AI nella PA: il 73% delle amministrazioni non è pronto

Il contesto attuale dell’AI nella pubblica amministrazione

Negli ultimi tre anni le amministrazioni italiane hanno aumentato del 42 % gli investimenti in soluzioni basate sull’intelligenza artificiale, spinti da progetti di digitalizzazione dei servizi anagrafici, della sanità locale e delle piattaforme di e‑learning. Tuttavia, il 73 % dei responsabili IT del settore pubblico dichiara che l’infrastruttura on‑premise non è ancora sufficientemente preparata a supportare carichi di lavoro AI complessi, come il training di modelli di deep learning o l’elaborazione in tempo reale di grandi volumi di dati sensibili.

Le cause principali sono l’obsolescenza dei data center, la mancanza di reti a bassa latenza e la difficoltà di integrare sistemi eterogenei, spesso basati su software proprietari rilasciati più di dieci anni fa. Questo scenario genera un divario tra le ambizioni strategiche – come la creazione di “città intelligenti” – e la realtà operativa quotidiana.

Trend tecnologici emergenti

Container e architetture ibride

Secondo l’Enterprise Cloud Index di Nutanix, la percentuale di amministrazioni che utilizzano container Docker o Kubernetes è passata dal 18 % al 31 % nell’ultimo anno. L’adozione di ambienti ibridi, che combinano risorse on‑premise con cloud pubblico, permette di spostare i carichi più intensivi di calcolo verso infrastrutture scalabili, mantenendo al contempo dati sensibili in sede per motivi di sovranità digitale.

Shadow AI e problemi di governance

Il fenomeno della “Shadow AI” – ovvero l’uso non autorizzato di strumenti AI da parte di dipartimenti o singoli dipendenti – è cresciuto del 27 % secondo le stesse fonti. Senza linee guida chiare, questi progetti “ombra” espongono le amministrazioni a rischi di sicurezza, violazioni della privacy e inefficienze dovute a duplicazione di sforzi.

Impatto su settori chiave

Nel settore sanitario, le regioni che hanno sperimentato modelli predittivi per la gestione delle terapie oncologiche hanno registrato una riduzione del 15 % delle ospedalizzazioni non programmate. Nelle università, l’utilizzo di chatbot basati su GPT per il supporto agli studenti ha incrementato la soddisfazione degli utenti del 22 %, ma ha richiesto un’integrazione complessa con i sistemi di gestione degli studenti (SIS) esistenti.

Le amministrazioni comunali, invece, hanno sperimentato sistemi di riconoscimento delle immagini per la manutenzione predittiva delle strade, con un risparmio medio di 1,2 milioni di euro all’anno per città di dimensioni medio‑grandi, dimostrando il valore economico tangibile dell’AI quando le infrastrutture sono adeguate.

Strategie operative per colmare il divario

Per superare le limitazioni attuali, gli esperti consigliano di adottare un approccio graduale basato su quattro pilastri:

• Valutazione delle capacità esistenti: mappare i data center, le reti e le dipendenze software per identificare i colli di bottiglia.
• Modernizzazione mediante cloud ibrido: migrare workload AI ad alta intensità su piattaforme cloud certificati (es. Azure Government, AWS GovCloud) mantenendo i dati critici in ambienti privati.
• Standardizzazione dei container: implementare Kubernetes come layer di orchestrazione per garantire portabilità e scalabilità dei modelli AI.
• Governance e policy di sicurezza: definire regole chiare per l’uso di tool AI, includendo audit periodici, formazione del personale e procedure di gestione dei dati sensibili.

Esempi di buone pratiche italiane

Il Comune di Torino ha lanciato il progetto “Smart Mobility”, che utilizza modelli di apprendimento automatico per ottimizzare i percorsi degli autobus in base al traffico in tempo reale. Dopo un anno di sperimentazione, il tempo medio di attesa è sceso del 18 % e le emissioni di CO₂ sono diminuite di 3 tonnellate. Un altro caso virtuoso è la Regione Lombardia, che ha creato un “Data Lake” federato, consentendo a più enti di condividere dataset sanitari in modo sicuro, facilitando la formazione di modelli AI per la previsione di picchi di pressione ospedaliera.

Azioni consigliate per i responsabili IT

Chi guida la trasformazione digitale nella pubblica amministrazione dovrebbe iniziare con un audit tecnico, definire una roadmap di migrazione verso il cloud ibrido entro i prossimi 24 mesi e investire in programmi di upskilling per il personale. Inoltre, è fondamentale instaurare partnership con fornitori specializzati in soluzioni AI per il settore pubblico, garantendo che le licenze includano clausole di conformità al GDPR e alla normativa italiana sulla sovranità digitale.