La settimana scorsa è stato pubblicato sul sito del Senato un PDF scaricabile, titolato “L’intelligenza artificiale in Senato. Sperimentazioni, opportunità e risultati nelle diverse fasi del processo legislativo – documento di analisi 34”. Un titolo intrigante, che incuriosisce subito e invita ad andare oltre gli slogan.
Il documento spiega che sin dagli anni ’70 il Senato della Repubblica ha affrontato la necessità di gestire, classificare e pubblicare un’enorme quantità di documenti attraverso tecnologie informatiche. Dal 2023, però, è stata avviata un’analisi strutturata per integrare tecnologie di IA generativa, basate su Large Language Model (LLM), con le funzioni del Senato stesso.
Indice degli argomenti
Intelligenza artificiale in Senato: dati, trasparenza e LLM “nazionali”
Dato atto dei problemi legati alla qualità e alla trasparenza dei dati di addestramento dei modelli commerciali (prevalentemente statunitensi), il Senato ha assunto un ruolo strategico nel promuovere lo sviluppo di “intelligenze artificiali generative” nazionali.
In questa prospettiva, mette a disposizione resoconti, dossier e pubblicazioni ufficiali (attraverso il portale open data dati.senato.it) e lavora allo sviluppo di LLM tramite accordi con università e centri di ricerca, con l’obiettivo di rafforzare affidabilità e controllo sul patrimonio informativo pubblico.
Usare l’AI per scrivere le leggi: supporto, non sostituzione
L’AI viene oggi utilizzata anche nel processo legislativo come strumento di proposta, lasciando però la decisione finale e la responsabilità agli utenti umani. È un punto essenziale: l’IA supporta, suggerisce e accelera, ma non “firma” né sostituisce le scelte che restano in capo agli organi competenti.
Vediamo allora, in sintesi, l’iter legislativo e il supporto dell’AI lungo le diverse fasi operative, come ricostruito nel documento richiamato.
Il percorso di approvazione di una legge e il supporto dell’AI
Il percorso di approvazione di una legge vede una sequenza di passaggi in cui la tecnologia può intervenire con funzioni diverse, dalla gestione dei testi alla produzione di documenti di lavoro utili per l’analisi.
- Presentazione DDL: acquisizione dei testi in formato elettronico.
- Revisione formale (drafting): utilizzo di editor normativi specializzati e tecnologie NLP per verificare correttezza formale e coerenza dei riferimenti normativi.
- Esame in Commissione: l’IA supporta la redazione del fascicolo degli emendamenti e della relazione finale.
- Esame in Assemblea: l’IA aiuta a elaborare il testo a fronte per evidenziare le modifiche e a gestire la nuova fase emendativa.
- Resocontazione: strumenti di trascrizione automatica e supporto (sperimentale) alla redazione di resoconti sommari.
- Pubblicazione e ricerca: tutti gli atti confluiscono nel sito web, dove sperimentazioni con IA mirano a consentire ricerche in linguaggio naturale.
Intelligenza artificiale in Senato: i sistemi sviluppati negli anni
Più esattamente, all’interno di questi step vengono utilizzati diversi sistemi sviluppati nel corso del tempo, con una logica incrementale: strumenti di machine learning consolidati, suite applicative interne e sperimentazioni di IA generativa.
TeSeo: il classificatore intelligente
Per superare la complessità della classificazione manuale degli atti, il Senato, in collaborazione con l’Università Roma Tre, ha sviluppato TeSeo, un sistema basato su machine learning.
Addestrato su 24.000 articoli di legge classificati in vent’anni, TeSeo suggerisce le etichette di classificazione (descrittori) più appropriate per ogni testo. Questo accelera il processo, migliora la precisione e rende disponibile l’esperienza accumulata nel tempo. La validazione finale rimane sempre umana.
GEM: la suite per la gestione degli emendamenti
Il Gestore EMendamenti (GEM) è un’applicazione sviluppata internamente dal Senato, in uso dal 2016, riconosciuta come una delle migliori suite a livello internazionale.
GEM integra diverse tecnologie di IA per supportare l’intero ciclo di vita degli emendamenti, dalla strutturazione dei testi alla proposta di ordinamenti coerenti con le regole parlamentari.
L’editor “Marcatore” e lo standard Akoma Ntoso
I testi legislativi vengono strutturati secondo lo standard internazionale Akoma Ntoso, che li rende “machine-readable”. Questa marcatura, effettuata con l’ausilio del riconoscitore di testi PArSe, è fondamentale per applicare algoritmi più sofisticati su documenti complessi e ricchi di riferimenti.
Similis: clustering degli emendamenti simili
Sviluppato con il CNR, Similis utilizza l’IA per raggruppare (clustering) emendamenti identici o molto simili, semplificando analisi di ammissibilità e gestione delle votazioni.
Similis, rilasciato come open source, ha ridotto in modo significativo i tempi di lavorazione, alleggerendo un’attività ad alto carico manuale.
Ordinatore di emendamenti: regole e proposta automatica
Determinare l’ordine di votazione degli emendamenti secondo il Regolamento del Senato è un’attività complessa e dispendiosa. GEM utilizza tecnologie NLP per analizzare ogni emendamento e proporre un ordinamento corretto, che viene poi validato dagli uffici.
Linkoln: marcatore di riferimenti normativi
Sviluppato con il CNR e rilasciato come open source, Linkoln individua automaticamente i riferimenti normativi in un testo e crea i relativi collegamenti ipertestuali, migliorando leggibilità e coerenza normativa.
“What if?” e il testo a fronte
Una sperimentazione con IA generativa permette di calcolare quale sarà il testo finale di un articolo dopo l’approvazione di un emendamento. Lo stesso strumento produce il testo a fronte (TAF), che evidenzia in una tabella a due colonne le modifiche apportate a un testo.
Correttore intelligente e “Muti”: sperimentazioni in corso
Sono in corso sperimentazioni con IA generativa per proporre correzioni stilistiche agli emendamenti e per analizzare e descrivere gli effetti di emendamenti particolarmente complessi e fitti di riferimenti normativi (i cosiddetti “emendamenti muti”).
L’IA e la garanzia della pubblicità dei lavori parlamentari
L’articolo 64 della Costituzione sancisce la pubblicità dei lavori parlamentari: l’IA può fornire strumenti cruciali per attuare questo principio in modo più efficiente e accessibile, soprattutto a fronte dei volumi documentali prodotti.
Il documento riporta alcuni numeri utili a capire l’impatto: dal 1996 al 2025, le sedute d’Aula e di commissione sono state oltre 58.000, generando quasi 2,3 milioni di pagine di resoconti stenografici. Da qui la spinta verso applicazioni che aumentino velocità e fruibilità, senza sacrificare controllo e affidabilità.
Trascrizione automatica delle sedute
Il Senato sta passando dalla storica “tastiera Michela” a tecnologie di riconoscimento vocale basate su machine learning. Questo consente di pubblicare online il resoconto di un intervento d’Aula entro quaranta minuti, con flessibilità e rapidità maggiori.
La tecnologia viene usata anche per trascrivere audizioni in commissione e, con sistemi sicuri e offline, sedute coperte da segretezza, mantenendo il perimetro di tutela richiesto.
Generatore sperimentale di resoconti sommari
È in corso una sperimentazione per utilizzare l’IA generativa per creare bozze di resoconti sommari a partire dalle trascrizioni. I risultati attuali non sono ancora soddisfacenti, poiché la redazione di un sommario richiede una comprensione della tecnica parlamentare che va oltre un semplice riassunto.
Intelligenza artificiale in Senato e sito web: verso maggiore accessibilità
Il sito del Senato (www.senato.it), con un archivio di circa 13 milioni di pagine, è il canale ufficiale di distribuzione delle informazioni parlamentari. Per migliorare la navigazione degli utenti non esperti, si sta sperimentando l’uso dell’IA generativa.
L’obiettivo è rendere più immediata l’interazione con banche dati complesse, riducendo la distanza tra linguaggi tecnici e domande “normali”, senza perdere accuratezza e tracciabilità.
Chatbot di orientamento e approcci RAG
Dal 2020 è attivo un chatbot basato su una lista di domande frequenti (FAQ). Per superarne i limiti, si stanno sperimentando metodologie RAG (Retrieval Augmented Generation) per creare un assistente virtuale più dinamico, capace di rispondere anche a domande non predefinite.
Ricerche in linguaggio naturale e prototipi in sviluppo
L’obiettivo è consentire agli utenti di interrogare le banche dati con domande formulate in linguaggio naturale. Sono in fase di sviluppo due prototipi:
- un “interrogatore naturale” per dialogare con banche dati testuali (es. “Quali dossier sono stati pubblicati sulla green economy?”);
- un chatbot “interprete” degli open data, che traduce una domanda in linguaggio naturale nel linguaggio tecnico necessario per interrogare il portale dati.senato.it.
Web TV e accessibilità: sottotitoli e sincronizzazione
Per le dirette streaming e le registrazioni video, si sta testando la sottotitolazione automatica con revisione umana in tempo reale. Inoltre, un sistema sperimentale consente la sincronizzazione automatica tra il video di una seduta e il relativo resoconto stenografico, permettendo una navigazione incrociata tra testo e filmato.
Conclusioni: tecnologia al servizio, decisione umana al centro
Cosa c’è nel nostro futuro? Lo scenario delineato è quello di un Parlamento sempre più informatizzato, capace di dialogare con un ecosistema di dati in espansione attraverso sistemi intelligenti.
L’automazione potrà estendersi a nuove attività, come l’analisi di impatto delle leggi e la produzione di contenuti multimediali. Interoperabilità e uso di dati aperti cresceranno, alimentando un ecosistema di IA più affidabili e trasparenti.
Resta centrale, comunque, l’affermazione della natura profondamente umana del Parlamento: le macchine possono potenziare, suggerire e automatizzare, ma la funzione del dialogo, della responsabilità e della decisione rimane saldamente in capo agli esseri umani che esercitano il mandato parlamentare.
