AIOT

Internet of Things e intelligenza artificiale, l’unione vincente che cambierà il mondo

L’utilizzo congiunto di strumenti Internet of Things e algoritmi di intelligenza artificiale (AIoT) permette di creare sinergia tra mondi che rappresentano il futuro dell’evoluzione tecnologica e abilitare scenari molto eterogenei. Ecco alcuni esempi di utilizzi in cui l’AIoT rappresenta un’integrazione interessante

29 Ott 2021
Laura Belli

Università degli Studi di Parma, Consorzio Nazionale Interuniversitario per le Telecomunicazioni (CNIT), Unità di Ricerca di Parma, Consorzio Interuniversitario Nazionale per l’Informatica (CINI), Unità di Ricerca di Parma, things2i s.r.l., Parma

Luca Davoli

Università degli Studi di Parma, Consorzio Nazionale Interuniversitario per le Telecomunicazioni (CNIT), Unità di Ricerca di Parma, Consorzio Interuniversitario Nazionale per l’Informatica (CINI), Unità di Ricerca di Parma, things2i s.r.l., Parma

Gianluigi Ferrari

Università degli Studi di Parma, Consorzio Nazionale Interuniversitario per le Telecomunicazioni (CNIT), Unità di Ricerca di Parma, Consorzio Interuniversitario Nazionale per l’Informatica (CINI), Unità di Ricerca di Parma, things2i s.r.l., Parma

IoT - data act

Come per i dispositivi di Internet of Things (IoT), la cui applicazione, per molti settori (quali quello sanitario, edilizio, automobilistico, ferroviario, ed altri), rappresenta un cambiamento rivoluzionario in termini di potenzialità e servizi all’utenza finale, l’altra faccia della medaglia del mondo dell’intelligenza artificiale  è legata alla qualità dei dati con cui i modelli e gli algoritmi sono addestrati: è necessario avere a disposizione delle fonti affidabili per poter addestrare correttamente questo tipo di sistemi.

Una soluzione a queste problematiche può essere rappresentata dal loro utilizzo congiunto, in modo da poter creare una sinergia tra mondi che rappresentano il futuro dell’evoluzione tecnologica, consentendo a questi mondi di poter trarre beneficio da tale sinergia stessa. Infatti, l’AI aumenta il valore dell’IoT attraverso l’apprendimento automatico (trasformando i dati raccolti dai dispositivi in informazioni utili), mentre l’IoT aumenta il valore dell’AI incrementando la connettività e lo scambio di dati.

Proviamo dunque, dopo aver esaminato le problematiche, a evidenziare esempi positivi di sinergia tra i due settori.

Edge AI, come l’intelligenza artificiale cambierà gli smartphone

Internet of Things, dati ovunque: vantaggi e rischi

Come ormai ben sappiamo, negli ultimi anni lo sviluppo tecnologico nel campo dell’elettronica di consumo e delle applicazioni industriali si è rivelato determinante per migliorare il benessere delle persone e per una maggiore sostenibilità della tecnologia in senso lato. Sulla base di questo sviluppo, dispositivi sempre più miniaturizzati (connessi sia ad Internet sia tra di loro) ed in grado di raccogliere ed elaborare dati ovunque (everywhere computing) stanno facendo “la parte del leone” nella quotidianità di molte persone.

WHITEPAPER
Supply Chain: ecco come ottenere un tracciamento trasparente grazie all'IoT
IoT
Industria 4.0

Esempi di sviluppi tecnologicamente avanzati possono essere rappresentati dai fitness tracker, dispositivi indossabili in grado di misurare con precisione i movimenti di chi li indossa durante l’attività fisica (e non solo) grazie all’impiego di sensori integrati. Tuttavia, occorre anche considerare altri aspetti fondamentali della questione, quali: la quantità notevole di dati che questi dispositivi wearable sono in grado di produrre e gli aspetti di sicurezza che questa evoluzione tecnologica pone. A titolo di esempio, nel 2018 l’uso di alcuni fitness tracker ha rivelato su Internet la posizione sino ad allora segreta di alcune basi militari sparse per il mondo a causa della pubblicizzazione delle attività di jogging dei soldati.

Altri esempi possono essere legati ad attacchi rivolti verso milioni di webcam, stampanti, giocattoli per bambini e persino aspirapolvere, nonché attacchi di tipo Distributed Denial-of-Service (DDoS), con l’obiettivo di inibire la disponibilità di determinati servizi. Come conseguenza di questo tipo di criticità si potrebbe riscontrare la riduzione della fiducia degli utenti nei confronti della tecnologia. Pertanto, la disponibilità di dati raccolti o prodotti da tali dispositivi deve essere gestita con accortezza, ma nello stesso tempo è ragionevolmente impossibile per una persona umana essere in grado di elaborare un ammontare tanto elevato di informazioni.

Per questo motivo, un altro filone di ricerca che ha risvolti abilitanti e positivi in un numero elevato di scenari riguarda lo sviluppo di algoritmi di Intelligenza Artificiale (Artificial Intelligence, AI) e Machine Learning (ML) che consentano una migliore elaborazione e gestione di tali dati.

A titolo esemplificativo, l’impiego di meccanismi di AI e ML può consentire il riconoscimento automatico dei volti in situazioni particolari (di pericolo o di sicurezza), il controllo remoto (tramite riconoscimento vocale) di dispositivi connessi all’interno di un’abitazione o in un veicolo durante la guida, oppure la predizione di fenomeni ambientali con un certo grado di precisione.

Compute Continuum, nuove opportunità di calcolo efficiente e pervasivo: sfide e vantaggi

AIoT (AI + IoT): esempi di sinergia

Un esempio di sinergia è di interesse anche per l’Unione Europea, che all’interno del programma Horizon 2020 (H2020) finanzia, tra gli altri, il progetto “Intelligent Secure Trustable Things” (InSecTT), a cui partecipa attivamente l’Internet of Things Lab dell’Università di Parma che mira a definire sistemi intelligenti e scalabili per l’incremento dell’affidabilità e della sicurezza di sistemi eterogenei. Inoltre, questa “joint venture tecnologica” favorisce anche la migrazione dell’AI da infrastrutture di cloud computing centralizzate verso il paradigma più innovativo denominato edge computing, ovvero l’elaborazione locale dei dati su un dispositivo di tipo IoT, abilitando in questo senso applicazioni che debbano gestire dati in tempo reale (ad esempio, per veicoli a guida autonoma, predizione in contesti di agricoltura intelligente, robot e molteplici altre applicazioni industriali).

Questa spinta dell’AI verso il paradigma dell’edge computing è osservabile anche per mezzo dei recenti annunci nel mondo dell’elettronica di consumo: colossi mondiali dell’ICT stanno riducendo in misura sempre maggiore i prezzi dei propri modelli di riconoscimento vocale per consentirne un utilizzo anche su dispositivi embedded in modalità “isolata” senza la necessità di una connessione stabile e persistente ad Internet, e dei propri prodotti hardware di recente rilascio – un esempio è Google, che nell’ottobre 2018 ha rilasciato un processore denominato Edge TPU, appositamente definito per eseguire modelli AI TensorFlow Lite specifici su dispositivi di tipo edge.

Come anticipato, l’utilizzo congiunto dell’AI e dell’IoT è un elemento abilitante per scenari molto eterogenei tra loro: di seguito, a titolo esemplificativo, sono riportati alcuni utilizzi in cui l’AIoT rappresenta un’integrazione interessante.

Edifici ed esercizi commerciali

Un primo esempio di applicazione dell’AIoT può essere legato ad edifici con uffici intelligenti, dotati di una rete di sensori ambientali in grado di rilevare il personale presente e regolare, di conseguenza, i parametri ambientali (per esempio, temperatura ed illuminazione) per migliorare l’efficienza energetica dei singoli uffici e dell’intero edificio commerciale. Un altro aspetto che può beneficiare dell’AIoT può riguardare il controllo degli accessi all’edificio intelligente attraverso una tecnologia di riconoscimento facciale dei visitatori e del personale dipendente. La combinazione di telecamere connesse, le cui immagini in uscita sono analizzate per mezzo di modelli di AI in grado di confrontare le immagini scattate in tempo reale con un database per determinare chi dovrebbe essere autorizzato ad accedere nell’edificio, rappresenta un esempio perfetto di applicazione del concetto dell’AIoT.

In modo simile, i dipendenti non avrebbero bisogno di timbrare l’ingresso o l’uscita dall’edificio, e questo concorrerebbe anche ad un miglioramento delle politiche di sicurezza sul lavoro in tema di presenze non autorizzate in scenari particolari. Nel caso di esercizi commerciali, un simile sistema AIoT potrebbe aiutare nel riconoscimento dei clienti nel momento in cui entrano all’interno dell’esercizio commerciale. In questo frangente, il sistema sarebbe in grado di raccogliere informazioni sui clienti, incluse preferenze sui prodotti di interesse, il flusso seguito all’interno del negozio, al contempo analizzando i dati per prevedere con precisione il comportamento dei clienti, ed utilizzando tali informazioni per prendere decisioni sulle strategie commerciali da prendere all’interno dell’esercizio (es. marketing, pubblicità mirate per fasce di età, posizionamento di determinati prodotti in determinati punti strategici del negozio, ecc.).

Gestione di flotte di veicoli autonomi

L’AIoT può essere utilizzato anche per la gestione di flotte di veicoli, per il monitoraggio dei veicoli in tema di manutenzioni previste e, per quanto possibile, anche con un approccio predittivo, per ridurre i costi del carburante necessario per i singoli veicoli, ed anche per identificare comportamenti anomali o non sicuri dei conducenti. L’utilizzo di dispositivi IoT quali GPS ed altri sensori, unitamente ad un sistema AI in grado di elaborare i dati in arrivo dalle varie componenti del sistema, favorisce l’AIoT anche in questi contesti. L’applicazione di tecnologie orientate all’AIoT per la sicurezza della guida è una tematica di particolare interesse sia per il mondo accademico che per l’industria, ed anche l’Unione Europea favorisce la ricerca in questa direzione. Un esempio è legato al progetto Europeo “Next Generation Smart Perception Sensors and Distributed Intelligence for Proactive Human Monitoring in Health, Wellbeing, and Automotive Systems” (NextPerception), finanziato all’interno del programma H2020 e a cui partecipa attivamente l’Internet of Things Lab dell’Università di Parma. L’obiettivo del progetto NextPerception è proprio quello di unire lo sviluppo di sensori innovativi a tecniche di intelligenza distribuita per costruire servizi di monitoraggio delle persone, anche all’interno dei veicoli, durante la guida.

Un altro utilizzo del concetto di AIoT è legato ai veicoli autonomi, come ad esempio i sistemi di guida automatica presenti a bordo di autovetture, e definiti da diverse aziende (es. Amazon, Apple, Audi, Baidu, Ford, Hyundai, Microsoft, Nvidia, Samsung, Tesla, Toyota, Uber, Waymo), che utilizzano radar, sonar, GPS e fotocamere per raccogliere dati sulle condizioni di guida e, in accoppiata con un sistema di AI, prendono decisioni sulle eventuali azioni da mettere in campo in situazioni di pericolo.

Monitoraggio di aree vaste mediante droni volanti

Un altro esempio di applicazione dell’AIoT riguarda il monitoraggio del traffico in una smart city mediante droni. Un controllo in tempo reale, con la conseguente possibilità di richiedere modifiche al flusso del traffico (es. mediante l’aggiornamento delle politiche di accensione/spegnimento dei semafori stradali), rappresenta una possibilità innovativa anche in tema di sostenibilità ambientale, in modo da ridurre il tasso di congestione urbano. Nel dettaglio, nel momento in cui i droni sono utilizzati per monitorare un’area vasta, sono in grado di trasmettere dati sul traffico monitorato, che vengono utilizzati dai modelli di AI per eseguire analisi di vario genere e prendere decisioni per la salvaguardia della situazione (es. rilevamento di incidenti e di situazioni di parcheggio in zone non consentire, ovvero la modifica della sequenza di attivazione di una determinata serie di semafori per consentire ai mezzi di soccorso raggiungere più rapidamente i pazienti che necessitano di assistenza sanitaria). Anche in questo ambito, l’Unione Europea sta supportando la ricerca degli Stati membri, finanziando progetti innovativi quali, ad esempio, il progetto “Airborne Data Collection on Resilient System Architectures” (ADACORSA), finanziato all’interno del programma H2020 e partito nel 2020, e a cui partecipa attivamente l’Internet of Things Lab dell’Università di Parma, con lo scopo di utilizzare le tecnologie IoT per migliorare l’efficacia e la sicurezza dei droni, con particolare attenzione a scenari operativi oltre la linea di visibilità (Beyond Visual Line of Sight, BVLOS), per consentire pertanto ai droni di eseguire operazioni complesse e di spostarsi minimizzando l’intervento umano.

Agricoltura intelligente

L’introduzione di tecnologie eterogenee (quali quelle legate all’IoT ed all’AI) nel settore agricolo, con l’obiettivo di migliorare la produttività e la sostenibilità, è attualmente una pratica consolidata. Infatti, grazie a questo trend, negli ultimi anni i processi produttivi delle serre orticole sono stati ottimizzati, ad esempio in termini di automatizzazione crescente, tendendo verso i concetti di Smart Agriculture o Smart Farming.[1] A tal fine, le serre svolgono un ruolo cruciale nelle produzioni agricole, poiché, attraverso la definizione di condizioni di crescita ottimali per le coltivazioni indoor, ortaggi, frutta, erbe ed altri tipi di prodotti commestibili possono essere coltivati ​​in qualsiasi momento ed ovunque, indipendentemente dalla loro stagionalità o dalle condizioni meteorologiche (eventualmente avverse) della loro area di coltivazione.[2] Nel contesto delle coltivazioni in serra, l’AIoT può rappresentare un fattore abilitante specialmente per la definizione di metodologie per lo sviluppo ed il mantenimento di un habitat (anche definito come “microclima”) di crescita adeguato, in dettaglio corrispondente ad un insieme complesso di variabili ambientali interne alla serra (es. umidità del terreno, temperatura ed umidità dell’aria, livello di radiazione solare in diversi punti della serra, ecc.) che, se esaminati in modo interconnesso, consentono un’analisi puntuale delle possibili attuazioni da compiere all’interno della serra (es. sistemi di raffreddamento, riscaldamento o ventilazione installati internamente), i cui dati potrebbero essere potenzialmente correlati anche a fattori esterni (es. condizioni meteorologiche, velocità del vento, ecc.).[3]

Con riferimento al monitoraggio semplificato ed automatizzato reso possibile dall’adozione di tecnologie AIoT in contesti di Smart Agriculture, è possibile identificare tre aree principali di intervento.

  • Valori (sensoriali) relativi a variabili ambientali rilevanti interne alla serra, che debbano essere mantenuti entro ben definiti intervalli adeguati (ad esempio, umidità dell’aria e temperatura), possono essere raccolti attraverso dispositivi IoT dotati di sensori generalmente organizzati come reti wireless di nodi sensoriali (Wireless Sensor Network, WSN). Inoltre, date le caratteristiche strutturali dei nodi IoT, ai quali è richiesto un basso consumo energetico ed una longevità dell’ordine degli anni, solitamente i dati raccolti da tali nodi sono inviati ad entità meno vincolate, spesso indicate come gateway (GW) e connesse ad Internet. Quindi, i GW generalmente inoltrano i dati dei nodi IoT ad infrastrutture di elaborazione e calcolo situate all’interno di piattaforme di cloud computing[4] per essere successivamente recuperati e visualizzati a beneficio sia degli utenti finali (agricoltori) sia di ricercatori del settore.[5],[6],[7]
  • All’interno di un tale sistema di raccolta, possono essere integrati ulteriori dispositivi di controllo (es. nodi attuatori), installati all’interno della serra per regolarne il clima interno.[8] Ad esempio, se un nodo sensoriale IoT rilevasse un indice di umidità dell’aria pericoloso, sarebbe possibile attivare automaticamente un sistema di ventilazione per abbassare l’umidità dell’aria.
  • A supporto dell’acquisizione dati ed attuazione, lo sviluppo di modelli complessi e di algoritmi di predittivi, con l’obiettivo di prevedere valori futuri delle variabili ambientali monitorate, rappresenta un’avanguardia nel settore agricolo. A titolo esemplificativo, le variabili interne di una serra monitorata mediante nodi IoT potrebbero essere predette in modo soddisfacente attraverso algoritmi di Deep Learning (DL) basati su reti neurali (Neural Networks, NN).[9] Questo potrebbe andare a beneficio anche di situazioni in cui vi siano carenze di dati in determinati momenti: mediante algoritmi di AI, sarebbe possibile dedurre i dati mancanti dei sensori, come quelli non correttamente raccolti all’interno della serra a causa di una temporanea mancanza di connettività di rete, nonché per operazioni di manutenzione.

EdgeAI, la nuova tendenza

Poiché l’adozione di algoritmi basati su NN fornisce generalmente vantaggi significativi, e sebbene negli ultimi anni questi algoritmi siano stati definiti principalmente per essere eseguiti nel cloud, ultimamente sta emergendo una nuova promettente tendenza, denominata EdgeAI e legata al trasferimento di intelligenza dal cloud fino all’edge.[10] Infatti, l’esecuzione di algoritmi di AI su dispositivi IoT edge che si trovino vicino alle sorgenti dei dati (ovvero, i nodi IoT) offre degli indubbi vantaggi, quale la riduzione della quantità di dati da inoltrare dall’edge al cloud, riducendo quindi il carico di rete e la latenza, e supportando la scalabilità.

I limiti

Come svantaggio, però, gli algoritmi di AI eseguiti on-the-edge devono essere progettati tenendo conto delle limitazioni imposte dai dispositivi IoT, principalmente in termini di memoria richiesta, risorse computazionali ed energetiche, significativamente inferiori a quelli offerti dalle piattaforme cloud. Pertanto, durante la modellazione degli algoritmi di tipo EdgeAI, è necessario cercare un compromesso equilibrato tra (i) la volontà di raggiungere le migliori prestazioni (in termini di previsione e predizione) e (ii) l’implementazione di un modello di AI di predizione “abbastanza leggero” a livello computazionale, in modo che possa essere eseguito da un dispositivo IoT. A questo riguardo, per quantificare questo trade-off, esistono in letteratura vari indici di performance che possono essere utilizzati come stima della decisione.[11]

Note e bibliografia

  1. G. Codeluppi, A. Cilfone, L. Davoli, G. Ferrari, “VegIoT Garden: a modular IoT Management Platform for Urban Vegetable Gardens,” 2019 IEEE International Workshop on Metrology for Agriculture and Forestry (MetroAgriFor), 2019, pp. 121-126. doi: 10.1109/MetroAgriFor.2019.8909228.
  2. A. Kumar, G.N. Tiwari, S. Kumar, M. Pandey, “Role of Greenhouse Technology in Agricultural Engineering,” International Journal of Agricultural Research, 2010, vol. 5, pp. 779–787. doi: 10.3923/ijar.2006.364.372.
  3. G.P.A. Bot, “Physical modeling of greenhouse climate,” IFAC Proceedings Volumes, 1991, vol. 24, no. 11, 1991, pp. 1-12. doi: 10.1016/B978-0-08-041273-3.50006-9.
  4. L. Belli, S. Cirani, L. Davoli, L. Melegari, M. Mónton, M. Picone, “An Open-Source Cloud Architecture for Big Stream IoT Applications,” Interoperability and Open-Source Solutions for the Internet of Things, 2015, vol. 9001. doi: 10.1007/978-3-319-16546-2_7.
  5. A. Kochhar, N. Kumar, “Wireless sensor networks for greenhouses: An end-to-end review,” Computers and Electronics in Agriculture, 2019, vol. 163. doi: 10.1016/j.compag.2019.104877.
  6. G. Codeluppi, A. Cilfone, L. Davoli, G. Ferrari, “LoRaFarM: A LoRaWAN-Based Smart Farming Modular IoT Architecture,” Sensors, 2020, vol. 20, no. 7. doi: 10.3390/s20072028.
  7. M. Abbasi, M. H. Yaghmaee, F. Rahnama, “Internet of Things in Agriculture: A Survey,” 2019 3rd International Conference on Internet of Things and Applications (IoT), 2019, pp. 1-12. doi: 10.1109/IICITA.2019.8808839.
  8. Z. Zou, Y. Bie, M. Zhou, “Design of an Intelligent Control System for Greenhouse,” 2018 2nd IEEE Advanced Information Management, Communicates, Electronic and Automation Control Conference (IMCEC), 2018, pp. 1-1635. doi: 10.1109/IMCEC.2018.8469309.
  9. T. Moon, S. Hong, H.Y. Choi, D.H. Jung, S.H. Chang, J.E. Son, “Interpolation of greenhouse environment data using multilayer perceptron,” Computers and Electronics in Agriculture, 2019, vol. 166. doi: 10.1016/j.compag.2019.105023.
  10. Y. Lee, P. Tsung, M. Wu, “Techology trend of edge AI,” 2018 International Symposium on VLSI Design, Automation and Test (VLSI-DAT), 2018, pp. 1-2. doi: 10.1109/VLSI-DAT.2018.8373244.
  11. J. Cifuentes, G. Marulanda, A. Bello, J. Reneses, “Air Temperature Forecasting Using Machine Learning Techniques: A Review,” Energies, 2020, vol. 13, no. 16. doi: 10.3390/en13164215.
WHITEPAPER
Come proporre soluzioni di Unified Communications: una guida per System Integrator
Cloud
Networking
@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