L’Intelligenza Artificiale sta entrando nelle Pubbliche Amministrazioni italiane. Non come promessa futuribile, ma come realtà concreta: dall’INPS che accelera le pratiche, al Comune di Milano che risponde ai cittadini con chatbot, fino all’Agenzia delle Entrate che incrocia dati per contrastare l’evasione. Eppure, resta un problema di fondo: come scegliere dove investire, con quali priorità, in che ordine?
Troppo spesso la transizione digitale viene raccontata come un “salto nel buio” tecnologico. In realtà, servono strumenti analitici per illuminare le scelte. È ciò che propone il lavoro del Prof. Carlo Lauro, che combina due metodologie classiche – la SWOT Analysis e il metodo Analytic Hierarchy Process (AHP) – per trasformare le opinioni in numeri, e i numeri in strategie.
Cosa dice l’analisi, in sintesi?
Applicando questa metodologia alla PA italiana, emergono tre evidenze sorprendenti.
Primo: i punti di forza pesano più delle minacce. Nell’analisi complessiva, i fattori interni positivi (come il miglioramento dell’efficienza e l’innovazione dei servizi) valgono il 32% del peso strategico, mentre le minacce esterne (come i rischi informatici o i bias algoritmici) si fermano al 18%. Questo significa che il successo dell’IA dipende in larga misura da ciò che la PA sa fare al proprio interno, non solo da ciò che teme dall’esterno.
Secondo: il tallone d’Achille sono le competenze e i dati. Tra le debolezze, la “scarsa alfabetizzazione digitale” e la “resistenza al cambiamento” assorbono da sole più della metà del peso. Senza personale formato e dati di qualità, ogni investimento tecnologico rischia di essere sprecato. Non è un problema di hardware, ma di cultura organizzativa.
Terzo: per i Comuni, le opportunità contano più di tutto. Se per la PA nazionale i punti di forza sono il motore principale, per gli enti locali le opportunità esterne – come i fondi PNRR e le partnership pubblico-private – diventano il fattore dominante (35%). I Comuni, più piccoli e meno autonomi, devono puntare su risorse e collaborazioni per colmare il divario.
L’AI Act non è un freno, ma un acceleratore di qualità
Il nuovo Regolamento europeo sull’IA (AI Act) non va visto come un vincolo burocratico. Al contrario, chi inizierà oggi a mappare i propri sistemi, a formare il personale e a garantire la trasparenza algoritmica si troverà domani in vantaggio. La conformità diventa un fattore competitivo, non un costo.
Dai numeri alle azioni: una roadmap in quattro mosse
Lo studio non si ferma alla diagnosi. Propone una strategia sequenziale, con scadenze precise:
- Breve termine (0-12 mesi): avviare la formazione obbligatoria su IA per tutto il personale e candidare progetti pilota ai fondi PNRR.
- Medio termine (1-3 anni): scalare i progetti di successo, creare data lake condivisi e sviluppare standard nazionali per l’IA nella PA.
- Lungo termine (3-5 anni): fare dell’Italia un laboratorio europeo per l’IA etica e inclusiva nei servizi pubblici.
Il tutto accompagnato da un sistema di indicatori (KPI) pensato per monitorare progressi reali, non solo dichiarazioni d’intento.
Esiste anche la versione estesa di questo articolo in cui si dimostra che anche un tema complesso come l’IA può essere affrontato con metodo, trasparenza e rigore quantitativo. La statistica non è solo calcolo, ma supporto alle decisioni. E in un momento in cui le risorse pubbliche sono preziose, saper pesare le priorità è un dovere civico oltre che tecnico.
