Luca Gastaldi, Osservatorio Agenda Digitale del Politecnico di Milano
Michele Petrocelli, Ministero dell’Economia e delle Finanze, Università degli Studi “Guglielmo Marconi”
Loredana Rinaldi, Andrea Rollin, Ministero dell’Economia e delle Finanze

Lo scorso 21 febbraio è stato pubblicato, all’interno della collana ufficiale del Dipartimento del Tesoro del #MEF, il position paper “AI IN PUBLIC SETTINGS: STATUS AND NEXT STEPS”. Lo scopo del documento è quello di fornire una panoramica sull’adozione dell’Intelligenza Artificiale (AI) nel settore pubblico in Europa. In base a questo, l’articolo analizza varie applicazioni efficaci dell’AI in diversi Paesi dell’UE, tra cui l’Italia, ed evidenzia il modello della spesa italiana per la digitalizzazione e gli investimenti nell’AI. I modelli di intelligenza artificiale generativa in questo documento sono considerati una risorsa al servizio del benessere sociale e dei cittadini, progettati strategicamente per comprendere più a fondo i problemi ed essere meglio preparati per le sfide future, considerando anche le implicazioni etiche e di trasparenza e il loro impatto. Per procedere verso un paradigma di governo post-digitale, seguendo un approccio umano centrico, sono necessarie competenze digitali e un adeguato livello di expertise da parte dei dipendenti della Pubblica Amministrazione per implementare con successo progetti di intelligenza artificiale, utilizzare correttamente i dati e creare più valore. Il Dipartimento del Tesoro del Ministero dell’Economia e delle Finanze sta investendo nello sviluppo di progetti innovativi che utilizzano modelli e strumenti di intelligenza artificiale e di intelligenza artificiale generativa, considerando il paradigma sopra menzionato. L’obiettivo è fornire ulteriori servizi ai cittadini e ottimizzare i processi interni.

INTRODUZIONE

Negli ultimi anni, la conoscenza e l’adozione delle tecnologie di Intelligenza Artificiale (AI) sta trasformando radicalmente non solo le strategie di trasformazione digitale ma anche ogni aspetto della nostra vita, influenzando il modo in cui lavoriamo, impariamo e cooperiamo.

Grazie alla sua capacità di elaborare grandi quantità di dati, prendere decisioni in tempo reale e ottimizzare processi complessi, l’Intelligenza Artificiale è emersa come un potente strumento per migliorare l’efficienza, l’efficacia e la reattività delle operazioni del settore pubblico.

Questa rapida evoluzione ha reso sempre più necessario e prioritario regolamentare questa tecnologia che, per sua natura (ovvero la capacità di prendere decisioni e di auto-apprendere), porta con sé importanti implicazioni etiche.

I Principi OCSE sull’Intelligenza Artificiale[1] costituiscono le prime norme approvate dai governi. Promuovono un’AI innovativa e affidabile, non solo rispettando i diritti umani e i valori democratici, ma includendo anche raccomandazioni concrete per politiche e strategie pubbliche[2].

Anche l’UE si è mossa in questa direzione, lavorando su proposte per regolamentare l’AI. Da aprile 2021 l’UE sta lavorando al cosiddetto AI Act[3], un primo quadro normativo sulle tecnologie AI la cui approvazione definitiva dovrebbe arrivare entro la fine del 2023 ed entrare in vigore nel 2025. Si concentra sulla garanzia di pratiche di AI etiche e responsabili, tutelando i diritti fondamentali e attenuando i rischi associati all’Intelligenza Artificiale. L’AI Act introduce requisiti per i sistemi di Intelligenza Artificiale ad alto rischio, stabilisce standard di trasparenza e governance dei dati, istituisce un Comitato Europeo per l’Intelligenza Artificiale e delinea sanzioni in caso di mancata conformità. Il suo obiettivo è promuovere la fiducia, l’innovazione e la diffusione responsabile dell’AI nell’UE.

L’adozione dell’Intelligenza Artificiale sta trasformando rapidamente vari settori e i governi di tutta l’UE riconoscono sempre più il potenziale dell’intelligenza artificiale di migliorare i servizi pubblici, semplificare i processi e promuovere l’innovazione. Sfruttando le possibilità dell’AI, i governi possono migliorare l’efficienza, il processo decisionale e l’erogazione dei servizi, affrontando al tempo stesso le preoccupazioni legate all’etica, alla trasparenza e alla responsabilità.

Secondo Van Noordt e Misuraca[4], l’Intelligenza Artificiale nel governo può essere utilizzata in tre aree principali:

• Servizi pubblici per fornire nuovi servizi e migliorare quelli esistenti ai cittadini e alle imprese;
• Gestione interna per ottimizzare l’allocazione delle risorse, gestire i finanziamenti, individuare le frodi e garantire la sicurezza organizzativa;
• Definizione delle politiche per identificare e sviluppare nuove politiche o migliorare quelle esistenti.

Così come sono molteplici gli usi che si possono fare dell’intelligenza artificiale, i vantaggi attuali e potenziali, come l’ottimizzazione dei processi, possono variare notevolmente. Automatizzando le attività ripetitive e accelerando l’analisi dei dati, l’intelligenza artificiale può migliorare significativamente l’efficienza e la produttività nel processo decisionale e nella fornitura di servizi pubblici. Questo non solo consente un utilizzo più efficiente delle risorse, ma può anche ridurre i costi operativi e lasciare tempo alle persone per attività più complesse e creative. Inoltre, l’Intelligenza Artificiale può contribuire a una migliore allocazione delle risorse pubbliche. Attraverso l’analisi dei dati e modelli predittivi è possibile identificare le aree in cui è necessario concentrare le risorse in modo più efficace, migliorando così l’impatto delle politiche pubbliche. Un altro vantaggio importante è costituito da una maggiore trasparenza e responsabilità. L’Intelligenza Artificiale può essere utilizzata per monitorare l’attuazione delle politiche pubbliche in tempo reale, offrendo ai cittadini l’accesso a informazioni accurate e aggiornate sulle attività del governo, stabilendo una maggiore fiducia nel sistema. Infine, l’Intelligenza Artificiale può anche migliorare la qualità dei servizi pubblici, adattandoli alle esigenze individuali dei cittadini e, quindi, migliorando l’esperienza complessiva.

Poiché l’AI diventa sempre più diffusa nel settore pubblico, è fondamentale comprenderne le implicazioni, sviluppare solidi quadri di governance e promuovere la collaborazione tra gli Stati membri dell’UE per garantirne un’implementazione responsabile e vantaggiosa.

Una ricerca di Gartner evidenzia che la transizione al governo digitale ha subito una rapida accelerazione negli ultimi anni e molti governi stanno ora passando a un governo post digitale[5]. Nel paragrafo successivo questo concetto viene descritto in dettaglio.

IL PARADIGMA DEL GOVERNO POST DIGITALE

Secondo la ricerca di Gartner[6], schematizzata nella Figura 1, fino al 90% delle organizzazioni governative è in procinto di ampliare l’amministrazione digitale o lo ha già fatto nelle principali funzioni delle proprie organizzazioni; entro il 2026, oltre il 75% dei governi valuterà il successo della trasformazione digitale misurando l’impatto duraturo sulla missione, piuttosto che guardare esclusivamente alle ore risparmiate, all’efficienza o alla soddisfazione dei cittadini.

Figura 1. Analisi di Gartner

Per ottenere risultati duraturi nella missione è necessario identificare i momenti cruciali, il che implica la creazione di empatia cognitiva per le esigenze dei cittadini e delle parti interessate.

Per guidare l’esperienza verso un risultato ottimale, l’amministrazione post-digitale deve richiedere servizi iper-personalizzati che combinino queste intuizioni empatiche con intuizioni operative in tempo reale e utilizzabili durante il processo decisionale.

L’indagine di Gartner[7], condotta nella primavera del 2023, ha mostrato che il 70% di 161 organizzazioni governative ha implementato o prevede di implementare l’Intelligenza Artificiale generativa nei prossimi tre anni: “I governi devono essere in grado di mappare il flusso di dati, trasformare quei dati in insight, capire come l’intuizione influisce su una decisione e la trasforma in un’azione tangibile”.

Considerando il contesto descritto, la Pubblica Amministrazione italiana dovrebbe implementare l’AI nei propri processi e servizi per:

1. Creare valore dai servizi forniti utilizzando soluzioni AI. La creazione di valore dovrebbe garantire un guadagno di efficienza, “valore per il Paese”, e migliori servizi per i cittadini, “valore per gli utenti”;
2. Garantire la fattibilità dei progetti proposti e sviluppati considerando: la maturità delle soluzioni e degli algoritmi di AI, le capacità della Pubblica Amministrazione di implementare progetti di AI (comprese le competenze esterne) e la capacità di utilizzare i dati per creare valore seguendo un approccio basato sui dati.

In questo contesto, il Dipartimento del Tesoro (DT) del Ministero dell’Economia e delle Finanze sta investendo in politiche e strategie data-driven attraverso l’adozione dell’AI. Recentemente il Dipartimento si sta spingendo anche verso lo sviluppo di progetti innovativi che prevedano l’utilizzo dell’AI generativa. L’obiettivo è creare valore pubblico duraturo per tutti gli stakeholder. Pertanto, nello sviluppo di progetti di intelligenza artificiale, il DT sta adottando un approccio incentrato sull’uomo che può aiutare a prevedere e identificare meglio ciò che conta davvero per le parti interessate e a implementare soluzioni più accurate per ottenere il risultato ottimale. Per fare ciò, il Dipartimento ha costituito un gruppo di ricerca, in collaborazione con diversi partner, per cogliere le migliori opportunità per lo sviluppo di soluzioni AI. Il presente documento fornisce una panoramica generale ed esaustiva dell’adozione dell’AI nel settore pubblico e quindi analizza l’applicazione di successo dell’AI in tutta Europa, inclusa l’Italia. Il paragrafo successivo evidenzia la spesa pubblica relativa all’implementazione dell’AI nel contesto italiano e, infine, vengono discusse alcune osservazioni conclusive.

COMPETENZE DIGITALI E TRASPARENZA

L’intelligenza artificiale (AI) funge da potente strumento per diffondere nuove conoscenze a utenti e cittadini, rivoluzionando il modo in cui si accede e si comprendono le informazioni. Attraverso algoritmi avanzati, le piattaforme di intelligenza artificiale hanno il potenziale per elaborare rapidamente enormi quantità di dati, analizzando modelli e correlazioni oltre le possibilità umane, generando così nuove informazioni e approfondimenti.

Tuttavia, per ottenere la massima accettazione e beneficio, è essenziale che gli algoritmi siano trasparenti e affidabili. Questo concetto, noto come “AI affidabile”, significa che gli utenti devono capire come vengono prese le decisioni sull’AI e quali dati vengono utilizzati. La trasparenza non solo aumenta la fiducia, ma consente anche un controllo etico sull’uso dell’intelligenza artificiale. Algoritmi trasparenti promuovono un dialogo aperto tra gli sviluppatori di intelligenza artificiale, gli utenti e la società nel suo insieme. Tale trasparenza non è solo fondamentale per comprendere come funziona l’intelligenza artificiale, ma aiuta anche a prevenire discriminazioni e pregiudizi che potrebbero emergere nel processo decisionale, garantendo così che l’intelligenza artificiale sia al servizio del progresso sociale in modo giusto ed etico.

ADOZIONE DELL’AI NEL GOVERNO

Il rapido progresso dell’intelligenza artificiale presenta sia opportunità che sfide per i governi di tutto il mondo. L’adozione dell’intelligenza artificiale è una sfida che dovrebbe essere affrontata con attenzione dai governi esaminando vari aspetti come l’infrastruttura tecnica, la capacità dei dati, la raccolta e la sicurezza dei dati, lo sviluppo delle capacità del personale interno e i principi di progettazione.

Figura 2. Abilitatori ecosistemici per l’intelligenza artificiale

Costruire infrastrutture tecniche e capacità di dati

Per sfruttare efficacemente l’intelligenza artificiale, i governi devono investire in solide infrastrutture tecniche e migliorare la propria capacità di dati. Ciò comporta lo sviluppo di sistemi informatici sicuri e scalabili, il miglioramento delle capacità di network e, ove possibile, l’utilizzo di soluzioni di cloud computing (che possono garantire maggiore potenza computazionale e risorse scalabili). Migliorare i sistemi di archiviazione e gestione dei dati è fondamentale per archiviare ed elaborare grandi volumi di dati richiesti per le applicazioni di intelligenza artificiale. Inoltre, è essenziale stabilire quadri di governance dei dati, accordi di condivisione dei dati e standard di interoperabilità (ad esempio, sfruttando i principi dell’EU Data Act[8]) per un’adozione efficace dell’IA. I governi dovrebbero dare priorità alla creazione di capacità di gestione dei dati, compresa la garanzia della qualità dei dati, la classificazione e l’integrazione, per garantire la disponibilità di dati affidabili e utilizzabili per le applicazioni di intelligenza artificiale.

Raccolta dati, standardizzazione e sicurezza

Per un’adozione efficace dell’intelligenza artificiale è necessario che i governi adottino processi di raccolta dati trasparenti, etici e conformi alle normative sulla privacy. È necessario raccogliere dati diversi e rappresentativi per addestrare in modo efficace i modelli di intelligenza artificiale. I governi dovrebbero standardizzare metodi e formati di raccolta dei dati per facilitare la condivisione dei dati e l’interoperabilità. Per garantire la sicurezza e la privacy dei dati, dovrebbero essere implementate misure robuste come la crittografia, l’autenticazione, i controlli di accesso e l’anonimizzazione.

Costruire la capacità del personale interno di utilizzare e comprendere l’intelligenza artificiale

I governi devono investire nello sviluppo delle competenze e delle conoscenze necessarie all’interno della propria forza lavoro per comprendere, utilizzare e gestire in modo efficace le tecnologie di intelligenza artificiale. Lo sviluppo delle capacità del personale interno implica la fornitura di programmi di formazione, workshop e risorse per migliorare le competenze dei dipendenti nei settori legati all’intelligenza artificiale. I governi possono anche promuovere collaborazioni con il mondo accademico, istituti di ricerca ed esperti del settore per facilitare lo scambio di conoscenze e rimanere al passo con gli ultimi sviluppi dell’intelligenza artificiale. Coltivare una cultura di apprendimento continuo e innovazione è vitale per il successo a lungo termine nell’adozione dell’intelligenza artificiale.

Adottare solidi principi di progettazione

Aderire a solidi principi di progettazione è fondamentale per garantire che i sistemi di intelligenza artificiale utilizzati nel settore governativo siano trasparenti, imparziali e incentrati sull’utente. I sistemi di intelligenza artificiale dovrebbero essere progettati tenendo conto delle esigenze degli utenti, considerando fattori quali l’accessibilità, l’inclusività e l’usabilità. Dovrebbero essere sviluppati modelli e algoritmi di intelligenza artificiale trasparenti, che forniscano spiegazioni per costruire la fiducia e la responsabilità del pubblico. Dovrebbero essere implementate tecniche di mitigazione dei pregiudizi per ridurre al minimo la potenziale discriminazione e garantire l’equità nel processo decisionale sull’IA. I governi dovrebbero coinvolgere attivamente i cittadini, gli esperti e il mondo accademico nella progettazione e nella valutazione dei sistemi di intelligenza artificiale per garantire che siano in linea con i valori e le esigenze della società.

PANORAMICA SULL’AI NEL SETTORE PUBBLICO

Con l’obiettivo di mappare le applicazioni di AI sviluppate nel settore pubblico, l’Osservatorio Agenda Digitale del Politecnico di Milano[9] ha condotto un censimento delle principali iniziative internazionali sul tema e sviluppato una tassonomia dei diversi ambiti applicativi. L’analisi è stata condotta in collaborazione con il Centro Comune di Ricerca (JRC) della Commissione Europea[10].

L’indagine si è concentrata su un campione di oltre 900 progetti, sviluppati dalle PA a livello internazionale tra l’inizio del 2018 e la fine del 2022. Nel resto del paragrafo si riportano i principali risultati emersi.

Crescita e diffusione geografica

Per quanto riguarda la diffusione geografica, il censimento mostra come l’Europa, con il 71% dei progetti (658), sia il continente più attivo, seguito da America e Asia, rispettivamente con 177 (19%) e 49 (5%) casi. Le restanti 18 applicazioni sono sviluppate nel resto del mondo.

Il trend di crescita dei progetti è stato costante fino al 2020, con una lieve flessione negativa solo negli ultimi due anni, dovuta alla diminuzione dei progetti in fase prototipale e allo sforzo congiunto che più PA mettono nello sviluppo dell’AI. Questi dati indicano come le PA stiano progressivamente concentrando le proprie risorse sulla trasformazione di progetti sperimentali in applicazioni operative.

Come mostrato nella Figura 3, l’Europa è il continente che ha implementato il maggior numero di applicazioni nel periodo esaminato. Esaminando congiuntamente la diffusione, il livello di maturità e il continente di sviluppo, emerge che:

• Il 64% dei progetti a livello europeo sono in fase di prototipazione (Proof of Concept, PoC), con l’obiettivo di testare la fattibilità e dimostrare l’adeguatezza delle applicazioni AI nel contesto in cui si è deciso di sperimentare, rispetto al 28 % e 35% rispettivamente a livello americano e asiatico.
• I progetti realizzati a livello europeo mostrano un trend di crescita costante (+67%) dal 2018 al 2021, a differenza degli altri continenti dove i dati raccolti mostrano una maggiore discontinuità nelle sperimentazioni.

Figura 3. Distribuzione delle 931 applicazioni dell’AI negli ambienti pubblici[11]

Per quanto riguarda gli attori, considerando il settore privato e quello pubblico, che hanno realizzato progetti di IA, sia le PA centrali che quelle locali sono i soggetti più attivi nella sperimentazione di soluzioni di IA. I progetti di AI più significativi e complessi si trovano tipicamente all’interno delle PA centrali, che sfruttano le loro vaste risorse di dati. D’altro canto, le PA locali tendono a implementare soluzioni di AI più semplici, spesso sperimentando chatbot per rispondere in modo efficiente alle richieste degli utenti.

Classi di soluzione e attori coinvolti

La tabella seguente mostra esempi di Paesi, ciascuno dei quali dimostra applicazioni uniche e di grande impatto dell’IA. Attraverso i casi di studio elencati nella tabella, otteniamo preziose informazioni sui vari approcci e sui successi che i Paesi hanno ottenuto nello sfruttare l’intelligenza artificiale per il bene pubblico più ampio.

Tabella 1. Descrizione di progetti di intelligenza artificiale significativi

Gli esempi riportati nella tabella sopra riportata sono puramente illustrativi; varie applicazioni dell’AI vengono sperimentate da diversi paesi. Un ambito particolare da menzionare riguarda l’applicazione dell’AI nel campo della tassazione dove molti paesi dell’UE stanno istituendo modelli di AI, tra cui l’Italia. Da un lato, algoritmi e modelli predittivi possono aiutare le pubbliche amministrazioni a identificare accuratamente i contribuenti a rischio, utilizzando dati storici già a disposizione degli enti governativi e a garantire il rispetto delle norme da parte dei contribuenti. D’altro canto, grazie all’intelligenza artificiale generativa, questi strumenti innovativi possono essere utilizzati per supportare i cittadini fornendo informazioni precise e accurate su tasse e quadro giuridico, rispondendo tempestivamente a tutti i loro dubbi o domande, come citato nella tabella dal progetto finlandese.

ANALISI DELLA SPESA ITALIANA IN AI E DIGITALIZZAZIONE

Secondo Assinform, supportato da NetConsulting Cube[27], il mercato italiano complessivo delle tecnologie digitali valeva a fine 2022 77 miliardi di euro, con un aumento del 2,4% rispetto al 2021. Come specificato nella Figura 4, gran parte di questa crescita può essere essere spiegato dagli investimenti effettuati dagli enti pubblici (evidenziati in rosso nel grafico) – per lo più dovuti al numero di risorse rese disponibili grazie al Fondo Nazionale Resilienza e Ripresa (PNRR).

Figura 4. Valore di mercato e crescita attesa di diversi segmenti del mercato italiano per la trasformazione digitale[28]

Con una spesa complessiva di 435 milioni di euro, l’AI ha coperto meno dell’1% del valore complessivo del mercato. Tuttavia, come specificato nella Figura 5, ci aspettiamo una crescita esponenziale per i prossimi anni, raggiungendo 1,2 miliardi di investimenti complessivamente effettuati entro il 2026.

Figura 5. Valore di mercato e crescita attesa di alcune tecnologie trasformazionali in Italia[29]

A fine 2022 le istituzioni pubbliche hanno speso meno di 50 milioni su AI[30], con trend di crescita interessanti. Tuttavia, secondo la ricerca realizzata dall’Osservatorio Agenda Digitale del Politecnico di Milano, vale la pena ricordare che:

Il valore di mercato complessivo della trasformazione digitale negli enti pubblici è di poco inferiore ai 9 miliardi di euro[31] – pari a circa 150 euro per cittadino; questo valore, in forte aumento rispetto agli anni precedenti (100 a fine 2020), è ancora notevolmente inferiore a quanto speso negli altri Paesi (180 euro per cittadino in Germania e Francia; 300 euro nel Regno Unito).

• Finora il 90% delle startup italiane che offrono soluzioni digitali non ha mai collaborato con un ente pubblico del nostro Paese[32]; le ragioni principali che spiegano questa evidenza sono probabilmente:
  • La complessità degli appalti pubblici italiani, che disincentivano la partecipazione di piccoli enti che non dispongono delle risorse necessarie per destreggiarsi efficacemente nella burocrazia degli appalti italiani.
  • La durata media di una gara pubblica per una soluzione digitale, il cui processo spesso si rivela incompatibile con il ritmo dinamico e rapido della trasformazione digitale, soprattutto per le realtà più piccole come le startup.

Le grandi gare gestite da Consip riducono parzialmente queste problematiche, attraverso:

• Valorizzare la presenza di startup digitali nei gruppi richiedenti i contratti quadro.
• Ridurre i tempi necessari ad una PA per attivare un fornitore digitale se il servizio richiesto può essere acquistato attraverso i contratti quadro nazionali negoziati dalla centrale nazionale di committenza.

CONCLUSIONI

Nel contesto sopra descritto, considerando il divario di spesa negli investimenti digitali, per quanto riguarda il campo di interesse, il Dipartimento del Tesoro sta sviluppando una politica di intelligenza artificiale seguendo un flusso di ricerca e l’implementazione di strumenti e software digitali che implicano l’uso di strumenti e algoritmi di intelligenza artificiale.

Per cominciare, è fondamentale investire nel potenziamento delle competenze e della consapevolezza dei dipendenti del Dipartimento riguardo all’intelligenza artificiale. Ciò include la comprensione di come funziona l’intelligenza artificiale, delle sue capacità e dei suoi limiti e di come differisce dalle soluzioni digitali tradizionali. Sta diventando sempre più evidente che esternalizzare completamente lo sviluppo degli strumenti di intelligenza artificiale non è pratico. Acquistare soluzioni senza una solida comprensione da parte degli utenti finali può portare a inefficienze e rischi. Le attività di formazione, in particolare per i dipendenti pubblici, svolgeranno un ruolo fondamentale nel promuovere il giusto approccio allo sviluppo di soluzioni di intelligenza artificiale. Ciò implica evitare visioni eccessivamente ottimistiche sulla tecnologia, affrontare le preoccupazioni etiche, implementare un’efficace gestione del rischio e stabilire una governance che dia priorità allo sviluppo affidabile dell’IA.

Oltre all’iniziativa completa di formazione dei dipendenti, proponiamo l’implementazione di sandbox, una risorsa preziosa per testare gli strumenti di intelligenza artificiale. Si tratta di ambienti isolati in cui le applicazioni di intelligenza artificiale possono essere eseguite e sperimentate in sicurezza, senza influire sull’effettivo sistema operativo del Ministero. Questi sandbox forniscono uno spazio sicuro e controllato, fondamentale per lo sviluppo e l’esecuzione di applicazioni IA. Ciò non solo migliora la competenza complessiva nell’utilizzo dell’intelligenza artificiale, ma garantisce anche che le soluzioni operative, come quelle relative alle questioni fiscali, siano sottoposte a test approfonditi per mitigare eventuali conseguenze indesiderate.

Il progetto principale, già programmato, riguarda l’implementazione degli Assistenti Virtuali con l’obiettivo di rendere più dinamica e agevole la consultazione delle informazioni divulgate dal Dipartimento. Ciò rappresenta un potente strumento per garantire ai cittadini un approccio più amichevole per ottenere informazioni sul settore finanziario.

È in corso un altro progetto con l’obiettivo di implementare algoritmi di intelligenza artificiale generativa per snellire le attività dispendiose in termini di tempo all’interno del Dipartimento e migliorare l’efficienza complessiva del processo. Nello specifico, il progetto si concentra sulla fornitura di supporto agli uffici sfruttando l’intelligenza artificiale per automatizzare le attività ad alta intensità di lavoro relative alla rendicontazione di statistiche, indici economici e indicatori macroeconomici mondiali.

Per quanto riguarda il filone di ricerca e analisi, il DT sta implementando un algoritmo di Machine Learning per effettuare previsioni sui periodi di pensionamento dei dipendenti pubblici del Dipartimento, al fine di pianificare tempestivamente l’assunzione di nuovi lavoratori.

La politica e le attività del Dipartimento del Tesoro sono strategicamente allineate con la visione di un Governo post digitale. I progetti attualmente in corso, come accennato in precedenza, sono pronti a fornire risultati che garantiscano una fattibilità medio-alta e una sostanziale creazione di valore pubblico. Seguendo la classificazione di Gartner, questi progetti possono essere giustamente etichettati come “Probabili Vittorie”[33].

In conclusione, si può evidenziare che i potenziali benefici dell’AI per il settore pubblico sono enormi, ma è necessario valutare anche alcuni rischi etici che possono sorgere. Per questo motivo, attraverso il paradigma del governo post digitale, le pubbliche amministrazioni possono essere in prima linea nel promuovere un uso affidabile e incentrato sull’uomo dell’IA. In questo modo, i governi possono migliorare l’efficienza, il processo decisionale e la fornitura di servizi, affrontando al tempo stesso le preoccupazioni relative all’etica, alla trasparenza e alla responsabilità degli strumenti di intelligenza artificiale.

NOTE

[1] OECD. (2023). “Recommendation of the Council on Artificial Intelligence.” OECD Legal Instruments. Accessible in

https://legalinstruments.oecd.org/en/instruments/oecd-legal-0449#mainText

[2] OECD. (2023). “Recommendation of the Council on Artificial Intelligence.” OECD Legal Instruments. Accessible in

https://legalinstruments.oecd.org/en/instruments/oecd-legal-0449#mainText

[3] Madiega, T. (2023). “Artificial Intelligence Act.” EPRS European Parliamentary Research Service. Accessible in

https://www.europarl.europa.eu/news/en/headlines/society/20230601STO93804/eu-ai-act-first-regulation-on-artificial-intelligence

[4] Van Noordt, C., & Misuraca, G. (2022). “Artificial intelligence for the public sector: results of landscaping the use of AI in government across the European Union.” Government Information Quarterly. Vol.39, n.3. https://doi.org/10.1016/j.giq.2022.101714

[5] The Nation. (2023). “Governments moving into post-digital era: Gartner says.” The Nation. Accessible in https://www.nationthailand.com/business/tech/40031797

[6] The Nation. (2023). “Governments moving into post-digital era: Gartner says.” The Nation. Accessible in https://www.nationthailand.com/business/tech/40031797

[7] The Nation. (2023). “Governments moving into post-digital era: Gartner says.” The Nation. Accessible in https://www.nationthailand.com/business/tech/40031797

[8] European Commission. (2023). “Data Act” Accessible in https://digital-strategy.ec.europa.eu/en/policies/data-act

[9] All the information provided in the following chapter is part of a research conducted by “Osservatorio Agenda Digitale del Politecnico di Milano”. For further information, consult the website: https://www.osservatori.net/it/ricerche/osservatori-attivi/agenda-digitale.

[10] The synergy with the JRC has allowed us to collect a greater number of projects at European level than those collected at international level. The data must therefore be read with this awareness.

[11] Osservatorio Agenda Digitale Politecnico di Milano. (2023). “Distribuzione geografica delle 730 applicazioni IA implementate dalle PA.”

[12] Bertrand, A., Erwin, T., & Hartmann, M. (2020). “Artificial Intelligence in the Public Sector: European outlook for 2020 and beyond.” Report commissioned by Microsoft and conducted by EY.

[13] European Commission. (2024). “Public Sector Tech Watch” Accessible in https://joinup.ec.europa.eu/collection/public-sector-tech-watch

[14] Aliperto, D. (2020). “E-health 4.0, i chatbot al servizio delle unità di diagnosi.” Corriere Comunicazioni. Accessible in https://www.corrierecomunicazioni.it/digital-economy/e-health-4-0-i-chatbot-al-servizio-delle-unita-di-diagnosi/

[15] European Commission. (2024). “Public Sector Tech Watch” Accessible in https://joinup.ec.europa.eu/collection/public-sector-tech-watch

[16] Hartmann, M. (2021). “Fraud Detection with Graphs at the Danish Business Authority.” Accessible in https://www.slideshare.net/neo4j/fraud-detection-with-graphs-at-the-danish-business-authority

[17] European Commission. (2024). “Public Sector Tech Watch” Accessible in https://joinup.ec.europa.eu/collection/public-sector-tech-watch

[18] Munisense B.V. (2023). “Night noise control with sound recognition and nudging.” Accessible in https://munisense.com/news/2023/bestrijding-nachtlawaai-met-geluidsherkenning-en-nudging

[19] European Commission. (2024). “Public Sector Tech Watch” Accessible in https://joinup.ec.europa.eu/collection/public-sector-tech-watch

[20] European Commission. (2024). “Public Sector Tech Watch” Accessible in https://joinup.ec.europa.eu/collection/public-sector-tech-watch

[21] Leinuste, K. (2021). “Decision support tool “OTT” for employment counsellors in the Estonian PES – Development, implementation and future plans.” Accessible in https://www.oecd.org/els/emp/PES-Digital-Oct2021-Estonia.pdf

[22] European Commission. (2024). “Public Sector Tech Watch” Accessible in https://joinup.ec.europa.eu/collection/public-sector-tech-watch

[23] European Commission. (2024). “Public Sector Tech Watch” Accessible in https://joinup.ec.europa.eu/collection/public-sector-tech-watch

[24] PRH. (2024). The Finnish Trade Register. Accessible in https://www.prh.fi/en/kaupparekisteri.html

[25] PRH. (2024). The Finnish Trade Register. Accessible in https://www.prh.fi/en/kaupparekisteri.html

[26] Tetley, L., & Millan, L. (2023). “Drones, AI and Goats: The New Playbook to Curb Wildfires.” Bloomberg. Accessible in https://www.bloomberg.com/news/articles/2023-08-28/drones-ai-and-goats-europe-s-new-playbook-to-curb-monster-wildfires?leadSource=uverify%20wall

[27] Anitec-Assinform. (2023). “Il Digitale in Italia 2023.” Vol. 1. Accessible in https://www.anitec-assinform.it/pubblicazioni/il-digitale-in-italia/edizioni-precedenti/il-digitale-in-italia-2023-vol-1.kl

[28] Anitec-Assinform. (2023). “Il Digitale in Italia 2023.” Vol. 1. Accessible in https://www.anitec-assinform.it/pubblicazioni/il-digitale-in-italia/edizioni-precedenti/il-digitalein-italia-2023-vol-1.kl

[29] Anitec-Assinform. (2023). “Il Digitale in Italia 2023.” Vol. 1. Accessible in https://www.anitec-assinform.it/pubblicazioni/il-digitale-in-italia/edizioni-precedenti/il-digitalein-italia-2023-vol-1.kl

[30] This value has been estimated by checking the specific bids that PAs made on AI solutions. Further research is needed to more precisely quantify the overall expenditure of Italian public entities in AI.

[31] Osservatorio Agenda Digitale del Politecnico di Milano. (2023). “Il digitale chiama: l’Italia risponde?” Accessible in https://www.osservatori.net/it/eventi/on-demand/convegni/digitale-chiama-italia-risponde-convegno

[32] The value has been estimated crossing the register of Italian startups handled by the Ministry of Enterprises and Made in Italy (https://mimit.gov.it/it/) with the public contracts made available by ContrattiPubblici.org.

[33] Sheehan, T., Farrell, G., Brown, M., Calhoun Williams, K., Mahmood, S., Riley, P., Thayer, T.-L., & Yanckello, R. (2023). “Use-Case Prism: Generative AI for Government Contact Centers” Gartner. Accessible in https://www.gartner.com/en/documents/4545299

BIBLIOGRAFIA

Aliperto, D. (2020). “E-health 4.0, i chatbot al servizio delle unità di diagnosi.” Corriere Comunicazioni. Accessible in https://www.corrierecomunicazioni.it/digital-economy/e-health-4-0-i-chatbot-al-servizio-delle-unita-di-diagnosi/

Anitec-Assinform. (2023). “Il Digitale in Italia 2023.” Vol. 1. Accessible in https://www.anitec-assinform.it/pubblicazioni/il-digitale-in-italia/edizioni-precedenti/il-digitale-in-italia-2023-vol-1.kl

Bertrand, A., Erwin, T., & Hartmann, M. (2020). “Artificial Intelligence in the Public Sector: European outlook for 2020 and beyond.” Report commissioned by Microsoft and conducted by EY.

European Commission. (2023). “Data Act.” Accessible in https://digita-strategy.ec.europa.eu/en/policies/data-act

European Commission. (2024). “Public Sector Tech Watch” Accessible in https://joinup.ec.europa.eu/collection/public-sector-tech-watch

Hartmann, M. (2021). “Fraud Detection with Graphs at the Danish Business Authority.” Accessible in https://www.slideshare.net/neo4j/fraud-detection-with-graphs-at-the-danish-business-authority

Leinuste, K. (2021). “Decision support tool “OTT” for employment counsellors in the Estonian PES – Development, implementation and future plans.” Accessible in https://www.oecd.org/els/emp/PES-Digital-Oct2021-Estonia.pdf

Madiega, T. (2023). “Artificial Intelligence Act.” EPRS European Parliamentary Research Service. Accessible in https://www.europarl.europa.eu/news/en/headlines/society/20230601STO93804/eu-ai-act-first-regulation-on-artificial-intelligence

Munisense B.V. (2023). “Night noise control with sound recognition and nudging.” Accessible in https://munisense.com/news/2023/bestrijding-nachtlawaai-met-geluidsherkenning-en-nudging

OECD. (2023). “Recommendation of the Council on Artificial Intelligence.” OECD Legal Instruments. Accessible in https://legalinstruments.oecd.org/en/instruments/oecd-legal-0449#mainText

Osservatorio Agenda Digitale del Politecnico di Milano. (2023). “Distribuzione geografica delle 730 applicazioni IA implementate dalle PA.”

Osservatorio Agenda Digitale del Politecnico di Milano. (2023). “Il digitale chiama: l’Italia risponde?” Accessible in https://www.osservatori.net/it/eventi/on-demand/convegni/digitale-chiama-italia-risponde-convegno

PRH. (2024). The Finnish Trade Register. Accessible in https://www.prh.fi/en/kaupparekisteri.html

Sheehan, T., Farrell, G., Brown, M., Calhoun Williams, K., Mahmood, S., Riley, P., Thayer, T.-L., & Yanckello, R. (2023). “Use-Case Prism: Generative AI for Education.” Gartner. Accessible in  https://www.gartner.com/en/documents/4545299

Tetley, L., & Millan, L. (2023). “Drones, AI and Goats: The New Playbook to Curb Wildfires.” Bloomberg. Accessible in https://www.bloomberg.com/news/articles/2023-08-28/drones-ai-and-goats-europe-s-new-playbook-to-curb-monster-wildfires?leadSource=uverify%20wall

The Nation. (2023). “Governments moving into post-digital era: Gartner says.” The Nation. Accessible in https://www.nationthailand.com/business/tech/40031797

Van Noordt, C., & Misuraca, G. (2022). “Artificial intelligence for the public sector: results of landscaping the use of AI in government across the European Union.” Government Information Quarterly. Vol.39, n.3. https://doi.org/10.1016/j.giq.2022.10171