Governare l’IA nella PA: l’esperienza di Regione Emilia-Romagna e Rational AI

Le Pubbliche Amministrazioni che adottano l’intelligenza artificiale generativa devono conciliare due esigenze: cogliere il valore di strumenti capaci di trasformare attività e tempi di lavoro e, al contempo, tutelare la sicurezza, la riservatezza e il controllo dei dati dei cittadini. L’esperienza di Regione Emilia-Romagna, sviluppata in collaborazione con Rational AI, dimostra come questa tensione possa essere affrontata attraverso un modello di governance verificato in un contesto operativo reale.

La Regione Emilia-Romagna ha definito i requisiti di governance, trasparenza e tracciabilità necessari per l’impiego dell’intelligenza artificiale nei procedimenti amministrativi; Rational AI ha messo a disposizione le competenze tecnologiche e di AI governance necessarie a tradurli in una soluzione operativa: una vera e propria AI Control Room che funge da framework di governance replicabile e scalabile.

La metodologia rende l’uso dell’IA tracciabile e misurabile: mediante un layer di intermediazione, quando le soluzioni già in esercizio si appoggiano a modelli di terze parti; in modo nativo, quando i modelli sono eseguiti sull’infrastruttura dell’ente, in modalità on-premise. L’obiettivo è un’adozione consapevole e affidabile, nella quale integrità e riservatezza delle informazioni personali costituiscano prerequisiti fin dalla messa in esercizio delle soluzioni. Proprio per il suo carattere innovativo, il progetto è stato candidato al Premio PA e Futuro di FORUM PA 2026.

Il caso pratico: il Bando Bici e SIBER-AI

Nell’ambito del programma per la qualità dell’aria del bacino padano, la Regione istruisce le domande di contributo per l’acquisto di e-bike e cargo bike a pedalata assistita. Ogni pratica richiede il controllo di più documenti – fatture quietanzate, dichiarazioni di assolvimento dell’imposta di bollo e schede tecniche – rispetto ai requisiti del bando. L’attività è oggi affidata a SIBER-AI, modulo applicativo di una piattaforma per la gestione bandi che utilizza modelli di IA in cloud forniti da Azure.

La Regione Emilia-Romagna non si è limitata a utilizzare una tecnologia esistente: ha messo a disposizione il caso d’uso, definito i requisiti di controllo e tracciabilità, reso disponibile l’infrastruttura regionale e validato i risultati su pratiche reali. Insieme a Rational AI, il caso è stato quindi utilizzato per verificare in un contesto operativo due direzioni complementari:

• governare in sicurezza l’IA in cloud già in esercizio;
• ricostruire la stessa soluzione in forma pienamente sovrana, con modelli eseguiti on-premise.

Monitorare l’IA già in esercizio

La prima direzione non ha richiesto interventi invasivi sulle applicazioni esistenti. L’AI Control Room si inserisce come layer trasparente, un proxy, tra l’applicativo della PA e il provider di intelligenza artificiale: l’integrazione richiede interventi minimi (in molti casi il solo aggiornamento dell’indirizzo del server), mantenendo un’alta scalabilità grazie alla sua retrocompatibilità con le soluzioni già in produzione. Una volta applicato, ogni richiesta e ogni risposta vengono registrate e rese tracciabili in Rational AI.

Con un approccio sovrano al dato, la soluzione mantiene una copia controllata delle informazioni inviate ai modelli dentro il perimetro dell’ente: questo consente di monitorare quali dati escono verso i provider esterni, verso quale modello e quando, e di facilitare le richieste di cancellazione previste dal diritto all’oblio del GDPR. Allo stesso tempo, l’IT e i Compliance Officers ottengono piena visibilità su come l’IA viene usata, applicazione per applicazione: lo storico delle richieste, i costi aggregati, il confronto tra modelli sullo stesso compito.

È la leva che permette di tenere sotto controllo i costi, individuando subito i modelli poco utilizzati o troppo onerosi da ottimizzare o dismettere, e di contrastare lo Shadow IT. Ne derivano un’allocazione più mirata delle risorse e un ritorno sugli investimenti in IA nel medio-lungo periodo.

Ricostruire una soluzione in forma sovrana

La seconda direzione mostra come una soluzione già in uso possa essere ricostruita garantendo pieno controllo su dati, modelli e infrastruttura.
Per il Bando Bici, il controllo documentale affidato a SIBER-AI è stato reimplementato da zero su Rational AI, utilizzando modelli open self-hosted eseguiti sull’infrastruttura on-premise regionale, senza dipendenze da provider esterni.

Il comportamento resta quello atteso dall’operatore: una checklist spiegabile, con esito, punteggio di confidenza e motivazione riconducibile al documento di origine. Nessun documento e nessun dato personale lasciano il perimetro dell’ente; la governance è nativa e consente di monitorare, dalla stessa dashboard, costi, volumi e prestazioni dei modelli, tracciando ogni esito fino al documento che lo ha generato.

I risultati confermano che il maggiore controllo tecnologico non comporta una riduzione dell’affidabilità. Nella validazione condotta su venti pratiche reali, per un totale di 240 controlli, la soluzione realizzata su Rational AI e l’applicativo preesistente concordano nel 93% dei casi. Nei casi di divergenza, la nuova implementazione risulta corretta più spesso, con un’accuratezza del 97,5% – 234 controlli su 240 – rispetto al 95,8% dell’applicativo preesistente – 230 su 240. Il passaggio a modelli open eseguiti on-premise non ha determinato regressioni e ha reso il sistema più equilibrato, riducendo i casi in cui una pratica valida veniva erroneamente respinta. A fronte di un’infrastruttura già disponibile, il costo marginale per pratica si azzera e i tempi di elaborazione restano stabili anche sotto carico, senza esposizione ai limiti dei servizi esterni.