Di recente è stato pubblicato un rapporto promosso dall’Agenzia per l’Italia Digitale (AgID), in collaborazione con il Politecnico di Milano e Cassa Depositi e Prestiti, che analizza lo stato di attuazione dei progetti di Intelligenza Artificiale (IA) nelle Pubbliche Amministrazioni centrali e nei gestori di servizi pubblici nazionali.
L’indagine, condotta nel 2024 su 142 organizzazioni, ha coinvolto attivamente 108 enti, di cui 45 hanno dichiarato di aver avviato iniziative in ambito IA. Ciò ha permesso di raccogliere informazioni su 120 progetti, di cui 50 inerenti alle infrastrutture sociali e sostenibili e 70 riferiti ad altri ambiti di applicazione.
L’obiettivo principale dell’indagine è supportare il raggiungimento dei risultati previsti dal Piano Triennale per l’Informatica nella Pubblica Amministrazione 2024–2026, monitorando le tecnologie adottate, i modelli di approvvigionamento, le competenze impiegate, gli impatti e le criticità associate all’uso dell’IA.
Aree di applicazione dell’intelligenza artificiale nella PA
I progetti di Intelligenza Artificiale si concentrano prevalentemente nei settori economico-finanziari e dell’innovazione tecnologica. Gli obiettivi perseguiti comprendono il miglioramento dell’efficienza operativa (42%), il potenziamento dell’analisi dei dati (24%) e il miglioramento dell’accesso ai servizi per cittadini e imprese (18%). Circa il 75% dei progetti ha una portata nazionale, ma un terzo è ancora in fase esplorativa, attraverso proof of concept e prototipi.
Dal punto di vista tecnico, la tecnologia più utilizzata è il machine learning tradizionale, seguita dalle applicazioni di IA generativa, in particolare quelle orientate all’elaborazione del linguaggio naturale.
Più del 60% dei progetti utilizza chatbot o assistenti virtuali, una scelta che sembra motivata più da proposte di mercato o da esigenze di immediatezza tecnologica, piuttosto che da reali necessità, considerate le limitazioni nel contatto diretto delle amministrazioni centrali con l’utenza.
Le infrastrutture tecnologiche adottate sono prevalentemente basate su servizi cloud, utilizzando API e piattaforme PaaS. I dati impiegati provengono principalmente da fonti interne e sono spesso non strutturati (come testi, immagini o video), mentre l’uso di dati personali o sintetici risulta marginale. Tuttavia, vi è una carenza di attenzione agli standard ISO/IEC 25012 per la qualità dei dati, e gli indicatori di performance si concentrano soprattutto sulla capacità e sulla crescita del volume delle informazioni trattate.
Modelli di procurement, risorse e competenze
Le modalità di procurement utilizzate sono perlopiù strumenti ICT generici, come Accordi Quadro e MePA, raramente specifici per l’Intelligenza Artificiale. Tale situazione evidenzia la necessità di sviluppare strumenti di acquisto più mirati, capaci di selezionare i fornitori più adeguati e prevenire il rischio di lock-in tecnologico. Il valore medio dei progetti si attesta intorno ai 3,2 milioni di euro, finanziati principalmente tramite fondi di bilancio e risorse del PNRR, i quali però potrebbero risultare residuali poiché molti bandi PNRR sono stati indirizzati al settore privato.
Sul fronte delle competenze, le amministrazioni si avvalgono ampiamente di consulenze esterne, in particolare per attività tecniche come programmazione e data science. Solo il 50% delle attività viene gestito internamente, probabilmente a causa di una carenza di competenze specifiche, sia tecniche sia relative al project management. La partecipazione di università ed enti di ricerca risulta limitata, sollevando dubbi sulla sostenibilità a lungo termine delle competenze acquisite. Tra gli stakeholder coinvolti predominano gli utenti interni e gli organismi regolatori, con una partecipazione marginale degli utenti finali in alcuni casi.
Impatti, criticità e sfide future
I progetti IA promettono di aumentare l’efficienza interna e migliorare la qualità dei servizi pubblici, grazie all’automatizzazione dei processi e alla riduzione delle attività manuali. Tuttavia, solo il 20% dei progetti ha definito indicatori di performance (KPI) per la misurazione dell’impatto, evidenziando una possibile mancanza di visione strategica. Senza un sistema di monitoraggio sin dalle fasi iniziali, risulta difficile quantificare i benefici reali degli investimenti.
I fattori chiave per il successo dei progetti includono una pianificazione chiara, la disponibilità di dati di qualità, tecnologie adeguate e competenze interdisciplinari. Le principali criticità riscontrate riguardano la bassa qualità e disponibilità dei dati, la definizione poco precisa degli obiettivi e una comprensione ancora limitata delle potenzialità e dei limiti dell’IA.
Dal punto di vista normativo e ambientale, le soluzioni di IA devono affrontare importanti sfide. Vi è da un lato la questione della sostenibilità ambientale, a causa dell’alto consumo energetico delle tecnologie impiegate; dall’altro, emerge la necessità di conformarsi alla normativa europea, in particolare al regolamento AI Act. Il 95% dei progetti risulta conforme al regolamento e non rientra nelle categorie ad alto rischio. Le applicazioni vietate o considerate critiche, come quelle relative alla profilazione o al settore giudiziario, sono molto limitate.
Conclusioni e raccomandazioni operative
Il rapporto propone alcune raccomandazioni operative per le Pubbliche Amministrazioni. In primo luogo, si suggerisce di adottare tecnologie IA affidabili e sostenibili, evitando soluzioni ad alto consumo energetico e poco consolidate. È inoltre necessario rafforzare la qualità dei dati, garantendone interoperabilità, accuratezza e una gestione sicura delle fonti informative.
Per quanto concerne il procurement, è raccomandato lo sviluppo di gare dedicate e sperimentazioni pilota, al fine di selezionare soluzioni effettivamente appropriate per i contesti pubblici. È fondamentale pianificare le iniziative con una prospettiva di lungo periodo, definendo fin da subito indicatori e criteri di scalabilità. Infine, si evidenzia l’importanza di investire nelle competenze, attraverso una mappatura delle risorse interne, la formazione del personale e la creazione di nuovi profili professionali come l’’AI Officer e il Data Steward.
L’adozione dell’Intelligenza Artificiale nella Pubblica Amministrazione italiana è in fase di crescita, ma per conseguire un impatto sistemico sono necessari una visione strategica chiara, una governance efficace e un potenziamento delle capacità interne. In tale ottica, sarebbe utile estendere l’indagine ai Comuni e ad altre realtà territoriali, che, avendo un contatto diretto con i cittadini, potrebbero beneficiare in modo significativo dall’adozione di soluzioni IA per l’ottimizzazione dei servizi.
Sarebbe inoltre vantaggioso condividere progetti che rappresentano esempi di buone pratiche, per incentivare la diffusione di modelli già sperimentati con successo. Infine, sarebbe auspicabile che AgID rendesse disponibili le specifiche tecniche relative ai casi d’uso presentati nelle Linee Guida sull’utilizzo dell’IA nella PA, costituendo una base concreta per promuovere un uso consapevole ed efficace dell’Intelligenza Artificiale nel quadro delle azioni previste dall’attuale Piano Triennale.
