Centralizzare l’intelligenza artificiale: come si realizza il “Modello IA Sovrano” per la PA

Nel dibattito sull’intelligenza artificiale e la sua applicazione nelle organizzazioni pubbliche, il tema della sovranità e di chi, concretamente, controlla l’intelligenza artificiale, è diventato centrale. Ma che cosa significa IA sovrana? La Francia ha fatto da apripista con una strategia che punta sull’IA centralizzata per la PA intesa come ecosistema di governance e condivisione delle soluzioni. Questo approccio può essere una valida strategia contro i rischi della dipendenza tecnologica e apre le porte a un “Modello IA Sovrano” e centralizzato anche per la PA in Italia.

Non si tratta di sviluppare un motore IA nazionale unico né di contrapporre tecnologie di nazionalità diversa, bensì di scegliere in base alle esigenze: competitività tecnologica, sicurezza dei dati, autonomia decisionale, governo dei processi e anche efficienza e riuso. È una via non solo possibile per la PA italiana, ma già in funzione grazie ai fornitori dedicati.

La via della Francia: centralizzare l’IA per la Pubblica Amministrazione

Certamente la Francia ha un suo vantaggio tecnologico: l’IA sviluppata dalla società francese Mistral, che a ottobre ha lanciato la nuova versione del suo Large language model, Mistral Large 4. Questo modello di intelligenza artificiale, il più grande e potente finora costruito in Europa, potrà essere installato su infrastrutture locali, consentendo a imprese e PA di utilizzare capacità avanzate di IA mantenendo i dati all’interno dei propri sistemi.

Ciò non significa che gli enti pubblici francesi usino solo Mistral: questo modello è solo un elemento in una più ampia strategia di controllo e governo dell’intelligenza artificiale. Già dal 2024, il Governo di Parigi, attraverso la Direction interministérielle du numérique (DINUM), ha sviluppato un’infrastruttura IA, chiamata Albert, con lo scopo di centralizzare l’IA generativa nella PA. Albert è un ecosistema tecnologico che mette a disposizione delle pubbliche amministrazioni strumenti e modelli di intelligenza artificiale attraverso un’infrastruttura comune, governata centralmente e progettata secondo criteri di sovranità. Ciò evita, innanzitutto, gli sprechi e incoraggia il riuso, perché le amministrazioni non devono più sviluppare autonomamente le proprie soluzioni, magari ognuna con piattaforme differenti. Al tempo stesso è una scelta di protezione delle informazioni e tutela della continuità operativa.

All’inizio il sistema Albert utilizzava modelli aperti e fonti informative istituzionali; successivamente, si è evoluto in Albert API, la piattaforma interoperabile di inferenza gestita dalla DINUM, che consente alle amministrazioni di accedere a diversi modelli di IA generativa attraverso un’unica interfaccia.

Albert API è progettata per operare in un ambiente di hosting sovrano, con infrastrutture qualificate e garanzie di protezione delle informazioni. La piattaforma centralizza l’accesso ai modelli, ma non impone un unico modello linguistico. È proprio la possibilità di orchestrare tecnologie differenti attraverso un’infrastruttura comune a costituire uno dei suoi elementi strategici.

La sovranità come capacità industriale di costruire e gestire soluzioni IA

Il modello francese dimostra che la sovranità dell’intelligenza artificiale non si realizza sviluppando un unico modello nazionale, ma costruendo un’infrastruttura pubblica capace di governare l’accesso ai modelli, la gestione dei dati e l’integrazione delle tecnologie nei servizi dello Stato.

Non serve rinunciare ai modelli più avanzati disponibili sul mercato: la discriminante è poter decidere dove vengono eseguiti, quali dati possono utilizzare, chi può accedervi e secondo quali regole vengono integrati nei processi dell’organizzazione. Questo significa che già oggi l’Italia può avere un suo motore IA nazionale inteso come capacità industriale di costruire e gestire soluzioni IA. La discussione sul controllo dell’IA spesso si è concentrata sulla scelta della tecnologia, ma in realtà la base di partenza è l’architettura.  

Non solo dipendenza tecnologica: la discriminante è il controllo dell’architettura

Il problema dell’IA sovrana, infatti, non si risolve semplicemente scegliendo un modello europeo al posto di uno americano o cinese. Anche un modello sviluppato in Europa può essere utilizzato attraverso un servizio esterno, con modalità di gestione dei dati e degli accessi che non garantiscono automaticamente la sovranità dell’organizzazione. Viceversa, un modello internazionale avanzato può essere integrato in un’architettura privata, isolata o controllata, con politiche rigorose di sicurezza, gestione delle identità, tracciabilità e protezione delle informazioni. Prima della scelta del modello, dunque, si deve porre la questione di governa l’intera architettura attraverso cui quel modello opera.

Come prevede anche l’apparato normativo (Strategia Nazionale per l’Intelligenza Artificiale 2024-2026, Legge 23 settembre 2025, n. 132, Strategia Cloud Italia, AI Act, GDPR, le linee guida AgID per l’adozione, lo sviluppo e il procurement di sistemi di IA nella Pubblica Amministrazione), un’architettura IA sovrana è quella che garantisce almeno cinque capacità fondamentali: controllo dei dati, controllo degli accessi, indipendenza tecnologica (l’architettura deve consentire di utilizzare, sostituire e combinare differenti modelli senza vincolare l’intera amministrazione a un unico fornitore), sicurezza e tracciabilità(richieste, risposte, accessi e operazioni devono poter essere monitorati e ricostruiti, con adeguati sistemi di logging e audit) e integrazione con applicazioni, archivi, basi dati e sistemi informativi già presenti, rispettando le regole e i flussi operativi dell’amministrazione.

A queste capacità si aggiunge la possibilità di realizzare ambienti privati e, dove richiesto dal livello di criticità delle informazioni, architetture completamente isolate (air-gapped), nelle quali l’elaborazione avviene senza connessioni verso infrastrutture esterne.

“Modello IA Sovrano”, una sfida possibile per la PA italiana

INIX è un’azienda capace di progettare, integrare e governare architetture di IA sovrane: ambienti privati o air-gapped, controllo dei dati, sicurezza, tracciabilità, integrazione con i processi e con i sistemi esistenti, realizzando a pieno il modello di IA sovrana inteso come capacità di mantenere dati, accessi, modelli e logica operativa sotto il controllo dell’organizzazione pubblica. Il perno di questo modello è il controllo sui vari elementi e non solo il presidio sulla residenza dei dati. INIX dimostra che il modello dell’IA sovrana per la PA non solo è possibile ma già in funzione, grazie a capacità proprietarie di orchestrazione, adattamento e governance di modelli IA. La PA non deve sviluppare o addestrare LLM e motori IA, ma saperli usare esercitando il controllo.

L’Italia potrebbe, insomma, cogliere la sfida lanciata dalla strategia francese costruendo un proprio Modello IA sovrano per la Pubblica Amministrazione, da intendere come ecosistema tecnologico e organizzativo capace di mettere le amministrazioni nelle condizioni di utilizzare le migliori tecnologie disponibili, mantenendo il controllo delle proprie risorse informative e operative.

L’Italia può costruire una propria capacità industriale di progettazione, integrazione e governo delle architetture di IA, selezionando e combinando modelli differenti, adattandoli alle esigenze delle singole amministrazioni e inserendoli in ambienti tecnologici sui quali l’organizzazione mantiene il controllo.

In questa prospettiva, la centralizzazione dell’IA non deve essere interpretata come l’imposizione di un’unica piattaforma per tutte le amministrazioni, ma come una centralizzazione delle politiche di governance, dei criteri di sicurezza, delle modalità di accesso e delle regole di utilizzo, lasciando spazio ad architetture distribuite e federate quando necessario. Si offrirebbe così un’armonizzazione delle architetture e soluzioni che fa lavorare meglio le persone, preserva la continuità operativa e l’erogazione dei servizi, genera efficienza e favorisce anche lo sviluppo di competenze e capacità di ricerca interne.