AGID
Ia, 45 enti pubblici su 108 hanno progetti in corso. Nodo qualità dati
Dal rapporto emerge che il 42% dei progetti di IA nelle PA mira a migliorare l’efficienza operativa, il 24% a potenziare la gestione dei dati e il 18% a ottimizzare l’accesso ai servizi. Ma oltre al problema delle informazioni interne da far elaborare, pesa molto la situazione deficitaria delle competenze umane interne. Che sono sì presenti ma limitate, con forte dipendenza da consulenti esterni. Tra le raccomandazioni, invece, meglio puntare su tecnologie affidabili e a basso impatto ambientale, integrandole nei sistemi informativi esistenti, piuttosto che su strumenti generativi più energivori e meno consolidati.
L’epoca del covid sembra ormai lontanissima eppure si ricorderà che una delle lezioni che avrebbe dovuto portare era quella della digitalizzazione delle nostre pubbliche amministrazioni, col fine di renderle più smart, più efficienti ed efficaci. A cinque anni da quando abbiamo testato in maniera massiccia il lavoro a distanza, l’Agid (Agenzia per l’Italia digitale) ha rilevato che su 108 organizzazioni – di 142 contattate – 45 hanno avviato progetti con l’intelligenza artificiale. Un’indagine raccolta in seno alle azioni del piano triennale informatico per la pubblica amministrazione 2024-2026. Dei 120 progetti individuati, 50 riguardano le infrastrutture sociali; il 42% mira a migliorare l’efficienza operativa, il 24% a potenziare la gestione dei dati e il 18% a ottimizzare l’accesso ai servizi. In termini economici, si tratta di progetti dal valore medio complessivo di circa 3,2 milioni di euro, destinato prevalentemente alla spesa in conto capitale, ovvero la componente finanziaria più direttamente legata a investimenti in innovazione, infrastrutture digitali e sviluppo tecnologico. I fondi a cui attingono sono per tre quarti quelli di bilancio e i finanziamenti Pnrr.

Scendendo più nel dettaglio, tre quarti dei programmi attivi sono nazionali e coinvolgono tecnologie di machine learning tradizionale, Ia generativa, chatbot e assistenti virtuali. Tra le caratteristiche dei contratti, invece, emerge che circa la metà delle procedure di affidamento ha riguardato gare Ict generiche, mentre il 12% dei contratti è stato attivato a seguito di proposta spontanea da parte dei fornitori. Quanto alla durata, quella più frequentemente adottata è pari a circa tre anni, mentre il valore medio dei contratti si attesta attorno ai 19 milioni di euro, evidenziando l’impatto economico significativo delle iniziative in corso.
Come ricorda poi il rapporto, le iniziative progettuali sono state avviate principalmente tra il 2023 e il 2024, mentre per circa un quarto dei progetti è prevista la conclusione tra il 2026 e il 2027. La durata media stimata si attesta attorno ai due anni, sebbene emerga una diffusa incertezza sui tempi effettivi di sviluppo e realizzazione delle soluzioni di Intelligenza Artificiale. Tale incertezza evidenzia un probabile fattore critico rispetto alla scalabilità dei progetti e alla loro piena operatività.

Eppure, alla base uno dei problemi ancora lontani dalla risoluzione riguarda i dati per l’addestramento. La maggior parte, infatti, proviene da banche interne (documentali, gestionali, statistiche) e soprattutto è di scarsa qualità, il che impatta negativamente sull’affidabilità dei processi. L’altro punto debole attiene alla formazione del personale, poiché ad oggi continua a prevalere il ricorso a consulenti esterni (53% di media). Inoltre, solo il 20% dei progetti ha Kpi (key performance indicator) definiti, sollevando dubbi sulla capacità strategica delle amministrazioni.


Di qui, alcune raccomandazioni. Per esempio, quella di puntare su tecnologie affidabili e a basso impatto ambientale, integrandole nei sistemi informativi esistenti. È fondamentale, poi, migliorare la qualità e la gestione dei dati, garantendo accuratezza, interoperabilità e rispetto della privacy. Il procurement pubblico va innovato, semplificando l’accesso alle soluzioni Ia e promuovendo gare dedicate precedute da progetti pilota. Ancora: la pianificazione deve essere strategica, con obiettivi chiari, Kpi definiti e attenzione alla scalabilità. Infine, servono metodi open innovation e un coinvolgimento trasversale delle strutture interne. Così come sviluppare conoscenze specifiche, mappare le risorse interne e creare figure professionali dedicate come l’Ai Officer e il Data steward.