Come l’AI sta cambiando la produzione di atti amministrativi

L’adozione di sistemi basati su intelligenza artificiale è ormai diffusa nei comuni italiani, dalla generazione automatica di determinazioni di affidamento alla redazione di comunicazioni interne. Grazie a modelli di linguaggio avanzati, un amministratore può ricevere in pochi minuti bozze pronte per la revisione, riducendo il tempo di lavoro di oltre il 50 % rispetto al metodo tradizionale.

Nel caso tipico di un comune da 5.000 abitanti, la responsabile dell’area amministrativa può trovarsi davanti a più di una decina di documenti preparati dall’AI durante la mattinata: una determinazione di affidamento, due risposte a istanze dei cittadini, un avviso pubblico, la relazione da inviare al revisore e varie comunicazioni interne. Senza AI, la stessa mole di lavoro richiederebbe l’intera giornata di un team di redattori.

Vantaggi misurabili

    • Riduzione dei tempi di produzione: studi di caso mostrano una diminuzione media di 3‑4 ore per pratica.
    • Standardizzazione del linguaggio: l’AI applica modelli di redazione uniformi, evitando varianti stilistiche che possono generare ambiguità.
    • Supporto alla compliance: gli algoritmi includono controlli automatici di normative vigenti, segnalando eventuali omissioni.

Il nuovo collo di bottiglia: la validazione umana

Nonostante la rapidità dell’AI, il passaggio successivo – la verifica e la firma finale da parte di un responsabile umano – è diventato il vero ostacolo. Nei comuni con organico ridotto, spesso manca un esperto di diritto amministrativo o di gestione del rischio capace di valutare criticità nascoste.

Questa carenza di competenze può generare tre fenomeni principali:

1. Errori plausibili

L’AI produce testi coerenti e grammaticalmente corretti, ma non sempre comprende le sfumature giuridiche. Un errore di riferimento normativo o di calcolo di una soglia di spesa può passare inosservato se il revisore non ha il tempo di effettuare una verifica approfondita.

2. Automation bias

Quando gli operatori si fidano eccessivamente delle proposte generate dall’AI, tendono a confermare automaticamente le bozze senza un controllo critico. Questo fenomeno, noto come “automation bias”, è stato documentato in studi dell’OCSE che mostrano un aumento del 15 % di errori non rilevati in processi altamente automatizzati.

3. Controlli formali invece che sostanziali

In assenza di risorse dedicate, la verifica si limita spesso a controlli formali – ad esempio la presenza di firme o di formattazione corretta – senza una valutazione sostanziale del contenuto. Il risultato è un “paperwork” che sembra conforme ma nasconde vulnerabilità legali o finanziarie.

Strategie per mitigare il rischio umano

Per affrontare questi problemi, le amministrazioni devono investire in tre aree chiave:

    • Formazione specialistica continua: corsi periodici su diritto amministrativo, gestione del rischio e uso critico dell’AI, destinati a funzionari di livello medio e alto.
    • Implementazione di workflow di revisione a più livelli: introdurre una fase di “peer review” in cui un collega, non direttamente coinvolto nella redazione, verifica la bozza prima della firma finale.
    • Tool di audit integrati: utilizzare software di audit che confrontano l’output dell’AI con banche dati normative aggiornate, generando segnalazioni automatiche di potenziali incongruenze.

Un esempio concreto è il Comune di Trento, che ha sperimentato un sistema di revisione a due stadi: l’AI produce la bozza, un analista legale la verifica e, infine, un dirigente ne approva la firma. Dopo un anno, gli errori di conformità sono diminuiti del 27 % rispetto al modello precedente.

Prospettive future e raccomandazioni operative

Il futuro dell’AI nella PA dipenderà dalla capacità di bilanciare velocità e affidabilità. Le amministrazioni dovrebbero adottare un approccio “human‑in‑the‑loop”, dove l’intelligenza artificiale è un supporto, non un sostituto, del giudizio professionale.

Le raccomandazioni operative per i comuni includono:

    • Definire chiaramente i ruoli e le responsabilità nella catena di validazione.
    • Stabilire metriche di performance per la revisione umana (tempo medio di verifica, tasso di errori rilevati).
    • Creare un registro degli incidenti legati a errori di AI, per analisi retrospettive e miglioramento continuo.
    • Promuovere la collaborazione intercomunale, condividendo best practice e risorse di formazione.

Solo con queste misure sarà possibile sfruttare appieno il potenziale dell’intelligenza artificiale, riducendo i colli di bottiglia e garantendo decisioni amministrative più sicure, trasparenti e rispettose della normativa.