Intelligenza Artificiale nella Pubblica Amministrazione

2026-05-17 · Tommaso Maria Ricci

Intelligenza Artificiale nella Pubblica Amministrazione

Centoventi progetti, quarantacinque enti, e solo per un quinto di quei progetti qualcuno ha deciso come misurarne l'effetto. È la fotografia dell'intelligenza artificiale nella pubblica amministrazione centrale italiana scattata da AgID nella sua prima ricognizione ufficiale. La tecnologia c'è, i contratti ci sono, il valore medio dichiarato dei contratti si aggira attorno ai 19 milioni di euro. Quello che manca, quasi sempre, è il metodo per capire se un progetto sta funzionando.

Il 9 novembre 2026 AgID ha adottato le Linee guida per l'adozione dell'IA nella pubblica amministrazione. La legge 132 del 2025 ha fissato in Italia una regola chiara: l'intelligenza artificiale supporta la decisione amministrativa, non la sostituisce. L'AI Act europeo applica già i divieti, l'alfabetizzazione e la trasparenza, e porta gli obblighi sull'alto rischio dal 2 dicembre 2027. Le regole, ormai, ci sono tutte. Questa guida è per chi deve decidere, finanziare e portare in produzione un progetto in un comune, una regione, un'azienda sanitaria o un ente centrale: cosa funziona, cosa dicono davvero le regole, da dove partire.

Lo stato dell'intelligenza artificiale nella pubblica amministrazione italiana

Il dato più solido che abbiamo è il rapporto AgID sulla ricognizione dei progetti di IA, pubblicato nel giugno 2025 e realizzato con il supporto tecnico scientifico dell'Osservatorio Agenda Digitale del Politecnico di Milano. L'indagine si è svolta tra il 25 settembre e il 10 ottobre 2024 su amministrazioni centrali e gestori di pubblico servizio nazionali.

I numeri principali:

  • 142 organizzazioni coinvolte, 108 hanno risposto (tasso di risposta del 76%).
  • 45 enti hanno dichiarato progetti di IA, per un totale di 120 iniziative censite.
  • Il 42% dei progetti punta all'efficienza operativa, il 24% alla gestione e analisi dei dati, il 18% al miglioramento dell'accesso ai servizi per cittadini e imprese.
  • Oltre il 60% dei progetti integra funzionalità di chatbot o assistenti virtuali.
  • Circa la metà degli affidamenti è passata da gare ICT generiche, il 12% dei contratti è nato da una proposta spontanea dei fornitori.
  • Solo per circa un quinto dei progetti sono stati definiti indicatori di performance.

Tre letture, una per ciascun numero che pesa.

La prima riguarda la direzione. L'IA nella PA serve oggi soprattutto a far funzionare meglio la macchina interna: processi, rapporti tra amministrazioni, analisi dei dati. Il rapporto lo dice esplicitamente, l'utilizzo è orientato in misura maggiore al miglioramento dei processi interni e all'interazione tra amministrazioni. Il servizio al cittadino viene dopo.

La seconda riguarda i chatbot. Sei progetti su dieci li contengono. AgID stessa osserva che questa diffusione potrebbe riflettere più una spinta di mercato che una domanda funzionale interna. Tradotto: molti enti hanno comprato un assistente virtuale perché era quello che veniva offerto, non perché fosse il problema più urgente da risolvere.

La terza riguarda la misura. Se quattro progetti su cinque non hanno indicatori, nessuno potrà dire tra due anni se valevano i soldi spesi. È qui, non nella tecnologia, che si gioca la partita.

Chi ha lavorato con organizzazioni complesse in trasformazione digitale riconosce il copione. È successo con la firma digitale, con la PEC, con il fascicolo elettronico. La differenza tra chi ha colto il vantaggio e chi è rimasto indietro non stava nel software, stava nella decisione di rivedere il processo a monte. Con l'intelligenza artificiale vale la stessa regola, con una variabile in più: tocca il merito delle decisioni, non solo la loro tracciabilità.

Come si classificano i sistemi di IA nella pubblica amministrazione

Molti corsi per dipendenti pubblici partono da una domanda: come si classifica un sistema di intelligenza artificiale in un ente? Non esiste una sola classificazione. Ne servono due, perché rispondono a domande diverse.

La classificazione per finalità: processi interni o servizi esterni

La logica AgID, già nella bozza di linee guida messa in consultazione nel febbraio 2025, ordina gli usi dell'IA in base al supporto che forniscono. Da una parte ci sono gli usi che migliorano i processi interni dell'amministrazione:

  • supporto alle decisioni con modelli predittivi basati sui dati;
  • ottimizzazione dell'allocazione delle risorse;
  • gestione documentale, con classificazione, archiviazione e recupero dei documenti;
  • supporto giuridico nell'analisi di norme e giurisprudenza;
  • procedure di acquisto più efficienti e trasparenti.

Dall'altra ci sono gli usi che migliorano i servizi a cittadini e imprese: personalizzazione, proattività (anticipare un bisogno prima che diventi una richiesta), trasparenza sullo stato dei procedimenti, accessibilità e inclusione delle fasce deboli. Una terza area riguarda la sicurezza dei dati e delle infrastrutture.

Questa distinzione non è accademica. Un progetto sui processi interni si misura in tempi, carichi di lavoro, errori evitati. Un progetto sui servizi esterni si misura in tempi di risposta, soddisfazione, accesso effettivo ai diritti. Confondere le due cose porta a misurare il progetto sbagliato con l'indicatore sbagliato.

La classificazione per rischio: l'AI Act

La seconda classificazione è quella giuridica, ed è obbligatoria. Le nuove Linee guida AgID chiedono alle amministrazioni di classificare i propri sistemi secondo i livelli di rischio dell'AI Act: pratiche vietate, alto rischio, sistemi soggetti a obblighi di trasparenza, rischio minimo.

La buona notizia è che la grande maggioranza dei progetti pubblici non è ad alto rischio. Nella ricognizione AgID l'88% dei progetti non ricade in ambiti classificabili come alto rischio. La cattiva notizia è che i progetti che ci ricadono sono proprio quelli che toccano i diritti delle persone: accesso a prestazioni e servizi essenziali, giustizia, lavoro, istruzione, infrastrutture critiche. Lì gli obblighi sono pesanti e vanno progettati dall'inizio.

Le linee guida AgID per l'IA nella pubblica amministrazione

Con la Determinazione n. 169 del 9 novembre 2026, AgID ha adottato le Linee guida per l'adozione dell'IA nella pubblica amministrazione. Il testo è stato emanato seguendo l'iter dell'articolo 71 del Codice dell'amministrazione digitale, dopo la consultazione pubblica aperta nel febbraio 2025.

Cosa contengono:

  1. Conformità normativa. Classificazione dei sistemi per livello di rischio secondo l'AI Act, con requisiti di trasparenza, sorveglianza umana e responsabilità, soprattutto per l'alto rischio.
  2. Un modello di adozione. Il ciclo PDCA (pianificare, fare, verificare, agire) basato sullo standard ISO/IEC 42001 sui sistemi di gestione dell'IA, con strumenti di autovalutazione della maturità dell'ente.
  3. Qualità dei dati e sicurezza. Misure contro gli attacchi specifici ai sistemi di IA: evasione, avvelenamento dei dati, attacchi alla privacy, abusi.
  4. Persone e organizzazione. Codice etico di comportamento, alfabetizzazione digitale, valorizzazione dei profili professionali nell'Ufficio per la transizione al digitale.

Il punto pratico è il secondo. Un modello PDCA significa che l'IA non si "installa": si pianifica con obiettivi misurabili, si sperimenta, si verifica con indicatori, si corregge. È esattamente la parte che, secondo la ricognizione, manca a quattro progetti su cinque.

Una seconda linea di lavoro di AgID riguarda lo sviluppo e l'acquisto di sistemi di IA, con una bozza messa in consultazione nel marzo 2026. Chi sta preparando un capitolato farà bene a seguirla.

Cosa dice la legge italiana: l'articolo 14 della legge 132/2025

La legge 23 settembre 2025, n. 132, in vigore dal 10 ottobre 2025, dedica l'articolo 14 all'uso dell'intelligenza artificiale nella pubblica amministrazione. Il testo è consultabile su Normattiva. Quattro commi, quattro principi.

  • Comma 1, la finalità. Le amministrazioni usano l'IA per aumentare l'efficienza, ridurre i tempi dei procedimenti e migliorare qualità e quantità dei servizi. Devono assicurare la conoscibilità del funzionamento e la tracciabilità dell'utilizzo.
  • Comma 2, la responsabilità. L'IA ha funzione strumentale e di supporto all'attività provvedimentale, nel rispetto dell'autonomia e del potere decisionale della persona, che resta l'unica responsabile dei provvedimenti e dei procedimenti.
  • Comma 3, le misure. Le amministrazioni adottano misure tecniche, organizzative e formative per garantire un uso responsabile dell'IA e sviluppare le capacità trasversali degli utilizzatori.
  • Comma 4, le risorse. Tutto questo avviene con le risorse umane, strumentali e finanziarie disponibili a legislazione vigente.

Il comma 2 è quello che conta per chi firma. Un provvedimento istruito con l'aiuto dell'IA resta un provvedimento del funzionario. Se il funzionario si limita a copiare la bozza generata, la motivazione è sua, e lo sono anche gli errori. La tenuta in giudizio di un atto assistito dall'IA dipende da una supervisione reale e da una motivazione autonoma.

Il comma 4 è quello che conta per chi fa i bilanci. Non ci sono fondi dedicati. Il progetto deve stare in piedi con le risorse ordinarie, il che rende ancora più importante scegliere bene il primo caso d'uso.

Il driver principale: il valore pubblico, non la tecnologia

Qual è il motivo giusto per cui un'amministrazione dovrebbe adottare l'IA? La risposta sbagliata più frequente è "perché lo fanno tutti" oppure "perché c'erano i fondi". La risposta giusta è il valore pubblico: un bisogno concreto di cittadini, imprese o personale che oggi viene soddisfatto male, troppo lentamente o a costi troppo alti.

In pratica, prima di qualsiasi progetto servono tre risposte scritte:

  1. Quale problema misurabile risolviamo? Non "digitalizzare", ma "ridurre da 40 a 15 giorni i tempi di istruttoria del procedimento X".
  2. Per chi? Cittadini, imprese, altri enti, il personale interno.
  3. Come sapremo che ha funzionato? Un indicatore di partenza misurato oggi e un obiettivo a 6 e 12 mesi.

Se mancano queste tre risposte, il progetto parte dalla tecnologia. La ricognizione AgID mostra dove porta: chatbot comprati per spinta di mercato, gare generiche, contratti nati da proposte spontanee dei fornitori, e nessun indicatore per capire se valeva la pena.

Che cosa fa davvero l'intelligenza artificiale in un ente pubblico

Le applicazioni che producono valore misurabile si concentrano su attività ben definite. Eccole, in ordine di maturità.

Gestione documentale. Gran parte del lavoro amministrativo passa da documenti non strutturati: istanze, protocolli, atti, delibere, ricorsi, contratti. I sistemi di IA possono leggere un'istanza, riconoscere il procedimento di riferimento, proporre la classe documentale e l'ufficio destinatario, popolare i campi del protocollo. Il funzionario conferma o corregge. È il caso d'uso con il rapporto più chiaro tra sforzo e risultato, e lo approfondiamo nella guida all'intelligenza artificiale nella gestione documentale.

Analisi e linguaggio naturale. La ricognizione AgID conferma che la maggior parte dei progetti pubblici lavora sull'elaborazione del linguaggio naturale: classificare e comprendere testi, generare risposte, riassumere documenti. È il terreno su cui l'IA generativa ha cambiato di più le possibilità.

Supporto alla decisione. Sistemi che aiutano il funzionario a istruire pratiche complesse: edilizia, ambiente, controlli, accesso a benefici. L'IA prepara, organizza, segnala anomalie e documenti mancanti, recupera precedenti. La decisione resta umana, come impone la legge 132. Qui si entra spesso nell'area dell'alto rischio.

Previsione e allocazione delle risorse. Flussi agli sportelli, accessi sanitari, domanda di servizi, consumi energetici. Modelli predittivi su dati storici aiutano a mettere persone e mezzi dove servono, prima che serva.

Accessibilità e traduzione. Rendere i contenuti comprensibili a chi ha disabilità, competenze digitali limitate o non parla italiano. La bozza AgID indica l'IA come strumento per creare contenuti nativamente accessibili, in coerenza con l'articolo 53 del CAD.

Audit interno. Analisi dei fascicoli per individuare colli di bottiglia, ritardi anomali, duplicazioni tra uffici. È un caso d'uso scomodo, perché tocca abitudini consolidate, ma spesso è quello che libera più tempo.

Come l'IA supporta l'operatore nelle richieste complesse dei cittadini

Una richiesta semplice (orari, documenti necessari, stato di una pratica) può essere gestita da un assistente virtuale ben costruito. Una richiesta complessa no: un cittadino con una situazione familiare particolare, un'impresa con un caso che tocca tre normative, un ricorso.

Qui l'IA non deve rispondere al posto dell'operatore. Deve renderlo più rapido e più preciso. In concreto:

  • Recupera il contesto. Mostra all'operatore lo storico delle pratiche del richiedente, i documenti già presentati, le comunicazioni precedenti.
  • Trova le fonti. Individua la norma, la circolare, il regolamento comunale e i precedenti dell'ente pertinenti al caso.
  • Propone una bozza. Prepara una risposta strutturata che l'operatore verifica, corregge e firma.
  • Segnala cosa manca. Evidenzia documenti mancanti o incongruenze prima che la pratica torni indietro.
  • Smista. Riconosce quando la richiesta va passata a un altro ufficio o a un funzionario esperto.

Il risultato atteso non è eliminare l'operatore, ma ridurre il tempo di ricerca e aumentare la coerenza delle risposte tra un operatore e l'altro. Dal 2 agosto 2026, inoltre, l'articolo 50 dell'AI Act impone di informare le persone quando interagiscono con un sistema di IA: un cittadino che scrive a un assistente virtuale deve saperlo.

RAG nella pubblica amministrazione: perché conviene

RAG sta per retrieval augmented generation, generazione aumentata dal recupero. Invece di far rispondere un modello linguistico solo con ciò che ha imparato durante l'addestramento, il sistema prima cerca nei documenti dell'ente (regolamenti, delibere, circolari, modulistica, FAQ approvate) i passaggi pertinenti, poi genera la risposta basandosi su quelli e li cita.

Per una pubblica amministrazione i vantaggi rispetto a un modello generalista usato da solo sono quattro:

  1. Risposte ancorate alle fonti dell'ente. Il sistema risponde con il regolamento del proprio comune, non con una media di quello che ha letto su internet.
  2. Citazioni verificabili. Ogni risposta indica il documento da cui proviene. L'operatore può controllare, il cittadino può verificare. È coerente con il principio di conoscibilità e tracciabilità della legge 132.
  3. Aggiornamento senza riaddestramento. Quando cambia un regolamento, basta aggiornare il documento nell'archivio. Non serve riaddestrare il modello.
  4. Meno risposte inventate. Il rischio che il modello produca affermazioni plausibili ma false si riduce, perché la generazione è vincolata a testi precisi. Non scompare: va comunque misurato.

La RAG funziona solo se l'archivio documentale è ordinato, aggiornato e con versioni chiare. Un ente con tre versioni dello stesso regolamento in tre cartelle diverse avrà un sistema che risponde con la versione sbagliata. La qualità del dato, ancora una volta, viene prima del modello.

Le tre categorie di strumenti di IA generativa nella PA

Il percorso formativo Syllabus del Dipartimento della funzione pubblica, nel corso Lavorare con l'Intelligenza Artificiale nella PA, insegna a distinguere tre categorie di strumenti.

CategoriaCos'èQuando usarlaAttenzione a
Strumenti generalistiServizi di IA generativa pubblici, usati con account personali o gratuitiTesti non riservati, idee, riformulazioniMai dati personali, riservati o documenti interni non pubblici
Strumenti con licenza acquistata dalla PAServizi contrattualizzati dall'ente, con condizioni su dati e sicurezzaLavoro quotidiano su documenti interni, nei limiti del contrattoVerificare dove sono trattati i dati e se vengono usati per addestrare i modelli
Soluzioni sviluppate ad hocSistemi costruiti su misura per esigenze specifiche dell'ente, spesso sui suoi datiProcedimenti specifici, archivi interni, servizi dedicatiManutenzione, competenze interne, dipendenza dal fornitore

La differenza non è tecnica, è di governo del dato. Con uno strumento generalista l'ente non controlla cosa succede alle informazioni inserite. Con uno strumento in licenza le condizioni sono scritte nel contratto, ed è lì che vanno lette. Con una soluzione ad hoc il controllo è massimo, ma lo è anche la responsabilità di mantenerla.

Una regola semplice per i dipendenti: lo strumento si sceglie in base al dato che si deve trattare, non in base alla comodità.

Prima di dare documenti dell'ente a un sistema di IA

Una delle domande più pratiche, e più trascurate, è: cosa devo fare prima di inserire un documento di lavoro in uno strumento di IA? La procedura corretta ha cinque passaggi.

  1. Classificare l'informazione. Il documento contiene dati personali, categorie particolari di dati (salute, opinioni, dati giudiziari), informazioni riservate o coperte da segreto d'ufficio? Se sì, non va in uno strumento generalista.
  2. Verificare lo strumento. È uno strumento autorizzato dall'ente, con licenza e condizioni contrattuali note? Esiste una policy interna sull'uso dell'IA?
  3. Minimizzare. Inserire solo quello che serve. Se basta un estratto, non caricare il fascicolo intero. Se si possono togliere nomi e codici fiscali, toglierli.
  4. Coinvolgere il Responsabile della protezione dei dati. Per ogni uso sistematico di IA su dati personali il DPO dell'ente va coinvolto, e spesso serve una valutazione d'impatto sulla protezione dei dati prima di partire.
  5. Verificare il risultato. Quello che l'IA produce va controllato da chi firma. Le fonti citate vanno aperte e lette.

Già la bozza delle Linee guida AgID richiamava espressamente il coinvolgimento del Responsabile della protezione dei dati nei progetti di IA. Non è una formalità: è la figura che può fermare un progetto prima che diventi un problema con il Garante.

I sette casi d'uso con cui conviene partire

Quali progetti un ente può avviare con buone probabilità di successo? Sette casi d'uso hanno il miglior rapporto tra valore, costo e rischio. Per ognuno indico l'indicatore da misurare prima di partire, perché senza quello non si saprà mai se ha funzionato.

1. Classificazione del protocollo in entrata. Il sistema propone classe documentale e ufficio destinatario, il protocollista conferma. Indicatore: minuti per documento e percentuale di riassegnazioni.

2. Assistente per i servizi standard. Un assistente basato su RAG risponde alle domande ricorrenti citando le fonti dell'ente e passa all'operatore le richieste complesse. Indicatore: quota di richieste risolte al primo contatto e tempo di risposta.

3. Supporto all'istruttoria edilizia e ambientale. Il sistema legge il fascicolo, segnala documenti mancanti e incongruenze rispetto agli strumenti urbanistici, propone una bozza di motivazione. Indicatore: giorni medi di istruttoria e richieste di integrazione.

4. Previsione dei flussi. Sportelli, accessi sanitari, domanda di servizi. Indicatore: tempi di attesa e personale allocato rispetto al carico reale.

5. Supporto alla redazione degli atti. Bozze di determine, delibere e risposte a partire dalla fattispecie, con norme e precedenti citati. Il funzionario revisiona e firma. Indicatore: tempo di redazione e numero di atti corretti in controllo successivo.

6. Ricerca normativa e documentale interna. Un motore di ricerca in linguaggio naturale sull'archivio dell'ente, con citazioni. Indicatore: tempo di ricerca dichiarato dagli operatori, prima e dopo.

7. Accessibilità dei contenuti. Riscrittura in linguaggio chiaro di avvisi, bandi e comunicazioni, con revisione umana. Indicatore: richieste di chiarimento ricevute dopo la pubblicazione.

Tre osservazioni. Nessuno di questi casi sostituisce il decisore pubblico. Tutti dipendono dalla qualità dei dati. Tutti richiedono un responsabile interno che li segua dopo l'avvio.

Self-assessment: il tuo ente è pronto per l'intelligenza artificiale?

Prima di investire un euro conviene rispondere onestamente a sedici domande, in quattro dimensioni. Assegna a ciascuna 0 (no), 1 (in parte) o 2 (sì).

Dati

  1. Esiste un censimento aggiornato delle banche dati dell'ente, con titolarità, formato e qualità?
  2. Il protocollo è realmente strutturato, o conserva ancora documenti in formato immagine non ricercabili?
  3. I dati sono accessibili tramite interfacce applicative o richiedono estrazioni manuali?
  4. Esiste uno storico di almeno tre anni utilizzabile per analisi e sperimentazione?

Processi

  1. I processi a maggior carico di lavoro sono mappati, con tempi medi e variabilità?
  2. Sai quanto tempo serve oggi per istruire un procedimento tipo?
  3. Esiste un cruscotto che misura volumi, tempi e scostamenti?
  4. La direzione è disposta a rivedere il processo, non solo ad aggiungere uno strumento?

Persone

  1. C'è almeno una persona interna che sa dialogare alla pari con un fornitore di IA?
  2. Il personale operativo viene coinvolto nelle scelte tecnologiche?
  3. Le organizzazioni sindacali sono parte del percorso o vengono informate a cose fatte?
  4. Esiste un piano di alfabetizzazione sull'IA per tutti i livelli?

Governance

  1. Esiste una policy interna sull'uso dell'IA, anche in bozza?
  2. Il Responsabile della protezione dei dati è coinvolto nei progetti di IA?
  3. Esiste un gruppo di lavoro interfunzionale con mandato chiaro?
  4. I possibili casi d'uso sono stati classificati per livello di rischio secondo l'AI Act?

Come leggere il punteggio (massimo 32):

  • Meno di 12: non sei pronto. Lavora prima sui fondamentali, altrimenti sprechi risorse pubbliche.
  • Da 13 a 20: puoi avviare un pilota circoscritto, in un'area con dati buoni e processo chiaro.
  • Da 21 a 28: puoi avviare due o tre progetti e prepararti a portarli in produzione entro dodici mesi.
  • Oltre 28: sei pronto per un percorso strutturato su più aree dell'ente.

L'autovalutazione ribalta una convinzione diffusa: non si parte dal caso d'uso, si parte dalla condizione dell'ente. Le Linee guida AgID prevedono strumenti di autovalutazione della maturità proprio per questo motivo.

La roadmap pratica di adozione in 90 giorni

Superata l'autovalutazione, serve un piano. L'obiettivo del primo trimestre non è un sistema in produzione, ma le condizioni perché un sistema possa entrare in produzione entro il sesto mese.

Giorni 1-15. Mandato. La direzione (sindaco, presidente, direttore generale) firma un mandato scritto: quale problema, con quale budget, in quali tempi, con quale risultato atteso. Si scelgono due o tre processi candidati ad alto volume e con dati strutturati.

Giorni 16-30. Gruppo di lavoro. Cinque o sette persone: il responsabile del processo, il Responsabile per la transizione al digitale, il Responsabile della protezione dei dati, un referente legale, uno informatico, uno del personale. Si riunisce ogni settimana e ha un mandato di proposta verso la direzione.

Giorni 31-45. Audit dei dati. Dove sono i dati del processo scelto, in che formato, con che qualità e che vincoli giuridici. È la fase che molti saltano, ed è quella in cui emergono le sorprese: archivi incompleti, scansioni non ricercabili, versioni multiple dello stesso documento.

Giorni 46-60. Caso d'uso minimo e indicatori. Non "automatizzare l'istruttoria edilizia", ma "proporre la classe documentale per le istanze del procedimento X, con accuratezza misurata su un campione di 200 istanze reali". Tre indicatori: qualità del risultato, tempo risparmiato, gradimento degli operatori. Si misura il valore di partenza.

Giorni 61-75. Fornitore o sviluppo interno. Si prepara un capitolato che chieda una dimostrazione sui dati dell'ente, trasparenza sul modello, conformità all'AI Act, modalità di audit, condizioni di uscita e portabilità di dati e configurazioni. Si valuta lo strumento di acquisto più adatto, invece di ripiegare su una gara ICT generica.

Giorni 76-90. Prototipo e piano di sperimentazione. Si costruisce il prototipo e si definisce chi lo userà, su quali volumi, con quale raccolta di riscontri. La sperimentazione vera parte il giorno 91, in parallelo con il processo esistente.

Il novantesimo giorno non è la fine, è l'inizio. Ma è un inizio solido.

Il quadro normativo: AI Act, GDPR, CAD

Un progetto di intelligenza artificiale in un ente pubblico deve coordinare quattro livelli di regole.

L'AI Act europeo. Il Regolamento (UE) 2024/1689 è in vigore dal 1 agosto 2024, con applicazione progressiva fino al 2 agosto 2028. Il calendario, dopo il Regolamento (UE) 2026/1744:

  • dal 2 febbraio 2025 si applicano i divieti dell'articolo 5 e l'articolo 4 sull'alfabetizzazione, che chiede a fornitori e utilizzatori di adottare misure che sostengano l'alfabetizzazione in materia di IA del personale;
  • dal 2 agosto 2026 si applicano gli obblighi di trasparenza dell'articolo 50, tra cui informare le persone che stanno interagendo con un sistema di IA;
  • dal 2 dicembre 2027 si applicano gli obblighi per i sistemi ad alto rischio dell'Allegato III, che comprende l'accesso a prestazioni e servizi pubblici essenziali, la migrazione, l'amministrazione della giustizia, il lavoro e l'istruzione;
  • dal 2 agosto 2028 quelli per l'alto rischio dell'Allegato I, cioè l'IA dentro prodotti regolati;
  • entro il 2 agosto 2030 i sistemi ad alto rischio già in uso presso le autorità pubbliche devono essere messi in conformità.

Una sintesi ufficiale degli obblighi è sul sito della Commissione europea dedicato all'AI Act. Per un approfondimento operativo vale la nostra guida alla conformità all'AI Act.

La legge 132/2025. Oltre all'articolo 14 sulla PA, individua AgID e l'Agenzia per la cybersicurezza nazionale come autorità nazionali per l'intelligenza artificiale.

Il GDPR. Ogni sistema che tratta dati personali deve rispettare liceità, minimizzazione, esattezza, sicurezza e responsabilizzazione. Per i trattamenti su larga scala o innovativi la valutazione d'impatto sulla protezione dei dati è quasi sempre necessaria.

Il CAD e le linee guida AgID. Il Codice dell'amministrazione digitale fissa i principi di interoperabilità, trasparenza, sicurezza e conservazione. Le Linee guida del 9 novembre 2026, emanate ai sensi dell'articolo 71 del CAD, ne sono il riferimento operativo per l'IA.

Tre principi tengono insieme tutto. La decisione che incide su diritti resta umana e motivata. Il sistema deve essere abbastanza comprensibile da sostenere la motivazione del provvedimento. Il cittadino deve poter sapere che l'IA è stata usata. Un sistema costruito dentro questo quadro è solido. Uno costruito fuori può essere fermato, contestato, smontato in qualsiasi momento.

Errori da evitare

Gli errori che fanno fallire i progetti di IA negli enti sono sempre gli stessi. Conoscerli serve a evitarli.

Partire dalla tecnologia. Un dirigente torna da un convegno e chiede di "fare qualcosa con l'IA". Si cerca un caso d'uso per giustificare lo strumento. Sei mesi dopo il sistema è abbandonato. Si parte sempre da un problema misurabile.

Comprare quello che offre il mercato. La ricognizione AgID segnala che il 12% dei contratti nasce da proposte spontanee dei fornitori e che i chatbot sono diffusi forse più per spinta di mercato che per bisogno reale. Il rischio è doppio: soluzioni poco aderenti alle esigenze dell'ente e dipendenza dal fornitore.

Ignorare la qualità del dato. Il fornitore mostra risultati eccellenti sui dati di altri clienti. Sui dati dell'ente l'accuratezza crolla. L'audit del dato si fa prima del progetto, non durante.

Non definire gli indicatori. Senza un valore di partenza misurato, nessuno potrà dimostrare il risultato. È l'errore più diffuso, e la ricognizione lo conferma su quattro progetti su cinque.

Escludere il personale. Un sistema imposto a fatto compiuto genera resistenza e uso minimo. Gli operatori conoscono le eccezioni che nessuna mappa di processo riporta.

Confondere il pilota con la produzione. Un prototipo che funziona su cento casi scelti mostra problemi nuovi su diecimila casi reali. Il pilota va progettato già pensando alla scala.

Dimenticare la manutenzione. Un sistema di IA va monitorato, aggiornato e, se serve, riaddestrato. Se il bilancio non lo prevede, il sistema si degrada.

Il ritorno sull'investimento: come stimarlo senza promesse

Quanto vale un progetto di IA ben costruito? Diffido di chiunque dia un numero prima di aver visto i dati dell'ente. Le stime generiche servono a vendere, non a decidere. Serve un metodo.

  1. Volume annuo del processo scelto (pratiche, istanze, richieste).
  2. Tempo medio attuale per unità, misurato su un campione reale, eccezioni comprese.
  3. Costo orario pieno del personale coinvolto.
  4. Tre scenari di risparmio: prudente, atteso, ottimista. Nel prudente, una quota significativa delle pratiche richiede ancora revisione completa.
  5. Valore per il cittadino: giorni di attesa evitati, integrazioni documentali evitate, accessi agli sportelli risparmiati.
  6. Costi completi su tre anni: licenze, integrazione, adeguamento dei processi, formazione, manutenzione, tempo del personale interno.

Se il progetto regge solo nello scenario ottimista, non è pronto. Se regge in quello prudente, vale la pena partire.

Un aspetto che i bilanci tendono a ignorare: il valore di un progetto pubblico non si esaurisce nel risparmio. Un comune che riduce di un terzo i tempi di rilascio di un permesso produce un effetto sul tessuto economico locale che nessun foglio di calcolo interno cattura. Va stimato comunque, anche in modo indiretto.

Per un metodo più ampio, applicabile anche al contesto pubblico, c'è la guida pratica al ROI dell'intelligenza artificiale.

Strumenti e fornitori: come orientarsi

Il mercato dell'IA per la PA si divide in quattro tipologie di operatori, ciascuna con punti di forza e rischi.

Grandi piattaforme cloud internazionali. Robustezza e scalabilità, oggi anche con opzioni conformi ai requisiti europei sul trattamento dei dati. Rischi: dipendenza, costi a volume, clausole difficili da negoziare per un singolo ente.

System integrator italiani ed europei. Conoscenza dei processi pubblici e capacità di integrazione con i sistemi esistenti. Rischi: tempi e costi.

Società specializzate. Agilità e specializzazione su nicchie come gestione documentale o assistenza al cittadino. Rischi: solidità finanziaria e continuità del servizio nel lungo periodo.

Modelli aperti e sviluppo interno. Indipendenza, trasparenza, adattabilità. Rischi: servono competenze interne e tempo.

Le amministrazioni più mature costruiscono architetture ibride: componenti standard da fornitori esterni, nucleo applicativo e dati sotto controllo interno. Sul piano tecnologico tre tendenze contano: modelli più piccoli eseguibili su infrastrutture locali, architetture RAG che ancorano le risposte ai documenti dell'ente, strumenti di monitoraggio che documentano il funzionamento dei sistemi nel tempo.

Cosa ho imparato fuori dal settore pubblico

Il mio lavoro con le organizzazioni si è svolto soprattutto nel privato, ma la lezione si trasferisce senza adattamenti. In un centro medico la capacità è cresciuta del 20%. In un hotel il fatturato è passato da 9 a 10 milioni. In ogni caso il risultato non è venuto dallo strumento, ma dalla decisione di misurare il punto di partenza, scegliere un solo processo, ridisegnarlo da capo a fondo e solo dopo estendere quello che aveva funzionato.

Il settore pubblico ha un vincolo in più, la responsabilità verso i cittadini, e un vantaggio in più: processi spesso standardizzati per legge, quindi più facili da misurare e confrontare tra enti. Un comune che risolve bene un caso d'uso può diventare il modello per centinaia di altri.

Conclusioni: una decisione di metodo

Chi guida un'amministrazione pubblica non deve più decidere se adottare l'intelligenza artificiale. Le regole ci sono, le linee guida ci sono, gli strumenti ci sono. Deve decidere come: con indicatori, dati in ordine, persone coinvolte e responsabilità chiare, oppure inseguendo l'offerta del mercato con il rischio di spendere risorse pubbliche senza poter dimostrare nulla.

Le amministrazioni che sapranno partire da un problema misurabile, classificare correttamente i propri sistemi, applicare il ciclo previsto dalle Linee guida AgID e tenere la decisione nelle mani delle persone, saranno quelle che potranno raccontare risultati veri.

Per un quadro complementare valgono la guida alla trasformazione digitale con intelligenza artificiale, quella sui framework di adozione enterprise e la guida al consulente di intelligenza artificiale.

Se la tua amministrazione sta impostando un percorso e cerca un confronto indipendente su caso d'uso, indicatori e capitolato prima di impegnare risorse, puoi inviare una richiesta di consulenza dalla pagina dedicata del sito. In questa fase conta avere un interlocutore che conosce i punti in cui i progetti si rompono e sa quando spingere e quando aspettare.

Domande frequenti

A che punto è l'intelligenza artificiale nella pubblica amministrazione italiana?

La ricognizione AgID pubblicata nel 2025, condotta tra settembre e ottobre 2024 su amministrazioni centrali e gestori di pubblico servizio nazionali, ha raccolto 108 risposte su 142 enti coinvolti. In 45 hanno dichiarato progetti di IA, per 120 iniziative. Il 42% punta all'efficienza operativa, oltre il 60% include chatbot o assistenti virtuali, e solo per circa un quinto dei progetti sono stati definiti indicatori di performance. La tecnologia è diffusa, il metodo per misurarne il valore molto meno.

Come viene classificata l'intelligenza artificiale nella pubblica amministrazione?

Servono due classificazioni. La prima è per finalità: la logica AgID distingue gli usi che migliorano i processi interni dell'ente (decisioni, risorse, gestione documentale, supporto giuridico, acquisti) da quelli che migliorano i servizi a cittadini e imprese (personalizzazione, proattività, trasparenza, accessibilità). La seconda è per rischio, secondo l'AI Act: pratiche vietate, alto rischio, sistemi con obblighi di trasparenza e rischio minimo. Le Linee guida AgID del 9 novembre 2026 chiedono di classificare ogni sistema per livello di rischio.

Cosa prevedono le linee guida AgID per l'intelligenza artificiale nella pubblica amministrazione?

Le Linee guida adottate con la Determinazione AgID n. 169 del 9 novembre 2026 danno un quadro operativo per introdurre l'IA negli enti in linea con l'AI Act. Prevedono la classificazione dei sistemi per livello di rischio, requisiti di trasparenza, sorveglianza umana e responsabilità, un modello di adozione basato sul ciclo PDCA e sullo standard ISO/IEC 42001 con strumenti di autovalutazione, misure su qualità dei dati e sicurezza contro gli attacchi specifici all'IA, un codice etico e la valorizzazione delle competenze nell'Ufficio per la transizione al digitale.

Cosa dice la legge 132/2025 sull'uso dell'IA nella pubblica amministrazione?

L'articolo 14 della legge 132/2025, in vigore dal 10 ottobre 2025, stabilisce che le amministrazioni usano l'IA per aumentare l'efficienza, ridurre i tempi dei procedimenti e migliorare i servizi, garantendo conoscibilità del funzionamento e tracciabilità dell'utilizzo. L'IA ha funzione strumentale e di supporto: la persona mantiene autonomia e potere decisionale ed è l'unica responsabile dei provvedimenti. Le amministrazioni adottano misure tecniche, organizzative e formative, con le risorse disponibili a legislazione vigente.

Quale vantaggio ha la RAG nella pubblica amministrazione rispetto ad altri modelli di IA?

Con la RAG (retrieval augmented generation) il sistema cerca prima nei documenti dell'ente, come regolamenti, delibere, circolari e modulistica, e poi genera la risposta basandosi su quei testi, citandoli. Rispetto a un modello generalista usato da solo le risposte sono ancorate alle fonti dell'amministrazione, verificabili dall'operatore e dal cittadino, aggiornabili senza riaddestrare il modello e meno esposte a informazioni inventate. Funziona solo se l'archivio documentale è ordinato e con versioni chiare.

Quali sono le categorie di strumenti di IA generativa utilizzabili nella PA?

Il percorso Syllabus del Dipartimento della funzione pubblica distingue tre categorie: strumenti generalisti, strumenti con licenza acquistata dalla PA e soluzioni sviluppate ad hoc. I generalisti vanno usati solo per contenuti non riservati, mai con dati personali o documenti interni. Gli strumenti in licenza hanno condizioni contrattuali su dati e sicurezza da verificare. Le soluzioni ad hoc sono costruite su esigenze specifiche dell'ente e garantiscono il massimo controllo, ma richiedono manutenzione e competenze.

Cosa fare prima di inserire documenti dell'ente in un sistema di IA?

Prima si classifica l'informazione: se contiene dati personali, dati sanitari o giudiziari, informazioni riservate o coperte da segreto d'ufficio, non va in uno strumento generalista. Poi si verifica che lo strumento sia autorizzato dall'ente e se ne conoscono le condizioni contrattuali. Si inserisce solo il minimo necessario, togliendo nomi e codici fiscali quando possibile. Per usi sistematici su dati personali va coinvolto il Responsabile della protezione dei dati. Infine il risultato va sempre verificato da chi firma.

Quali progetti di intelligenza artificiale conviene avviare per primi in un ente pubblico?

I progetti con il miglior rapporto tra valore, costo e rischio sono la classificazione del protocollo in entrata, l'assistente per i servizi standard basato sui documenti dell'ente, il supporto all'istruttoria edilizia e ambientale, la previsione dei flussi, il supporto alla redazione degli atti, la ricerca normativa interna e la riscrittura in linguaggio chiaro dei contenuti. Per ciascuno va misurato un indicatore di partenza prima di iniziare, altrimenti non sarà possibile dimostrare il risultato.