Workflow agentici e Small Language Models nella PA: come automatizzare i procedimenti proteggendo i dati 

L’avanzata dell’intelligenza artificiale nei processi interni di aziende e pubbliche amministrazioni è ormai una realtà sedimentata. Se fino a qualche anno fa sembrava di trovarsi davanti a una delle decine di nuove tecnologie che poi alla fine non hanno cambiato più di tanto il nostro modo di lavorare, ben presto tutto il mondo si è accorto che non era così. 

Tralasciando usi impropri o legati al tempo libero, l’intelligenza artificiale si è dimostrata un’infrastruttura (perché è di questo che parliamo) capace di agevolare, velocizzare e rendere sistematici processi e operazioni, dimezzando il tempo necessario a effettuare una moltitudine di procedimenti diversi. 

Ora siamo già al terzo giro di boa: superato l’inizio scoppiettante e la fase dedicata alla regolamentazione italiana ed europea, adesso si parla di limiti all’utilizzo dell’IA. Si stanno studiando modi per renderla meno invasiva, aumentando il controllo umano, fino ad arrivare alla decisione di alcune aziende multinazionali di fermare l’implementazione dei modelli di IA più potenti. 

Parlando del comparto della pubblica amministrazione, ci troviamo in una fase molto delicata: le IA, come ben sappiamo, se utilizzate senza confini ben precisi, possono portare a fuoriuscite di dati sensibili verso piattaforme esterne, all’impossibilità di ricostruire il ragionamento della macchina e all’esplosione incontrollata dei costi computazionali. 

L’intelligenza artificiale deve entrare nella PA accettando vincoli e limitazioni, non deve essere utilizzata come software esterno di cui si conosce poco o niente. Si tratta di un processo molto complicato, di cui si è discusso ampiamente nel webinar dal titolo “Governare l’IA nella PA: efficienza, automazione e conformità normativa” organizzato da FPA in collaborazione con Interzen. 

Il perimetro normativo 

La pubblica amministrazione, come è facile intuire, occupa una posizione delicatissima nel contesto dell’intelligenza artificiale. E questo perché, innanzitutto, le PA erogano servizi che ricadono nella fascia definita ad alto rischio dal Regolamento UE 2024/1689. Parliamo di servizi di welfare, prestazioni sociali, istruzione, lavoro, gestione di infrastrutture etc. 

Tutto ciò impone obblighi stringenti ex ante: qualità e governance dei dati di training, documentazione tecnica, tracciabilità, valutazione d’impatto sui diritti fondamentali e sorveglianza umana. 

Inoltre, l’articolo 14 della legge 132/2025, stabilisce che l’IA deve assicurare la conoscibilità del funzionamento e la tracciabilità, restando uno strumento servente della PA. Il punto nodale dell’articolo 14 della citata legge è il seguente: “L’utilizzo dell’intelligenza artificiale avviene in 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 in cui sia stata utilizzata l’intelligenza artificiale”. 

L’architettura tecnologica: perché separare Small Language Models e Large Language Models 

Invece di affidare l’intero processo a un unico modello generativo esterno, il paradigma emergente nella PA prevede una struttura stratificata. Questa impostazione consente di limitare drasticamente i rischi di cui parlavamo prima. 

Partendo da un livello più generale, c’è un orchestratore centrale a doppio livello. Parliamo di un cervello suddiviso in un Control Plan (che riceve le richieste e verifica i permessi) e un Execution Plan (che coordina gli agenti specializzati lungo step predefiniti). 

Poi, ci sono i motori interni al perimetro. Per l’elaborazione dei dati dell’ente vengono impiegati modelli di Machine Learning tradizionali e Small Language Models (SLM) che operano interamente all’interno del perimetro di sicurezza della piattaforma documentale, senza alcuna condivisione di informazioni verso l’esterno. 

Successivamente, ci sono gateway controllati verso i Large Language Models. Il ricorso ai grandi modelli generativi esterni avviene esclusivamente tramite gateway dedicati e solo se le policy interne dell’amministrazione lo consentono per specifici task non esposti a rischi di data breach. 

Non si abbandonano, dunque, i LLM, ma vi si accede con forti limitazioni. 

Infine, su una scala di autonomia tecnologica da L1 a L5 (dove L5 rappresenta la piena autonomia decisionale della macchina), i sistemi per la PA vengono progettati per operare al Livello L3, garantendo l’autonomia condizionata alla validazione dell’operatore. 

Cosa sono i Workflow Agentici 

Ma come si danno le istruzioni a questa architettura sicura? È qui che entrano in gioco i workflow agentici. Se l’architettura a modelli separati (SLM) garantisce la sicurezza e il recinto dei dati, i workflow agentici sono le ricette operative che dicono all’IA cosa fare passo dopo passo. 

Il workflow agentico, infatti, definisce e vincola a monte gli step esatti che gli agenti di intelligenza artificiale devono eseguire, combinando regole deterministiche (dettate dalla legge e dall’organigramma dell’ente) e capacità inferenziali. 

Per ancorare l’IA alla realtà operativa di un Comune, di un’organizzazione pubblica o di un ente centrale, dove opportuno l’azione degli agenti parte dall’unità fondamentale della PA: il procedimento amministrativo mappato. È il procedimento, definito per legge, a stabilire tempi, uffici competenti e responsabilità. 

Dalla teoria alla pratica: il caso ZenIA e l’esperienza di Interzen 

Questi principi architetturali e normativi trovano un’applicazione concreta in ZenIA, il modulo di AI Governance & Orchestration sviluppato da Interzen e integrato nella piattaforma cloud native ZenShare UP per l’automazione dei processi. 

Il sistema è strutturato per delegare all’IA la fase propositiva, mantenendo in capo all’operatore umano la decisione finale, attraverso workflow preconfigurati sulle specifiche esigenze della PA. 

Tra gli scenari operativi più rilevanti per l’automazione dei processi interni, dal webinar emergono due casi d’uso specifici, rappresentativi delle due direttrici di applicazione dell’Intelligenza Artificiale, ovvero il supporto all’utente finale e il supporto alla configurazione del sistema: 

• Supporto alla protocollazione: in questo scenario, l’agente IA analizza i flussi in ingresso, individuando il procedimento amministrativo associato e suggerendo al dipendente la voce di titolario, l’ufficio responsabile e il fascicolo, rendendo visibile il percorso logico che ha portato al suggerimento. Il processo si conclude solo con la validazione del funzionario, che sblocca la protocollazione effettiva con segnatura XML e sigillo elettronico. 

• Generazione assistita di flussi BPMN: partendo dalla scheda descrittiva di un procedimento e della sua procedura, il workflow agentico supporta l’ente nella generazione di flussi BPMN 2.0 e delle relative WebForm. Il sistema esegue una diagnostica preventiva sulle quattro fasi del procedimento amministrativo (iniziativa, istruttoria, decisoria, integrativa), con l’obiettivo di abbattere in modo significativo i tempi di impostazione tecnica necessari alla digitalizzazione di un nuovo iter. 

Questi sono solo due esempi di un catalogo di 27 casi d’uso già mappati, ulteriormente ampliabile attraverso un assessment dedicato con l’organizzazione, fondamentale per analizzare i processi e le esigenze specifiche di ciascun ente, individuare nuove opportunità di applicazione dell’Intelligenza Artificiale e definire soluzioni personalizzate, capaci di generare benefici concreti in termini di efficienza e innovazione. 

ZenIA nasce all’interno del progetto STED cofinanziato dalla Regione Abruzzo, è possibile approfondire i dettagli del progetto sul sito ZenShare.