IA: non è più tempo di sperimentazioni. Il confronto nella PA riparte dalla governance

Processi, regole, competenze e dati: quattro parole chiave per sintetizzare i nodi chiave nel passaggio dalla fase di sperimentazione dell’intelligenza artificiale a quella dell’adozione strutturale all’interno delle nostre pubbliche amministrazioni. Pur con le dovute differenze rispetto a diffusione e maturità di utilizzo di questi strumenti, è infatti evidente come tutte le organizzazioni, dalle più grandi alle più piccole, si trovino già a confrontarsi con un cambiamento che non è solo tecnologico, ma al contrario solleva importanti riflessioni su scelte organizzative, modelli di governance, politiche interne di utilizzo, gestione dei dati e accompagnamento delle persone, sia in termini di formazione che di comunicazione interna ed esterna.

Secondo la ricerca “La Pubblica Amministrazione infrastruttura strategica del Paese” presentata in apertura di FORUM PA 2026, il 66% dei dipendenti pubblici usa strumenti di IA ogni giorno o ogni settimana nelle proprie attività lavorative, ma solo nel 14% dei casi l’IA è usata per attività avanzate di automazione d’ufficio. Secondo la percezione dei dipendenti pubblici, nella PA l’innovazione non è affatto ferma, ma spesso è affidata all’iniziativa dei singoli. Per il 41% dei lavoratori la propria organizzazione ha fornito azioni di orientamento, promozione e supporto all’uso dell’IA, ma per ben il 59% le ha lasciate alla libera iniziativa individuale, senza regole definite, formazione, strumenti sicuri, sperimentazioni e linee guida.

Come governare l’adozione dell’IA è una domanda che, quindi, dovrebbero porsi tutte le amministrazioni: alcune, che sono più avanti nel percorso di adozione, l’hanno già fatto e stanno sperimentando modelli e soluzioni potenzialmente replicabili. Tra criticità e opportunità, condividere queste esperienze rappresenta un passaggio fondamentale in un contesto che vede aggiornamenti e cambiamenti repentini e rischia di accentuare le disparità tra amministrazioni che riescono a stare al passo e altre che hanno meno risorse e competenze per farlo.

Un’importante occasione di confronto è stata offerta dal talk “IA nella PA: dalla sperimentazione alla governance”, organizzato da Istat il 10 giugno scorso a FORUM PA 2026. Hanno portato la propria esperienza i rappresentanti di quattro enti centrali, che stanno affrontando l’adozione dell’IA con approcci organizzativi differenti: Massimo Bollati, Direttore per la trasformazione digitale dell’Agenzia del Demanio; Paolo Guidelli, Direttore centrale organizzazione digitale dell’INAIL; Massimiliano D’Angelo, Direttore centrale tecnologia, informatica e innovazione dell’INPS e Massimo Fedeli, Direttore del Dipartimento per lo sviluppo di metodi e tecnologie per la produzione e la diffusione dell’informazione statistica dell’Istat.

L’incontro di giugno rappresenta il primo passo di un percorso di approfondimento, che vedrà nei prossimi mesi due Digital Talk, organizzati da FPA in collaborazione con Istat: il primo è in agenda per il 16 novembre, con il titolo “Oltre i chatbot: come l’IA ridisegna processi, organizzazioni e servizi pubblici”, e approfondirà il passaggio dall’automazione di singole attività alla trasformazione dei processi, analizzando come le amministrazioni possano utilizzare l’IA per migliorare l’efficienza operativa, supportare la gestione documentale, valorizzare la conoscenza interna, ottimizzare l’allocazione delle risorse e aumentare la qualità dei servizi erogati. Il secondo appuntamento, il 16 dicembre, partirà da una domanda – “chi governa l’algoritmo?” – per approfondire ruoli, responsabilità e nuove competenze nella PA aumentata dall’IA.

Sono già aperte le iscrizioni ai due Digital Talk, nel frattempo potete rivedere l’incontro di giugno. Ecco cosa è emerso: modelli, applicazioni concrete e visioni.

Istat: rigore metodologico e formazione diffusa

L’Istituto Nazionale di Statistica integra l’IA per valorizzare i processi di produzione statistica, mantenendo elevati standard etici e di trasparenza.

“Essendo un istituto di ricerca – ha sottolineato Massimo Fedeli – in Istat siamo abituati a cavalcare le innovazioni e a metterle subito in opera, ma sempre mantenendo un rigore nell’output della produzione statistica. Da un lato siamo dunque portati a cogliere le opportunità offerte dall’intelligenza artificiale, ma dall’altro manteniamo fisso il nostro impegno sul rigore -anche- etico nei confronti dei nostri stakeholder. Dobbiamo tutti essere coscienti del fatto che utilizziamo soluzioni di IA spesso in maniera inconsapevole. È per questo che Istat ha investito – e continua a farlo- in una formazione continua a tutto il personale, in ottemperanza al regolamento europeo che prevedeva una prima scadenza a febbraio 2025 per questo tipo di attività”.

Ecco le principali iniziative avviate:

• Struttura di governance: è stato istituito un Comitato di Indirizzo per l’IA, supportato da una segreteria tecnica, con competenze multidisciplinari (tecnologiche, metodologiche, legali, amministrative e di comunicazione). Il Comitato ha una funzione di indirizzo e strategica, ma anche un obiettivo molto pratico: rilasciare regole e policy.
• Framework di valutazione: il Comitato ha sviluppato un framework per mappare, validare e definire quali soluzioni di IA adottare o sviluppare, sia in termini di risorse umane che economiche. La scelta deve garantire anche un bilanciamento tra soluzioni che efficientano, soluzioni che innovano i processi, soluzioni rivolte verso l’interno e verso l’esterno.
• Sviluppo delle competenze: oltre al potenziamento delle competenze tecniche per la modellazione di algoritmi, l’Istat ha avviato un piano di formazione sulla consapevolezza dell’IA rivolto a tutto il personale, in linea con i requisiti dell’AI Act europeo.

Tra le applicazioni sviluppate o in corso di sviluppo: chatbot per la risposta immediata alle richieste informative più semplici di cittadini ed imprese; interfacce IA in linguaggio naturale per facilitare la navigazione all’interno del data warehouse e tra i documenti del sito istituzionale; un modello addestrato sul lessico specifico delle rilevazioni ufficiali per la traduzione automatica in 6 lingue ufficiali; un assistente virtuale per i rilevatori, dedicato alla fase di raccolta dati sul campo; algoritmi di visione artificiale sulle ortofoto per calcolare l’indice di verde urbano e classificare le attività economiche delle imprese sul territorio.

“Abbiamo censito circa 40 soluzioni in corso di sviluppo – ha evidenziato Fedeli -. La vera sfida sarà la governance a regime: disporre di un framework unico che consenta di tracciare in qualsiasi momento come è stato addestrato un algoritmo, quali metriche sono adottate e quali ruoli umani hanno approvato il sistema”.

INPS: gestione del rischio e centralità del dato

Per l’INPS, la sfida consiste prima di tutto nell’innestare l’IA in una struttura caratterizzata da un elevato numero e una grande varietà di utenti e di processi. In quest’ottica sono state avviate diverse iniziative:

• Cabina di regia e risk management: il primo passaggio, ancora prima del boom dell’IA generativa, è stato la mappatura dei processi che potevano essere interessati da queste tecnologie in ottica di automazione. L’istituto ha quindi affiancato alla regia IT la Direzione Risk Management per condurre un risk assesment continuo (rolling) su tutti i casi d’uso. Contestualmente è stato avviato il percorso di certificazione ISO 42001, per seguire processi standardizzati e best practice.
• Separazione strategica dei dati: la gestione del dato è un asset strategico. A livello organizzativo l’area che si occupa della AI Platform è stata divisa dall’area che fa Data Governance.
• Architettura infrastrutturale: l’INPS ha distinto i casi d’uso standard da quelli critici, implementando un’infrastruttura interna basata su uno Small Language Model (SLM) tarato sulle esigenze dell’istituto, operante su dati persistenti e protetti, separandola dall’ambiente più generalista gestito con strumenti standard.

Anche Massimiliano D’Angelo si è soffermato sul tema delle persone e delle competenze: “La Cabina di regia vede il coordinamento della direzione informatica, ma l’IA impatta su tutte le direzioni. Inoltre, molte persone usano l’intelligenza artificiale anche senza rendersene conto, il che spesso significa in maniera non corretta. L’IA comprende strumenti di supporto al lavoro quotidiano che possono potenziare le attività dei colleghi; quindi, un percorso di competenza accelerata e onboarding del personale rappresenta la leva principale”.

Le soluzioni sviluppate sono intervenute su tre canali: servizi al cittadino; supporto ai processi interni; supporto alle decisioni. In particolare si è lavorato su: l’integrazione dell’IA nella piattaforma SIISL (Sistema Informativo per l’Inclusione Sociale e Lavorativa), per tradurre il linguaggio naturale nell’architettura delle offerte di lavoro e formative; AppLI, l’assistente agentico che permette di interagire in linguaggio naturale per individuare sul web corsi e opportunità di formazione; il superamento sul portale istituzionale dei vecchi assistenti virtuali a favore di una sola interfaccia a prompt nativo basata su basi informative certificate INPS, uno strumento istituzionale con la stessa usabilità dei sistemi commerciali, ma che evita allucinazioni e bias; il progetto SKIP per l’instradamento automatico delle richieste (-90% dei tempi di attesa del Contact Center) e l’automazione dei controlli nella gestione documentale, che ha consentito per il solo Bonus nido il riallocamento di oltre 1.100 dipendenti in attività a maggior valore aggiunto per il supporto diretto ai cittadini; il monitoraggio automatizzato dei feedbacksui social e sui canali di servizio per intervenire quasi in tempo reale sulle segnalazioni e l’utilizzo dell’IA per prevenzione del rischio rischi cyber e la gestione dei controlli antifrode.

“Attualmente abbiamo circa 80 servizi operativi basati sull’IA. Stiamo inoltre sviluppando una GenAI Platform basata su un approccio RAG (Retrieval-Augmented Generation), che permette di valorizzare la conoscenza organizzativa dell’istituto spesso frammentata nei singoli uffici – ha aggiunto D’Angelo –. Avere una data reference certificata dai nostri esperti interni consente di standardizzare la qualità delle risposte verso l’utenza anche a fronte del ricambio generazionale del personale”.

INAIL: approccio adattivo e tracciabilità delle soluzioni

L’INAIL ha seguito un percorso di formalizzazione progressiva, integrando ed evolvendo i processi già esistenti. Come ha evidenziato Paolo Guidelli: “Oggi non governiamo più singoli sistemi, ma governiamo gli impatti, i rischi e le decisioni digitali con una visione molto allargata. Il valore portato dall’IA deve essere inteso come valore pubblico”.

Tra le iniziative avviate:

• Governance adattiva: anziché creare metastrutture rigide e formali, la governance è affidata a un ufficio coordinato dall’area digitale con il coinvolgimento diretto di tutti gli stakeholder interni interessati all’utilizzo dell’IA.
• Diffusione delle competenze: l’istituto ha strutturato un percorso d’alfabetizzazione per tutti i dipendenti, basato su seminari dedicati, una newsletter dedicata e un percorso formativo per certificare il recepimento delle competenze.
• Classificazione degli strumenti: l’IA viene distinta in personale (strumenti di uso quotidiano alla portata di tutti) ed enterprise (soluzioni sviluppate internamente e funzionalità integrate nei software).

Le soluzioni IA sviluppate hanno consentito di evidenziare e risolvere criticità già presenti all’interno dell’Istituto. Un esempio? Si è lavorato su un chatbot dall’architettura a due livelli, il primo di comprensione dell’intento dell’utente per poi attivare il chatbot di secondo livello dedicato all’erogazione della risposta oppure reindirizzare la conversazione a un operatore umano. Analizzando i prompt degli utenti, si è visto che domande simili portavano a risposte diverse e questo ha portato a rivedere e armonizzare le knowledge base dell’Istituto. Tra le altre soluzioni sviluppate internamente: un “mediatore linguistico” per supportare le richieste dei lavoratori stranieri al front-desk, che ha richiesto un importante lavoro preliminare di data strategy, data quality e definizione delle ontologie aziendali. L’IA è stata applicata anche per misurare i processi interni e simulare scenari di efficientamento dei servizi. Un approccio applicato anche alla prevenzione dei “quasi incidenti”, tramite una tecnologia particolare, il DBRAF, usata per raccogliere, standardizzare e mettere a disposizione degli operatori del settore i dati sui mancati infortuni nelle aziende ad alto rischio, promuovendo così la cultura della sicurezza.

“L’ultima esperienza che stiamo portando avanti – ha concluso Guidelli – è l’utilizzo dell’IA IT per IT. Stiamo realizzando internamente uno strumento predittivo che consente di monitorare lo stato di salute del nostro parco applicativo multivendor e di generare automaticamente versioni aggiornate di applicativi che verranno poi gestiti da operatori umani”.

Agenzia del Demanio: task force operativa e gap culturale

L’Agenzia del Demanio affronta il fenomeno dell’IA generativa ponendo l’accento sulla produttività sistemica e sul superamento dei divari culturali. Come ha evidenziato Massimo Bollati: “L’IA generativa è entrata in Agenzia prima che le strutture competenti ne prendessero piena coscienza e questo ha generato un aumento di produttività individuale che spesso è stato vissuto solo come un recupero di tempo personale. Uno dei primi obiettivi della nostra governance è stato rendere questo incremento di produttività oggettivo e sistemico per l’Agenzia”.

• Modello a task force: la governance è affidata, anziché a un comitato permanente, a una vera e propria task force operativa, che lavora con obiettivi di risultato e tempistiche codificate.
• Produttività sistemica: l’obiettivo primario è incanalare i guadagni di efficienza ottenuti dai singoli dipendenti all’interno dei processi organizzativi aziendali.
• Divario generazionale e formativo: è necessario superare i limiti della formazione tradizionale, affrontando le differenze di approccio all’IA tra profili informatici puri (più orientati all’uso operativo) e profili STEM non informatici o umanistici (più attenti agli aspetti normativi e di privacy).

E per quanto riguarda le applicazioni sviluppate? “Anche noi siamo partiti dai chatbot – ha raccontato Bollato – ne abbiamo uno chiamato “Savio” a supporto delle 17 direzioni territoriali e delle 8 centrali, basato su modelli LLM non proprietari ma addestrati su dati proprietari, che fornisce risposte veloci su contesti operativi. Ma i prodotti più interessanti sono quelli inseriti nei processi, sia per la loro ottimizzazione che in ottica di predittività”. In particolare, sono stati introdotti agenti autonomi o semi-autonomi per ridurre i tempi di esecuzione delle pratiche aziendali e modelli di machine learning per la predittività sui consumi energetici e sull’occupazione e distribuzione degli spazi di lavoro. Questi ultimi sono ancora in fase di sviluppo, non dal punto di vista tecnologico, ma dal punto di vista del processo: la sfida è tradurre i dati predittivi in azioni organizzative concrete per una gestione ottimizzata degli spazi fisici.

Lezioni apprese e prospettive

In conclusione, l’adozione dell’IA nella Pubblica Amministrazione trascende dalla dimensione puramente tecnologica: è infatti sostenuta da un’ampia disponibilità di soluzioni conformi alle normative, ma necessita di un processo di riorganizzazione strutturale. Il successo dei progetti si misurerà sulla capacità di governare il cambiamento: ridisegnare i processi interni; definire con chiarezza la data strategy e l’ontologia delle informazioni; accompagnare il personale in un percorso continuo di alfabetizzazione e consapevolezza dei rischi.

Dal confronto tra le esperienze emerge come l’adozione dell’IA nella PA richieda un approccio strutturato, capace di tenere insieme innovazione tecnologica, qualità dei dati, rispetto del quadro normativo e sviluppo delle competenze. La varietà dei modelli adottati dalle amministrazioni mostra che non esiste una governance unica, ma che è comune la necessità di superare la logica della singola sperimentazione per integrare l’IA nei processi e nell’organizzazione.

La sfida, quindi, non è soltanto introdurre nuove tecnologie, ma governarne l’evoluzione, definendo responsabilità e criteri di valutazione, assicurando la qualità delle informazioni e accompagnando le persone nel cambiamento. È in questa capacità di trasformare l’innovazione tecnologica in valore per l’organizzazione e per i cittadini che si misura il passaggio dalla sperimentazione a un’adozione strutturale dell’IA nella Pubblica Amministrazione.