IA nella pubblica amministrazione: i 4 pilastri di una rivoluzione

Le sfide dell’intelligenza artificiale nella pubblica amministrazione italiana ruotano intorno a quattro pilastri: competenze, governance, sovranità tecnologica e qualità del dato. A dirlo sono gli stessi CTO e Data Manager dei nostri enti, come emerso anche dal Tavolo di CTO & Data Manager svoltosi nell’ambito di FORUM PA 2025, che ha promosso un confronto sull’evoluzione delle infrastrutture tecnologiche e sulla data governance in relazione all’adozione dell’IA nella pubblica amministrazione.

“La trasformazione della PA tramite l’intelligenza artificiale è un processo multifattoriale”, commenta Antonio Di Cesare, COO di INIX Italia, che ha partecipato al Tavolo di lavoro. “Per adottare in modo efficace l’IA, i manager della tecnologia e dei dati della pubblica amministrazione concordano sul fatto che la PA deve investire nel rafforzamento delle infrastrutture IT – dal cloud all’edge computing -, nella valorizzazione e correttezza dei dati e nelle competenze, elementi cruciali per l’intero ciclo di vita dei sistemi intelligenti”.

Una PA in grado di raggiungere i propri obiettivi è, infatti, una PA “aumentata” da persone, tecnologie e relazioni grazie al rafforzamento di strutture, risorse umane, processi e strumenti manageriali, come è stato ribadito in altri dibattiti durante FORUM PA. Gli investimenti in persone, la governance multilivello, i dati di qualità e i partenariati pubblico-privato sono elementi fondanti dell’innovazione. 

La sfida culturale e formativa

Nonostante le amministrazioni pubbliche siano pronte a sperimentare con l’intelligenza artificiale, manca loro una chiara visione degli esiti finali di questi progetti. Come sottolinea Di Cesare, la vera sfida non è tecnologica, ma culturale: “servono capacità specialistiche per gestire strumenti, processi e data governance”. L’introduzione dell’IA richiede nuove figure professionali, ancora rare nella PA, rendendo indispensabile un piano strategico per attrarre e formare talenti capaci di gestire dati complessi e garantirne la qualità.

La qualità del dato emerge come una priorità assoluta: senza un’infrastruttura dati affidabile e standardizzata, ogni progetto di IA è destinato a fallire. Non a caso, il gap di competenze è uno degli ostacoli principali. I manager stessi devono aggiornarsi e poter contare su team di esperti. Ciò impone alla PA di diventare più attrattiva per i talenti, offrendo benefit e percorsi di carriera gratificanti.

Sul fronte della governance, gli IT manager evidenziano che la migrazione al cloud, pur ampliando le capacità infrastrutturali, ha reso la gestione dei sistemi più complessa. “Non esistono risposte univoche su come affrontare questa complessità”, afferma Di Cesare, ma la soluzione sta nella creazione di ecosistemi collaborativi che permettano di condividere risorse, dati e competenze. Questa logica è fondamentale soprattutto per le piccole amministrazioni, che da sole non potrebbero sostenere i costi e le sfide dell’IA.

La questione della sovranità tecnologica

C’è un’altra questione al centro delle preoccupazioni dei CTO e Data Manager della PA in vista delle implementazioni di soluzioni di intelligenza artificiale: quella della sovranità tecnologica. Sviluppare un’IA nazionale o europea risponderebbe a esigenze di efficienza, replicabilità e sicurezza. D’altro lato, l’alto costo delle infrastrutture, in particolare delle GPU necessarie, rende complesso pianificare in un’ottica di lungo periodo.

“L’uso dell’IA con i framework pubblici è come il contatore della luce a casa: anche quando non lo usi, continua a girare e accumula”, osserva Di Cesare. “Un’infrastruttura condivisa e sovrana consentirebbe di ridurre la frammentazione e sfruttare modelli addestrati su dati pubblici e certificati, evitando di ripartire da zero per ogni progetto e garantendo al tempo stesso sicurezza e qualità del dato. Un sistema del genere è già stato adottato dalla Francia ed è considerato replicabile anche in Italia per garantire continuità e sostenibilità”.

Un approccio multifattoriale

In definitiva, portare l’IA nella PA italiana richiede un approccio integrato – quello che Di Cesare definisce “multifattoriale” – perché l’implementazione sostenibile e sicura ha bisogno della compresenza di competenze, governance, dati, infrastrutture, sicurezza e ecosistema.

“La trasformazione della PA tramite l’intelligenza artificiale esige investimenti infrastrutturali, un forte impegno nel cambiamento culturale e nell’acquisizione di competenze e soprattutto, una visione strategica che promuova la collaborazione e la creazione di ecosistemi condivisi a livello nazionale ed europeo”, conclude Di Cesare. “Solo così la PA potrà sfruttare appieno il potenziale dell’IA a beneficio dei cittadini e del Paese”.

Queste considerazioni varranno pienamente ancora per tutto il 2025 e 2026: rimarranno prioritarie linee di sviluppo quali la centralità del dato e l’open data, l’automazione e la semplificazione dei processi, l’interoperabilità e l’adozione di piattaforme abilitanti, il principio cloud-first e la sovranità digitale. Ma possiamo aspettarci anche che la PA esplorerà approcci multimodali, integrando l’IA con altre tecnologie per migliorare la qualità dei dati e la produttività. Intelligenza artificiale e Machine learning (ML)saranno sempre più usati per automatizzare i compiti, migliorare i processi decisionali, personalizzare i servizi in ottica di citizen-centricity e rafforzare la sicurezza informatica.