Sovranità digitale e IA, la sfida è governare la filiera del dato

La sovranità digitale – ormai centro del dibattito pubblico e istituzionale – invita a un’attenta riflessione. In che cosa consiste, e come si costruisce, la sovranità? Le norme europee, con l’AI Act in testa, hanno messo in evidenza la tutela dei dati sensibili dei cittadini e l’esigenza di arginare la dipendenza tecnologica da piattaforme extra-UE, ma non basta tradurre tali mandati in residenza europea dei dati. La sovranità è controllo di un’intera filiera e questo, nell’era dell’intelligenza artificiale, significa governare dati, infrastrutture, modelli, algoritmi e competenze. Solo così l’IA diventa una tecnologia a vantaggio di enti e cittadini e, al tempo stesso, potenziale generazione di valore industriale per il Paese.

La sovranità digitale non si esaurisce, dunque, con la conservazione di dati all’interno dei propri confini, ma comprende la capacità di governare tutta la catena del valore che è sottostante il dato e l’IA. Allargare in questo modo lo sguardo implica per le amministrazioni acquisire piena consapevolezza di chi governa gli algoritmi e chi assicura trasparenza, controllo e conformità normativa lungo la filiera.

Dalla localizzazione del dato al governo della filiera

La questione della sovranità digitale riguarda l’interesse pubblico e la sicurezza generale, ma non implica che ogni componente debba necessariamente essere nazionale o che ogni dato debba essere trattato allo stesso modo. È possibile considerare in modo proficuo la sovranità come un approccio ‘pragmatico’: di fronte ai dati non critici, è plausibile utilizzare anche modelli di IA generalisti; al contrario, per i dati critici e sensibili, diventa necessario governare l’intera catena del valore.

È una distinzione che sposta la discussione dal possesso alla capacità di controllo. La sovranità digitale deve essere costruita come una filiera nazionale capace di gestire i diversi momenti della lavorazione dei dati nell’ambito dell’intelligenza artificiale.

Una sovranità costruita per strati

In questa filiera, infrastrutture, dati, modelli e competenze non sono elementi separati, ma componenti di un unico sistema di governo, da leggere come una sovranità “a strati”. C’è innanzitutto la sovranità infrastrutturale, che riguarda le infrastrutture fisiche, la potenza di calcolo, lo storage e il controllo di dove si trovano i dati. C’è poi il livello della data governance: sapere quali dati possiede l’amministrazione, quale è la loro qualità, per che cosa possono essere utilizzati e quale visibilità è possibile avere su di essi. Infine, c’è la dimensione cognitiva, ovvero la capacità di controllare il comportamento dei modelli e i contenuti che producono, in modo da utilizzare l’IA come supporto ma senza delegare le responsabilità.

L’innovazione non può venire a patti con il controllo e gli enti devono restare al timone del processo operativo e decisionale, stabilendo che cosa può uscire dai propri perimetri e che cosa deve restare all’interno.

Per approfondire questi temi abbiamo raccolto il punto di vista di Luigi Zanella, Head of Development & Business Innovation, e Roberto Mario Ventura, Market Line Manager PAC & Transportation di Deda Next, che ci hanno guidato dentro la complessità dell’ambito attraverso un banco di prova: il progetto realizzato con l’ISTAT.

L’esempio di ISTAT: il dato viene prima del modello

L’esperienza condotta con l’Istituto dimostra precisamente perché la sovranità dell’IA non possa essere separata dalla qualità del patrimonio informativo. In questo caso, la tecnologia ha consentito di rendere più accessibile il patrimonio statistico dell’Istituto – un patrimonio che, attraverso gli strumenti di ricerca tradizionali, poteva risultare difficile da interrogare per utenti che non conoscevano l’ontologia sottostante.

“Siamo partiti da una base molto favorevole: un patrimonio applicativo e informativo già estremamente strutturato e una governance dei dati consolidata. Ma proprio questo dimostra che il valore dell’IA non deriva semplicemente dall’introduzione di un modello linguistico, ma dalla governance dei dati”, sottolinea Roberto Mario Ventura. “L’intelligenza artificiale diventa così uno strumento per ampliare la possibilità di accesso alla conoscenza, senza separarsi dalla qualità e dalla governance del patrimonio informativo che la alimenta”.

La stessa logica emerge quando si guarda all’addestramento dei modelli. Non è sufficiente prendere i dati e utilizzarli: occorre poter verificare che non contengano bias, che siano rappresentativi e, soprattutto, che permettano di ricostruire a ritroso il percorso che ha portato il modello a produrre determinati risultati.

“Nel caso ISTAT, la ricerca sui dataset è deterministica e conduce sempre a un dataset preciso. Esiste quindi una catena che consente di ricostruire il processo decisionale. È questa capacità di tracciamento a collegare la governance del dato al governo dell’IA”, evidenzia Ventura.

Dall’assistente all’agente: l’IA entra nei processi

Costruire la filiera del dato permette di gettare in sicurezza le basi per la prossima evoluzione, gli agenti IA. Anche in questo caso la tecnologia dovrà essere governata sulla base delle regole e dei processi definiti dalle amministrazioni, affinché l’agente non arrivi a gestire un’intera fase di un processo senza controllo e senza conoscenza della normativa di riferimento.

Deda Next sta sperimentando l’integrazione degli agenti nei propri prodotti tra cui Refer, la piattaforma SaaS per il Record Management e CiviliaNext, il gestionale SaaS per gli Enti Locali. L’obiettivo è partire da prodotti e patrimoni informativi già diffusi, sui quali esiste una conoscenza consolidata dei processi.

Il primo paradigma che si propone è quello dell’“agente suggeritore”, in cui l’agente diventa un acceleratore del lavoro, una sorta di collega esperto capace di avere una visibilità complessiva sul processo e di supportare la persona mentre svolge le proprie attività, ma lasciando il controllo alle persone.

“Il sistema raccoglie informazioni, effettua verifiche, suggerisce all’utente una classificazione, corregge eventuali errori. Ma l’ultima parola resta all’utente. L’agente accompagna, segnala, indirizza, ma non decide”, come spiega Luigi Zanella.

Dalla PA automatizzata alla PA aumentata

I progetti condotti da Deda Next anche per altri clienti – come INPS e Aeronautica – dimostrano la centralità della governance della filiera del dato. La costruzione di questo percorso si inserisce nell’ecosistema sviluppato attorno al framework ESS-AI, l’architettura full stack pensata per presidiare l’intera filiera dell’intelligenza artificiale, che Deda Next applica in ambito Pubblica Amministrazione, valorizzando competenze, soluzioni e progettualità di tutto il Gruppo: Intacture a livello infrastrutturale; Istella per l’apporto al Knowledge Management, all’Information Retrieval e alla gestione e analisi di grandi volumi di dati; e Deda AI per lo sviluppo di soluzioni di intelligenza artificiale orientate a migliorare le decisioni umane. L’integrazione di queste competenze è ciò che consente all’ESS-AI Framework di proporsi come un ecosistema organico e non come una singola tecnologia.

Ventura e Zanella insistono sul ruolo di accompagnamento alle amministrazioni affinché possano comprendere i rischi, definire i guardrail, perimetrare le attività e misurare ciò che accade. Per questo il modello di Deda Next prevede anche una rete di partner che può coinvolgere soggetti formativi per il change management e partner di co-innovazione.

L’obiettivo non è arrivare a “amministrazioni automatizzate”, ma costruire “amministrazioni aumentate”, nelle quali persone e intelligenza artificiale collaborano in modo efficace per rendere i processi più snelli e veloci, mantenendo la trasparenza amministrativa necessaria nei rapporti tra PA, cittadini e imprese. Per questo il successo dell’IA nella Pubblica Amministrazione dipenderà anche dalla capacità di accompagnare il cambiamento attraverso formazione, reskilling e upskilling, insieme a una revisione dei processi organizzativi.

Anche qui la chiave è il presidio dell’intera catena del valore, costruendo competenze su infrastrutture, data governance, modelli e processi. È anche il senso degli investimenti realizzati da Deda Next e del suo ecosistema che unisce i diversi elementi della filiera.

L’obiettivo è rafforzare l’adozione dell’IA in modo progressivo, sostenibile e verificabile, poggiando sempre sulla trasformazione organizzativa e l’elemento umano.