PA e intelligenza artificiale: modelli e soluzioni per un approccio disruptive alla gestione del rischio

Per approfondire le sfide e le opportunità legate all’adozione di soluzioni di advanced analytics e intelligenza artificiale (IA) applicate alle strategie di gestione dei rischi in ambito pubblico, FPA ha organizzato, in collaborazione con SAS, l’azienda leader in ambito analytics,  un evento rivolto agli IT manager delle principali amministrazioni pubbliche. Partendo dall’analisi dello scenario sulla diffusione dell’IA a livello internazionale e italiano, nei diversi settori, con una focalizzazione su quello pubblico, l’incontro ha dato voce ai protagonisti per comprendere benefici, ambiti di applicazione più promettenti e sfide ancora aperte a partire dalle diverse esperienze.

Lo scenario internazionale ed europeo, fornito da Nicola Gatti, Professore associato in Computer Science e Intelligenza Artificiale presso il Dipartimento di Elettronica, informazione e Bioingegneria al Politecnico di Milano, aiuta ad inquadrare le potenzialità e le pratiche dell’intelligenza artificiale.

Le stime di McKinsey e della Commissione europea convergono nella valutazione del ruolo che l’IA potrebbe svolgere, se impiegata con le competenze adeguate e negli ambiti più appropriati, per una crescita consistente (dell’ordine del 15%) del PIL mondiale al 2030.

Su spinta della UE anche l’Italia ha varato un Programma strategico Intelligenza artificiale che stanzia risorse significative, anche all’interno del PNRR, se pur ancora non chiaramente indirizzate, secondo Gatti.

Nel panorama internazionale, l’Italia è ben collocata in termini di competenze tecnologiche ma non altrettanto in termini di readiness. Tuttavia, secondo un’indagine condotta l’Osservatorio Artificial Intelligence del Politecnico di Milano, le grandi imprese Italiane che hanno progetti IA attivi sono passate dal 51% del 2018 a oltre il 60% del 2022, aumentando il numero di progetti per azienda; il 73% ha meno di 4 progetti attivi, il 10% fra 5 e 8 e il 18% più di 8.

Progetti AI nella PA

Un censimento sugli impieghi dell’IA in ambito pubblico del 2021, il più recente disponibile a livello mondiale, evidenzia che il numero maggiore di progetti (554) si concentra in Europa, a fronte di 132 in America e 35 in Asia. L’attore che catalizza oltre il 50% dei progetti è la PA centrale, seguita dalla PA locale e altri enti pubblici. In termini di sviluppo, anche se ancora prevalgono i PoC, un numero significativo di progetti (inferiore al 50%) è già operativo. Il numero maggiore di progetti ha per obiettivo l’erogazione di servizi, seguito dalla gestione interna, dal supporto a processi esistenti…

Fra le aree applicative si evidenziano, in ordine di numerosità, intelligent data processing, computer vision, elaborazione del linguaggio naturale che include i chatbot, oggetti intelligenti, raccomandazioni.

Per quanto riguarda i dati, nella maggioranza delle sperimentazioni sono impiegati e processati soprattutto in tempo reale più che serie storiche.

La bad news è che i progetti italiani censiti nello studio sono inferiori a 10.

Tuttavia, questo è un momento magico per le possibilità di trasformazione digitale, grazie alla grande disponibilità di dati, alla facilità di accesso alle tecnologie computazionali e, per la PA, grazie ai finanziamenti a disposizione. È questa l’opinione di Francesco Frinchillucci – Sales Director SAS, “La sfida è uscire dal laboratorio e mettere a terra l’uso della tecnologia”, sottolinea.

Intelligenza artificiale: benefici e sfide secondo i rappresentanti della PA

Per i partecipanti al primo sondaggio, condotto nel corso dell’incontro, l’impiego dell’IA dovrebbe essere finalizzato, forse prevedibilmente, soprattutto al miglioramento dei servizi al cittadino, seguito dalla lotta all’evasione fiscale e l’illegalità. Una riflessione si rende necessaria per il secondo sondaggio che indica fra le sfide le competenze e il change management, al primo posto, e l’aspetto bias su dati e algoritmi, al secondo posto, seguito dalla preoccupazione per la mancanza di trasparenza dei sistemi decisionali dell’IA.

Il tema del trust, strettamente connesso all’explicability, è ripreso anche negli interventi: “Difficile fidarsi di un risultato senza conoscere il meccanismo che l’ha prodotto”, si afferma in una testimonianza.
C’è dunque da un lato la preoccupazione etica e dall’altro viene ribadito con forza il tema della responsabilità che deve restare di competenza umana.

La preoccupazione sembrerebbe al momento ingiustificata: “Gli algoritmi che applicano decisioni in automatico sono assolutamente minoritari e impiegati, comunque, in applicazioni non critiche”, sostiene Gatti.

A fronte di perplessità e sfide prevalgono tuttavia i benefici, indicati nel terzo sondaggio, in campi di quali quello finanziario e nel supporto alla lotta a frodi e riciclaggio. Ambiti questi in cui i sistemi basati su IA possono processare grandi quantità di dati in tempi brevi segnalando anomalie o situazioni ad alto rischio sulle quali il decisore umano può intervenire a partire dalla sua esperienza. “La tecnologia va conciliata con l’esperienza umana”, sostiene un altro interlocutore.

Umane sono, non a caso, le difficoltà più sentite come la capacità di comunicare, al management che ha in mano la leva degli investimenti, i benefici per il business derivanti dell’adozione di modelli AI. Un suggerimento organizzativo degli esperti di SAS è assegnare al data scientist un ruolo verticale per diventare punto di raccordo fra tecnologia e il business. Resta tuttavia aperta la sfida sulla capacità di far fronte alla carenza di skill. Come trattenere un data scientist per il quale il tempo medio di permanenza in un’organizzazione è di nove mesi? Come può una PA essere competitiva?
Un altro suggerimento SAS è sviluppare progetti e PoC che abbiano tempi di ritorno a brevi, pur all’interno di una visione di lungo periodo, per far toccare con mano i benefici.

“I fattori critici di successo saranno il time to market nello sviluppare un algoritmo e metterlo in produzione, disporre di una piattaforma tecnologica che supporti tutto il ciclo di vita degli analytics e lo sviluppo rapido, grazie, ad esempio, ad ambienti visuali”, sostiene Frinchillucci, ricordando le caratteristiche delle soluzioni che SAS mette a disposizione, capaci di facilitare la democratizzazione degli advanced analytics all’interno di tutta l’organizzazione.