AI e bias cognitivi

Intelligenza artificiale e DNA, il fattore umano nelle analisi predittive

Non basta sapere cosa sono l’intelligenza artificiale o il DNA per passare dalla conoscenza all’applicazione. Quali fattori determinano il successo o il fallimento dei progetti di AI

07 Dic 2021
Valter Fraccaro

presidente Parco Scientifico dell'Intelligenza Artificiale di Siena

Intelligenza artificiale, una task force a supporto della crisi pandemica

L’intelligenza artificiale e il DNA possono essere descritti con un certo livello di semplicità. Comprendere l’AI o interpretare il DNA è però ben più difficile.

Proprio come non è sufficiente conoscere la lunghissima sequenza di quattro simboli alfabetici, ACGT, per trovare una cura per le malattie, non basta sapere cosa sia l’AI per scoprire nuove applicazioni.

Intelligenza artificiale e comprensione del linguaggio: a che punto siamo

Come ai tempi della scoperta della mappa completa del DNA umano, anche oggi con l’AI ci troviamo di fronte a una nuova conoscenza dirompente, ma il passaggio dalla scoperta all’applicazione richiede non solo i suoi tempi, ma anche conoscere altri fattori determinanti: l’ambiente e gli atteggiamenti personali. Del resto, la genetica ci insegna che possiamo essere gemelli alla nascita, ma individui diversi nella crescita.

Parallelismo fra AI e DNA

L’11 gennaio 2001 i due principali consorzi di ricerca mondiali pubblicarono la mappa completa del DNA umano. I telegiornali di tutto il mondo la riportarono come svolta epocale nella ricerca biologica e medica.

WHITEPAPER
AZIENDA RETAIL: ecco i 15 motivi per cui hai bisogno dell'Intelligenza Artificiale!
Intelligenza Artificiale
Retail

Quella mappa, grande passo della scienza che tanto ci rivelava della natura umana, sembrava aprire nuove prospettive nella cura e nella prevenzione di molte malattie, dai tumori a quelle degenerative del cervello. E lo faceva, ma non era sufficiente per scoprire l’origine di tutto.

Vent’anni dopo, possiamo dire che quella speranza non era infondata, ma che non siamo riusciti a realizzare quanto immaginato allora, sostanzialmente perché il messaggio descritto in quella sequenza era in un codice che tuttora non siamo riusciti ad interpretare completamente. E, ancor di più, perché il DNA non contiene il destino della singola persona, in quanto a influenzare il suo sviluppo biologico sono numerosi fattori esterni che incidono sul suo funzionamento.

È una particolare branca degli studi biologici, denominata epigenetica, quella che studia quali effetti abbiano i comportamenti individuali e le condizioni di vita sull’espressione genetica, quel fenomeno che, partendo dal DNA, controlla lo sviluppo della persona e molti aspetti della sua realtà biologica.

Cosa c’entra tutto questo con l’AI? Come nel 2001 coltivavamo illusioni sulle scoperte del DNA, anche oggi con l’AI ci troviamo di fronte a una nuova conoscenza molto promettente, capace di modificare radicalmente molti aspetti del nostro vivere e offrire grandi risultati. Ma la strada è ancora lunga per passare dalla fase della conoscenza alle analisi predittive.

Il DNA è un messaggio limpido, facile da leggere: è una lunghissima sequenza di quattro soli simboli alfabetici, ACGT, che rappresentano le iniziali dei nucleotidi che lo costituiscono, ma non basta. Infatti risulta complesso da interpretare, e soprattutto ciò che è complicato è trasformare la conoscenza in una reale applicazione come, per esempio, una nuova cura.

Possiamo descrivere anche l’AI con un certo livello di semplicità, ma poi comprenderla è più difficile. Tuttavia, essendo una metodologia, basta porre obiettivi noti e raggiungibili, per trovare un’applicazione in tempi sicuramente molto più brevi rispetto ai decenni che richiede una ricerca scientifica.

Come per il DNA, e se ne parla troppo poco, bisogna però considerare che gli esiti dell’AI dipendono in maniera rilevante dall’ambiente (nel nostro caso, l’azienda) e dagli atteggiamenti personali (quelli di chi commissiona il progetto, di chi lo conduce e, infine, di chi lo utilizza).

I limiti dell’approccio all’intelligenza artificiale

Condizionate dalla comunicazione, le imprese purtroppo hanno spesso un approccio con l’AI basato solo sui suoi aspetti tecnici. Pensano che sia sufficiente inserire nei propri quadri uno o più esperti, perché si comportino da suggeritori e promotori dei successivi progetti di intelligenza artificiale.

La debolezza di questo modello sta nell’ovvia difficoltà dei neo-entrati nel poter suggerire mutamenti in un’azienda che conoscono da poco tempo. Anche nel migliore dei casi, questo limite conoscitivo condizionerà sostanzialmente i risultati di eventuali progetti.

Allo stesso modo, la scelta dei dati per abilitare una soluzione di AI, potrà fornire risultati molto diversi nell’utilizzo di un determinato algoritmo.

È un po’ come un motore: può essere progettato e realizzato con ogni cura, ma le sue prestazioni inevitabilmente risentiranno della qualità del carburante.

Mentre molto si fa per l’organizzazione dei dati, in modo che siano disposti in maniera adatta alla computazione, accade di rado che ci si chieda come essi siano prodotti e se davvero descrivano quegli aspetti del processo da modificare.

Cosa bisogna sapere sui dati

Il termine “dato” è un participio passato: indica con chiarezza che esso è un prodotto di una qualche osservazione e successiva rilevazione. I dati non esistono in natura, ma sono generati da scelte e lavoro umano.

Un dato discende da un’osservazione di un fenomeno; e il punto di vista da cui questo è analizzato ne cambia radicalmente l’interpretazione. Per esempio, se si guarda l’alba è immediato pensare che “il Sole stia sorgendo”.

Condizionati dalla nostra posizione, ci pare che sia il Sole a muoversi, mentre è la Terra che nel suo movimento intorno a quella stella genera l’alba. Se potessimo guardare lo stesso accadimento da maggiore distanza, magari da una navicella spaziale, potremmo notare come ciò che si muove sia il pianeta e l’alba ci apparirebbe semplicemente come il rotolamento del confine tra giorno e notte sul nostro globo.

Tra chi si occupa di scienza questo tema è ben noto e le modalità con cui il dato viene determinato, così come la scelta di quali dati utilizzare, è un passaggio fondamentale di ogni progetto di ricerca.

Diversamente, in azienda si usano generalmente i dati già a disposizione. Ricordate il mantra “L’Intelligenza Artificiale estrarrà finalmente informazioni preziosissime dai vostri dati aziendali!”? Questo approccio già indirizza gli esiti delle attività di AI in maniera notevole.

In pratica, si studia meglio ciò che già si conosce, senza approfittare della potenza computazionale per scoprire ciò che ancora non è noto.

Invece, l’AI non è la semplice applicazione di un metodo diverso all’analisi degli stessi dati che si sono interpretati fino ad oggi con altri metodi.

I fattori che condizionano un progetto di intelligenza artificiale

Un aspetto estremamente utile delle metodologie matematico-digitali che spesso riassumiamo sotto l’ombrello di intelligenza artificiale riguarda il fatto che esse permettono di analizzare molte più variabili di quelle che il cervello umano è in grado di considerare.

Anche qui un esempio può aiutare. Quando effettuiamo una semplici analisi del sangue, i valori raccolti strumentalmente sono centinaia, eppure il foglietto che ne descrive l’esito ne riporta una ventina più o meno.

Questo accade perché il medico di famiglia è in grado di connetterne tra loro solo un certo numero, quanto basta per una prima indicazione diagnostica di massima che lo spingerà poi ad ordinare ulteriori esami del paziente.

Se gli si portasse dinnanzi un interminabile elenco di indicatori e connessi valori, non gli si agevolerebbe il lavoro, anzi, si otterrebbe l’effetto contrario.

Per un computer, invece, porre invece in relazione centinaia o migliaia di variabili è possibile, così permettendoci di individuare, per esempio, quali sono le condizioni in cui si verifica un determinato evento.

Ciò può condurre a soluzioni del tutto inattese e non canoniche. Così è successo qualche anno fa quando un operatore di AI fu chiamato per valutare se l’indice di conversione dell’immondizia in energia di un certo termovalorizzatore potesse essere migliorato.

Rilevati tutti i parametri di funzionamento e configurazione dell’impianto, si scoprì che si poteva far molto meglio. I gestori opposero una certa resistenza, sostenendo che i settaggi erano quelli corretti, usati in tutto il mondo, e che quelli suggeriti dai matematici apparivano del tutto differenti da quelli convenzionalmente utilizzati e, dunque, impropri.

In quel caso fu un organo politico locale a forzare la situazione in modo che il test con i nuovi valori avesse luogo.

Senza sorprendere chi conosce la matematica, il test andò benissimo e, in seguito, i tecnici ritararono, sulla base di quell’algoritmo, anche gli altri impianti regionali, ottenendo un notevole aumento dell’efficienza singola e complessiva.

A questi risultati positivi si giunge quando si è disposti a esaminare un fenomeno senza pregiudizi.

Intelligenza artificiale: bisogna evitare i pregiudizi

Esiti ben diversi si verificano, invece, quando, magari in maniera inconscia, si cerca di ricevere conferma delle proprie convinzioni, altro fattore esterno che può condizionare negativamente un progetto di AI.

Dato un volume di dati sufficientemente grande, è possibile trovare qualsiasi connessione si stia cercando.

Lo hanno verificato Cristian S. Calude e Giuseppe Longo, pubblicando nel gennaio 2016 un articolo dal titolo molto esplicativo The Deluge of Spurious Correlations in Big Data, testo che dovrebbe far parte del bagaglio di conoscenze di chiunque metta mano a sistemi di analisi delle informazioni, non solo dei dati.

Insomma, come secoli di metodo scientifico hanno insegnato, cercare di trovare un
(pre)determinato risultato non è un buon modo di fare esperimenti né di analizzare dati.

In altri casi, i risultati forniti dagli algoritmi sono invece il riassunto degli errori di valutazione precedenti.

È quanto accade quando un comportamento umano integra un bias cognitivo, cioè un pregiudizio, tanto da trasferirlo nelle informazioni con cui il sistema di AI è stato istruito.

In maniera semplice, quando istruiamo un computer a riconoscere qualcosa, gli facciamo maturare quella cosa che noi umani chiamiamo “esperienza”.

I pattern dell’intelligenza artificiale

Affinché il computer sia in grado di riconoscere l’immagine di un gatto, si fanno esaminare alla macchina migliaia (o milioni) di foto di gatti, cosicché possa trovarvi caratteristiche ricorrenti e tipiche (i cosiddetti “pattern”) che, quando appaiono in una nuova immagine, la definiscono come “gatto”.

Se però milioni di foto riportano solo gatti siamesi, l’immagine di un gatto nero non coinciderà sufficientemente con il pattern “gatto”: allora la macchina risponderà che è bassa la probabilità che quello ritratto sia un gatto.

Esempi pratici

Passiamo ora dal felino a un insieme di documenti che riportano giudizi: sentenze di tribunale, diagnosi mediche, protocolli di cura prescelti, valutazioni testuali di capacità e carattere delle persone, eccetera. Allora, la questione si fa ben più grave.

È quanto accaduto quando sistemi di AI sono stati utilizzati per definire la condanna di un reo basandosi sugli esiti di processi precedenti. Le sentenze erano più dure quando l’imputato presentava caratteristiche personali (età, sesso, colore della pelle, religione eccetera) che determinati preconcetti avevano, in precedenza e inconsciamente, portato i giudici a calcare la mano rispetto a rei che avevano commesso le stesse violazioni di legge, ma non presentavano quelle peculiarità mal viste dai magistrati.

Allo stesso modo, se addestriamo il computer a riconoscere come indicatori di una certa malattia parametri difficilmente riportabili in forma numerica (“un forte mal di stomaco”, “un’ampia macchia sulla cute”, “talvolta difficoltà di deglutizione” eccetera), è possibile che la sua diagnosi si discosti dal reale, sebbene i medici, che in precedenza avevano usato quelle formule descrittive fossero perfettamente in grado di definire di cosa stesse soffrendo il paziente.

Analogo esempio può servire a descrivere il ricorso al servizio di assistenza di un’auto o di una macchina utensile in fabbrica.

Le serie storiche

Un elenco non esaustivo dei fattori “epigenetici” che si riversano sugli algoritmi comprende sicuramente anche la quantità dei dati, in particolare per le serie storiche, cioè quell’insieme di parametri che descrivono eventi accaduti negli anni.

Se queste serie si riferiscono a una consistente serie di anni, aumenta il pericolo che condizioni occasionali, e magari del tutto imperscrutabili attraverso le informazioni prese in considerazione, influenzino gli eventi.

Per esempio, in una statistica che riguardi l’acquisto di occhiali da sole nel periodo estivo, si possono verificare variazioni che non riguardano la capacità di quella marca di produrre ogni anno una gamma di prodotti in linea con i gusti dei consumatori, bensì gli eventi metereologici per cui certe estati sono più luminose ed altre meno.

Sembra una considerazione banale, ma anni di esperienza dimostrano che spesso i fenomeni esaminati in serie storica non producono analisi predittive. Pochi dati con una certa connotazione (il loro essere recenti) descrivono meglio i fatti rispetto a più estese serie di valori condizionate però da fattori esterni sfuggiti all’osservatore.

Il fattore umano e l’AI

Insomma, quella che chiamiamo intelligenza artificiale è uno strumento, sulle cui capacità è sempre bene vegliare: “Se è intelligente non è artificiale, se è artificiale non è intelligente”, per citare Luciano Floridi. Ma il fattore umano è e resta il tramite di tutti quei condizionamenti ambientali che incidono sulla riuscita di un progetto di AI.

Questi aspetti emergono quotidianamente nel corso di un’attività scientifica: accade in ogni fase di ricerca, in ogni consultazione bibliografica, in ciascuna raccolta dati, in qualsiasi condizione si cerchi di conoscere ciò che non si sapeva prima.

Le aziende, che adottano questo approccio nei loro comparti di Ricerca e Sviluppo, devono mettere i propri manager in condizione di porre nuove domande affinché nuove siano le risposte.

Conclusioni

Sostenibilità, etica, design rappresentano l’obiettivo, lo spirito, il mezzo. In questo percorso di trasformazione che definiamo transizione, l’intelligenza artificiale non è una sfera di cristallo che ci mostra il futuro, ma uno strumento che ci permette di andare oltre i numerosi limiti cui siamo abituati.

Il cambiamento più radicale sta proprio nel poter immaginare l’azienda come si vorrebbe che fosse e verificare se sia finalmente possibile superare, tramite l’intelligenza artificiale, quelle costrizioni che hanno guidato le scelte manageriali del passato.

WHITEPAPER
Cognitive Experience Center: ecco l'AI che può davvero supportare i tuoi operatori!
Intelligenza Artificiale
Networking
@RIPRODUZIONE RISERVATA

Speciale PNRR

Tutti
Incentivi
Salute digitale
Formazione
Analisi
Sostenibilità
PA
Sostemibilità
Sicurezza
Digital Economy
CODICE STARTUP
Imprenditoria femminile: come attingere ai fondi per le donne che fanno impresa
DECRETI
PNRR e Fascicolo Sanitario Elettronico: investimenti per oltre 600 milioni
IL DOCUMENTO
Competenze digitali, ecco il nuovo piano operativo nazionale
STRUMENTI
Da Istat e RGS gli indicatori per misurare la sostenibilità nel PNRR
STRATEGIE
PNRR – Piano nazionale di Ripresa e Resilienza: cos’è e novità
FONDI
Pnrr, ok della Ue alla seconda rata da 21 miliardi: focus su 5G e banda ultralarga
GREEN ENERGY
Energia pulita: Banca Sella finanzia i progetti green incentivati dal PNRR
TECNOLOGIA SOLIDALE
Due buone notizie digitali: 500 milioni per gli ITS e l’inizio dell’intranet veloce in scuole e ospedali
INNOVAZIONE
Competenze digitali e InPA cruciali per raggiungere gli obiettivi del Pnrr
STRATEGIE
PA digitale 2026, come gestire i fondi PNRR in 5 fasi: ecco la proposta
ANALISI
Value-based healthcare: le esperienze in Italia e il ruolo del PNRR
Strategie
Accordi per l’innovazione, per le imprese altri 250 milioni
Strategie
PNRR, opportunità e sfide per le smart city
Strategie
Brevetti, il Mise mette sul piatto 8,5 milioni
Strategie
PNRR e opere pubbliche, la grande sfida per i Comuni e perché bisogna pensare digitale
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
CODICE STARTUP
Imprenditoria femminile: come attingere ai fondi per le donne che fanno impresa
DECRETI
PNRR e Fascicolo Sanitario Elettronico: investimenti per oltre 600 milioni
IL DOCUMENTO
Competenze digitali, ecco il nuovo piano operativo nazionale
STRUMENTI
Da Istat e RGS gli indicatori per misurare la sostenibilità nel PNRR
STRATEGIE
PNRR – Piano nazionale di Ripresa e Resilienza: cos’è e novità
FONDI
Pnrr, ok della Ue alla seconda rata da 21 miliardi: focus su 5G e banda ultralarga
GREEN ENERGY
Energia pulita: Banca Sella finanzia i progetti green incentivati dal PNRR
TECNOLOGIA SOLIDALE
Due buone notizie digitali: 500 milioni per gli ITS e l’inizio dell’intranet veloce in scuole e ospedali
INNOVAZIONE
Competenze digitali e InPA cruciali per raggiungere gli obiettivi del Pnrr
STRATEGIE
PA digitale 2026, come gestire i fondi PNRR in 5 fasi: ecco la proposta
ANALISI
Value-based healthcare: le esperienze in Italia e il ruolo del PNRR
Strategie
Accordi per l’innovazione, per le imprese altri 250 milioni
Strategie
PNRR, opportunità e sfide per le smart city
Strategie
Brevetti, il Mise mette sul piatto 8,5 milioni
Strategie
PNRR e opere pubbliche, la grande sfida per i Comuni e perché bisogna pensare digitale
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

Articolo 1 di 3