Intelligenza Artificiale e pubblica amministrazione, a che punto siamo? L'indagine | Agenda Digitale

polimi

Intelligenza Artificiale e pubblica amministrazione, a che punto siamo? L’indagine

L’Osservatorio Agenda Digitale del Politecnico di Milano ha condotto un censimento delle principali iniziative internazionali con l’obiettivo di mappare l’ecosistema delle applicazioni AI sviluppate in ambito pubblico. Ecco cosa è emerso

27 Gen 2021
Giulia Maragno

Osservatorio Agenda Digitale, Politecnico di Milano

Tra i settori che negli ultimi anni hanno mostrato un interesse sempre crescente per l’intelligenza artificiali (AI) c’è quello pubblico. Questo non deve sorprendere, dal momento che le PA rivestono una posizione chiave rispetto all’AI:

  • da un lato, in veste di regolatori, possono stabilire le priorità, le strategie nazionali e disciplinare la tecnologia;
  • dall’altro, come potenziali fruitori di massa della tecnologia, possono utilizzarla per migliorare l’erogazione dei servizi e i loro processi decisionali.

Con l’obiettivo di mappare l’ecosistema delle applicazioni AI sviluppate in ambito pubblico, l’Osservatorio Agenda Digitale del Politecnico di Milano ha condotto un censimento delle principali iniziative internazionali in materia, per analizzare i diversi ambiti applicativi. L’indagine si è concentrata su un campione di 208 progetti, sviluppati dalle PA a livello internazionale tra inizio 2018 e fine ottobre 2020.

I due paradigmi dell’intelligenza artificiale

Per comprendere lo scenario entro cui inquadrare l’indagine, partiamo da un presupposto: quando si parla di Artificial Intelligence (AI), può essere difficile darne una definizione esatta a causa dei numerosi significati cui è stata associata negli anni. In questo articolo, quindi, adottiamo la definizione fornita dall’Osservatorio Artificial Intelligence del Politecnico di Milano, che identifica l’AI come il campo di ricerca che studia in che maniera le macchine, dotate di capacità tipiche dell’essere umano, possano prendere decisioni ottimali autonomamente.

WHITEPAPER
Machine Learning nelle Telco: 3 applicazioni chiave per l’Intelligent Assurance
Intelligenza Artificiale
Telco

Nonostante la mancanza di una definizione univoca, è possibile identificare due paradigmi di Artificial Intelligence: AI “forte”, che parte dall’idea che i sistemi abbiamo un’intelligenza in grado di pensare e agire come l’essere umano, e “debole”, che si riferisce invece a sistemi che possono svolgere compiti che richiedono singole capacità (es: percezione visiva), senza avere però percezione dell’attività svolta.

Le soluzioni e le sperimentazioni condotte in questi anni rientrano in quest’ultimo paradigma e possono essere ripartite in otto classi, specificate nel box di seguito.

Le strategie nazionali sull’AI

In questi anni stiamo attraversando un periodo di grande fermento sul fronte dell’AI. A livello continentale, è stata approvata dal Consiglio europeo, nel giugno 2018, la proposta di una strategia per affrontare le tematiche inerenti all’AI con un approccio comunitario. A questo, ha fatto seguito l’adozione di un Piano coordinato sullo sviluppo e l’utilizzo dell’AI che, tra i vari punti toccati, incoraggia gli stati membri a sviluppare delle strategie a livello nazionale. L’Italia ha raggiunto questo obiettivo con la pubblicazione, a luglio 2020, del documento con le proposte per la “Strategia italiana per l’AI”.

In questo scenario si colloca la mappatura realizzata dalla  ricerca dell’Osservatorio Agenda Digitale.

Diffusione geografica dei progetti di AI in ambito pubblico

I dati – presentati al Convegno «Abilitare l’Italia digitale: la buona regia per ripartire» e ulteriormente approfonditi nel report Innovazione digitale in ambito pubblico (2020) – mostrano come l’America, con il 51% delle progettualità (107), sia il continente più attivo, seguito da Europa e Asia, rispettivamente con 63 e 30 progetti. Come mostrato in Figura 1, le iniziative stanno aumentando e, nell’ultimo anno, le applicazioni di AI in ambito pubblico si sono moltiplicate (+147% rispetto al 2019). Complessivamente i progetti mostrano una crescita costante nel triennio e un livello di maturità omogeneo:

  • il 34% di questi, analizzati più approfonditamente, sono annunci, il 68% dei quali è stato pubblicato nel 2020;
  • il 37% è in fase prototipale (proof of concept), con gli obiettivi di testare la fattibilità e dimostrare l’adeguatezza della soluzione AI all’ambito in cui si è deciso di sperimentarla;
  • il 29% si è rivelato operativo, dimostrando che, nonostante le PA siano ancora in una fase di avvicinamento alla tecnologia, sono diverse le soluzioni ad aver raggiunto la piena operatività.

Le PA centrali sono i soggetti che si stanno maggiormente interessando e che stanno conducendo il numero più consistente di sperimentazioni (93 progetti), seguite dalle PA locali (60 applicazioni) e dalle università (33 casi). Tuttavia, è interessante notare come anche il mondo delle imprese, con 14 progetti, si stia facendo promotore di soluzioni di AI per gli enti pubblici.

Figura 1. Distribuzione dei 208 progetti di AI in ambito pubblico, per anno di avvio e attore chiave

Processi, ecosistemi di applicazione e tipologia di interazione

Per individuare gli ambiti di applicazione, l’Osservatorio Agenda Digitale ha classificato le soluzioni di AI secondo due dimensioni:

Figura 2. Distribuzione dei 208 progetti di AI in ambito pubblico, per divisioni e processi impattati

Come mostrato in Figura 2, la maggior parte delle applicazioni di AI sperimentate in ambito pubblico (64 progetti, il 31% dei totali) supportano le PA nel miglioramento di attività o politiche già esistenti: i dati raccolti ed elaborati dagli algoritmi di AI aiutano il decisore pubblico ad assegnare priorità a determinate azioni e obiettivi.

Soluzioni AI contro l’evasione fiscale

Fanno parte di questi processi, ad esempio, le soluzioni che, attraverso algoritmi, aiutano le PA a tracciare le aziende che potrebbero evadere le tasse, riducendo così l’evasione fiscale. In questo caso, le progettualità di AI sono sviluppate principalmente per rendere più efficiente il funzionamento interno delle PA (47 progetti su 64 totali), a dimostrazione di come le soluzioni possano essere uno strumento di fondamentale importanza per la gestione interna e il miglioramento delle attività delle PA.

Erogazione dei servizi

La seconda tipologia di processi a essere supportata da soluzioni di AI è quella relativa all’erogazione dei servizi (55 progetti, il 26% dei totali), incidendo prevalentemente sulle relazioni tra PA e cittadini (51 progetti su 55 totali): rientrano in questa categoria i chatbot sviluppati dalle municipalità, ma anche in ambito ospedaliero, per gestire il flusso di richieste da parte dei cittadini e rispondere in maniera più efficace alle domande dei diversi fruitori.

Elaborazione di nuove politiche

La terza tipologia di processi è quella relativa alla definizione di nuove politiche e comprende tutti quei progetti (46 soluzioni, il 22% dei totali) in cui soluzioni di AI supportano le PA nella raccolta ed elaborazione di dati che verranno poi utilizzati dall’interlocutore umano per prendere decisioni, come per esempio la modifica di un tratto stradale.

Con riferimento agli ecosistemi individuati dalla classificazione COFOG, il numero più consistente di sperimentazioni riguarda il settore sanitario (65 progetti; il 31% dei totali). Molti progetti classificati in quest’area sono stati sviluppati per far fronte all’emergenza sanitaria Covid-19, come ad esempio soluzioni di computer vision per l’analisi delle radiografie polmonari o i chatbot a supporto dei centralini medici. Seguono poi gli affari economici (38 progetti; il 18% dei totali), l’area inerente ai servizi generali delle PA e quella relativa all’ordine pubblico e alla sicurezza (26 progetti ciascuna; 13%).

Attori coinvolti e soluzioni implementate

Infine, lo studio dell’Osservatorio Agenda Digitale si è focalizzato sull’analisi di quanto ciascun attore pubblico stia sperimentando le specifiche progettualità di AI e, tra queste, quali siano quelle più utilizzate. Dall’analisi emerge che l’attenzione delle PA è orientata principalmente a:

  • soluzioni che permettono di estrarre informazioni dalle immagini (60; 29% del totale): dato da collegarsi anche all’incremento di progettualità in ambito sanitario;
  • soluzioni che utilizzano gli algoritmi per estrarre informazioni da dati strutturati e non (57; 27% del totale);
  • chatbot (33; 16% del totale).

I dati mostrano come la maggior parte dei progetti operativi (45; 74%) sia proprio in queste tre classi di impiego e come siano le PA centrali e locali i soggetti più attivi. Le PA centrali, in particolare, hanno avviato almeno una sperimentazione per ogni classe di AI.

WHITEPAPER
Come è cambiato in Italia il quadro normativo dei pagamenti digitali verso la PA?
@RIPRODUZIONE RISERVATA

Articolo 1 di 4