L’Italia ha costruito in pochi anni un’infrastruttura digitale pubblica senza precedenti. Sensori, piattaforme, basi dati, API e dashboard sono entrati nel lessico ordinario delle amministrazioni. Era un passaggio necessario: per molto tempo il problema è stato ottenere le informazioni, digitalizzarle e farle circolare; oggi, però, la domanda più importante viene dopo: che cosa succede quando quei dati arrivano sulla scrivania di chi deve decidere?
La risposta non è scontata. Un’amministrazione può raccogliere milioni di dati e continuare a prendere decisioni sulla base di abitudini, urgenze o compartimenti stagni, può pubblicare decine di dataset senza che nessun ufficio li utilizzi, dotarsi di una control room molto scenografica e non avere procedure, competenze e responsabilità capaci di tradurre ciò che appare sugli schermi in politiche migliori.
La prossima fase delle città intelligenti si giocherà qui: non tanto sulla quantità di informazioni prodotte, quanto sulla capacità amministrativa di verificarle, collegarle, interpretarle, usarle e spiegare in che modo hanno inciso su una scelta pubblica.
Indice degli argomenti
Il governo dei dati nelle città intelligenti parte dalla capacità amministrativa
La dimensione dello sforzo compiuto è impressionante: secondo la relazione 2025 della Commissione europea sul decennio digitale, 46,8 miliardi di euro del Piano italiano di ripresa e resilienza contribuiscono alla trasformazione digitale del Paese. La Piattaforma Digitale Nazionale Dati, operativa dall’ottobre 2022, ha creato un’infrastruttura comune attraverso la quale amministrazioni e gestori di servizi pubblici possono scambiarsi informazioni in modo standardizzato e sicuro.
Gli open data della PDND pubblicati nell’estate del 2026 censiscono oltre 10.000 aderenti e quasi 45.000 connessioni. Nel solo giugno 2026 la piattaforma ha registrato più di 77 milioni di sessioni di scambio dati. Sono numeri che descrivono un cambiamento strutturale, non una sperimentazione marginale.
Misurano però la circolazione delle informazioni, non il valore pubblico prodotto. Una chiamata API certifica che due sistemi hanno comunicato. Non dice se un procedimento è diventato più rapido, se un errore è stato evitato, se una fragilità sociale è emersa prima o se un intervento urbano ha raggiunto le persone che ne avevano più bisogno.
La disponibilità del dato è quindi una condizione necessaria, non il risultato finale. Tra l’informazione e la decisione esiste una catena fatta di qualità, semantica, competenze, organizzazione e responsabilità. Se un ufficio conta le famiglie, un altro gli utenti e un terzo le pratiche, mettere i tre numeri nella stessa dashboard non li rende automaticamente confrontabili.
Servono definizioni comuni, metadati, serie storiche affidabili e persone capaci di riconoscere limiti e distorsioni. È anche per questo che il Catalogo nazionale della semantica dei dati è un tassello decisivo dell’interoperabilità: due banche dati si scambiano davvero informazioni soltanto quando attribuiscono lo stesso significato a ciò che descrivono.
Nelle città intelligenti i dati non decidono da soli
Parlare di decisioni basate sui dati può suggerire che esista sempre una risposta oggettiva, pronta a emergere da un algoritmo. Nella vita amministrativa accade raramente. I dati riducono l’incertezza, mostrano relazioni, permettono confronti e rendono visibili fenomeni che altrimenti resterebbero nascosti. Non eliminano la necessità di scegliere tra interessi, tempi e priorità diversi.
Ogni sistema informativo incorpora scelte precedenti. Quali fenomeni misurare, con quale frequenza, in quali quartieri, usando quali categorie e fissando quali soglie. Se i sensori sono concentrati nelle zone già meglio servite, le aree meno misurate rischiano di scomparire anche dall’attenzione pubblica. Se una banca dati fotografa soltanto chi ha già avuto accesso a un servizio, non racconta chi ne è rimasto escluso. Se un indicatore viene aggiornato una volta l’anno, può essere inadatto a guidare una risposta operativa.
Per questo la responsabilità politica e amministrativa cresce di pari passo con l’aumento dei dati. Chi decide deve poter ricostruire la provenienza delle informazioni, sapere quanto sono aggiornate, comprendere che cosa non rappresentano e motivare il passaggio dall’evidenza all’azione. Un’amministrazione guidata dai dati non si nasconde dietro i numeri. Rende leggibile il proprio ragionamento.
Il tema delle competenze diventa inevitabile. Nel 2025, secondo Istat, il 54,3 per cento delle persone tra 16 e 74 anni possedeva competenze digitali almeno di base. È un progresso di 8,4 punti in un anno, ma resta una distanza notevole dall’obiettivo europeo dell’80 per cento entro il 2030.
Le amministrazioni operano dentro questo stesso mercato del lavoro e, soprattutto nei Comuni più piccoli, faticano a riunire competenze statistiche, informatiche, giuridiche e di policy. Comprare un nuovo software non risolve il problema se l’ente non sa formulare la domanda a cui il sistema dovrebbe rispondere.
Dati e città intelligenti: i casi di Ferrara, Benevento e Arzignano
Le buone pratiche raccolte da City Vision mostrano che il passaggio dai dati alle decisioni è già cominciato, spesso lontano dalle città più grandi. I progetti più interessanti non sono necessariamente quelli che raccolgono più informazioni, ma quelli che assegnano ai dati una funzione precisa dentro un processo pubblico.
Ferrara: dati ambientali e citizen science
A Ferrara un progetto avviato nel 2019 tiene insieme open data, dispositivi IoT, immagini satellitari e citizen science. Un indice sintetico orario descrive la qualità dell’aria in 14 zone; le immagini Landsat permettono di mappare le isole di calore; volontarie e volontari hanno contribuito a localizzare le aree interessate dagli allagamenti durante gli eventi meteorologici intensi.
Le informazioni sono pubblicate in formati riutilizzabili e alimentano la pianificazione del verde e le strategie di adattamento climatico. Il dato diventa un’infrastruttura condivisa di conoscenza: l’amministrazione integra fonti diverse e la cittadinanza non è soltanto oggetto della misurazione, ma partecipa alla costruzione del quadro informativo.
Benevento: manutenzione predittiva delle strade
A Benevento il Comune ha applicato un modello di manutenzione predittiva delle strade. Sensori a basso costo montati sui veicoli comunali trasformano mezzi che già percorrono la città in fonti di dati; gli algoritmi rilevano le anomalie del manto, le ricostruiscono in 3D e aggiornano un gemello digitale della rete stradale.
La piattaforma segue ogni criticità dal rilevamento alla riparazione, consente di stimarne i costi e di verificare l’efficacia dell’intervento. Il salto di qualità non sta quindi nel sensore, ma nel processo: la manutenzione passa dalle segnalazioni episodiche a una mappa aggiornata delle priorità, capace di orientare risorse, tempi e responsabilità.
Arzignano: monitoraggio ambientale in tempo reale
Un terzo esempio viene da Arzignano, comune della provincia di Vicenza con una forte presenza industriale. Il Comune ha distribuito sensori per rilevare PM1, PM2.5, PM4 e PM10 in centro, nell’area produttiva e in collina. Nel 2024 la rete è stata integrata con un sensore per l’acido solfidrico.
I valori puntuali e le medie orarie o giornaliere confluiscono in una dashboard pubblica aggiornata in tempo reale. Il valore del progetto non risiede soltanto nella capillarità della misurazione. Sta nel collegamento tra dettaglio locale, accessibilità dell’informazione e possibilità di individuare anomalie sulle quali costruire politiche ambientali mirate.
Queste esperienze hanno scale, tecnologie e obiettivi diversi, ma condividono una caratteristica. La raccolta non è mai l’ultimo passaggio. È inserita in un ciclo che collega problema pubblico, qualità dell’informazione, interpretazione, scelta e verifica degli effetti.
La governance dei dati che rende intelligenti le città
Il passaggio dai dati alle decisioni non avviene da solo: va costruito dentro l’amministrazione, assegnando responsabilità, competenze e regole lungo tutto il percorso. Sei scelte possono renderlo parte del lavoro quotidiano.
- Partire da un problema pubblico. Prima di installare un sensore o acquistare una piattaforma, l’ente dovrebbe chiarire quale decisione intende migliorare, chi userà l’informazione e con quale frequenza.
- Assegnare la responsabilità del dato. Ogni insieme informativo rilevante deve avere un ufficio responsabile della qualità, dell’aggiornamento, della documentazione e delle regole di accesso. Questa responsabilità non può essere lasciata al fornitore tecnologico.
- Costruire gruppi interdisciplinari. Il dato urbano richiede la competenza di chi conosce il fenomeno, di chi sa analizzarlo, di chi presidia le regole e di chi deve trasformare il risultato in un servizio. Nei piccoli enti queste capacità possono essere condivise attraverso Unioni di Comuni, Province, società in house, università e reti territoriali.
- Inserire la governance negli acquisti. Portabilità, standard aperti, API, qualità dei metadati, possibilità di audit, documentazione e formazione del personale devono diventare requisiti di progetto. L’amministrazione deve poter cambiare fornitore senza perdere memoria, dati e capacità operativa.
- Documentare il passaggio alla decisione. Per le scelte più rilevanti dovrebbe essere possibile conoscere le fonti utilizzate, il loro periodo di riferimento, i criteri adottati, le alternative considerate e i margini di incertezza.
- Misurare gli effetti. Il successo non coincide con il numero di sensori installati o di dataset pubblicati. Conta il tempo risparmiato, la riduzione degli errori, la qualità del servizio, l’equità nell’accesso e la capacità di correggere una politica quando gli esiti non sono quelli attesi.
Questa catena non richiede che ogni Comune disponga di un grande ufficio di data science, ma impone una funzione diffusa di governo del dato, sostenuta da competenze condivise e da responsabilità chiare. La soluzione per gli enti con meno risorse non è esternalizzare integralmente l’intelligenza amministrativa, ma mettere in comune le capacità che da soli non potrebbero mantenere.
Trasparenza e protezione dei dati nelle città intelligenti
La prima stagione della trasparenza digitale ha coinciso con la pubblicazione: rendere disponibili documenti, dataset e indicatori. La fase successiva deve rendere trasparente anche il legame tra evidenze e decisioni.
Se un Comune modifica il piano del traffico, dovrebbe poter spiegare quali flussi ha osservato, in quale periodo, quali alternative ha simulato e quali effetti intende misurare. Se sceglie dove piantare nuovi alberi, dovrebbe rendere comprensibili i criteri con cui ha incrociato temperatura, densità abitativa, fragilità sociale e disponibilità di spazio. Se usa un modello per individuare situazioni di rischio, deve dichiararne finalità, limiti e modalità di controllo umano.
Trasparenza e protezione dei dati non sono termini opposti. Non serve pubblicare informazioni personali per rendere verificabile un processo. Occorre rendere accessibili il metodo, le categorie di dati utilizzate, gli indicatori di qualità, i criteri decisionali e la valutazione degli impatti. È questo passaggio che consente alla cittadinanza, ai consiglieri comunali, ai ricercatori e ai corpi intermedi di discutere le politiche sulla base di elementi comuni, senza trasformare la tecnica in un’autorità incontestabile.
La città intelligente impara dai propri dati
Abbiamo costruito le autostrade lungo le quali i dati possono viaggiare. Ora dobbiamo rafforzare le amministrazioni che devono scegliere dove andare. È un lavoro meno visibile di una nuova piattaforma, ma incide molto di più sulla qualità della trasformazione urbana.
Una buona amministrazione guidata dai dati assomiglia, per certi versi, a una buona redazione. Verifica le fonti, confronta informazioni diverse, distingue i fatti dalle interpretazioni, dà contesto ai numeri, corregge gli errori e rende conto al proprio pubblico delle scelte compiute. La tecnologia accelera questo lavoro; non può sostituirne il metodo e la responsabilità.
Una città intelligente, allora, non è quella che sa tutto dei propri abitanti e del proprio territorio. È quella che conosce la qualità e i limiti delle proprie informazioni, sa trasformarle in azioni, ne misura gli effetti ed è disposta a cambiare decisione quando le evidenze lo richiedono. La metrica più utile della prossima smart city non sarà quanti dati produce, ma quanto chiaramente riesce a mostrare il percorso che porta da un’informazione a una scelta e da quella scelta a un risultato pubblico.
Partecipa alla community