L’Agenzia per l’Italia Digitale (AgID) ha formalizzato, con la determinazione del Direttore generale n. 169 del 9 novembre 2026, le Linee guida per l’adozione dell’intelligenza artificiale nella pubblica amministrazione. Si tratta di un documento di 140 pagine, suddiviso in undici capitoli, destinato a amministrazioni centrali, locali, gestori di servizi pubblici e società a controllo pubblico.
Obiettivi fondamentali delle linee guida
Le linee guida perseguono tre pilastri strategici:
- Sorveglianza umana: ogni sistema AI deve essere soggetto a un monitoraggio continuo da parte di operatori umani qualificati.
- Obiettivi misurabili: i risultati attesi devono essere quantificabili tramite indicatori di performance (KPI) chiari e verificabili.
- Competenze specifiche: le amministrazioni devono dotarsi di figure professionali con competenze tecniche e normative sull’AI.
Questi requisiti mirano a garantire trasparenza, responsabilità e rispetto dei diritti fondamentali dei cittadini.
Il nodo del controllo umano
Il punto più critico riguarda la controllabilità di algoritmi che operano su grandi volumi di dati, ad esempio nella gestione di pratiche edilizie, richieste di assistenza sociale o concessioni di licenze. Un algoritmo può elaborare centinaia di migliaia di pratiche al giorno, rendendo impraticabile una verifica manuale riga per riga.
Per affrontare questa sfida, le linee guida propongono un modello di controllo a livelli:
1. Controllo pre‑implementazione
Prima del lancio, il modello deve essere sottoposto a una fase di test interno, con:
- validazione su dataset di prova rappresentativi;
- analisi di bias mediante audit etici;
- verifica della conformità alle norme sulla privacy (GDPR).
2. Monitoraggio in tempo reale
Durante l’operatività, il sistema deve inviare log dettagliati a una dashboard centralizzata, dove gli operatori possono:
- identificare anomalie tramite soglie predefinite;
- intervenire manualmente per correggere decisioni errate;
- aggiornare i parametri dell’algoritmo in base a feedback continui.
3. Revisione periodica
Almeno una volta all’anno, un comitato multidisciplinare (tecnologi, giuristi, rappresentanti dei cittadini) deve rivedere l’intero ciclo di vita dell’AI, valutando l’efficacia rispetto agli obiettivi misurati.
Esempi concreti di applicazione
Alcune amministrazioni hanno già sperimentato il modello proposto:
- Comune di Milano: utilizzo di un algoritmo per l’assegnazione automatica di ticket per la manutenzione urbana. Il controllo umano è limitato a una revisione del 5 % dei casi più complessi, riducendo i tempi di risposta da 15 a 3 giorni.
- Regione Lazio: piattaforma AI per la valutazione delle domande di bonus per la ristrutturazione edilizia. Un team di cinque esperti verifica settimanalmente le decisioni con un tasso di errore inferiore allo 0,2 %.
- Agenzia delle Entrate: sistema di riconoscimento di frodi fiscali basato su machine learning. Le segnalazioni generate sono filtrate da revisori senior prima di avviare indagini.
Impatto sulle risorse umane
Le linee guida riconoscono che l’introduzione dell’AI non può tradursi in un “strato di adempimenti” per il personale. Per questo, AgID propone:
- creazione di ruoli di AI‑coach all’interno dei dipartimenti, responsabili della formazione continua dei colleghi;
- piani di upskilling finanziati da fondi europei (NextGenerationEU) per certificare competenze in data science, etica dell’AI e gestione del rischio;
- uso di tool di spiegabilità (explainable AI) che forniscano motivazioni leggibili dalle decisioni automatizzate.
Prospettive future e raccomandazioni operative
Per trasformare le linee guida in pratica quotidiana, le amministrazioni dovrebbero adottare un approccio graduale:
- mappare i processi idonei all’automazione AI e definire KPI di partenza;
- selezionare fornitori certificati secondo gli standard europei (ISO/IEC 42001);
- instaurare una governance centrale con un comitato di sorveglianza AI;
- implementare dashboard di monitoraggio in tempo reale e procedure di escalation.
Solo con una combinazione di tecnologia avanzata, controlli umani mirati e formazione del personale, l’AI potrà realmente migliorare l’efficienza della pubblica amministrazione senza sacrificare la trasparenza e la responsabilità.