scenari

Verso un’IA responsabile: trasparenza, equità e sicurezza dei dati



Indirizzo copiato

L’Intelligenza Artificiale sta trasformando settori chiave come sanità, educazione e finanza, migliorando efficienza e innovazione. Tuttavia, le implicazioni etiche, tra cui trasparenza, spiegabilità, equità e sicurezza dei dati, richiedono attenzione. Implementare pratiche etiche e normative rigorose è essenziale per sfruttare i benefici dell’IA senza compromettere i diritti individuali

Pubblicato il 9 lug 2024

Mauro Ozenda

consulente informatico



intell artif

Dalla sanità all’educazione, dall’industria alla finanza, l’intelligenza artificiale si presenta come un nuovo Eldorado per l’efficienza e l’innovazione. Accanto alle promesse, non mancano però le implicazioni etiche complesse e molteplici che devono essere affrontate per evitare conseguenze negative sulla società.

Sebbene, infatti, l’IA sia già ampiamente utilizzata in applicazioni come il riconoscimento facciale, l’assistenza sanitaria, i veicoli autonomi e i sistemi di raccomandazione online, la mancanza di regolamentazioni specifiche e standard etici unificati rappresenta una sfida da non sottovalutare.

L’impatto profondo delle decisioni prese dagli algoritmi sulla vita delle persone rendono, insomma, fondamentale l’adozione di pratiche etiche solide.

Trasparenza e accountability: la necessità di rendere l’IA responsabile

La trasparenza è una componente essenziale per costruire la fiducia negli algoritmi di IA. Gli utenti devono poter comprendere come funzionano questi sistemi e come prendono decisioni. Tuttavia, la complessità degli algoritmi moderni, come le reti neurali profonde, rende difficile spiegare le decisioni in termini comprensibili.

Spiegabilità

La spiegabilità si riferisce alla capacità di un modello di IA di fornire ragioni comprensibili per le sue decisioni. Questo è particolarmente importante in settori come la sanità e la giustizia, dove le decisioni possono avere conseguenze critiche. Ad esempio, un sistema di IA utilizzato per diagnosticare malattie deve essere in grado di spiegare come è arrivato alla sua conclusione, permettendo ai medici di comprendere e fidarsi delle sue raccomandazioni.

Interpretabilità

L’interpretabilità, d’altra parte, si riferisce alla comprensibilità del funzionamento interno del modello stesso. I modelli più semplici, come gli alberi decisionali, sono naturalmente interpretabili, mentre i modelli più complessi, come le reti neurali profonde, richiedono tecniche avanzate per essere spiegati. Strumenti come le “saliency maps” e le “explainable AI” (XAI) stanno emergendo per aiutare a visualizzare e interpretare le decisioni degli algoritmi complessi.

Accountability

La responsabilità (accountability) è fondamentale per garantire che le organizzazioni e gli sviluppatori siano tenuti a rendere conto delle decisioni prese dalle loro IA. Questo richiede l’implementazione di sistemi di monitoraggio, audit indipendenti e meccanismi per correggere gli errori.

Meccanismi di monitoraggio

Implementare sistemi di monitoraggio è essenziale per tracciare le performance e le decisioni dell’IA in tempo reale. Questi sistemi devono essere in grado di identificare anomalie, bias nei dati di input e output e altre problematiche etiche. Ad esempio, un sistema di monitoraggio può rilevare se un algoritmo di selezione del personale discrimina inconsciamente contro certi gruppi demografici e attivare un allarme per una revisione umana.

Audit indipendenti

Gli audit indipendenti consentono una revisione esterna e imparziale dei sistemi di IA. Questo è cruciale per garantire che le IA siano conformi agli standard etici e normativi. Gli audit possono identificare aree di miglioramento e fornire raccomandazioni su come rendere i sistemi più trasparenti e responsabili.

Equità e bias algoritmico: combattere le disuguaglianze nell’IA

L’equità nell’IA si riferisce all’assicurarsi che le decisioni algoritmiche non discriminino ingiustamente gruppi di persone. Le IA devono essere progettate e addestrate per minimizzare il bias e promuovere l’inclusività. Ad esempio, un sistema di valutazione dei crediti deve essere equo e non penalizzare in modo ingiustificato determinate etnie o gruppi sociali.

Metodi per assicurare l’equità

  • Pre-Processing dei Dati: prima di addestrare un modello, i dati devono essere puliti e bilanciati per rimuovere eventuali bias esistenti. Ad esempio, se un dataset contiene più esempi di un certo gruppo etnico, questo potrebbe essere bilanciato per rappresentare equamente tutte le etnie.
  • In-Processing: durante l’addestramento del modello, possono essere applicate tecniche che penalizzano il modello per i bias discriminatori. Questo può includere l’aggiunta di termini di regolarizzazione che penalizzano le predizioni ingiuste.
  • Post-Processing: dopo che il modello è stato addestrato, i risultati possono essere analizzati e corretti per eliminare eventuali disuguaglianze. Ad esempio, i risultati di un modello possono essere modificati per garantire che le predizioni siano equamente distribuite tra tutti i gruppi demografici.

Bias algoritmico

Il bias algoritmico si verifica quando un algoritmo produce risultati sistematicamente pregiudizievoli contro determinati gruppi di persone. Questo può derivare da dati di addestramento che riflettono pregiudizi storici o sociali. Ad esempio, un algoritmo di riconoscimento facciale può avere tassi di errore più elevati per persone di colore rispetto a persone bianche se è stato addestrato principalmente su volti bianchi.

Fonti di bias

  • Dati di Addestramento: se i dati utilizzati per addestrare l’algoritmo contengono bias, l’algoritmo li imparerà e li riprodurrà. Ad esempio, un dataset di curriculum vitae che riflette pregiudizi di genere può portare a un algoritmo di selezione del personale che discrimina contro le donne.
  • Progettazione del modello: le scelte fatte durante la progettazione del modello possono introdurre bias. Ad esempio, un algoritmo che assegna pesi diversi a caratteristiche diverse potrebbe penalizzare ingiustamente certe categorie di candidati.
  • Uso dell’Algoritmo: anche l’uso improprio dell’algoritmo può portare a risultati discriminatori. Ad esempio, un algoritmo di assegnazione delle risorse che non considera equamente tutte le aree geografiche potrebbe svantaggiare comunità meno rappresentate.

Mitigazione del bias

  • Diversità nei dati di addestramento: assicurare che i dati di addestramento siano rappresentativi di tutte le popolazioni. Questo può includere la raccolta di dati da diverse fonti per garantire una rappresentazione equa di tutti i gruppi.
  • Controllo del bias: implementare tecniche per rilevare e correggere il bias durante il ciclo di vita dell’IA. Questo può includere test periodici e revisione dei risultati per identificare e correggere i bias.
  • Coinvolgimento di esperti in etica: Lavorare con esperti in etica per identificare e affrontare le potenziali fonti di bias. Questo può includere la formazione di comitati etici per la revisione dei modelli e delle loro implicazioni.

Privacy e sicurezza dei dati: proteggere i diritti individuali nell’era dell’IA

La privacy dei dati è una questione critica nell’era dell’IA, poiché gli algoritmi spesso richiedono enormi quantità di dati personali per funzionare correttamente. La raccolta, l’archiviazione e l’elaborazione di questi dati sollevano importanti questioni di privacy che devono essere affrontate per proteggere i diritti individuali.

Protezione dei dati personali

La protezione dei dati personali implica l’adozione di misure per garantire che le informazioni sensibili non vengano abusate o utilizzate in modo improprio. Esistono diverse tecniche e politiche che possono essere implementate per migliorare la privacy dei dati nell’IA.

  • Anonimizzazione: rimuovere le informazioni identificabili dai dati per proteggere la privacy degli individui. Ad esempio, rimuovere nomi, indirizzi e numeri di telefono dai dataset utilizzati per addestrare gli algoritmi può aiutare a prevenire l’identificazione degli individui.
  • Crittografia: utilizzare tecniche di crittografia per proteggere i dati durante la trasmissione e l’archiviazione. La crittografia può impedire che i dati vengano accessibili in caso di violazioni della sicurezza.
  • Politiche di accesso: implementare politiche rigorose per controllare chi ha accesso ai dati e come possono essere utilizzati. Questo include la definizione di livelli di accesso per diversi utenti e l’implementazione di protocolli di autenticazione e autorizzazione.

Sicurezza dei dati

La sicurezza dei dati si riferisce alla protezione delle informazioni sensibili dagli attacchi informatici e dagli accessi non autorizzati. Le organizzazioni devono adottare misure di sicurezza robuste per proteggere i dati dei loro utenti e garantire l’integrità e la riservatezza delle informazioni.

Misure di sicurezza

  • Firewall e sistemi di rilevamento delle intrusioni: questi strumenti proteggono i sistemi dagli attacchi informatici monitorando il traffico di rete e bloccando le attività sospette.
  • Backup e recupero dei dati: assicurarsi che i dati siano regolarmente backupati e che ci siano piani di recupero in caso di perdita di dati. Questo può aiutare a ripristinare le informazioni in caso di attacco ransomware o altri incidenti di sicurezza.
  • Formazione del personale: educare i dipendenti sulle pratiche di sicurezza informatica per prevenire errori umani che potrebbero compromettere la sicurezza dei dati. Questo include la sensibilizzazione sull’uso di password forti, il riconoscimento di email di phishing e la gestione sicura delle informazioni sensibili.

Normative sulla privacy

Numerose normative sulla privacy sono state implementate a livello globale per proteggere i dati personali. Tra queste, il General Data Protection Regulation (GDPR) dell’Unione Europea è una delle più complete e influenti.

Principali aspetti del GDPR

  1. Consenso: gli individui devono fornire un consenso esplicito per la raccolta e l’uso dei loro dati. Questo significa che le organizzazioni devono ottenere il permesso chiaro e informato degli utenti prima di raccogliere e trattare i loro dati personali.
  2. Diritto all’oblio: gli individui hanno il diritto di richiedere la cancellazione dei propri dati personali. Questo permette agli utenti di richiedere che i loro dati vengano rimossi dai sistemi di un’organizzazione se non sono più necessari per gli scopi per cui sono stati raccolti.
  3. Trasparenza: le organizzazioni devono essere trasparenti riguardo a come raccolgono, utilizzano e proteggono i dati. Devono fornire informazioni chiare e accessibili agli utenti sui loro diritti e su come i loro dati vengono trattati.

Come affrontare le sfide etiche dell’IA

Affrontare le sfide etiche dell’IA richiede un impegno collettivo e un approccio multidisciplinare che coinvolga tecnologi, eticisti, legislatori e la società civile. Le tecnologie di IA hanno il potenziale per apportare benefici significativi, ma solo se vengono sviluppate e implementate in modo responsabile e etico.

Raccomandazioni chiave

  • Promuovere la trasparenza e la responsabilità: le organizzazioni devono adottare pratiche che rendano gli algoritmi di IA trasparenti e responsabili. Questo include la spiegabilità e l’interpretabilità dei modelli, nonché meccanismi di monitoraggio e audit indipendenti.
  • Garantire l’equità e combattere il bias algoritmico: è essenziale sviluppare e addestrare algoritmi che minimizzino il bias e promuovano l’inclusività. Le tecniche di pre-processing, in-processing e post-processing devono essere implementate per garantire risultati equi e non discriminatori.
  • Proteggere la privacy e la sicurezza dei dati: la protezione dei dati personali deve essere una priorità per tutte le organizzazioni che utilizzano l’IA. Misure di sicurezza robuste e politiche di privacy rigorose devono essere adottate per salvaguardare i diritti degli individui.
  • Collaborazione e normative: è necessario un quadro normativo globale che definisca standard etici e regolamentazioni per l’uso dell’IA. La collaborazione tra governi, industrie e società civile è fondamentale per sviluppare e implementare tali normative.

Studi futuri

La ricerca continua è fondamentale per affrontare le sfide etiche emergenti nell’IA. Gli studiosi e i professionisti devono lavorare insieme per sviluppare nuove metodologie, strumenti e pratiche che promuovano l’uso etico e responsabile dell’IA.

  • Approfondimento delle tecniche di spiegabilità: ulteriori ricerche sono necessarie per migliorare la spiegabilità degli algoritmi complessi, rendendo le decisioni delle IA più comprensibili e giustificabili.
  • Sviluppo di metodologie per l’equità: è importante sviluppare nuove metodologie per identificare e mitigare il bias nei dati e nei modelli di IA, garantendo equità e inclusività.
  • Innovazione nella protezione dei dati: la ricerca dovrebbe concentrarsi sull’innovazione delle tecniche di protezione dei dati, come la crittografia avanzata e i sistemi di gestione dei dati distribuiti, per migliorare la sicurezza e la privacy.

Studi e approfondimenti

  1. Doshi-Velez, F., & Kim, B. (2017).“Towards a Rigorous Science of Interpretable Machine Learning.” arXiv preprint arXiv:1702.08608. Questo studio esplora i vari approcci per rendere i modelli di machine learning più interpretabili e comprensibili, proponendo metodologie per migliorare la spiegabilità.
  2. Floridi, L., & Cowls, J. (2019). “A Unified Framework of Five Principles for AI in Society.” Harvard Data Science Review. Gli autori propongono un quadro etico che include la trasparenza come uno dei principi fondamentali per l’uso responsabile dell’IA, sottolineando l’importanza di rendere le decisioni algoritmiche comprensibili e giustificabili.
  3. Barocas, S., Hardt, M., & Narayanan, A. (2019). “Fairness and Machine Learning.” fairmlbook.org. Un testo fondamentale che esplora i concetti di equità nel machine learning e le tecniche per mitigare il bias, fornendo una guida completa per gli sviluppatori.
  4. Buolamwini, J., & Gebru, T. (2018). “Gender Shades: Intersectional Accuracy Disparities in Commercial Gender Classification.” Proceedings of the 1st Conference on Fairness, Accountability and Transparency. Questo studio evidenzia le disparità di accuratezza nei sistemi di riconoscimento facciale commerciali, mostrando come questi sistemi tendano a essere meno accurati per le donne di colore rispetto agli uomini bianchi.
  5. Vaidya, J., & Clifton, C. (2005). “Privacy-preserving data mining: why, how, and when.” IEEE Security & Privacy. Questo studio esplora tecniche per l’estrazione di dati che preservano la privacy, discutendo metodi come l’anonimizzazione e la crittografia per proteggere i dati durante l’analisi.
  6. Zuboff, S. (2019). “The Age of Surveillance Capitalism: The Fight for a Human Future at the New Frontier of Power.” PublicAffairs. Un’analisi critica delle implicazioni della raccolta massiva di dati personali nell’era digitale, mettendo in luce come le pratiche di sorveglianza delle grandi aziende possano compromettere la privacy individuale.

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

Articoli correlati

Articolo 1 di 4