LET’S TALK & CONNECT

Il ricorso all’intelligenza artificiale all’interno del settore pubblico assume oggi una rilevanza strategica e porta con sé svariati ambiti di analisi e riflessione, dagli impatti su competenze e lavoro pubblico, fino alla trasformazione e al potenziamento dei servizi. Una recente ricognizione dell’AgID, l’Agenzia per l’Italia Digitale, sui progetti in essere nelle pubbliche amministrazioni centrali in ambito intelligenza artificiale mostra un quadro attivo in quest’area, dove però emergono interrogativi sulla scalabilità e sull’evoluzione nel lungo periodo.

Recentemente l’AgID ha pubblicato il rapporto “L’intelligenza Artificiale nella Pubblica Amministrazione – Ricognizione delle PA centrali”, che propone un quadro sulla diffusione e lo stato dei progetti di intelligenza artificiale all’interno delle PA centrali e dei gestori di pubblico servizio a carattere nazionale, una categoria che, a titolo esemplificativo, include realtà come Poste Italiane, RAI o FSI. Partendo da una rilevazione strutturata che ha visto la partecipazione di 108 enti tra settembre e ottobre 2024, l’obiettivo dell’analisi è quello di comprendere se e che tipo di tecnologie questi enti stanno utilizzando, i modelli di procurement, gli impatti attesi e le criticità riscontrate nello sviluppo e nell’implementazione di progetti di intelligenza artificiale. Il primo dato che emerge è che, al 2024, il 42% degli enti intervistati ha dichiarato l’avvio di iniziative di intelligenza artificiale all’interno delle proprie organizzazioni, per lo più attive nell’ambito economico- finanziario.

I progetti di intelligenza artificiale nella PAC

Tra gli intervistati, emergono dettagli su 120 progetti che riguardano l’utilizzo e l’applicazione di soluzioni e strumenti di intelligenza artificiale, finalizzati soprattutto al miglioramento dell’efficienza operativa, al potenziamento della capacità di gestione e analisi dei dati e al miglioramento dell’accesso ai servizi da parte di cittadini e imprese. Inoltre, circa un progetto su due è in fase di esecuzione, circa un terzo è in fase PoC (Proof of Concept), mentre la parte residuale è solo stata annunciata. A preoccupare è però il tema della durata media prevista per questi progetti, dal momento che nel 30% dei casi non c’è una previsione sulla data di chiusura: questo, secondo la stessa AgID, potrebbe essere un segnale di incertezza e di probabile fattore critico in termini di scalabilità e operatività dei progetti AI.

Tecnologie di AI e paradigmi computazionali in uso

Nei progetti mappati si ricorre soprattutto a tecnologie di machine learning tradizionale (nel 53% dei casi), seguite dall’AI generativa (43%), in linea con il fatto che i principali ambiti applicativi su cui si fa leva nei progetti censiti sono l’analisi testuale, di classificazione e conservazione (60%) e il linguaggio generativo (44%). Per accedere alle funzionalità dell’AI si fa leva soprattutto sui servizi applicativi, API in cloud o piattaforme PaaS. In un caso su tre, inoltre, si dichiara di fare affidamento sull’infrastruttura interna on premise, mentre si ricorre a servizi IaaS in un quarto dei casi.

Uso dei dati nei progetti AI

Nell’addestramento di modelli di AI, ad essere utilizzate sono soprattutto le banche dati interne agli enti, che in modo più contenuto vengono integrate/ alimentate anche con banche dati esterne, come ad esempio gli open data, o con collaborazioni con altri enti. Nel 58% dei progetti mappati i dati vengono gestiti e archiviati in un unico sistema o luogo, mentre nel 21% si adotta un approccio misto, memorizzando e gestendo i dati attraverso diversi sistemi. Si tratta inoltre per lo più di dati testuali e quantitativi, in due casi su tre non strutturati, che possono anche impiegare dati personali, relativi all’identità degli interessati (13%) e/o sintetici (17%).

Procurement e modelli di finanziamento

Tra le modalità di procurement su cui si fa leva, si ricorre soprattutto a gare generaliste ICT o proposte di PoC direttamente dai fornitori, mentre si ricorre in modo limitato a strumenti specificamente strutturati per progetti di AI. Nel dettaglio, si ricorre prevalentemente ad accordi quadro e convenzioni Consip, all’utilizzo del Mercato Elettronico della Pubblica Amministrazione (MePA), al Sistema Dinamico di Acquisizione della PA (SDAPA) e a procedure aperte. Le principali fonti di finanziamento sono invece i fondi di bilancio, a cui di ricorre nel 48% dei casi, seguiti dai fondi del PNRR (26%), mentre altre tipologie di fondi (italiani o europei) paiono avere un ruolo marginale.

Impatti attesi e criticità dell’adozione dell’AI

Nella prospettiva dei progetti mappati, l’intelligenza artificiale è vista come uno strumento che consente soprattutto di rendere i servizi pubblici più reattivi, efficienti ed economici, e di aumentarne la qualità; aspetti come la personalizzazione o una maggiore centralità del cittadino nell’erogazione dei servizi risultano invece meno rilevanti. Per quanto riguarda invece gli impatti attesi sull’organizzazione, nella maggior parte dei casi si guarda all’AI per un aumento della qualità dei processi e dei sistemi esistenti, così come per una migliore efficienza amministrativa e per un potenziamento delle attività più tradizionali. Mancano però spesso KPI per la misurazione degli impatti effettivi di questi progetti, aprendo a considerazioni sulla possibilità per gli enti di adottare e mantenere una visione di lungo periodo in assenza di strumenti a supporto del monitoraggio.

La gestione strategico- operativa dei progetti e la qualità dei dati sono inoltre riconosciuti come i principali fattori critici per il successo di progetti di intelligenza artificiale in ambito pubblico. Il tema della qualità e disponibilità di dati è d’altra parte anche tra le principali criticità riscontrate nella realizzazione dei progetti, sottolineando il principio sempre attuale del “garbage in garbage out”.

Intelligenza artificiale e sostenibilità nel settore pubblico

Il ricorso a tecnologie e applicazioni di intelligenza artificiale porta anche a considerazioni sulla loro sostenibilità rispetto non solo all’ambiente, ma anche alla società e agli individui. A livello di settore pubblico è quindi imprescindibile una valutazione e monitoraggio dei progetti in questa prospettiva, per comprendere i possibili impatti negativi e rischi collegati all’adozione dell’AI per ambiente e cittadinanza. A riguardo, l’indagine AgID evidenzia una buona consapevolezza degli enti coinvolti su questi temi, con il 41% delle organizzazioni intervistate che dichiara, ad esempio, di aver adottato delle misure per ridurre l’impatto ambientale AI- related. Inoltre, tra i progetti considerati, la presenza di applicazioni AI ad alto rischio secondo l’AI Act appare molto limitata, aspetto che, come viene sottolineato nel report, è in linea con “la diffusa aderenza nella PA al principio di precauzione e ad una limitata esposizione delle amministrazioni pubbliche a scenari regolatori più stringenti”.