Intelligenza artificiale nei concorsi pubblici, si può fare: soluzioni e nodi aperti | Agenda Digitale

algoritmi e PA

Intelligenza artificiale nei concorsi pubblici, si può fare: soluzioni e nodi aperti

L’accesso dell’intelligenza artificiale nel reclutamento di personale nel settore pubblico è senz’altro praticabile ma necessita di un percorso peculiare di assimilazione culturale, normativa e organizzativa. Gli step per una introduzione incrementale

06 Mag 2021
Filippo D’Errigo

P4C - Prepare for Change

Demetrio Naccari Carlizzi

P4C – Prepare for Change

Agata Quattrone

P4C - Prepare for Change

L’intelligenza artificiale sarebbe certamente un formidabile alleato per la celerità delle selezioni del personale, anche nella Pubblica amministrazione. I dubbi semmai nascono sul piano culturale. Siamo pronti nel settore pubblico ad essere valutati da un algoritmo che giudicherà anche le nostre motivazioni?

La questione è complessa e le implicazioni da valutare sono tante. Proviamo a esaminare i temi più dibattuti.

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

L’annuncio del ministro Brunetta e il dibattito conseguente

L’effetto trascinamento della pandemia ha prodotto la consapevolezza dei ritardi di attuazione dell’agenda digitale e della necessità di far rientrare urgentemente la PA nella rivoluzione digitale pena un allargamento del gap di produttività ed efficienza con il settore privato.

WHITEPAPER
Come far crescere il business? Fai emergere tutto il potenziale dei dati!
Intelligenza Artificiale

È una buona notizia che il Ministro della Pubblica Amministrazione, Renato Brunetta, abbia annunciato l’assunzione di 2.800 tecnici per il Sud e un piano per mezzo milione di nuovi ingressi nella PA nei prossimi 5 anni, con una revisione delle modalità di selezione dei dipendenti pubblici mediante anche l’adozione di tecniche di intelligenza artificiale.

L’obiettivo è duplice: rendere efficace lo sblocco del turnover, senza sprecarne l’occasione, per un rinnovamento delle competenze della Pubblica Amministrazione al fine metterle in condizione di diventare realmente operative sul piano dell’execution, e centrare gli obiettivi del Piano Nazionale di Ripresa e Resilienza, rispettando i target di spesa e soprattutto generando gli outcome imposti dal Piano.

Si è così acceso un utile dibattito sia sulle modalità di reclutamento che sull’intenzione di utilizzare l’Intelligenza Artificiale (IA) con riflessioni autorevoli ma piuttosto distanti.

Intelligenza artificiale nei concorsi pubblici? Il Governo faccia attenzione a questi problemi

Critiche da Tito Boeri e Roberto Perotti che sostengono che le nuove regole (decreto-legge 44) frustrino le aspirazioni dei giovani qualificati, penalizzati dalla previsione di una sola prova scritta o addirittura esclusivamente da una valutazione di esperienze e titoli. L’assenza di un esame orale sarebbe di ostacolo ad una adeguata valutazione di “esperienze, competenze e motivazioni”. Le procedure non sarebbero quindi realmente selettive e la previsione di un accesso a tempo determinato porterebbe alla stabilizzazione. La scarsa remunerazione dei commissari di esame inoltre avrebbe come conseguenza la nomina di commissari interni.

Valutazioni positive invece da parte di Carlo Altomonte e Raffaella Saporito (gruppo di lavoro FP sul PNRR) sull’utilità di corsie preferenziali per l’accesso “sul modello del Fast Track inglese diversificando i canali e le modalità di impiego senza timori di utilizzare anche il tempo determinato per i ruoli di ingresso”. Le procedure tradizionali sarebbero inadatte a vagliare le competenze richieste risolvendosi in una acquisizione mnemonica delle batterie di quesiti a risposta multipla. Si dovrebbero pertanto ricercare competenze e non astratte materie, “efficacia della selezione con sicurezza e tempestività, attraverso la tecnologia”.

La questione è in effetti complessa a partire dalle diverse finalità dei reclutamenti (tecnici per il PNRR per il Sud e nuove competenze a tempo indeterminato per tutte le amministrazioni) che comportano necessariamente criteri diversi di selezione.

Quattrone: “Niente PA digitale se non sblocchiamo il turn-over del personale”

Algoritmi e deep learning nella pubblica amministrazione

L’intelligenza artificiale applicata alla PA, strumento irrinunciabile per ripensare la sua immagine giuridica, il suo design organizzativo e risolvere problemi strutturali di inefficienza, può rappresentare la chiave per modernizzare il processo di selezione del personale.

Intelligenza artificiale per la PA, i migliori esempi di utilizzo al mondo

Sempre più amministrazioni, sia locali che centrali, pur senza una vera e propria guida e regia nazionale, hanno avviato o stanno avviando progetti che introducono le tecnologie legate all’IA sia per innovare la modalità di comunicazione nei rapporti con i cittadini sia per automatizzare i processi interni. Utilizzando ad esempio Aipa, servizio di Atos erogato in SaaS, disponibile nel marketplace Agid che mette a disposizione componenti integrate di automazione e Intelligenza Artificiale per realizzare nuove soluzioni digitali. ATOS è basato su componenti di “Intelligent Process Automation” (iBPM) per realizzare processi (workflow, case management, BPM, etc.) e “Robotic Process Automation” (RPA) per l’automazione delle attività ripetitive e time consuming. Oppure, per affrontare lockdown e limitazioni dovute al distanziamento sociale, hanno sperimentato soluzioni tecnologiche e servizi innovativi basati su IA (chatbots e assistenti virtuali, sistemi di prenotazione intelligente, smart speaker) per ridurre almeno la distanza virtuale con i cittadini.

L’utilizzo di tecnologie NLP (Natural Language Processing) è ormai una solida e consolidata realtà nell’ambito dei servizi di assistenza remota dei cittadini.

Axel, Chiara, Caterina sono solo alcuni dei nomi di assistenti virtuali che ogni giorno garantiscono una nuova ed innovativa forma di dialogo tra Pubblica Amministrazione e cittadino. Gli assistenti virtuali consentono ai cittadini di ricevere risposte a qualsiasi orario e in qualsiasi luogo permettendo di accedere ai servizi digitali anche via chat o al telefono.

I comuni con AI

I servizi basati su tecnologia NLP ormai hanno raggiunto un grado di affidabilità e semplicità di rilascio che possono essere dispiegati sia in grandi che piccoli comuni, infatti, assistenti virtuali sono quotidianamente utilizzati a Milano, Firenze, Siena, Solarino e tanti altri comuni.

L’applicazione di queste tecnologie, al più vintage degli strumenti di comunicazione (il telefono), avvicina in modalità trasparente anche i cittadini più anziani ai servizi digitali.

Anche al Sud ad esempio, l’utilizzo della sintesi vocale e del processamento del linguaggio naturale permette, presso tutte le aziende sanitarie calabresi delle province di Catanzaro, Crotone e Vibo Valentia di essere supportati da un assistente virtuale nella prenotazione di visite specialistiche, il sistema di prenotazione telefonica è inoltre integrato con i gestionali dell’azienda sanitaria garantendo flessibilità e sicurezza nell’utilizzo dei dati aziendali e delle piattaforme in esercizio.

Alcuni comuni, come Reggio Calabria e Trento seppur diversi e distanti, hanno lavorato all’utilizzo di algoritmi di intelligenza artificiale applicati ai procedimenti amministrativi mettendo la base per un nuovo modello gestionale che porterà benefici sia in termini di tempo impiegato nella lavorazione delle pratiche sia in termini di qualità del lavoro da svolgere.

In tale ambito il machine learning consentirà di supportare il cittadino nella presentazione di istanze online garantendo un’elevata qualità formale nelle pratiche presentate. Inoltre, le tecniche di Computer Vision ed Image Recognition consentono di analizzare immagini provenienti da diverse fonti riconoscendo particolari tipologie di documenti ed estrarre le informazioni necessarie per la gestione del procedimento.

I casi d’uso per i processi di selezione

Il Miur si è già servito di un sistema informatico per la riallocazione del corpo docente sul territorio. Il caso ha consentito una prima ricostruzione giurisprudenziale sistematica nella sentenza n.2270/2019 in cui il Consiglio di Stato ha chiarito che l’uso di algoritmi e di procedure automatizzate può essere assimilato a tutti gli effetti ad un «atto amministrativo informatico» che deve necessariamente sottostare a principi di ragionevolezza, proporzionalità, di pubblicità e trasparenza.

È bene ricordare tra gli insuccessi quanto accaduto in Inghilterra con il flop dell’algoritmo scelto per assegnare agli studenti i voti finali della maturità che ha determinato una penalizzazione ingiusta per coloro che pur avendo un alto profitto provenivano da contesti disagiati, provocando proteste davanti al 10 di Downing street al grido di “fuck the algorithm“.

Esistono certamente vincoli (etici, tecnici, giuridici, organizzativi) che limitano l’adozione diretta e generalizzata dell’IA. Primo tra tutti l’art. 22 del Gdpr (Reg. Ue2016/679) che ha fissato una regola di tutela riprodotta dal Consiglio di Stato nella sentenza 8472/2020 che ha sancito il principio della non esclusività della decisione algoritmica. Il diritto quindi a un processo decisionale dove la valutazione umana abbia un ruolo e non sia interamente demandato a procedure informatiche.

La giurisprudenza ritiene invece ammissibili algoritmi di ausilio all’attività amministrativa che supportano le decisioni umane nella elaborazione di grandi moli di dati e processando istruzioni umane routinarie, ma ritiene incompatibili decisioni autonome dell’IA, fondate su algoritmi di Deep Learning (DL), in cui la scelta si fonda su un percorso logico non ricostruibile ed esiste una discrezionalità che viene rimessa al buio in capo alle valutazioni, non evidenti per l’uomo, dell’IA.

Il problema della diffusione del DL è quindi più che mai aperto sugli aspetti di accountability dell’algoritmo.

Nel caso della selezione del personale, l’ammissibilità di algoritmi di DL dipenderà da una riscrittura di alcune norme nazionali ed europee (GDPR) o dall’adattamento verso una piena explainability per risolvere anche problemi di imputazione delle decisioni. Un aiuto in tal senso potrebbe venire dalle soluzioni adottate nelle pratiche di esternalizzazione di funzioni amministrative, nel caso di devoluzione ad azienda esterna delle procedure di espletamento dei concorsi pubblici.

CasiIA per il recruiting nel settore privato

Nel settore privato non mancano esperienze di uso di IA con evidenti vantaggi nella riduzione dei costi e ottimizzazione delle squadre aziendali. I casi d’uso per l’acquisizione di talenti rientrano in tre categorie principali:

  • Reclutamento talenti: con algoritmi di IA per automatizzare aspetti ripetitivi del processo (selezione dei cv, revisione delle application). Ad esempio, la Piattaforma Ideal offre un assistente virtuale addestrato su uno storico di milioni di decisioni precedenti, con parametri standard e identifica rapidamente gli elementi desiderati con tecniche di pattern-recognition. L’algoritmo si integra con sistemi di tracciabilità dei candidati (ATS – Applicant tracking system) ed esegue ricerche connettendosi a siti web per la selezione dei candidati corrispondenti ai criteri ricercati. Oppure Avrio che incorpora una chatbot di Facebook Messenger per comunicare con i candidati in forma di intervista da remoto e porre domande tipiche di uno screening motivazionale.
  • Ricerca candidati potenziali: le aziende utilizzano il Machine Learning per identificare i migliori candidati analizzando grandi moli di dati. Entelo è una Piattaforma per il recruiting che si rivolge a candidati passivi, persone aperte a nuove opportunità ma che non cercano attivamente un impiego, e identifica chi ha probabilità di cambiare lavoro nel breve mediante 70 variabili predittive, oppure favorisce la scoperta di candidati qualificati. Engage Talent utilizza Predictive Analytics per consigliare candidati passivi di qualità in base alle specifiche determinate dal cliente.
  • Screening dei candidati: le aziende si affidano a virtual job assistant per preselezionare i candidati e per rispondere alle domande riguardanti le posizioni utilizzando l’elaborazione del linguaggio naturale. Ad esempio, Olivia assistente virtuale sotto forma di chatbot che gestisce la pianificazione del colloquio e risponde a domande generali. Oppure Mya che utilizza l’elaborazione del linguaggio naturale e un framework di apprendimento profondo per elaborare il dialogo con potenziali candidati. Attraverso l’estrazione di entità e l’analisi semantica, vaglia i candidati che hanno presentato domanda sul sito web del cliente, ponendo domande di follow-up. Assegna anche un punteggio in base alle informazioni estratte da fonti di dati come i cv e pianifica i colloqui.

Pianificare l’introduzione del deep learning, una proposta incrementale

Se quindi l’obiettivo sociale è quello di selezionare le migliori competenze, esperienze e motivazioni nel tempo minore possibile, utilizzare algoritmi di IA appropriati consentirebbe di sperimentare nuovi modelli di selezione, mantenendo la prova orale e integrando tra loro diverse prove con l’ausilio dell’IA. Tale percorso potrebbe assicurare neutralità ed evitare decisioni viziate da parzialità, emotività e pregiudizi umani, con meccanismi premianti finalizzati a ridurre disparità sociali, di genere e geografiche.

L’accesso dell’automazione nel settore pubblico, oltre gli spazi meramente esecutivi della “amministrazione vincolata”, è quindi praticabile ma necessita di un percorso peculiare di assimilazione culturale, normativa ed organizzativa.

Le esperienze maturate nel settore privato potrebbero essere introdotte anche nei concorsi pubblici soprattutto in una fase preselettiva in modo da evitare la soggettività dell’analisi dei curricula (vedi short list) o l’utilizzo dei test a risposta multipla che molto spesso sono nozionistici e non entrano nel merito delle competenze

Occorre però pianificare una fase di sperimentazione ibrida con l’utilizzo di algoritmi per la valutazione dei titoli e delle esperienze e di affiancamento ai commissari di esame degli algoritmi di DL per addestrarli, in quanto è l’evoluzione della capacità ed affidabilità semantica e della codificazione dei processi logici degli Algoritmi a determinare la loro efficacia e maggiori margini di Trasparenza e Imparzialità.

Ciò consentirebbe un accoglimento pacifico e metabolizzato nel nostro ordinamento degli algoritmi di DL, realizzando soluzioni compatibili tra diritto ed informatica attraverso un percorso incrementale.

Lo scenario è aperto e le decisioni politiche potranno delineare percorsi innovativi senza i quali rimarrebbero solo interventi emergenziali e frasi ad effetto. Concorsi che si risolvono in un’unica prova, nella forma del test a risposta multipla. Una pratica veloce ma non di qualità, senza una vera selezione di merito, in controtendenza con quanto avviene con buoni risultati nel settore privato, in cui le aziende per raggiungere i propri obiettivi aziendali mirano a valutare con attenzione competenze, esperienze e motivazioni dei candidati.

Esiste in ogni caso il problema per talune competenze di una domanda che supera l’offerta. Ciò è un rischio in particolare per una PA che offrisse un accesso a tempo determinato in assenza di un percorso chiaro di trasformazione del rapporto per i meritevoli e potrebbe essere disincentivante per giovani professionisti con esperienza e carriere avviate mentre lascerà situazioni di precarietà da gestire. Certamente saranno definiti adeguati percorsi. Ma questa è un’altra questione aperta, quella della capacità del nostro sistema formativo di programmare i fabbisogni.

WHITEPAPER
Omnicanalità e mobile experience non sono la stessa cosa. Scopri le strategie di mobile marketing
Marketing
Mobility
@RIPRODUZIONE RISERVATA

Articolo 1 di 4