul Pnrr
Analisi
Spazio, Colao fa il punto sul Pnrr: i progetti verso la milestone 2023
FORUM PA 2022
Ecosistema territoriale sostenibile: l’Emilia Romagna tra FESR e PNRR
Il Piano
Innovazione, il Mise “centra” gli obiettivi Pnrr: attivati 17,5 miliardi
Analisi
PNRR: raggiunti gli obiettivi per il primo semestre 2022. Il punto e qualche riflessione
Analisi
PNRR: dal dialogo tra PA e società civile passa il corretto monitoraggio dei risultati, tra collaborazione e identità dei luoghi
Webinar
Comuni e PNRR: un focus sui bandi attivi o in pubblicazione
Analisi
Formazione 4.0: cos’è e come funziona il credito d’imposta
PA e Sicurezza
PA e sicurezza informatica: il ruolo dei territori di fronte alle sfide della digitalizzazione
PA e sicurezza
PNRR e servizi pubblici digitali: sfide e opportunità per Comuni e Città metropolitane
Water management
Water management in Italia: verso una transizione “smart” e “circular” 
LE RISORSE
Transizione digitale, Simest apre i fondi Pnrr alle medie imprese
Prospettive
Turismo, cultura e digital: come spendere bene le risorse del PNRR
Analisi
Smart City: quale contributo alla transizione ecologica
Decarbonizzazione
Idrogeno verde, 450 milioni € di investimenti PNRR, Cingolani firma
Unioncamere
PNRR, imprese in ritardo: ecco come le Camere di commercio possono aiutare
I fondi
Industria 4.0: solo un’impresa su tre pronta a salire sul treno Pnrr

Articoli correlati