etica del machine learning

La trasparenza dell’intelligenza artificiale “come servizio”: ecco le regole base

Promuovere la trasparenza dell’IA “come servizio” è un tema centrale per la comunità internazionale del service computing. L’Ethics-as-a-Service nel machine learning potrà anzi costituire inoltre una vera e propria rivoluzione per il settore del cloud computing. Ma è necessario un quadro regolatorio innovativo

15 Mar 2021
Ernesto Damiani

Senior Director of Robotics and Intelligent Systems Institute at Khalifa University

machine-learning

Le decisioni basate su modelli di apprendimento computazionale (Machine Learning – ML) – che non prevedono quindi il coinvolgimento umano – possono avere un’influenza importante sulla competitività delle aziende, ma hanno anche un notevole impatto dal punto di vista dei rischi di contenzioso.

Per questo, i riflettori degli organismi di controllo si sono accesi sulla natura stessa del processo decisionale aziendale – ad esempio, l’addestramento dei modelli ML usati per prendere decisioni relative al personale ha tenuto conto dei vincoli riguardanti i diritti dei lavoratori – ed è sempre più richiesto alle grandi organizzazioni di rendere pubblici i loro processi decisionali governati da modelli ML.

Non a caso, l’articolo 71 della General Data Protection Regulation (GDPR) europea fa esplicito riferimento al diritto di ottenere una spiegazione sulle decisioni prese da modelli automatici ed eventualmente di contestarle.

L’articolo 13 (detto a volte “anti-ML”) precisa il diritto di accesso degli utenti alla logica degli algoritmi di decisione e alle conseguenze previste dalla loro adozione.

Agenda 2030, equità e trasparenza delle decisioni tra gli obiettivi

Questa tendenza è stata confermata anche nella definizione dei 17 Obiettivi di Sviluppo Sostenibile (SDGs) fissati dall’Agenda 2030 delle Nazioni Unite, che hanno contribuito ad ampliare sempre di più il concetto di “sviluppo sostenibile”, includendovi l’equità e la trasparenza delle decisioni.

WHITEPAPER
Report Gartner: guida all’innovazione dell’analisi con la composizione in cloud
Cloud
Cloud storage

Un primo requisito è rendere pubblico l’ambito di applicazione dei modelli ML, chiarendo quali decisioni sono prese direttamente dalle persone e quali sono sotto il controllo dei modelli. Un altro elemento importante è la trasparenza nell’uso del transfer learning, che richiede di chiarire se i modelli che prendono decisioni riguardanti gli umani siano stati addestrati direttamente nell’organizzazione che li utilizza o se siano stati acquistati e adattati da un soggetto terzo.

L’informazione sui processi decisionali è firmata dai legali rappresentanti esattamente come il resto della rendicontazione finanziaria, e quindi impegna la responsabilità legale. Non si tratta però di obblighi puramente normativi: l’informazione sull’utilizzo dei modelli ML nei processi decisionali di un’azienda sarà sempre più necessaria alle società di rating per valutare il rischio d’impresa, e di conseguenza il rischio d’investire nell’azienda stessa.

Intelligenza Artificiale per il CEO

Ricapitoliamo anzitutto come funziona l’apprendimento computazionale a livello concettuale, facendo riferimento al classico ciclo di vita standardizzato dall’ISO. Innanzitutto, un modello ML viene addestrato alimentandolo con esempi di coppie di ingressi e uscite che descrivono un determinato fenomeno (ad esempio dichiarazioni dei redditi e decisioni di concessione di mutuo, esami di laboratorio e diagnosi, apprezzamenti su un prodotto sui social network e vendite). Questa procedura imposta certi parametri interni di funzionamento del modello ML. Successivamente, l’accuratezza del modello addestrato viene validata usando altri ingressi e confrontando l’uscita prevista dal modello con quella reale. Infine, il modello addestrato e validato viene utilizzato in produzione per prevedere l’uscita corrispondente a ingressi mai visti prima. Naturalmente, in questa fase occorre fidarsi del modello addestrato, anche se è possibile adattarlo e addirittura riaddestrarlo se le sue prestazioni peggiorano.

Accuratezza e accettabilità dei modelli

È importante sottolineare la differenza tra accuratezza e accettabilità dei modelli. L’accuratezza è un parametro collettivo misura gli errori che il modello commette rispetto al totale degli ingressi. La copertura dell’insieme degli ingressi possibili da parte dei dati di addestramento è un fattore primario per l’accuratezza. I dati di addestramento vengono selezionati in base all’esistenza, alla disponibilità (legale) o al costo di acquisizione. Il modello ML ignorerà tutti gli aspetti della realtà che non sono descritti dai dati con cui è stato addestrato. Questo effetto di sottocampionamento è fonte di errori in caso di ingressi “rari” per cui non sono disponibili esempi di uscite, anche se sono state sviluppate diverse tecniche per contrastarlo. Il sottocampionamento può portare a contenzioso sull’uso dei modelli ML di classificazione, richiedendo da parte di chi usa il modello una dimostrazione di “best effort” che limiti le mancate inclusioni nei dati di addestramento ai cosiddetti “unknown unknowns“, ovvero ad esempi la cui esistenza era ignota all’addestratore al momento dell’addestramento del modello.

Per quanto riguarda l’accettabilità, occorre considerare che anche una sola decisione sbagliata può compromettere l’accettabilità sociale di un modello. Si possono anzi identificare due aspetti distinti, che riguardano rispettivamente l’accettabilità dell’intero modello e di uscite specifiche. Il primo esprime l’aspettativa che il modello si comporterà “ragionevolmente” quando verrà alimentato da dati che vede per la prima volta. Tecnicamente, tratta di un requisito sulla regolarità della funzione di decisione incorporata nel modello. Se un modello deve decidere, ad esempio, gli aumenti da attribuire ai dipendenti, persone con risultati simili dovrebbero avere esiti paragonabili. La fiducia nelle singole decisioni esprime invece la spiegabilità del singolo comportamento del modello, ovvero la possibilità di motivare perché un valore d’ingresso ha portato a una certa uscita.

La spiegabilità può essere ottenuta ricostruendo il percorso che ha portato il modello a decidere (cosa difficile per gli attuali modelli, che hanno milioni di parametri interni) oppure inviando la coppia ingresso-uscita a un modello ausiliario, co-addestrato con quello principale, che ha il compito di fungere da “ufficio reclami” e generare, senza vincoli di tempo, una “giustificazione” della decisione presa dal modello principale.

Causalità e correlazione

Soffermiamoci un attimo sulla natura di queste giustificazioni, perché è all’origine di incomprensioni anche in ambito normativo. Per comprenderla occorre rifarsi alla differenza tra causalità e correlazione. Nelle scienze naturali, alcune leggi consolidate (ad esempio la legge di Ohm in elettrotecnica) riassumono effetti causali: la tensione ai capi di un resistore determina un valore proporzionale per la corrente elettrica che lo percorre. Non vi è dubbio che la legge di Ohm, per quanto approssimata (e falsificabile in futuro), esprima oggi una conoscenza valida in tutti i contesti e per tutti i valori possibili di tensione e quindi “spieghi” come la misura di una tensione tra un punto e la terra, determinando la corrente, “giustifichi” – anche normativamente – le precauzioni (indossare materiali isolanti) da prendere per evitare folgorazioni toccando il punto stesso. Il rigetto dell’istanza di risarcimento di chi si sia accostato a un impianto ad alta tensione in ciabatte non dipende dal valore specifico della tensione a cui l’impianto lavorava.

Sfortunatamente, sia nelle scienze naturali sia in quelle sociali, non siamo sempre in grado di derivare relazioni di questo tipo. Osserviamo soltanto che un particolare intervallo di valori di un ingresso “di solito” produce un certo tipo di effetto (cioè, rileviamo una correlazione), magari senza avere la più pallida idea del perché (ed in quale contesto) accada.

Secondo alcuni filosofi del diritto, il diverso status epistemologico della correlazione rispetto alla causalità ne compromette il valore giuridico, e usare esempi di osservazioni per addestrare un modello ML di per sé non cambia la situazione. Ad esempio, se un sistema di conversazione (un chatbot) basato su ML non viene informato (sulla base degli esempi) che la figura storica di Napoleone Bonaparte è vista in modo molto diverso in Inghilterra e Francia, alcuni messaggi generati dal modello (“ sei un Napoleone ”) potrebbero offendere alcuni partecipanti alla conversazione; e le osservazioni su cui il modello è stato addestrato in Francia non costituiscono causa evidente di rigetto di una querela da parte di chi si fosse sentito ingiuriato dal suo linguaggio nel Regno Unito. Nel 2016, Microsoft si trovò ad affrontare un problema simile per il suo bot “Tay.ai”.

Un altro pregiudizio (in inglese “bias”) di cui soffrono i sistemi decisionali basati su ML è “nascondere la discriminazione dietro esempi oggettivi”. I pregiudizi possono essere (intenzionalmente o meno) codificati negli esempi sottoposti al modello ML e portare alla discriminazione quando il modello è in produzione. Questo effetto sorge quando un modello ML viene utilizzato per supportare decisioni giudiziarie o di polizia originariamente prese da umani (ad esempio la “frisk policy” in base a cui la polizia decide se perquisire un passante sulla base del suo atteggiamento e/o abbigliamento “sospetto”). Se un tale pregiudizio è incorporato in un modello decisionale e non è reso pubblico agli utenti, può ovviamente causare contenziosi.

Essere in grado di spiegare perché un modello ML ha fornito un output specifico è un fattore critico che ostacola un uso più ampio dell’intelligenza artificiale nei settori verticali che coinvolgono gli umani. Non sorprende quindi che diverse organizzazioni internazionali, ed anche ricercatori italiani, abbiano iniziato a lavorare su questo argomento; basterà citare il programma Darpa Xai, una grande iniziativa strategica avviata nel 2016 dall’agenzia DARPA degli Stati Uniti. Anche l’IEEE (Institute of Electrical and Electronics Engineers) ha lanciato un’iniziativa su “Ethical Considerations in Artificial Intelligence and Autonomous Systems”.

Le interazioni uomo-intelligenza artificiale sono diventate un campo privilegiato anche per l’innovazione. La divisione cloud di Google ha presentato i suoi nuovi servizi di etica AI per aiutare i clienti a verificare i modelli ML prima di portarli in produzione sul cloud Google. Diverse start-up americane ed europee hanno ottenuto investimenti importanti sui servizi di etica per le aziende che adottano modelli ML in settori verticali critici come i mutui e in generale la gestione dei prestiti.

Le iniziative europee

In Europa, il concetto di audit e certificazione dinamica delle proprietà etiche nel comportamento di modelli ML è sotto i riflettori di grandi aziende come SAP, ma anche di gruppi universitari in tutto il Continente (in Italia, se ne occupano tra gli altri il gruppo di Barbara Caputo al Politecnico di Torino e il mio gruppo all’Università di Milano), tutti impegnati nella progettazione di strumenti per promuovere un’IA responsabile.

Queste iniziative evidenziano gli sforzi europei nel promuovere la trasparenza dell’IA “come servizio”, un tema centrale per la comunità internazionale del service computing. Non c’è dubbio che ML-Ethics-as-a-Service possa costituire una vera e propria rivoluzione per il settore del cloud computing. Tuttavia, bisogna fare presto, ed agire di concerto con chi opera nel settore del diritto per lo sviluppo di un quadro regolatorio innovativo rivolto all’intelligenza artificiale.

@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 4