In Italia l’IA può essere una strategia per creare sviluppo e mobilitare risorse.

 

In Italia l’IA può essere una strategia per creare sviluppo e mobilitare risorse.

 

 

 

Posizionare il paese tra i leader nell’innovazione tecnologica con la “Strategia italiana per l’intelligenza artificiale 2024 – 2026.”

Pattaformaitalia.pwc.it – (7 maggio 2026) – Redazione – ci dice:

 

La “Strategia Italiana per l’Intelligenza Artificiale 2024-2026” è un piano ambizioso che mira a sfruttare il potenziale trasformativo dell’Intelligenza Artificiale (IA) per migliorare vari settori del sistema produttivo nazionale.

Pubblicata dell’Agenzia per l’Italia Digitale (AGID), quest’ultima si articola in quattro aree chiave, ognuna caratterizzata da specifici obiettivi strategici:

Ricerca:

rafforzare gli investimenti sulla ricerca fondazionale e applicata nell’Intelligenza Artificiale, promuovendo la creazione di competenze di ricerca e tecnologie specificamente calate nel contesto del nostro sistema-paese e in linea con principi di affidabilità e responsabilità (Trustworthy AI) e antropocentrici, propri dei paradigmi Europei;

Pubblica amministrazione:

 rendere più efficienti i propri processi amministrativi e migliorare la qualità dei servizi offerti ai cittadini attraverso l’impiego di tecnologie di Intelligenza Artificiale;

Imprese:

agevolare lo sviluppo e l’adozione di soluzioni di Intelligenza Artificiale nelle imprese, con l’ottica non solo di efficientare gli attuali processi ma anche di abilitarne di nuovi che sappiano aprire altrettante nuove possibilità;

Formazione:

 promuovere una formazione di elevata qualità, allineata alle nuove competenze richieste per affrontare le sfide che l’Intelligenza Artificiale ci porrà negli anni a venire.

 

Strategia per le imprese:

 

La strategia per l’Intelligenza Artificiale si inserisce in un ampio contesto europeo, il quale ha come obiettivo quello di costruire un ecosistema digitale solido, migliorare la competitività e stimolare la crescita economica attraverso l’uso innovativo delle tecnologie emergenti.

 

In particolare, la strategia prevede diverse iniziative specifiche per sostenere le imprese, con focus particolare sulle PMI:

Facilitatori per l’IA nelle PMI:

la Fondazione per l’Intelligenza Artificiale gestisce l’attuazione, il coordinamento e il monitoraggio di un insieme di facilitatori (i.e. strumenti, infrastrutture e risorse) messi a disposizione per aiutare le imprese ad adottare ed integrare soluzioni di intelligenza artificiale nei processi aziendali.

Ciascun facilitatore potrà avvalersi della collaborazione con università e centri di ricerca e coprirà una o più filiere produttive, divenendo un naturale punto di incontro tra le imprese ICT che offrono soluzioni per l’innovazione e le imprese che beneficiano di tali tecnologie;

Sostegno allo sviluppo e all’adozione di soluzioni di IA: verranno messe a disposizione delle risorse finanziarie a sostegno di progetti sia di imprese operanti nel settore ICT e finalizzate allo sviluppo di nuove soluzioni di IA, sia di imprese non ICT che vogliano innovare i propri processi produttivi adottando soluzioni di IA;

Laboratori per lo sviluppo di applicazioni IA:

facilitare la capacità di sviluppare progetti coordinati che favoriscano la collaborazione tra il mondo della ricerca (università e centri di ricerca) e le imprese al fine di facilitare la transizione delle innovazioni tecnologiche dal laboratorio al mercato;

Sviluppo di start-up in ambito IA:

 le start-up rappresentano un elemento chiave per la complessiva competitività del tessuto produttivo e imprenditoriale.

 Al fine di facilitare il loro sviluppo, la strategia prevede il consolidamento e il supporto delle nuove imprese ad alto contenuto tecnologico attraverso programmi specifici di finanziamento o di accompagnamento in tutte le fasi di sviluppo;

Servizi per le aziende ICT sull’IA:

la competitività dell’industria nazionale nel campo dell’Intelligenza Artificiale sarà fortemente condizionata dalla capacità delle imprese italiane di sviluppare soluzioni e servizi in un contesto fortemente dinamico, in cui i costi della compliance costituiscono una barriera all’ingresso nel mercato, per tale motivo sono stati definiti degli “spazi di sperimentazione normativa” per l’IA (sandbox) con l’obiettivo di fornire un ambiente controllato che agevoli lo sviluppo e la validazione di soluzioni di Intelligenza Artificiale.

La Strategia nazionale per l’Intelligenza Artificiale rappresenta un passo fondamentale per accrescere la competitività delle imprese italiane in un contesto globale sempre più guidato dall’innovazione tecnologica.

 

L’adozione di tecnologie emergenti può migliorare i processi produttivi, permettendo all’azienda di ottimizzare le risorse e sviluppare nuovi modelli di business orientati verso la sostenibilità e la digitalizzazione.

 

 

 

 

L’intelligenza artificiale come leva di sviluppo: la strategia di Panetta per l’Italia.

Youbuildweb.it - In Digitalizzazione – (29 Maggio 2026) – Redazione – ci dice:

 

L’intelligenza artificiale non è più una tecnologia emergente, ma una variabile strutturale della crescita economica globale.

 È questo il messaggio centrale delle Considerazioni finali del Governatore della Banca d’Italia Fabio Panetta, presentate il 29 maggio 2026 con la Relazione annuale, in cui il tema dell’IA assume un ruolo esplicito nelle prospettive di sviluppo del Paese.

 

Nel suo intervento, Panetta inserisce l’innovazione tecnologica – e in particolare l’intelligenza artificiale – dentro una riflessione più ampia su produttività, competitività e sostenibilità del modello economico italiano, indicando con chiarezza che il futuro dipenderà dalla capacità di trasformare questa rivoluzione in crescita diffusa.

 

IA e crescita globale: un cambiamento già in atto.

Il punto di partenza del discorso è il contesto internazionale.

 L’economia mondiale, nonostante tensioni geopolitiche e commerciali, ha mostrato una dinamica più robusta del previsto, sostenuta anche dalla trasformazione tecnologica.

 

Panetta evidenzia esplicitamente che l’intelligenza artificiale è già un motore economico reale, capace di incidere su investimenti, mercati finanziari e consumi.

 In particolare, lo sviluppo dei data center e delle infrastrutture digitali ha generato un impulso significativo alla crescita, contribuendo alla dinamica del PIL e alla valorizzazione delle imprese tecnologiche.

 

Non si tratta quindi di una promessa futura, ma di un fattore già operativo, che sta ridisegnando i rapporti di forza tra le economie. Ed è proprio su questo terreno che si apre il problema europeo e italiano.

 

Il nodo italiano: produttività e ritardo strutturale.

Se lo scenario globale è trainato dall’innovazione, l’Italia resta invece caratterizzata da una crescita debole e da una produttività stagnante, che rappresenta il vero vincolo allo sviluppo del Paese.

Nel discorso, Panetta è netto:

 senza un aumento consistente della produttività, l’economia italiana rischia di restare intrappolata in un equilibrio di bassa crescita, incapace di sostenere salari, investimenti e welfare.

In questo contesto, l’intelligenza artificiale viene individuata come la leva decisiva per cambiare traiettoria, perché consente di migliorare l’efficienza dei processi produttivi e di aumentare il valore aggiunto del lavoro.

 

Tuttavia, la presenza della tecnologia non garantisce automaticamente risultati. Il vero tema è la capacità di utilizzarla in modo diffuso e sistemico.

Il vero gap: l’adozione dell’innovazione.

Uno degli elementi più interessanti dell’intervento riguarda la distinzione tra innovazione e adozione.

Richiamando la storia delle grandi rivoluzioni tecnologiche, il Governatore sottolinea come i benefici maggiori non derivino necessariamente dall’invenzione, ma dalla capacità di integrare le nuove tecnologie nei processi produttivi.

 

Questa osservazione ha implicazioni dirette per l’Italia. Il problema non è solo sviluppare ricerca o attrarre tecnologie avanzate, ma trasformare il sistema produttivo – composto in larga parte da piccole e medie imprese – rendendolo capace di adottare l’IA in modo efficace.

 

Il rischio, in assenza di questo passaggio, è quello di un ulteriore ampliamento del divario con le economie più dinamiche, in particolare Stati Uniti e Cina, già in posizione di vantaggio nella corsa tecnologica.

 

Capitale umano e competenze: la condizione abilitante.

Accanto alla diffusione tecnologica, Panetta insiste su un secondo pilastro fondamentale: il capitale umano.

L’intelligenza artificiale, infatti, non è neutrale. Può generare crescita e nuova occupazione qualificata, ma può anche accentuare le disuguaglianze se i benefici restano concentrati tra chi possiede competenze avanzate.

Per questo motivo, il Governatore richiama la necessità di investire in formazione, istruzione e aggiornamento continuo.

 

La questione non è solo economica, ma anche sociale.

Il successo dello sviluppo, afferma Panetta, si misurerà dalla capacità di offrire opportunità ai giovani, trattenere talenti e valorizzare il merito. In altre parole, l’innovazione deve tradursi in mobilità sociale e inclusione, altrimenti rischia di produrre effetti distorsivi.

 

Lavoro e trasformazione produttiva.

Un altro aspetto centrale del discorso riguarda l’impatto dell’IA sul lavoro.

Per la prima volta, una tecnologia è in grado di automatizzare anche attività cognitive, ampliando l’area delle professioni potenzialmente coinvolte.

 

Panetta invita però a evitare letture deterministiche: storicamente, le innovazioni non hanno solo distrutto occupazione, ma ne hanno creata di nuova.

 L’intelligenza artificiale seguirà probabilmente lo stesso schema, modificando il contenuto del lavoro più che eliminarlo, e spostando il valore verso attività ad alta qualificazione.

 

Questo implica una trasformazione profonda dell’organizzazione produttiva, che richiederà tempo, investimenti e capacità di adattamento da parte delle imprese.

 

Il ruolo dello Stato e dell’Europa.

La portata della transizione tecnologica rende necessario, secondo Panetta, un intervento pubblico attivo.

 L’adozione dell’IA, soprattutto tra le PMI, incontra infatti ostacoli significativi legati a costi, competenze e accesso alle tecnologie.

 

Lo Stato deve quindi accompagnare questa trasformazione, sostenendo gli investimenti, promuovendo la formazione e creando un contesto favorevole all’innovazione.

Parallelamente, il Governatore richiama la dimensione europea.

 L’Unione dispone di risorse, competenze scientifiche e capacità produttive, ma deve agire con maggiore rapidità e coesione per non perdere terreno nello scenario globale.

Una sfida strategica per lo sviluppo.

Nel complesso, il discorso di Panetta restituisce un quadro chiaro: l’intelligenza artificiale è la chiave per superare le debolezze strutturali dell’economia italiana, ma il suo impatto dipenderà dalle scelte che verranno compiute nel breve periodo.

 

La sfida non è tecnologica in senso stretto, ma sistemica.

Riguarda il modo in cui il Paese saprà integrare innovazione, capitale umano e politiche pubbliche.

Solo così l’IA potrà diventare non un fattore di rischio, ma una leva per rilanciare crescita, produttività e competitività.

 

Per il settore delle costruzioni e dell’ambiente costruito – al centro dell’”ecosistema You Build” – il messaggio è particolarmente rilevante: la digitalizzazione e l’adozione dell’IA nei processi progettuali, produttivi e gestionali rappresentano oggi una condizione necessaria per affrontare la transizione industriale e restare competitivi.

 

 

 

 

Aree strategiche di

 intervento e politiche.

Docs.italia.it – Ministro per l’innovazione tecnologica – Redazione – (10-1-2025) – ci dice:

 

I sei obiettivi esposti nella sezione precedente definiscono le ambizioni di questo programma strategico, mentre gli undici settori prioritari definiscono dove l’Italia intende investire maggiormente.

Questa sezione, che delinea le aree di intervento, definisce come questa strategia si propone di raggiungere gli obiettivi dichiarati nei settori prioritari.

Tre aree chiave di intervento.

Nelle sezioni seguenti, questa strategia si svilupperà su queste aree di intervento e descriverà le politiche specifiche previste dal Governo.

Talenti e competenze.

L’IA può trasformare radicalmente molti aspetti della nostra società e la pandemia COVID-19 ha accelerato questa tendenza.

Il World Economic Forum 2020 stima che, entro il 2025, 85 milioni di posti di lavoro potrebbero sparire, a causa del cambiamento nella divisione del lavoro tra esseri umani e macchine, mentre potrebbero emergere 97 milioni di nuovi ruoli.

 Questa transizione avrà effetti distributivi significativi, sia tra paesi, che all’interno dei paesi stessi.

Per mitigare gli effetti di tale transizione e allo stesso tempo garantire che l’Italia si mantenga alla frontiera dell’innovazione tecnologica, il Paese deve investire nel sistema di formazione sull’intelligenza artificiale e nello sviluppo delle relative competenze per i cittadini.

 Da un lato, quindi, il Paese deve investire per essere all’avanguardia nella ricerca sull’IA.

Ciò significa ampliare e migliorare i programmi di dottorato e attrarre/trattenere i migliori ricercatori.

Dall’altro, l’Italia deve garantire che l’intero tessuto economico sfrutti le opportunità di produttività insite nella diffusione dell’IA.

 L’Italia deve pertanto rafforzare più in generale la componente STEM in tutto il sistema dell’istruzione, così da favorire lo sviluppo di una forza lavoro in grado di interagire con l’IA e sfruttarne i benefici.

A1. Rafforzare il programma Nazionale di Dottorato.

Questa misura mira a consolidare e ampliare complessivamente i corsi di dottorato italiani, con l’ambizione di assegnarne una quota adeguata all’IA.

Obiettivo:

Consolidare ed espandere i dottorati di ricerca per formare una quota maggiore di studenti di IA e attirare studenti di talento dall’estero.

Iniziative:

Aumentare il numero dei dottorati.

L’obiettivo della misura è principalmente quello di recuperare la perdita di borse di dottorato subita negli ultimi anni, come passaggio intermedio verso un’ulteriore estensione numerica a lungo termine.

Istituire un dottorato dedicato con il contributo e il coinvolgimento delle aziende.

 Il programma vuole incoraggiare la creazione di spin-off di ricerca dedicati alle attività dell’industria e del settore terziario.

Possibili fonti di investimento.

PNRR 1 M4C1.

 Investimento 4.1:

Estensione del numero di dottorati di ricerca e dottorati innovativi.

€430 Mln concessi su base competitiva (approccio bottom-up).

PNRR M4C2

 Investimento 3.3:

Introduzione di dottorati innovativi che rispondono ai fabbisogni di innovazione delle imprese e promuovono l’assunzione dei ricercatori dalle imprese.

€600 Mln concessi su base competitiva (approccio bottom-up).

A2. Attrarre e trattenere i ricercatori.

Le carriere precarie e i lenti avanzamenti professionali spingono i talenti italiani verso Paesi con migliori opportunità e, allo stesso tempo, rendono l’Italia poco attrattiva per gli stranieri.

 Questo sta generando un flusso di talenti particolarmente negativo per il Paese.

Obiettivo:

Attrarre e trattenere talenti dell’IA in Italia e mantenere la competitività italiana nella ricerca sull’IA.

Iniziative:

Finanziare attività di ricerca gestite in autonomia da giovani ricercatori, che acquisiranno da subito una prima esperienza di gestione autonoma della ricerca. Il programma - fortemente ispirato al pilastro Excellent Science del programma Horizon Europe - avrà lo scopo di attrarre giovani ricercatori, beneficiari di borse di studio di alto profilo internazionale come gli “starting grants” del Consiglio europeo della ricerca e le Marie Skłodowska-Curie Postdoctoral Fellowships (PF).

 Reclutare giovani ricercatori di IA nell’ambito del programma “Rita Levi Montalcini” ideato dal Ministero dell’Università e della Ricerca.

Possibili fonti di investimento.

PNRR M4C2 Investimento 1.2:

Finanziamento di progetti presentati da giovani ricercatori. 600 Mln concessi su base competitiva (non mirati specificamente all’IA).

Fondo per la scienza (L.23 luglio 2021, n. 106): 50 Mln nel 2021 e 150 Mln dal 2022 concessi su base competitiva (approccio bottom-up).

Programma Rita Levi Montalcini: 5 Mln/anno concesso su base competitiva (approccio bottom-up).

A3. Rafforzare le competenze di IA nella Pubblica Amministrazione.

Una grande debolezza 2 della Pubblica Amministrazione in Italia è la quota limitata di dipendenti con lauree STEM, in particolare nell’IA e in quelle tecnologie digitali necessarie per gestire correttamente l’enorme e crescente quantità di dati della pubblica ministrazione.

Obiettivo:

Aumentare l’efficacia della Pubblica Amministrazione italiana e aumentare la quota di lavoratori della PA consapevoli delle opportunità e dei rischi associati all’IA.

Iniziativa.

Attivare tre cicli di nuovi corsi di dottorato specificamente progettati per le esigenze delle amministrazioni pubbliche in collaborazione con il Ministro per la Pubblica Amministrazione e interagendo con la Scuola Nazionale dell’Amministrazione, istituto di istruzione per la formazione dei funzionari e dirigenti pubblici.

Possibile fonte di investimento.

PNRR M4C1 Investimento 4.1:

 Estensione del numero di dottorati di ricerca e dottorati innovativi. 430M concessi su base competitiva (approccio bottom-up).

A4. Promuovere corsi e carriere in materie STEM.

Le materie STEM costituiscono la base per sviluppare le competenze e le carriere dell’IA.

Pertanto, è importante stimolare l’interesse delle giovani generazioni verso i corsi e le carriere STEM, con particolare attenzione alle donne.

Obiettivo:

Aumentare la quota di studenti che studiano materie STEM, le basi per sviluppare le competenze di intelligenza artificiale.

Iniziativa:

Promuovere l’integrazione, all’interno dei curricula di tutti i cicli scolastici, di attività, metodologie e contenuti volti allo sviluppo delle competenze STEM, digitali e di innovazione, con particolare attenzione alle pari opportunità.

Possibile fonte di investimento:

PNRR M4C1 Investimento 3.1:

Nuove competenze e nuovi linguaggi (1,1 Mld).

PNRR M4C1 Investimento 3.2:

Scuola 4.0 - Scuole innovative, nuove aule didattiche e laboratori (2,1 Mld).

A5. Espandere l’IA negli ITS (“Istituti Tecnici Superiori”)Il sistema di formazione ITS 3 deve rispondere alla domanda del mercato del lavoro di tecnici specializzati e formati per l’innovazione tecnologica nei settori trainanti dell’economia.

Obiettivo

Sviluppare professionisti in grado di adattare e personalizzare le tecnologie IA esistenti per risolvere problemi in vari contesti industriali.

Iniziativa.

Ampliare corsi di programmazione e inclusione di corsi di IA applicata e stage in tutti i curricula ITS.

Possibile fonte di investimento

PNRR M4C1 Investimento 1.5:

Sviluppo del sistema di formazione professionale terziaria (ITS) (1,5 Mld).

Ricerca.

Come illustrato nel capitolo 1, l’ecosistema della ricerca italiano presenta caratteristiche incoraggianti, ma la sua frammentazione, la mancanza di risorse e la bassa produttività brevettuale ne limitano l’efficacia.

Questa sezione illustra le politiche che mirano a colmare il divario tra ricerca fondamentale e ricerca applicata favorendo le collaborazioni tra il mondo accademico, l’industria, gli enti pubblici e la società.

 Il futuro dell’IA implica necessariamente una forte sinergia tra centri di ricerca pubblici e privati, ricerca industriale, centri di innovazione, start-up e PMI e le competenze settoriali degli utenti.

Le iniziative del programma di ricerca si dividono in due classi:

Costruire l’ecosistema italiano della ricerca IA: ricerca fondamentale e applicata.

Aspetti trasversali.

B. Costruire l’ecosistema italiano della ricerca IA:

 ricerca fondamentale e applicata.

Queste iniziative sono state pensate per collegare le eccellenze esistenti e le attività territoriali in un unico piano di coordinamento nazionale. Sono concepiti per ottenere risultati sia a basso TRL (Technology Readiness Level) che vicini all’introduzione al mercato.

B1. Rafforzare l’ecosistema italiano della ricerca sull’IA.

Un ecosistema strutturato è necessario per definire una grande massa critica, rafforzare le sinergie tra centri più piccoli e più grandi e valorizzare l’eccellenza “verticale” in alcuni aspetti fondanti.

Obiettivo.

Aumentare la competitività italiana per le grandi sfide dell’IA, in linea con iniziative europee e internazionali simili, creando una connessione strutturale tra centri italiani di ricerca esistenti e quelli nuovi.

Iniziativa.

Creare un’architettura hub & spoke con competenze territoriali, soprattutto nella ricerca fondamentale.

Possibile fonte di investimento:

PNRR M4C2 Investimento 1.3:

Partenariati allargati estesi a Università, centri di ricerca, imprese e finanziamento progetti di ricerca di base.

1,61 Mld per almeno 10 partenariati selezionati su base competitiva.

 Un partenariato su 15 è rivolto alla ricerca sull’IA (approccio top-down) mentre aspetti dell’IA sono ritenuti cruciali nei restanti 14 partenariati.

B2. Lanciare la piattaforma italiana di dati e software per la ricerca sull’IA.

Una piattaforma unica condivisa da tutti gli ecosistemi italiani è necessaria per mantenere la proprietà intellettuale dei risultati scientifici italiani e fornire un rapido “time-to-market” dalla ricerca italiana all’industria italiana.

Obiettivo.

Generare una massa critica di dataset aperti e software progettati a livello di ricerca - resi accessibili secondo il principio FAIR 4- che le start-up e aziende possano riutilizzare, ingegnerizzare e trasferire dal prototipo al mercato.

Iniziativa.

Creare una connessione strutturale di piattaforme esistenti e nuove, dati e infrastrutture informatiche dedicate all’intelligenza artificiale, incluse biblioteche open source, specializzate per quegli ambiti in cui si concentra la ricerca fondamentale, sia per tecnologie specifiche che per lo sviluppo di modelli normativi e IA affidabile.

Possibile fonte di investimento.

PNRR M4C2 Investimento 3.1:

Fondo per la realizzazione di un sistema integrato di infrastrutture di ricerca e innovazione.

 1,58 Mld concessi su base competitiva (approccio bottom-up).

B3. Creare cattedre italiane di ricerca sull’IA.

Obiettivo.

Rafforzare le eccellenze esistenti e prevenire la fuga di cervelli italiani verso centri di ricerca di altri paesi.

Iniziativa.

Stanziare fondi specifici per un unico “Principal Investigator” (PI), già membro di università e centri di ricerca nazionali, per promuovere la collaborazione con industrie ed enti pubblici, secondo gli interessi degli ecosistemi locali.

 Sulla base di competenze oggettive, questi bandi potrebbero essere dedicati a specifiche ricerche libere in argomenti fondativi o applicativi 5 proposti da un PI.

Il 20% del budget totale può essere destinato a colmare i divari di genere e territoriali.

Possibile fonte di investimento.

Fondo per la scienza (L.23 luglio 2021, n. 106): 50 Mln nel 2021 e 150 Mln dal 2022 concessi su base competitiva (approccio bottom-up).

B4. Creare iniziative IA-PRIN per ricerca fondamentale Obiettivo.

Migliorare la ricerca, i risultati scientifici e la collaborazione tra i centri di ricerca Iniziativa.

 Bandi dedicati alla ricerca fondamentale in IA ispirata da curiosità di base (in machine learning, NLP, visione artificiale, rilevamento, percezione e azione, ragionamento simbolico, edge-AI, IA basata su HPC) e IA affidabile per progredire nello sviluppo di software, interazione uomo-macchina, regolamentazione e spiegazione dell’IA.

Possibile fonte di investimento.

PNRR M4C2 Investimento 1.1: Fondo per il Programma Nazionale Ricerca (PNR) e progetti di Ricerca di Significativo Interesse Nazionale (PRIN).

 1,8 Mld concessi su base competitiva (approccio bottom-up).

B5. Promuovere campioni nazionali IA multidisciplinari.

Obiettivo

Avere un forte impatto sul mondo della ricerca e aumentare l’utilizzo dei risultati della ricerca.

Iniziativa.

Sfide su temi specifici con valutazione competitiva di risultati misurabili. Potrebbero essere correlati ad aspetti critici dell’IA e collegati ad obiettivi definiti di Ricerca Applicata 6.

Le sfide potrebbero essere coordinate con le infrastrutture esistenti come i centri HPC nazionali, i nodi Gaia-X e le infrastrutture dei centri di ricerca pubblici e privati.

Possibile fonte di investimento:

PNRR M4C2 Investimento 1.4:

Potenziamento strutture di ricerca e creazione di “campioni nazionali di R&S” su alcune Key Enabling Technologies.

 1,6 Mld per 5 Centri Nazionali selezionati su base competitiva.

Un centro su 5 si rivolge all’HPC (approccio top-down) mentre gli aspetti dell’IA sono cruciali nei restanti 4 centri.

B6. Lanciare bandi di ricerca-innovazione IA per collaborazioni pubblico-private.

Obiettivo:

Incidere e promuovere il partenariato pubblico-privato e contribuire a dare una caratterizzazione locale della ricerca sull’IA consentendo un sostegno regionale o locale ai progetti.

Iniziativa.

Grandi progetti su settori prioritari ma con proposte di libera iniziativa (simili ai Piani Operativi Nazionali, PON, ma 60% per i laboratori pubblici, 40% per le imprese) che mirano a trasferire competenze dalla ricerca alle industrie, lavorare insieme, creare start-up e “innovatori”. Almeno il 10% dovrebbe essere dedicato alla creazione di nuove start-up di intelligenza artificiale.

Possibile fonte di investimento:

PNRR M4C2 Investimento 1.5: Creazione e rafforzamento di «ecosistemi dell’innovazione», costruzione di «leader territoriali di R&S».

1,3 Mld per un massimo di 12 ecosistemi di innovazione selezionati su base competitiva (approccio bottom-up).

C. Aspetti trasversali.

C1. Finanziare ricerca e applicazioni dell’IA creativa.

Obiettivo.

Creare eccellenza scientifica nelle applicazioni di ricerca in settori specifici, come il manifatturiero creativo.

Iniziativa

Borse di studio per ricerca pionieristica nel mondo dell’intelligenza artificiale creativa, un argomento di ricerca di frontiera che mette insieme nuovi modelli di apprendimento e ragionamento, esperti di neuroscienze, psicologi e persone creative.

Possibili fonti di investimento.

Fondo per la scienza (L.23 luglio 2021, n. 106): 50 Mln nel 2021 e 150 Mln dal 2022 concessi su base competitiva (approccio bottom-up).

PNRR M4C1 Investimento 4.1: Estensione del numero di dottorati di ricerca e dottorati

innovativi. 430 Mln concessi su base competitiva (approccio bottom-up).

PNNR M4C2 Investimento 1.2: Finanziamento di progetti presentati da giovani ricercatori. 600 Mln concessi su base competitiva (non mirati specificamente all’IA).

PNRR M4C2 Investimento 1.3: Partenariati allargati estesi a Università, centri di ricerca, imprese e finanziamento progetti di ricerca di base. 1,61 Mld per un massimo di 10 partnership selezionate su base competitiva.

C2. Promuovere progetti bilaterali per incentivare il rientro in Italia di professionisti.

Obiettivo

Aumentare l’attrattività dell’Italia per ricercatori e investitori.

Iniziativa:

Bando per progetti incentrati su temi specifici definiti dalle priorità italiane cofinanziato da un altro paese con almeno un ricercatore che rientra in Italia con la stessa remunerazione che all’estero.

 Una borsa di studio analoga dovrebbe essere assegnata al PI italiano.

Possibili fonti di investimento:

Fondo per la scienza (L.23 luglio 2021, n. 106): 50 Mln nel 2021 e 150 Mln dal 2022 concessi su base competitiva (approccio bottom-up).

PNNR M4C2 Investimento 1.2: Finanziamento di progetti presentati da giovani ricercatori. 600 Mln concessi su base competitiva (non mirati specificamente all’IA).

Queste iniziative saranno supportate dalle infrastrutture italiane esistenti come le strutture HPC nazionali per la formazione sull’apprendimento automatico, le reti 5G per l’acquisizione dei dati, il cloud nazionale Gaia-X per l’archiviazione dei dati e la virtualizzazione del calcolo, nonché tutte le infrastrutture dati sviluppate dalle comunità di ricerca, in particolare quelli stabiliti all’interno della tabella di marcia del Forum Strategico Europeo per le Infrastrutture di Ricerca (ESFRI Roadmap).

Applicazioni.

Come evidenziato nei capitoli introduttivi, l’ecosistema IA italiano soffre di un basso numero di brevetti e di un lento processo di trasferimento tecnologico.

Inoltre, le aziende italiane, grandi e piccole, sono state finora lente nell’adottare soluzioni di intelligenza artificiale determinando un mercato dell’IA di dimensioni limitate.

Per affrontare queste sfide, questa strategia propone una serie di politiche volte ad ampliare l’applicazione dell’IA nelle industrie e nella società, nonché misure per favorire la nascita e la crescita di imprese innovative in ambito IA.

 Inoltre, queste politiche sono concepite per insistere su aree prioritarie ed accompagnare la crescita di settori che finora hanno mostrato risultati promettenti nello sviluppo e nell’adozione dell’IA.

Tutte le iniziative condividono problemi e obiettivi comuni:

Prestare particolare attenzione alle imprese più piccole, quelle che operano nei contesti geografici o socioeconomici più periferici e svantaggiati, focalizzandosi sui settori prioritari (Sezione 2.3) e sui settori strategici nazionali (Infrastrutture Critiche, settori definiti nel “Decreto Golden Power”).

Aumentare il numero di imprenditrici ed esperte di IA, nonché attrarre start-up e professionisti esteri focalizzati sull’IA con incentivi economici da applicare a tutte le iniziative descritte di seguito.

Allineare tutte le politiche di IA relative all’elaborazione, aggregazione, condivisione e scambio dei dati, nonché alla sicurezza dei dati, con la Strategia Nazionale per il Cloud e con le iniziative in corso a livello europeo, a partire dalla Strategia Europea dei Dati e dalle recenti proposte di un Data Governance Act e di un regolamento sull’intelligenza artificiale.

A tal fine, questa strategia individua due aree di intervento che riteniamo di maggior impatto particolarmente strategiche.

D. IA per modernizzare le imprese.

E. IA per modernizzare la pubblica amministrazione.

D.IA per modernizzare le imprese.

L’impatto dell’IA sulle imprese sarà di enorme rilevanza.

L’IA infatti implicherà una vera e propria rivoluzione nel loro modus operandi, dai processi interni e relazioni con i clienti allo sviluppo di nuovi prodotti e servizi basati sull’intelligenza artificiale. Per di più, l’intelligenza artificiale implica che le aziende italiane dovranno trasformare la propria forza lavoro e i propri processi, assumendo nuovi talenti, formando la forza lavoro esistente e assicurandosi che tale transizione avvenga con un uso efficace e responsabile delle soluzioni di intelligenza artificiale.

Complessivamente le iniziative proposte mirano a:

Supportare il processo di assunzione di personale IA altamente qualificato nelle aziende private, in modo da rafforzare il loro processo di Transizione 4.0 (macchinari, hardware, software persone).

Aumentare l’adozione di soluzioni IA nelle aziende private, in modo da aumentare la loro competitività.

Aiutare start-up e spin-off a crescere, evitare la «valle della morte» e sostenere la loro crescita nazionale e internazionale.

Stabilire un contesto normativo che possa aiutare la sperimentazione e la certificazione di prodotti e servizi IA affidabili che hanno superato tale sperimentazione.

Pertanto, questa strategia propone le seguenti iniziative:

D1. Fare dell’IA un pilastro a supporto della Transizione 4.0 delle imprese.

Obiettivo:

Stimolare la transizione verso un’economia basata sulla conoscenza; aumentare l’intensità della spesa in R&S rispetto al PIL 7; arginare la perdita sostanziale e duratura di talenti tecnico-scientifici, soprattutto giovani; migliorare la protezione intellettuale delle soluzioni di IA per aumentare la competitività delle imprese.

Possibili iniziative.

Introduzione di linee guida chiare sugli stipendi degli esperti di IA 8 che devono essere in linea con i parametri salariali internazionali.

Per quanto riguarda il reclutamento di esperti senior di AI, promozione di posizioni di doppio incarico attraverso incentivi per tutte le parti coinvolte.

Introduzione di credito d’imposta o voucher per l’assunzione di profili STEM.

Aggiornamento dell’elenco spese software e hardware ammissibili agli incentivi Transizione 4.0 9.

Sfruttare le iniziative di successo esistenti che offrono formazione formativa da parte di partner accademici e industriali, un Master di secondo livello e un chiaro percorso verso l’occupazione ove necessario 10.

Fonte di investimento.

PNRR M1C2 Investimento 1:

Transizione 4.0 (13,38 Mld) -Settori consigliati.

Si consiglia di iniziare l’attuazione (primi due anni) attraverso i settori prioritari — Industria e produzione e banche, finanza e assicurazioni — poiché i dati indicano che questi sono i settori in cui la misura può avere il maggiore impatto.

Oltre a questi settori, dovrebbero essere considerati anche la sicurezza nazionale e le tecnologie dell’informazione.

 Dal secondo e terzo anno dovranno essere aggiunti tutti i settori prioritari.

D2. Sostenere la crescita di spin-off innovativi e start-up.

Obiettivo.

Aumentare del 30% il numero di start-up di IA rispetto al 2021; migliorare i ricavi medi delle start-up di IA del 50% nel mercato domestico e del 30% nell’export; accrescere il numero di scale-up; per identificare e supportare scale-up e unicorni.

Iniziativa.

Promuovere la creazione di start-up tra professionisti e studenti ad alto potenziale: sostenere l’educazione all’imprenditorialità per bambini/ragazzi, incoraggiare gli studenti universitari ad avviare un’impresa, sostenere le imprenditrici, garantire pari opportunità di innovazione, promuovere l’assunzione di laureandi da parte di scale-up.

Promuovere la collaborazione all’interno degli ecosistemi delle start-up: offrire appalti pubblici alle start-up per l’acquisto di beni e servizi, promuovere l’innovazione aperta, favorire gli spin-off, co-creare progetti di punta per collegare gli attori dell’ecosistema delle start-up, promuovere incentivi fiscali per la crescita.

Fonte di investimento.

CDP Venture Capital – Fondo Nazionale Innovazione, istituito dal Ministero dello Sviluppo Economico, ha un budget di partenza di 1 Mld e punta ad unificare e moltiplicare le risorse pubbliche e private dedicate al tema strategico dell’innovazione.

Il Fondo è un soggetto (SGR) multi-fondo che opera esclusivamente attraverso metodologie di cosiddetto venture capital.

Settori consigliati

industria e produzione, agroalimentare, salute e benessere, ambiente, infrastrutture e reti (in particolare comunicazione e servizi energetici), banche, finanza e assicurazioni e tecnologie dell’informazione.

D3. Promuovere e facilitare le sperimentazioni di tecnologie IA destinate al mercato.

Obiettivo.

Aumentare del 30% i prodotti e i servizi di IA testati tramite sperimentazioni controllate ed autorizzate.

Iniziativa.

Promuovere il progetto Sperimentazione Italia, sandbox che consente a start-up, aziende, università e centri di ricerca di sperimentare il proprio progetto innovativo per un periodo di tempo limitato attraverso un’esenzione temporanea dalla normativa vigente ai sensi dell’art 36 DL 76/2020.

Questo strumento specifico facilita l’accesso di imprese, spin-off, start-up, enti di ricerca, università, istituti tecnici superiori e centri di trasferimento tecnologico alla sperimentazione controllata ed autorizzata per testare tecnologie di IA in condizioni reali o prossime al reale con eccezioni normative di durata e perimetro limitati, prima della loro eventuale introduzione sul mercato.

Settori consigliati:

Tutti i settori prioritari.

D4. Supportare le imprese nella certificazione dei prodotti di IA

Obiettivo.

Aumentare del 30% il numero di prodotti e servizi di IA certificati dall’UE prodotti/forniti da imprese in settori in cui esistono già certificazioni UE.

Iniziativa.

Definizione di un sistema di governance nazionale (riferendosi il più possibile alle istituzioni e autorità nazionali esistenti nel settore) a supporto della certificazione dei prodotti di IA immessi sul mercato (con profili di rischio più elevati, in particolare per la salute, la sicurezza o i diritti) con la definizione di chiari strumenti armonizzati in linea con la nuova proposta di Regolamento sull’intelligenza artificiale della Commissione Europea del 21 aprile 2021 (COM (2021) 206).

 In ambito sanitario sarà garantita una stretta collaborazione tra il sistema governativo italiano e gli organismi tecnico-scientifici a livello europeo chiamati a fornire indicazioni tecniche dettagliate per l’attuazione delle norme, sia del futuro Regolamento sull’IA che del Regolamento Dispositivi Medici, ovvero i Regolamenti UE 745 e 746/2017 (il primo è divenuto pienamente applicabile il 26 maggio 2021), affinché siano adottate tutte le opportune misure correttive. L’obiettivo è far sì che le due normative siano coerenti e ben coordinate tra loro, a vantaggio dello sviluppo del settore IA.

Settori consigliati:

Tutti i settori prioritari.

D5. Promuovere campagne di informazione sull’IA per le imprese.

Obiettivo

Promuovere campagne di comunicazione e sensibilizzazione sui benefici dei prodotti e servizi di IA raggiungendo almeno l’80% delle associazioni di categoria, il 30% degli iscritti alle associazioni di categoria, l’80% dei Competence Center e dei Digital Innovation Hub.

Iniziativa

Organizzazione di 20 azioni di comunicazione e sensibilizzazione sull’IA. La campagna prevede la diffusione del Programma Strategico Nazionale per l’IA agli imprenditori e ai manager delle imprese interessate attraverso un’azione coordinata con le associazioni di categoria, i Competence Center e i Digital Innovation Hub.

La campagna si concentrerà anche sui rischi e gli obblighi per la commercializzazione di prodotti e servizi di IA ai sensi della legislazione nazionale ed europea, in particolare nel contesto del prossimo regolamento europeo sull’IA.

Fonte di investimento PNRR M1C2.

Investimento 1: Transizione 4.0 (13,38 Mld)

Settori consigliati

Tutti i settori prioritari.

E. IA modernizzare la pubblica amministrazione.

Il passaggio al nuovo paradigma tecnologico basato sull’IA influenzerà fortemente la pubblica amministrazione.

 Grazie all’IA, infatti, la PA italiana ha l’opportunità di allinearsi a un processo di modernizzazione che non può più essere evitato.

 L’utilizzo dell’IA consente alle pubbliche amministrazioni di adeguare e personalizzare l’offerta dei servizi e in generale sfruttare le grandi basi dati generate al loro interno per ampliare i servizi del settore pubblico e le opportunità di integrazione con i privati (per esempio in sanità e nella mobilità).

La pubblica amministrazione può diventare un vero e proprio motore dello sviluppo dell’IA, grazie ai dati che produce e al suo ruolo di potenziale acquirente di beni e servizi innovativi.

Di conseguenza, è fondamentale rendere i dati esistenti fruibili dalle pubbliche amministrazioni, nel rispetto delle regole del GDPR e dei principi di privacy by design, ethics by design e human centred design e creando forme di aggregazione dei dati.

Al contempo, la disponibilità dei dati è condizione necessaria ma non sufficiente per progettare una nuova PA.

 Per fare ciò, la stessa necessità di competenze, procedure e strumenti adeguati.

A tal fine, proponiamo le seguenti iniziative per la promozione dell’IA all”interno della PA e per la PA:

E1.

Creare interoperabilità e dati aperti per favorire la creazione di modelli di IA.

Obiettivo.

Garantire standard comuni in termini di forma, struttura e granularità su dati e software e servizi di intelligenza artificiale, nonché protocolli di conformità rispetto alle normative nazionali ed europee. Favorire lo sviluppo di soluzioni avanzate di analisi e/o software che sfruttino il potenziale dei big data.ta che genera la PA nelle interazioni con i cittadini.

Iniziativa

Integrare i vari data feed della PA per renderli altamente interoperabili e aperti alle aziende private per lo sviluppo di software IA ma anche da utilizzare nella fase di progettazione e implementazione di nuovi algoritmi, nuovi modelli di apprendimento e sistemi di IA rilasciati dalle diverse amministrazioni.

Questi nuovi sistemi saranno riutilizzabili, nel rispetto delle considerazioni di affidabilità delle normative nazionali ed europee e nel rispetto delle regole per la protezione dei dati personali. Inoltre, servirà aggiornare regolarmente le linee guida per gli Open Data riutilizzabili per i modelli di IA con grandi set di dati annotati (ad esempio i dati per la mobilità intelligente).

Le politiche saranno alla base della partecipazione italiana al Common European Data Space della PA, previsto dalla European Data Strategy.

Ciò avverrà congiuntamente all’implementazione di standard già esistenti e alla definizione di meccanismi di incentivi per i singoli gestori della PA, basati sulla conformità della loro struttura dati e dei servizi ai criteri indicati.

E2. Rafforzare le soluzioni IA nella PA e nell’ecosistema “Gov Tech” in Italia.

Obiettivo

Sviluppare soluzioni di IA che rispondano alle esigenze delineate nelle azioni prioritarie legate alla PA e al settore pubblico, ovvero:

 1) digitalizzazione e modernizzazione della pubblica amministrazione; 2) tutela del territorio e delle risorse idriche;

 3) manutenzione stradale 4.0;

 4) telemedicina, innovazione e digitalizzazione della sanità.

 Sostenere lo sviluppo di un ecosistema di start-up GovTech italiano.

Iniziative

Introduzione di bandi periodici per identificare e supportare le start-up con potenziali soluzioni basate sull’IA per risolvere problemi critici della PA, attraverso un programma simile a un acceleratore che trasformi idee/progetti di ricerca in soluzioni applicabili e aziende scalabili.

 Il CITD 11 individua periodicamente, attraverso una commissione di esperti e col supporto di personale tecnico ministeriale, problemi per la PA ben definiti e che potrebbero rappresentare anche grandi opportunità di ricavo per i fornitori di soluzioni (e.g. IA per semplificare e accelerare la gestione degli appalti pubblici e delle relative garanzie).

I problemi sono pubblicati e un acceleratore partner sviluppa programmi di accelerazione che ruotano intorno alla risoluzione dei problemi pre-identificati.

Il MITD assicura che processi d’appalto innovativi offrano la possibilità di contratti con la PA dopo l’accelerazione e supporta le start-up a istituire processi nel rispetto delle normative europee sull’IA e sui dati

Investimento.

Il comitato tecnico del MITD valuta il raggiungimento degli obiettivi da parte delle start-up e assegna premi per le prime tre aziende che raggiungono ciascun obiettivo.

L’acceleratore partner, in coordinamento con il comitato tecnico del MITD 12, esegue la prima selezione delle start-up e fornisce il finanziamento iniziale, il mentoring e l’accesso a investitori di venture capital.

E3. Creare un dataset comune di lingua italiana per lo sviluppo dell’IA.

Obiettivo.

Garantire che ricercatori, imprese e pubblica amministrazione abbiano accesso a una risorsa linguistica condivisa di alta qualità (dataset molto grandi di documenti in lingua italiana su cui formare modelli linguistici di intelligenza artificiale), aumentando così sia la competitività italiana nel settore che le soluzioni di IA disponibili per i cittadini italiani.

Iniziativa.

Creazione di una risorsa linguistica aperta e condivisa — raccolta strutturata di dataset digitali di documenti italiani a disposizione di tutti gratuitamente — attraverso una collaborazione tra attori pubblici e privati.

Questa risorsa raccoglierà file di testo, file audio e banche terminologiche, che possono essere utilizzati per sviluppare text mining, chatbot, interfacce di conversazione, traduzione multilingue, genera- zione di testo o altri servizi che migliorano sia i servizi pubblici che quelli privati.

 L’iniziativa aiuterà efficacemente a colmare il divario di scala tra aziende/servizi di intelligenza artificiale emergenti e le più grandi aziende tecnologiche internazionali che hanno accesso ai propri database privati.

E4. Creare banche dati e analisi basate su IA/NLP per feedback/miglioramento dei servizi.

Obiettivo

Migliorare la qualità delle interazioni (digitali e non solo) dei cittadini con la PA.

Iniziativa.

Creare un set di dati annotato delle interazioni cittadini-PA (attività online ma anche feedback dalle interazioni di persona, ad esempio dall’INPS) per supportare lo sviluppo o l’integrazione di strumenti di intelligenza artificiale/fornitori di tecnologia per sviluppare nuovi servizi di interfacce di comunicazione, analisi delle opinioni, rilevamento e previsione dei punti critici nei processi per identificare possibili soluzioni. Creare bandi specifici per fornire soluzioni per la PA scalabili a livello nazionale.

E5. Creare banca dati per analisi sofisticate su base IA/Computer vision per il miglioramento dei servizi nella PA.

Obiettivo

Supportare la PA nell’estrazione di conoscenza da documenti visivi digitalizzati, video e immagini satellitari.

Iniziativa.

Creare un set di dati annotato molto ampio da immagini satellitari di osservazione di paesaggi urbani e non, immagini catastali digitalizzate, video urbani e suburbani per applicazioni di mobilità 5.0; supportare bandi specifici per fornire soluzioni di computer vision con codice open source o software concesso in licenza per uso della PA.

Possibili applicazioni potrebbero essere

a) la categorizzazione catastale, l’identificazione delle anomalie nel registro catastale e/o anomalie rispetto al piano urbanistico;

b) migliore sfruttamento delle immagini/dati delle costellazioni satellitari per l’elaborazione a terra, sviluppando servizi di monitoraggio ambientale, gestione delle emergenze (e.g. incendi), monitoraggio delle infrastrutture critiche, monitoraggio costiero e di confine;

 c) dati satellitari e delle videocamere urbane delle strade nazionali per la previsione e la gestione del traffico (e della navigazione) a breve e lungo termine.

E6. Introdurre tecnologie per condivisione e risoluzione di casi trasversali a varie autorità.

Obiettivo.

Migliorare la qualità dei centri di servizio per i cittadini e semplificare il processo di risoluzione dei problemi in modo più efficiente, riducendo i tempi di elaborazione dei casi.

Iniziativa.

Introdurre tecnologie basate sull’IA per automatizzare lo smistamento e la preparazione delle richieste per l’elaborazione.

Ad esempio, l’automazione coinvolgerà: screening, confronto, categorizzazione e supporto decisionale nell’elaborazione dei casi; confronto automatico di documenti digitalizzati testuali/ visivi; automazione dei processi robotici (RPA); supporto ai datori di lavoro della PA nelle risposte standard.

 Il risultato sarà che i funzionari pubblici saranno in grado di concentrarsi sui casi più critici.

Questa ottimizzazione con l’elaborazione dei casi è rilevante per varie autorità a partire da i centri di servizio al cittadino e l’area dell’amministrazione delle sovvenzioni.

Tutte le iniziative per le applicazioni dell’IA alla PA saranno finanziate prevalentemente tramite risorse PCM 13-MITD/PA, in partnership con altre istituzioni pubbliche/private ove opportuno.

 

La Strategia Italiana per l’Intelligenza Artificiale 2024-2026: ricerca, sviluppo e applicazioni concrete per un futuro competitivo

Innovationpost.it – Michelle Crisantemi – (22 luglio 2025) – Redazione – ci dice:

 

Intelligenza artificiale, MADE.

Pubblicato il documento completo che mira a promuovere la ricerca, sviluppare applicazioni pratiche e creare un contesto favorevole per l’adozione dell’AI, sostenendo la competitività nazionale.

 Il piano prevede azioni specifiche per la pubblica amministrazione, le imprese, la formazione e la ricerca.

 

Sostenere la realizzazione di applicazioni concrete di AI, promuovere la ricerca fondazionale e applicata e creare un contesto in grado di favorire la generazione del valore sfruttando le potenzialità dell’AI:

 sono questi i tre macro-obiettivi della Strategia Italiana per l’Intelligenza Artificiale 2024-2026.

Il documento, redatto da un Comitato di esperti, ha lo scopo di supportare il Governo nella definizione di una normativa nazionale e delle politiche sull’AI, proseguendo un percorso avviato nel 2028 e già culminato nel “Programma strategico Intelligenza Artificiale 2022-2024”.

Alla luce dei recenti sviluppi tecnologici – si pensi, ad esempio, all’affermazione dell’AI generativa – e delle mutate condizioni normative, con l’AI Act” che ha raggiunto la fine del suo iter legislativo con la pubblicazione sulla Gazzetta Ufficiale dell’UE, si è reso necessario aggiornare la strategia.

 

Coordinato da “Gianluigi Greco”, professore di informatica all’Università della Calabria e presidente di AI x IA, il Comitato include figure di spicco come Viviana Acquaviva, Paolo Benanti, Guido Boella, Marco Camisano Calzolari, Virginio Cantoni, Maria Chiara Carrozza, Rita Cucchiara, Agostino La Bella, Silvestro Micera, Giuliano Noci, Edoardo Carlo Raffitta, Ranieri Razzante e Antonio Teti.

 

Il Comitato ha beneficiato del supporto di una Segreteria Tecnica istituita presso l’Agenzia per l’Italia Digitale (AgID), che ha affiancato il Comitato nell’organizzazione delle attività e nella stesura dei documenti.

 

“Le regole e lo sviluppo dell’Intelligenza Artificiale sono cruciali per garantire un futuro sicuro e prospero. Università e mondo della ricerca italiani, al settimo posto a livello mondiale, dimostrano la nostra capacità di innovazione e le diffuse competenze, insieme alle nostre imprese altamente competitive nel mercato globale. Tutto questo rappresenta un terreno fertile per lo sviluppo dell’AI in Italia”, ha ricordato il Direttore Generale di AgID, Mario Nobile.

“La strategia elaborata dal Comitato inquadra l’Intelligenza Artificiale come un concreto motore di sviluppo per il nostro Paese, valorizzando le nostre peculiarità e promuovendo lo sviluppo e l’adozione di soluzioni trasparenti e affidabili, in sintonia con i nostri valori”, ha affermato il Coordinatore del Comitato, Prof. Gianluigi Greco.

 

Indice degli argomenti:

Una strategia italiana per l’Intelligenza Artificiale per colmare il divario tra università e industria.

La Fondazione per l’Intelligenza Artificiale.

Le infrastrutture necessarie per creare un terreno fertile ad applicazioni di Intelligenza Artificiale.

AI, la strategia italiana per promuovere la ricerca.

Promuovere l’adozione di AI nelle imprese e la creazione di start-up.

Sviluppare le competenze necessarie: le azioni strategiche nel campo della formazione sull’AI

PA 4.0: la strategia per una pubblica amministrazione intelligente ed efficiente.

Il documento.

Una strategia italiana per l’Intelligenza Artificiale per colmare il divario tra università e industria

La nuova strategia italiana per l’Intelligenza Artificiale, di cui era stata fornita un’anteprima lo scorso gennaio, si propone di sostenere la realizzazione e l’adozione di applicazioni di AI per supportare pratiche gestionali, modelli produttivi e progetti di innovazione, preservando i vantaggi competitivi delle eccellenze nazionali.

 

Inoltre, promuoverà la ricerca scientifica fondazionale e applicata, incentivando la connessione delle unità di ricerca nazionali con le piattaforme internazionali e favorendo lo sviluppo di applicazioni di AI coerenti con le esigenze competitive del paese.

 

In questo modo si intende colmare il gap tra università e industria. Se, infatti, l’Italia si posiziona settima al mondo per numero di pubblicazioni prodotte sull’AI e le sue università e i suoi centri di trasferimento tecnologico sono coinvolti nei maggiori progetti europei riguardanti l’Intelligenza Artificiale, i dati sull’adozione nelle imprese fotografano una situazione di maggiore arretratezza, con solo il 15% delle PMI che ha intrapreso un progetto pilota riguardante l’AI.

 

Per valorizzare il potenziale dell’AI, la strategia punta sulla crescita di talenti attraverso un sistema di formazione orientato all’eccellenza e sull’efficientamento dei servizi della Pubblica Amministrazione mediante l’introduzione di soluzioni di Intelligenza Artificiale.

 

Questo approccio integrato comprende quattro macroaree: Ricerca, Pubblica Amministrazione, Imprese e Formazione, ognuna con obiettivi specifici e azioni mirate.

 

La Fondazione per l’Intelligenza Artificiale.

Oltre alle azioni e agli interventi stabiliti per ciascuna macroarea, la strategia per l’Intelligenza Artificiale delinea le attività di attuazione, coordinamento e monitoraggio che saranno a carico della Fondazione per l’Intelligenza Artificiale, concepita come un organismo centrale nell’attuazione della strategia nazionale per l’AI in Italia.

Sotto il diretto controllo della Presidenza del Consiglio dei Ministri, la Fondazione avrà il compito di gestire, coordinare e monitorare le singole iniziative strategiche volte a promuovere l’adozione dell’AI nel Paese.

 

Tra le sue principali responsabilità, vi sarà la gestione del registro nazionale di dataset e modelli di AI, garantendo la trasparenza e l’equità nell’uso e nel riuso di tali risorse.

In termini di attuazione, la Fondazione si occuperà di stabilire un fondo dedicato a rendere sostenibili le azioni strategiche e di promuovere sinergie tra i vari attori dell’ecosistema dell’innovazione, tra cui università, imprese, e pubblica amministrazione.

Questo fondo potrà essere alimentato anche da ricavi generati dalle stesse azioni strategiche.

 

La Fondazione avrà inoltre il compito di definire un’agenda di sviluppo che identifichi le competenze, gli strumenti, i processi e i prodotti necessari per sostenere la competitività del Paese.

Sarà incaricata di promuovere iniziative di sensibilizzazione e formazione, soprattutto per le PMI, per far loro comprendere le opportunità offerte dall’AI.

 Tra le altre attività, la Fondazione definirà i criteri per la certificazione delle competenze digitali e di AI delle imprese, produrrà un documento annuale di previsione sull’utilizzo dell’IA, e coordinerà la valutazione dei progetti per l’accesso a finanziamenti specifici per PMI e start-up.

 

Infine, la Fondazione avrà il compito di monitorare costantemente lo stato di avanzamento delle singole azioni strategiche e il raggiungimento dei target, garantendo un processo di miglioramento continuo e adeguamento delle politiche in risposta all’evoluzione tecnologica.

Le infrastrutture necessarie per creare un terreno fertile ad applicazioni di Intelligenza Artificiale.

La strategia delinea inoltre quali azioni dovranno essere messe a terra per creare le infrastrutture necessarie a creare un terreno fertile per lo sviluppo di applicazioni di AI.

Tra queste, la creazione di un registro nazionale di dataset e modelli, costruiti su principi di trasparenza ed equità, è un passo cruciale. Questo registro, costruito su principi di trasparenza e affidabilità etica, faciliterà il riuso di artefatti di AI, accelerando lo sviluppo di soluzioni da parte delle aziende italiane.

 

Il progetto si articola in tre direzioni principali:

metodologica, per garantire la sicurezza legale e ingegneristica dei dataset;

realizzativa, con l’implementazione di una piattaforma avanzata di Machine Learning Operations (MLops);

e applicativa, con focus su ambiti di interesse nazionale.

 

Tutti i progetti finanziati pubblicamente dovranno contribuire a questo registro, promuovendo la condivisione e la generazione di dataset sintetici attraverso tecnologie di Privacy-Enhancing Technologies (PET).

 

Parallelamente, si prevede un potenziamento delle infrastrutture di rete per gestire l’incremento del traffico dati generato dalle soluzioni di AI. Azioni strategiche includeranno lo sviluppo di reti intelligenti, la collaborazione tra settore pubblico e privato, e l’implementazione di soluzioni interoperabili, accompagnate da iniziative di sensibilizzazione per una gestione responsabile dell’AI.

 

AI, la strategia italiana per promuovere la ricerca.

Per quanto concerne la ricerca, la strategia italiana per l’Intelligenza Artificiale si articola in obiettivi e azioni concrete volte a consolidare l’ecosistema nazionale e a mantenere la competitività a livello internazionale.

Gli obiettivi principali includono l’investimento nella ricerca scientifica fondazionale sull’AI, la valorizzazione della ricerca applicata e la promozione di sinergie tra pubblico e privato.

Le azioni strategiche previste comprendono il consolidamento dell’ecosistema di ricerca italiano, trattenendo e attrarre talenti attraverso piani straordinari di assunzione e incentivi per il “brain gain”.

 

Si punta inoltre alla progettazione di “Large Language Models” (LMM) specifici per l’Italia, e alla promozione di progetti interdisciplinari che utilizzano l’AI per il benessere sociale.

 

La strategia include anche il lancio di programmi di ricerca fondazionale e” blue-sky “per l’AI di prossima generazione, ispirati alle challenge di ricerca nordamericane, e il potenziamento delle collaborazioni internazionali per sviluppare nuove soluzioni di AI e affrontare sfide globali.

 

Promuovere l’adozione di AI nelle imprese e la creazione di start-up.

Per quanto riguarda il capitolo sulle imprese, la strategia si articola su due livelli principali:

da un lato, valorizzare il ruolo delle imprese ICT come catalizzatori di nuove soluzioni di AI, e dall’altro, indirizzare le imprese non ICT verso l’innovazione della loro catena del valore attraverso l’AI.

Questo approccio mira a creare un ecosistema dell’innovazione guidato dall’AI, che rafforzi l’eccellenza delle imprese italiane, tenendo conto delle loro specificità e peculiarità.

 

Per raggiungere questi obiettivi, la strategia italiana per l’Intelligenza Artificiale prevede una serie di azioni strategiche specifiche.

Una di queste è l’istituzione di facilitatori per l’AI nelle PMI.

Questi facilitatori, radicati sul territorio e sotto il coordinamento della Fondazione per l’Intelligenza Artificiale, saranno responsabili della promozione di soluzioni e dello sviluppo di applicazioni di AI in vari settori verticali come l’automazione, l’agroalimentare, l’arredo, l’abbigliamento, il turismo, il settore chimico e farmaceutico, e l’aerospazio.

 

I facilitatori fungeranno da punto di incontro tra le imprese ICT, che offrono soluzioni per l’innovazione, e le imprese che beneficiano di tali tecnologie.

 Offriranno servizi di innovazione, valuteranno la maturità tecnologica delle aziende, abiliteranno soluzioni interoperabili e promuoveranno la formazione delle risorse umane.

Inoltre, raccoglieranno e codificheranno i dati caratteristici delle filiere produttive per l’addestramento di soluzioni di AI, alimentando il Patrimonio di Conoscenza Nazionale.

Altro pillar della strategia è il sostegno allo sviluppo e all’adozione di soluzioni di AI.

Questo sarà realizzato attraverso la creazione di un serbatoio di risorse finanziarie dedicato a finanziare progetti sia di imprese ICT sia di imprese non ICT che desiderano innovare i propri processi produttivi adottando soluzioni di AI.

 

I progetti potranno essere promossi da reti di imprese o da singole imprese e saranno supportati attraverso vari strumenti finanziari, tra cui finanza ordinaria, corporate venture capital, private equity e voucher per attività di supporto all’innovazione basata sull’AI.

 

La strategia prevede anche la creazione di laboratori tematici in AI applicata, che coinvolgeranno imprese e università in progetti di ricerca applicata.

 Questi laboratori, focalizzati su livelli di maturità tecnologica più avanzati, svilupperanno ricerca applicata esplorativa, abiliteranno soluzioni in chiave di filiera e rappresenteranno un ponte tra le imprese, le università e il mondo della ricerca europeo e internazionale. Inoltre, forniranno supporto alla certificazione e alla brevettazione e contribuiranno alla formazione di esperti in AI.

 

Un altro aspetto cruciale della strategia è lo sviluppo di start-up nel settore dell’AI.

 Attualmente, l’Italia è in ritardo rispetto ad altri Paesi europei nel numero di start-up di AI.

 La strategia mira a consolidare e supportare le iniziative esistenti, creando sinergie tra programmi di finanziamento, defiscalizzazione e supporto alle start-up in tutte le fasi del loro sviluppo. Saranno promossi laboratori di AI-Enterprise negli atenei, che offriranno un ambiente dinamico per la collaborazione tra ricercatori e professionisti aziendali, e saranno incentivati progetti congiunti tra start-up e imprese utilizzatrici di AI.

 

Infine, la competitività dell’industria nazionale sarà sostenuta attraverso servizi per le aziende ICT sull’AI. Questo include misure di sostegno per ridurre gli oneri della compliance normativa e delle certificazioni, soprattutto per le applicazioni ad alto rischio, e l’accesso a spazi di sperimentazione normativa (sandbox).

Queste misure saranno implementate attraverso bandi di finanziamento e servizi di consulenza, supportando le aziende nel riconoscimento della certificazione in settori specifici e garantendo la sicurezza e l’affidabilità delle soluzioni di AI sviluppate.

 

Sviluppare le competenze necessarie: le azioni strategiche nel campo della formazione sull’AI.

La strategia italiana per l’Intelligenza Artificiale (AI) in ambito di formazione è ambiziosa e articolata, mirando a trasformare il sistema socio-economico del Paese attraverso lo sviluppo e la diffusione di competenze avanzate.

 

Il primo passo è affrontare il significativo divario tra la domanda e la disponibilità di competenze professionali in AI, che attualmente rallenta l’adozione di queste tecnologie.

Per superare questa sfida, è stato elaborato un piano strategico che rafforzi e diffonda la conoscenza dell’AI nel sistema educativo, dagli Istituti Tecnologici Superiori (ITS) alle università, con particolare attenzione ai dottorati di ricerca.

 

Uno degli obiettivi principali è promuovere una formazione universitaria capillare sull’AI, rispondendo alle crescenti richieste di nuove competenze nella società e nel mondo del lavoro. Questo include il consolidamento della formazione specialistica nei percorsi orientati verso profili tecnici e di ricercatori, come il Dottorato Nazionale sull’Intelligenza Artificiale.

Parallelamente, la strategia mira a realizzare percorsi educativi sull’AI nelle scuole, introducendo l’alfabetizzazione sull’AI fin dalle scuole primarie e secondarie e formando sia docenti che studenti.

 L’integrazione dell’AI nei curricula scolastici è vista come un passo essenziale per preparare le nuove generazioni a un uso consapevole delle nuove tecnologie.

 

Gli ITS saranno anch’essi coinvolti nella strategia, con l’obiettivo di strutturarsi per l’erogazione di corsi specifici sull’AI e per introdurre la tematica nei corsi esistenti, coinvolgendo università e aziende del settore ICT.

 

La strategia prevede anche lo sviluppo di iniziative di divulgazione e sensibilizzazione per diffondere la conoscenza delle implicazioni etiche e sociali dell’AI.

Questo sarà realizzato attraverso campagne pubblicitarie, programmi educativi e altre iniziative che coinvolgono scuole, lavoratori e cittadini, con l’obiettivo di evitare il “digitale divide” e promuovere una cittadinanza digitale consapevole.

 

Un altro elemento chiave della strategia è il finanziamento e il sostegno di iniziative di res Killing e ups killing per aggiornare e riqualificare i lavoratori, garantendo che nessuno venga lasciato indietro nella trasformazione digitale.

Saranno implementati programmi su larga scala per riqualificare i lavoratori e aggiornarne le competenze, sia nel settore pubblico che privato, creando ambienti di lavoro più efficienti e produttivi grazie all’AI.

 

PA 4.0: la strategia per una pubblica amministrazione intelligente ed efficiente.

Per quanto concerne l’adozione e lo sviluppo di applicazioni di AI a vantaggio della Pubblica Amministrazione (PA), la strategia italiana per l’Intelligenza Artificiale si articola su diversi fronti cruciali, puntando all’adozione sistematica per migliorare l’efficienza e l’usabilità dei servizi offerti.

Tra gli obiettivi principali, si evidenzia il supporto ai processi amministrativi per ottimizzare la gestione delle risorse pubbliche e la promozione dell’interoperabilità e della neutralità tecnologica.

Le azioni strategiche – che mirano a creare una PA più efficiente, trasparente e orientata al cittadino sfruttando al massimo le potenzialità dell’AI – comprendono:

la definizione di linee guida per l’adozione, il procurement e la realizzazione di applicazioni AI, con un focus sulla semplificazione dei servizi per cittadini e imprese

l’efficientamento dei processi interni della PA, attraverso l’adozione di sistemi di AI per la verifica della conformità degli atti e la digitalizzazione dei documenti

un forte investimento nella formazione del personale, con l’istituzione di corsi di eccellenza in AI presso la Scuola Nazionale dell’Amministrazione, per garantire un ups killing diffuso e preparare il terreno per future innovazioni collaborative con università e centri di ricerca.

 

 

 

 

Il programma strategico sull'intelligenza

artificiale: ancoraggio,

principi e obiettivi.

Gitthub.com – Francesco Pog. – (26 gennaio 2025) – Redazione – ci dice:

 

L'ancoraggio: un'IA che guarda all'UE.

Nell'ultimo decennio, l'industria e la società sono state radicalmente trasformate dalla rivoluzione digitale in corso.

 In questo contesto, l'UE ha riconosciuto l'IA come un'area di importanza strategica, visto il potenziale del settore di diventare una delle chiavi di successo per lo sviluppo economico futuro dell’Unione.

 

Nell'aprile 2018 la Commissione europea ha presentato una strategia europea sull'IA all’interno della sua comunicazione "Intelligenza artificiale per l'Europa" COM(2018) 237, nell'ambito della strategia per il mercato unico digitale. Questa strategia delinea i seguenti obiettivi:

 

Rafforzare la leadership europea in IA sia in ambito tecnologico che industriale e la diffusione dell'IA in tutta l'economia, sia nel settore privato che in quello pubblico.

 

Prepararsi ai cambiamenti socio-economici che l’IA comporta.

 

Stabilire un quadro giuridico appropriato basato su valori e principi etici.

 

A seguire, la Commissione europea e gli Stati membri hanno presentato un "Piano coordinato sull'intelligenza artificiale" - COM(2018)795 nel dicembre 2018, con l'obiettivo di massimizzare l'impatto degli investimenti in IA sia a livello europeo che nazionale e rafforzare sinergie e cooperazione tra gli Stati membri.

A tal fine, gli Stati membri sono stati fortemente incoraggiati a sviluppare le proprie strategie nazionali di IA come primo passo per raggiungere questi obiettivi.

Questo programma strategico risponde a tale incoraggiamento.

 

Più di recente, la Commissione europea ha pubblicato la 'Revisione 2021 del Piano Coordinato sull’Intelligenza Artificiale' al fine di rafforzare la competitività degli Stati membri.

 Questa revisione analizza le iniziative finora intraprese dalla Commissione europea nell’ambito del quadro finanziario pluriennale 2021-2027 e offre proposte concrete per ulteriori azioni congiunte tra l'UE e gli Stati membri.

 Il piano prevede investimenti importanti: 1,5 miliardi di euro (2018-2020) e 1 miliardo di euro all'anno (dopo il 2020) da assegnare all’interno dei seguenti programmi .

 

Horizon Europe.

 

Aspetti che contribuiscono allo sviluppo dell'IA (infrastrutture dati e cloud per l'IA).

Sviluppo di tecnologie IA (soprattutto nel cluster 4, dove è stata lanciata la partnership IA-Big Data and Robotica, e approcci bottom-up come EIC, MSCA, ERC ecc.)

 

Uso dell'IA in altri cluster che contribuiscono all'IA (1. Salute, 3. Sicurezza civile per la società, 5. Clima, energia e mobilità, 6. Cibo e risorse naturali) e in tutte le missioni.

Digital Europe.

 

Obiettivo strategico 2.

Attività relative all'IA in SO4 (competenze) e SO5 (Europea Digital Innovation Hub).

 

Per supportare l'attuazione del piano sopra delineato, la Commissione europea ha lanciato nel 2019 il progetto "AI Watch", con l'obiettivo di monitorare la capacità industriale, tecnologica e di ricerca, nonché le politiche nazionali degli Stati membri. Inoltre, il progetto tiene traccia degli aggiornamenti e degli sviluppi tecnologici dell'IA in tutto il mondo, ne valuta l'impatto nell'economia, nella società e nei servizi pubblici. Il primo report sulle strategie nazionali è stato pubblicato a febbraio 2020.

L'ultimo passo compiuto dalla Commissione europea, nell'aprile 2021, è stata la proposta di un Regolamento europeo  con l’obiettivo di delineare un quadro giuridico comune ben definito, in grado di valutare il livello di rischio associato ad ogni possibile ambito applicativo di questa tecnologia.

 

L'atto propone inoltre l'introduzione di un Comitato europeo per l'intelligenza artificiale che incoraggerà la cooperazione nazionale e garantirà il rispetto del regolamento.

 

L'IA è quindi una priorità fondamentale per l'Unione europea. L'Italia mira a strutturare il proprio Programma Strategico in linea con l’approccio europeo.

Principi guida

Questo programma strategico nazionale per l'intelligenza artificiale definisce un quadro coerente ed olistico di iniziative per lo sviluppo di un ecosistema nazionale per l’intelligenza artificiale. Il programma si ispira a cinque principi guida.

 

L'IA italiana è un'IA europea.

In linea con il piano coordinato dell'UE sull'intelligenza artificiale, il “Programma strategico italiano” sviluppa azioni comuni e coordinate affinché l'Europa possa raggiungere l’autonomia strategica e competere a livello internazionale.

 Pertanto, questo programma riflette le quattro proposte avanzate dal Piano coordinato dell'UE sull'IA. Innanzitutto, stabilisce le condizioni abilitanti per lo sviluppo e l'adozione dell'IA, concentrandosi sulla cooperazione, sui dati e sull'infrastruttura informatica.

In secondo luogo, fa leva sull'HPC italiano esistente e sull'infrastruttura di gestione dei dati. In terzo luogo, mira a formare ricercatori ed adottare un insieme armonizzato di regole per l'IA come proposto dall'IA ACT. Infine, individua i settori prioritari dove costruire una leadership strategica.

L'Italia sarà un polo globale di ricerca e innovazione dell'IA. [4] Per garantire la futura crescita economica e l'autonomia strategica, è essenziale che l'Italia rafforzi il suo ecosistema di ricerca e sviluppo sull'IA per generare innovazioni IA all’avanguardia.

Di conseguenza, questo programma strategico prevede investimenti nella ricerca e nelle applicazioni di frontiera per sviluppare le metodologie e tecniche di IA di domani.

L'intelligenza artificiale italiana sarà antropocentrica, affidabile e sostenibile.

 Le tecnologie non devono solamente promuovere la crescita economica ma assicurare che essa sia inclusiva e sostenibile, in linea con i principi contenuti nell'articolo 3 della Costituzione italiana e negli obiettivi di sviluppo sostenibile delle Nazioni Unite.

Ciò significa che lo sviluppo dell'IA deve essere incentrato sull'inclusione economica e sociale, sui diritti umani e sulla sostenibilità ambientale. L'IA deve essere progettata e implementata in modo responsabile e trasparente, affinché possa rispondere alle sfide della società garantendo sicurezza in tutti i settori.

A tal fine, l'Italia aderisce alle “Linee guida etiche per un programma di orientamento e attuazione affidabile dell'IA” definito dall'High Level Expert Group on AI.

Le aziende italiane diventeranno leader nella ricerca, nello sviluppo e nell'innovazione di IA.

Se l'Italia vuole stare al passo con le nazioni più innovative, bisogna agire sulla trasformazione digitale del nostro ecosistema imprenditoriale.

Pertanto, questo programma promuove lo sviluppo, l'implementazione e l'adozione di soluzioni di intelligenza artificiale nelle imprese. I partenariati pubblico-privato saranno strumentali allo sviluppo di sinergie tra enti di ricerca e imprese con l'obiettivo di aumentare le capacità di trasferimento tecnologico e quindi la competitività dell'Italia.

Le pubbliche amministrazioni italiane governeranno l'IA e governeranno con l’IA.

 L'uso e l'impatto dell’IA nel settore pubblico deriveranno da un approccio duale, seguendo la logica del “governo IA and governo with IA”.

Da un lato, il governo si è impegnato a governare l’IA per attenuarne i potenziali rischi, con particolare riferimento alla salvaguardia dei diritti umani e a un’IA che rispetti i principi etici fondanti della Repubblica. D’altra parte, il governo migliorerà i propri processi interni e le politiche grazie ad un uso responsabile dei dati e della tecnologia IA.

Questi Principi Guida non sono pilastri separati, ma offrono una visione ambiziosa del futuro dell'IA in Italia e un approccio integrato volto a stimolare tutti i fattori che possono contribuire allo sviluppo di un ecosistema IA.

 I cambiamenti tecnico-industriali porteranno a dei cambiamenti sociali; entrambi, a loro volta, stimoleranno la ricerca fondamentale e quella applicata.

Questo programma strategico è impostato per sostenere tutti questi aspetti.

 

Obiettivi e settori prioritari.

Date le sfide descritte nel capitolo precedente, nonché la posizione competitiva dell'Italia nel campo dell'IA, questo programma strategico delinea sei obiettivi per consolidare i punti di forza e superare i punti di debolezza dell’IA italiana.

Questi obiettivi sono:

 

Obiettivo 1: rafforzare la ricerca di frontiera nell'IA, sia fondamentale che applicata, al fine di generare un impatto sui settori prioritari dell'industria, del settore pubblico, della società e dell'ambiente. Va incentivato un approccio multidisciplinare, dove la ricerca è accompagnata dall’innovazione industriale e sociale generando veri e propri ecosistemi di innovazione.

 

Obiettivo 2: ridurre la frammentazione della ricerca sull'IA aiutando gli ecosistemi dell'IA a raggiungere massa critica e promuovendo le collaborazioni di rete, in modo da stimolare sia l'eccellenza scientifica che l'inclusività sociale e la coesione territoriale.

 

Obiettivo 3: sviluppare e adottare un'IA antropocentrica e affidabile nel settore pubblico e privato affinché le soluzioni di IA siano conformi alle norme vigenti e vengano accettate dalla società sostenendo nel contempo lo sviluppo e la progettazione di tecnologie e sistemi di IA responsabili.

 

Obiettivo 4: aumentare l'innovazione basata sull'IA e lo sviluppo della tecnologia di IA promuovendo investimenti industriali e partenariati che trasferiscano i risultati della ricerca sul mercato, facilitando così l'adozione dell'IA nelle PMI.

 

Obiettivo 5: sviluppare politiche e servizi basati sull’IA nel settore pubblico promuovendo l'innovazione, l'adozione di soluzioni di intelligenza artificiale e la cooperazione tra centri di ricerca, industrie ed enti pubblici.

 

Obiettivo 6: creare, trattenere ed attrarre ricercatori di IA in Italia promuovendo l’IA in tutti i livelli di istruzione per creare una nuova generazione di ricercatori ed innovatori con il fine di rendere l’Italia una meta attrattiva per i ricercatori qualificati esteri, mantenendo una particolare attenzione alla diversità e all’equilibrio di genere.

 

Per raggiungere i sei obiettivi di questa strategia, l'Italia è impegnata ad investire in undici settori prioritari.

Tra questi sono compresi quelli in cui l'Italia ha già un vantaggio competitivo, come i settori manifatturiero, culturale, agroalimentare e sanitario, ma anche industrie strategiche per lo sviluppo tecnologico del Paese, come la sicurezza nazionale, l'informatica e l'ambiente.

 

Industria e manifatturiero.

L'IA consentirà al settore manifatturiero italiano, il secondo più grande in Europa e il settimo nel mondo, di introdurre sul mercato processi, prodotti e modelli di business innovativi rafforzando il proprio vantaggio competitivo a livello mondiale.

 

Sistema educativo.

Poiché l'intelligenza artificiale sta trasformando molti aspetti della nostra vita, bisogna formare i cittadini a questa tecnologia attraverso un nuovo piano di istruzione per comprendere, rafforzare, integrare e diffondere la tecnologia IA.

 L'intelligenza artificiale dovrebbe essere un argomento importante a tutti i livelli di istruzione.

 Allo stesso tempo, l’IA può costituire un potente strumento per trasformare il sistema educativo nazionale sviluppando piani di apprendimento personalizzati nei limiti dei principi di equità e affidabilità.

 

Agroalimentare.

Il settore agroalimentare italiano può aumentare ulteriormente la propria competitività tramite l’IA sviluppando l'agricoltura di precisione, la quale permette di evitare la sovrapproduzione e gli sprechi, aumentare la sicurezza alimentare e ridurre le emissioni.

 

Cultura e turismo.

 

Le tecnologie avanzate aumenteranno ulteriormente l'attrattività turistica dell'Italia creando nuove sinergie tra industrie culturali e creative, produttori, gestori e utilizzatori del vasto patrimonio culturale italiano.

Per esempio, le nuove tecnologie di IA permettono il monitoraggio continuo e il restauro preventivo del patrimonio culturale, il monitoraggio del patrimonio paesaggistico, la personalizzazione dei servizi per meglio rispondere alla domanda, la creazione di tour virtuali delle destinazioni turistiche per consentire scelte più consapevoli, i traduttori simultanei per la descrizione dei luoghi e dei monumenti visitati e servizi geolocalizzati per i turisti.

 

Salute e benessere. Nel campo della sanità, le applicazioni di intelligenza artificiale stimolano l'innovazione di prodotti e processi scambiando e aggregando informazioni attualmente disperse in una moltitudine di database pubblici e ampiamente sottoutilizzati.

 Le applicazioni di intelligenza artificiale aiuteranno a soddisfare le nuove esigenze derivanti dall'invecchiamento della popolazione italiana. Inoltre, avranno un impatto significativo sulla popolazione a rischio di malattie gravi come le malattie degenerative, oncologiche e virali e aumenteranno l'inclusione sociale dei gruppi svantaggiati. Alcuni esempi di applicazioni sono: dispositivi e servizi medici in aree di screening e diagnostica come l'omica e l'imaging medico, nuovi farmaci e vaccini, monitoraggio e trattamento delle persone, supporto alla cura del paziente (diagnosi e prognosi) e modelli predittivi delle esigenze sanitarie.

 

Ambiente, infrastrutture e reti.

Le soluzioni di intelligenza artificiale avranno un impatto significativo sulla conservazione delle risorse, la riduzione delle emissioni, la gestione dei flussi di traffico e dei relativi rischi, il rafforzamento dell'economia circolare e la prevenzione dei disastri naturali.

Più in generale, l'IA sarà un alleato fondamentale per accelerare la transizione ecologica, un pilastro del piano di ripresa e resilienza dell'Italia e degli sforzi di ripresa dell'Unione Europea.

 Inoltre, l'intelligenza artificiale può svolgere un ruolo abilitante anche nello sviluppo altamente strategico delle reti 5G in quanto può aiutare a migliorare le prestazioni della rete e a ridurre le spese in conto capitale associate alla distribuzione/gestione dell'infrastruttura.

Altri esempi includono monitoraggio e gestione intelligente delle reti e dei consumi, monitoraggio e gestione predittiva del ciclo dei rifiuti, analisi situazionale e predittiva del dissesto idrogeologico

 

Banche, finanza e assicurazioni.

Le nuove tecnologie di intelligenza artificiale consentiranno alle banche e alle compagnie assicurative di migliorare i loro servizi in almeno due modi.

In primo luogo, aumenteranno la qualità dei servizi offerti ai clienti e ridurranno i loro costi attraverso un livello più elevato di personalizzazione e sicurezza delle transazioni. In secondo luogo, le applicazioni di intelligenza artificiale rafforzeranno i sistemi di prevenzione delle frodi e semplificheranno l'adempimento degli obblighi degli intermediari attraverso l'adozione di meccanismi per rilevare comportamenti sospetti e analizzare dati e documenti.

 

Pubblica Amministrazione.

Nel futuro prossimo, l'IA ottimizzerà i processi amministrativi, migliorando servizi e prestazioni per i cittadini e le imprese e riducendo i costi. Inoltre, con le sue banche dati e strumenti di acquisto, investimento e regolamentazione innovativi, la PA è chiamata a svolgere un ruolo attivo nella rivoluzione dell'IA nel settore privato a beneficio della collettività (e.g., open data, strumenti di geolocalizzazione, acquisto di prodotti e servizi di IA, fondi per IA, sperimentazione di soluzioni IA).

Pertanto, la PA potrebbe beneficiare di soluzioni IA inerenti alla gestione dei flussi, assistenti virtuali e chatbots e di supporto per l'esame delle domande di incentivazione, di supporto nella lotta contro l'evasione fiscale e altre forme di illegalità, valutazione delle politiche e analisi di impatto di progetti pilota.

 

Città, aree e comunità intelligenti.

La pandemia COVID-19 ha dimostrato che l'ecosistema digitale è essenziale per supportare tutti i cittadini, sia che vivano in città sia che si trovino in zone rurali.

 L'intelligenza artificiale consentirà ai residenti italiani, ovunque vivano, di accedere a comunità e servizi, riducendo i costi.

Infine, le tecnologie IA consentiranno all'Italia di ridurre il traffico e limitare la congestione, contribuendo così anche a contenere gli effetti di una delle attività più inquinanti del Paese.

Alcuni esempi di applicazione includono:

parcheggio intelligente, gestione del traffico e controllo della segnaletica, sistemi di gestione dei veicoli a guida autonoma, gestione dell'illuminazione e ottimizzazione del trasporto pubblico, nonché monitoraggio di ponti ed edifici, domotica per edifici.

 

Sicurezza nazionale.

L'importanza dell'IA per la sicurezza nazionale di un Paese è cresciuta costantemente negli ultimi cinque anni. Pertanto, l'Italia è pienamente impegnata a investire in applicazioni di intelligenza artificiale che garantiscano la sicurezza dei suoi cittadini.

Ciò include la sicurezza informatica individuale e nazionale, in cui l'IA ha contribuito con lo sviluppo di software di rilevamento e risoluzione di nuova generazione.

 

Tecnologie dell'informazione.

Il successo delle applicazioni dell'intelligenza artificiale nei settori sopra descritti dipende fortemente da un alto livello di innovazione nei settori cruciali dell'informatica che incidono sull'intelligenza artificiale, come il rilevamento, il ragionamento e la ricerca, l'elaborazione del linguaggio naturale, la visione artificiale, l'interazione uomo-IA e l’Edge computing.

 Il vasto campo dell'IT ha un ruolo cruciale nel garantire un elevato livello di innovazione per l'attuazione di un'IA competitiva in tutte le diverse applicazioni.

Per questo, uno sforzo particolare sarà dedicato a sostenere la nascita e la crescita delle aziende IT italiane.

 

 

 

Intelligenza Artificiale

in Italia nel 2025:

trend e applicazioni.

Aidia.it – (14 novembre 2025) – Marta Magnini – Redazione – ci dice:

 

Scopri come l’IA sta trasformando aziende italiane tra innovazione, normativa e settore produttivo

Nel 2025, l’intelligenza artificiale continua a trasformare in modo concreto e misurabile le aziende italiane, inserendosi in un contesto normativo europeo sempre più definito e articolato, che ne guida un’adozione responsabile e sostenibile.

 Un’indagine approfondita condotta dal “Sounding Board Intelligenza Artificiale” di Confindustria, descritta nel report “L’Intelligenza artificiale per il Sistema Italia”, ha raccolto 241 casi d’uso da 76 aziende italiane, con un focus sui settori strategici per il Paese.

L’applicazione dell’IA va oltre l’ultima innovazione generativa (che rappresenta il 18,3% dei casi), abbracciando molteplici forme adattate a esigenze industriali e funzionali specifiche.

I dati ISTAT indicano che nel 2024 l’8,2% delle imprese italiane con almeno dieci dipendenti ha adottato tecnologie di IA, segnando un miglioramento ma restando al di sotto della media UE del 13,5%. Rimangono sfide importanti come costi di implementazione e carenze di competenze, che richiedono sforzi concreti per essere superate.

Mappatura settoriale dei casi d’uso.

L’analisi ha evidenziato come le imprese italiane stiano personalizzando modelli IA per soddisfare le specificità dei propri settori produttivi.

 

Salute e scienze della vita.

L’IA guida la trasformazione digitale sanitaria migliorando sia la qualità delle cure che l’efficienza operativa.

Tra le applicazioni più consolidate vi è l’automazione della documentazione clinica, che sfrutta tecnologie di riconoscimento vocale (speech-to-text) e modelli linguistici naturali per trascrivere in tempo reale i referti medici durante le visite, riducendo così la burocrazia.

 Un altro ambito di grande rilievo è la diagnostica per immagini che permette di analizzare radiografie, TAC e risonanze magnetiche, aiutando a rilevare potenziali anomalie, velocizzando il processo diagnostico.

In forte crescita è anche la medicina personalizzata, che utilizza grandi dataset clinici e genomici per elaborare strategie di prevenzione e trattamenti terapeutici cuciti sulle specificità del singolo paziente.

 

Manifatturiero.

In questo settore, l’IA è cruciale per potenziare la manutenzione predittiva, che riduce i guasti, minimizza i tempi di inattività e incrementa la sicurezza all’interno degli stabilimenti produttivi.

 Un’ altra applicazione riguarda i gemelli digitali (digital twin) che permettono di creare repliche virtuali di impianti, linee di produzione e macchinari.

Questo consente il monitoraggio e la simulazione in tempo reale delle performance, fornendo un quadro completo per ottimizzare il consumo energetico, programmare manutenzioni con precisione e migliorare la produttività complessiva.

 Parallelamente, sistemi avanzati di computer vision automatizzano il controllo qualità e la gestione di tutto il ciclo logistico, rilevando difetti nascosti o irregolarità e ottimizzando i flussi di persone, veicoli e merci. Inoltre, l’analisi predittiva dei costi di produzione supporta la pianificazione strategica e commerciale.

 

Mobilità sostenibile.

Nel settore della mobilità, l’intelligenza artificiale migliora l’efficienza operativa, riduce emissioni e ottimizza i costi nei trasporti pubblici e privati.

 Tra le applicazioni più rilevanti ci sono i gemelli digitali, che monitorano in tempo reale lo stato delle infrastrutture e regolano i consumi energetici, e la manutenzione predittiva, che anticipa guasti e limita i tempi di fermo.

 Algoritmi avanzati ottimizzano i percorsi logistici, diminuendo chilometri percorsi, consumi ed emissioni, e permettono di gestire la clientela con strategie personalizzate.

Per il monitoraggio delle infrastrutture si utilizzano tecnologie come LIDAR, computer vision e sensori “IoT”, che raccolgono dati ad alta risoluzione per intervenire tempestivamente su strade, ponti e altre strutture.

Numerosi casi internazionali dimostrano come queste soluzioni favoriscano una mobilità urbana più sostenibile, combinando risparmio energetico, riduzione delle emissioni e maggiore sicurezza per gli utenti.

 

Pubblica amministrazione.

In questo ambito, l’efficienza gestionale cresce grazie a sensori e dati integrati che supportano infrastrutture come l’illuminazione pubblica e il verde urbano, pianificando interventi predittivi e ottimizzando le risorse. L’IA supporta anche la gestione dei rifiuti e il monitoraggio di grandi aree naturali, accelerando le risposte in situazioni di emergenza e garantendo maggiore sicurezza e sostenibilità.

 

Turismo.

Anche nel settore del turismo si sta ampliando l’impiego dell’IA, che viene sfruttata per l’ottimizzazione dinamica dei prezzi (Dynamic pricing) e l’analisi dei flussi turistici per ridurre i sovraffollamenti e migliorare l’esperienza del visitatore.

Chatbot evoluti assistono la clientela 24/7 con dialoghi naturali e personalizzati, mentre strumenti di IA generativa facilitano la creazione di itinerari e la gestione delle prenotazioni.

L’analisi dei dati geolocalizzati e dei feedback consente di adattare e ottimizzare l’offerta turistica del territorio.

 

Applicazioni trasversali per funzione aziendale.

All’interno dell’indagine di Confindustria, oltre alla differenziazione settoriale, numerosi casi d’uso riguardano funzioni aziendali comuni a molte imprese, con risultati rilevanti:

 

Risorse umane e amministrazione:

 l’IA crea “mappe di competenza” multidimensionali e di performance, automatizza la selezione del personale con valutazioni più oggettive e supporta l’ups Killing e il res Killing, anticipando i cambiamenti del mercato del lavoro. In amministrazione, l’IA accelera la gestione documentale e il back-office, classificando comunicazioni, automatizzando risposte e fornendo assistenti virtuali per supportare i dipendenti nelle attività quotidiane, creando ambienti di lavoro più efficienti e collaborativi.

 

Ricerca e sviluppo:

l’intelligenza artificiale accelera la ricerca, dalla progettazione farmaceutica alla simulazione molecolare, permettendo di studiare complesse reti biologiche e di personalizzare i trattamenti. Digital twin e sistemi copilota IA migliorano l’efficienza operativa riducendo i tempi di inattività.

 

Sales e marketing:

 le soluzioni tecnologiche migliorano la comprensione del cliente attraverso l’analisi di grandi quantità di dati, incluse immagini e social media, e permettono di prevedere vendite e tendenze emergenti. Strumenti di copywriting assistito e tecniche di personalizzazione sui vari canali generano risparmi significativi in termini di tempi e costi di produzione dei contenuti, mantenendo elevati standard qualitativi.

 

Finanza e acquisti:

sistemi intelligenti ottimizzano il rischio creditizio e la solvibilità, oltre a prevedere la domanda di materie prime e reagire alle offerte di mercato.

L’automazione intelligente riduce gli errori e i costi, migliorando la pianificazione e la compliance normativa.

 

Controllo qualità:

grazie a sistemi sofisticati di computer vision, i difetti vengono identificati con precisione e velocità superiore ai metodi tradizionali, permettendo di ridurre gli scarti e di migliorare la qualità finale dei prodotti. Le applicazioni spaziano dal settore farmaceutico ai semiconduttori.

 

Sicurezza informatica:

le tecnologie adottate anticipano e contrastano le minacce cyber analizzando grandi volumi di dati, automatizzando attività di routine e supportando i team di sicurezza nella gestione di scenari complessi.

 

Sostenibilità:

 vengono ridotti gli sprechi energetici tramite sistemi predittivi nelle reti di distribuzione di gas, elettricità e acqua.

I digital twin e modelli predittivi ottimizzano risorse di teleriscaldamento e reti elettriche, mentre applicazioni NILM (Non Intrusive Load Monitoring) monitorano consumi domestici.

 Nel settore agricolo, le soluzioni predittive pianificano le irrigazioni e monitorano la biodiversità, contribuendo a un’agricoltura più efficiente e a minor impatto ambientale.

 

Nuovo quadro europeo per l’IA.

Il contesto normativo europeo, con l’AI Act al centro di un quadro regolatorio articolato che include il GDPR, il Digital Services Act e altri strumenti chiave, si configura come un modello avanzato e dinamico per la governance dell’innovazione tecnologica.

 Il regolamento distingue i sistemi IA in base al rischio e assegna al deplorar – ovvero all’impresa che utilizza sistemi IA ad alto rischio – responsabilità precise in termini di valutazione dei rischi, formazione del personale, trasparenza e sorveglianza continua.

Questo approccio mira a bilanciare lo sviluppo tecnologico con la tutela dei diritti fondamentali, garantendo un’adozione responsabile e sostenibile dell’IA.

Inoltre, l’impatto normativo europeo si estende al di là dei confini dell’Unione, posizionando gli standard UE come riferimento globale per le imprese e le istituzioni, rafforzando così la competitività e l’affidabilità del sistema digitale europeo.

 

Strategie e prospettive future dell’IA.

L’uso dei sistemi di IA si amplia e si evolve:

sebbene l’IA generativa rappresenti ancora una minoranza (18,3%), crescono robustamente progetti di automazione, analisi predittiva e sistemi intelligenti che migliorano qualità e produttività.

Le imprese più avanzate adottano strumenti complessi, come modelli di pricing dinamico e analisi di reti biologiche, per accrescere il valore delle proprie offerte.

 Questo percorso richiede una strategia chiara per massimizzare il ritorno sugli investimenti, sensibili sviluppi organizzativi e governance attente ai rischi.

Per approfondire le leve operative, organizzative e di governance essenziali per trasformare l’intelligenza artificiale in un vantaggio competitivo sostenibile, ti invitiamo a leggere il nostro approfondimento dedicato:

“IA e ROI: 5 priorità strategiche per le aziende EMEA”.

Qui si esplorano le strategie per misurare l’impatto, promuovere la cultura digitale, gestire i rischi e responsabilizzare le organizzazioni attorno all’IA, temi complementari a quelli trattati in questo articolo.

(Marta Magnini).

Fonti:

Report Confindustria “L’intelligenza artificiale per il Sistema Italia” (Fonte primaria, PDF ufficiale del report): confindustria.it/documenti/lintelligenza-artificiale-per-il-sistema-italia-report-2025/

Istat, report “Imprese e ICT – Anno 2024” (Dati ufficiali sull’adozione dell’IA nelle imprese italiane, comunicato e PDF disponibili sul sito Istat): istat.it/comunicato-stampa/imprese-e-ict-anno-2024/

Regolamento (UE) 2024/1689 (“AI Act”) del Parlamento europeo e del Consiglio, testo ufficiale in italiano pubblicato nella Gazzetta ufficiale dell’Unione europea, Serie L 12.7.2024 (PDF EUR‑Lex): eur-lex.europa.eu/legal-content/IT/TXT/PDF/?uri=OJ:L_202401689.

 

 

 

 

IA-lavoro: l’equilibrio fragile del progresso.

Ispionline.it – (9 Gen. 2026) – Ludovica Casarotto – Claudia Schettini – Redazione – ci dicono:

 

L’IA sta trasformando il lavoro nel mondo:

crea nuove opportunità e settori innovativi, ma allo stesso tempo accresce incertezze e divari.

Adattarsi diventa essenziale per restare competitivi.

 

Negli ultimi due anni il rapido avanzamento dell’intelligenza artificiale (IA) ha innescato trasformazioni profonde in tutti i settori industriali. Dall’ottimizzazione delle catene di approvvigionamento alla gestione del servizio clienti tramite chatbot, l’IA è passata dall’essere un semplice supporto tecnologico a una componente imprescindibile per le aziende che intendono rimanere competitive.

 Il suo impiego sta ridefinendo il rapporto tra innovazione e forza lavoro su scala globale come non accadeva dai tempi della rivoluzione industriale.

Secondo McKinsey, l’80% delle imprese utilizza già l’IA in almeno una delle proprie attività e oltre il 90% prevede di aumentare i propri investimenti nel settore.

 

Parallelamente questa trasformazione sta rendendo sempre più complesso il funzionamento del mercato del lavoro.

Nel corso dell’ultimo anno colossi come Amazon, Microsoft e Meta hanno annunciato importanti tagli al personale, attribuendo all’IA un ruolo centrale nel miglioramento dei margini e dell’efficienza.

 Allo stesso tempo, negli Stati Uniti come in Europa, si registra una forte richiesta di professionisti specializzati, soprattutto nei comparti tecnici e nei settori più avanzati.

Ne emerge un paradosso evidente:

intere categorie di lavoratori risultano sempre più facilmente sostituibili, mentre cresce il divario di competenze in campi strategici come quello dei semiconduttori.

A questo scenario si aggiunge un ulteriore elemento critico.

 Proprio mentre le aziende denunciano una carenza di lavoratori qualificati, le stesse impiegano migliaia di persone nei Paesi del Sud globale in condizioni definite da molti come una forma di “schiavitù moderna”.

 

L’intelligenza artificiale, quindi, non solo incrementa la produttività, ma sta anche ridefinendo la resilienza delle catene di approvvigionamento di interi settori industriali.

 Governi e aziende investono in percorsi formativi per colmare il divario di competenze, ma la rapidità dell’evoluzione tecnologica rischia di superare anche le professioni più richieste.

Resta dunque un interrogativo impellente:

l’intelligenza artificiale rappresenterà davvero il futuro del lavoro?

E, se sì, chi ne beneficerà e chi rischia di restare indietro?

 

L’IA ruba davvero il lavoro?

L’intelligenza artificiale sta trasformando in profondità il mercato del lavoro globale, ridefinendo sia la natura delle mansioni sia il valore delle competenze richieste nei principali settori produttivi.

 Secondo l’OCSE-GPAI AI Working Group on the Future of Work, l’impatto dell’IA non va letto attraverso la semplice dicotomia sostituzione-complementarietà dei lavoratori, ma piuttosto come un processo complesso di riallocazione, evoluzione e riconfigurazione dei ruoli.

 

Negli ultimi mesi diversi colossi tecnologici hanno annunciato ingenti licenziamenti, motivando la decisione con una crescente “spinta verso l’IA e l’automazione”.

Ad esempio, HP ha dichiarato che entro il 2028 eliminerà tra 4mila e 6mila posti di lavoro a livello globale, per riallocare risorse verso progetti di IA e aumentare efficienza e produttività.

 Allo stesso tempo, secondo un rapporto di Razional FX del 2025, relativo al monitoraggio di assunzioni e licenziamenti nel settore tech, più di 202mila posti di lavoro sono già stati tagliati in diverse aziende, spinti dalla ristrutturazione legata all’adozione dell’IA.

Nel solo 2025 il settore tecnologico ha registrato 122.549 licenziamenti distribuiti su 257 aziende, segnando un’ulteriore fase di contrazione e riallineamento organizzativo nell’industria.

 Meta ha annunciato tagli per circa 3.600 posizioni per “low performance”;

 Microsoft per circa 6mila dipendenti – pari a circa il 3% del suo organico globale; Amazon ha previsto la soppressione di circa 14mila ruoli corporate come parte di una riorganizzazione interna, riconducibile a un aumento degli investimenti in IA e a una riduzione della burocrazia interna.

 

Questi sviluppi gettano le basi per un’evoluzione profonda del mercato del lavoro:

non si tratta più solo di vedere se l’IA potrà sostituire l’uomo, ma di osservare come sta già cambiando la struttura dell’occupazione, le competenze richieste e la distribuzione del lavoro.

 In questo senso emerge con forza il concetto di un nuovo “divario lavorativo sull’IA”:

 una spaccatura tra chi possiede le competenze utili per il nuovo paradigma produttivo e chi rischia di essere escluso.

Già nel 2023 l’Employment Outlook dell’OCSE annunciava che circa il 28% dei posti di lavoro nei Paesi membri è altamente esposto all’IA. Questo significa che più di un quarto delle mansioni lavorative comprende compiti che possono essere, almeno parzialmente, automatizzati da sistemi di IA.

 Si tratta di un salto significativo rispetto alle stime pre-IA generativa, quando si valutava che circa il 14% dei lavori fosse a rischio di automazione completa e che un ulteriore 32% avrebbe subito trasformazioni profonde.

 Questi dati non suggeriscono, perciò, un “collasso” del lavoro umano, ma bensì la trasformazione del suo contenuto.

 È una prospettiva che apre opportunità, ma che richiede un adattamento rapido delle competenze, pena l’incremento della disoccupazione “strutturale”, ovvero quella derivante da un disallineamento tra profili lavorativi disponibili e competenze richieste.

 

Un’altra trasformazione cruciale riguarda il tipo di competenze richieste dal mercato.

 Nel 2019 solo lo 0,34% della forza lavoro nei Paesi OCSE possedeva competenze qualificabili come “AI skills”.

 Ad oggi il trend mostra una crescita costante ma modesta, confermando che il capitale umano specializzato è ancora scarso rispetto alla rapidità dell’innovazione tecnologica.

Non solo:

 la distribuzione di queste competenze è fortemente concentrata poiché i grandi player tecnologici assorbono una quota sproporzionata dei talenti.

 Ciò significa che l’esperienza e le pratiche avanzate di utilizzo dell’IA rimangono circoscritte in pochi poli, amplificando un divario già significativo tra imprese leader e imprese follower.

 

Uno dei rischi più evidenti, perciò, è l’ampliamento del divario globale delle competenze.

Questa dinamica si intreccia con una competizione geopolitica crescente sulla sovranità tecnologica.

Gli Stati Uniti, grazie a un ambiente universitario più competitivo e a una forte concentrazione di imprese high-tech, presentano una penetrazione delle competenze IA significativamente più alta rispetto alla media OCSE.

 Europa e Asia mostrano scenari differenziati:

 la Corea del Sud e il Giappone investono molto nella formazione tecnico-scientifica, ma hanno un tessuto demografico in declino;

l’UE presenta politiche molto avanzate sul piano regolatorio, ma presenta un ritardo storico nella formazione digitale e nello scale-up industriale rispetto ai competitor globali.

 Molti Paesi emergenti, infine, rischiano di essere esclusi da questa trasformazione:

senza infrastrutture digitali, capitale umano adeguato e strategie di ups Killing nazionali, la distanza potrebbe diventare irreversibile.

 

Un ulteriore elemento di complessità riguarda la capacità delle imprese, soprattutto quelle piccole e medio-piccole, di adottare tecnologie IA.

 Le indagini OCSE rivelano una crescente “polarizzazione” interna ai settori:

 le imprese che investono in IA e in formazione sfruttano aumenti significativi di produttività, mentre quelle che non riescono ad adottare l’innovazione rischiano un indebolimento competitivo.

 L’IA, in altre parole, agisce come amplificatore delle differenze, non come fattore livellante.

Il collo di bottiglia nascosto.

La crescita esponenziale dell’intelligenza artificiale ha condotto il mercato del lavoro a un punto di svolta:

 il ritmo dell’innovazione è oggi sempre più vincolato dalla disponibilità di competenze adeguate.

La carenza di lavoratori qualificati evidenzia un divario strutturale tra le capacità richieste per progettare, implementare e governare l’IA e la preparazione dell’attuale forza lavoro.

 Per la prima volta questo divario non riguarda solo settori specifici, ma attraversa in modo trasversale l’intero sistema produttivo.

 I dati confermano una tendenza allarmante:

la domanda globale di professionisti specializzati in IA supera l’offerta con un rapporto di 3,2 a 1.

 In un sondaggio condotto a livello globale da “Bain & Company” lo scorso marzo, quasi il 44% dei dirigenti ha identificato la mancanza di competenze interne come uno dei principali ostacoli all’adozione dell’IA generativa, mentre l’85% dei responsabili del settore tech dichiara di aver rinviato una serie di progetti a causa della scarsità di personale qualificato.

A rafforzare questo quadro, il World Economic Forum rileva che il 94% degli amministratori delegati affronta carenze critiche di competenze in ambito IA, con un dirigente su tre che segnala mancanze relative a oltre il 40% dei profili necessari.

 

Negli Stati Uniti il divario di competenze ha raggiunto quello che uno studio pubblicato dall’amministrazione Biden lo scorso gennaio definisce uno stato di “allerta rossa”.

Attualmente il 36% delle posizioni relative all’intelligenza artificiale rimane vacante, lasciando il Paese con una carenza di oltre 4 milioni di professionisti qualificati.

Questo dato è amplificato da una diffusa sottovalutazione delle competenze necessarie.

 Il sondaggio “AI art Work in 2025”, condotto da” SHL”, rivela che quasi un quarto dei lavoratori (24,8%) dichiara di non possedere alcuna conoscenza in materia di IA, mentre il 44,8% le considera irrilevanti per il proprio ruolo, nonostante la crescente domanda del mercato.

Sebbene alcuni Stati, come l’Arizona e il Tennessee, abbiano avviato programmi di formazione mirati per riqualificare la forza lavoro, alcune politiche federali – come la nuova tassa sul visto lavorativo H1B – rischiano di compromettere questi sforzi in una fase già segnata da una carenza acuta di talenti.

 

Vincoli analoghi stanno emergendo anche in Europa, dove la disponibilità di competenze sta diventando un fattore determinante per la competitività industriale.

 Nel 2024 il Centro europeo per lo sviluppo della formazione professionale (CEDEFOP) ha condotto la prima indagine sull’impatto dell’IA sul lavoro, rivelando che oltre un quarto della forza lavoro europea utilizza strumenti di IA, ma meno dell’1% ricorre a tecniche avanzate nelle proprie mansioni quotidiane.

Parallelamente il 44% dei lavoratori esprime preoccupazione per l’inadeguatezza dei percorsi formativi.

Lo studio ha anche evidenziato un “divario geografico dell’IA”:

 i livelli di adozione e preparazione risultano significativamente più elevati nell’Europa occidentale – in Paesi come Germania, Francia e Lussemburgo – rispetto a quelli dell’Europa meridionale, tra cui Grecia, Spagna e Portogallo.

Questa frattura è confermata dall’indice di preparazione all’IA 2025 di Cisco, che evidenzia come ritardi negli investimenti e infrastrutture obsolete – quello che l’azienda definisce “debito infrastrutturale dell’IA” – stiano già limitando la capacità di innovazione dell’Unione.

 Quasi la metà dei Paesi UE considerati nello studio prevede un aumento del carico di lavoro legato all’IA superiore al 30% nei prossimi tre anni, ma solo il 23% ritiene di disporre di risorse GPU (unità di elaborazione grafica) adeguate; il 66% incontra difficoltà nella centralizzazione dei dati e appena il 9% considera le proprie reti sufficientemente flessibili per supportare una diffusione su larga scala dell’IA.

 

La gravità del problema emerge con particolare chiarezza nei settori strategici per la sicurezza economica.

 Entro il 2030 la sola industria dei semiconduttori richiederà oltre un milione di lavoratori qualificati aggiuntivi in tutto il mondo.

UE e USA dovranno affrontare una carenza di oltre 100mila ingegneri e la regione Asia-Pacifico di oltre 200mila.

Negli Stati Uniti entro la fine del decennio il deficit raggiungerà quote pari a 67mila tra tecnici, informatici e ingegneri, inserendosi in una carenza complessiva stimata in 1,4 milioni di lavoratori qualificati in tutti i settori.

Per l’Unione europea questo squilibrio rappresenta una minaccia diretta alle ambizioni di autonomia strategica e alla competitività nella corsa globale all’IA.

 Secondo la “Europea Chips Skills Academy”, l’UE si trova ad affrontare una doppia sfida:

da un lato profili altamente specializzati (come esperti di sistemi di progettazione e sicurezza informatica), dall’altro figure più generiche come ingegneri elettrici ed elettronici, con un deficit complessivo di circa 60mila professionisti entro il 2030.

 Gli squilibri regionali complicano ulteriormente la questione, lasciando alcune aree dell’UE prive del capitale umano necessario a sostenere gli obiettivi di sviluppo nel settore dei semiconduttori.

 

L’altro lato dell’IA.

Dietro la retorica della piena automazione e dell’efficienza algoritmica, l’IA si fonda su un’enorme quantità di lavoro umano invisibile, svolto in larga parte nel Sud globale.

Questo “digitale labour” comprende attività come etichettatura dei dati, classificazione di immagini e testi, annotazione per modelli linguistici, moderazione di contenuti violenti o sessualmente espliciti e verifica della qualità degli output.

Senza questo lavoro manuale, svolto quotidianamente da centinaia di migliaia di persone, i modelli di IA non potrebbero essere addestrati né mantenuti.

Queste mansioni sono spesso affidate a filiere di lavoratori situati in Africa, Asia e America Latina, che operano in condizioni di forte precarietà, con compensi estremamente bassi e in assenza di protezioni contrattuali.

 L’IA “made in Silicon Valley” appare, perciò, il risultato di una nuova divisione internazionale del lavoro tecnologico, nella quale la produzione di valore rimane concentrata nei centri del Nord globale, mentre i costi sociali ed emotivi ricadono sulle economie più fragili.

 

Il caso di “Sama” è emblematico: la società, incaricata di attività di moderazione e labelli per alcune delle principali aziende tecnologiche globali, impiegava lavoratori kenyoti pagati meno di due dollari l’ora per analizzare contenuti altamente traumatici destinati all’addestramento di sistemi avanzati di IA generativa.

Gli stessi hanno denunciato gli impatti significativi di queste mansioni sulla loro salute mentale, l’assenza di supporto psicologico e la costante esposizione a materiale violento.

 Questi modelli di “outsourcing etico” – spesso rivendicati dalle aziende – non eliminano dinamiche di sfruttamento, ma anzi le mascherano sotto la promessa di “opportunità” nei Paesi a basso reddito. Parallelamente la letteratura accademica più recente evidenzia come la catena del valore dell’IA riproduca e approfondisca le disuguaglianze globali.

 Diversi studi recenti hanno dimostrato come questo tipo di attività sia molto diffusa anche in America Latina:

 salari instabili, assenza di regolarità lavorativa e dipendenza da piattaforme di crowd work, malgrado livelli educativi spesso elevati tra gli annotatori.

 

Riqualificare, innovare, proteggere.

L’intelligenza artificiale non eliminerà necessariamente il lavoro, ma ne modificherà la struttura interna.

Molti ruoli non scompariranno, ma saranno ripensati in modo complementare alle tecnologie.

Una porzione crescente delle attività quotidiane dei lavoratori – dalla scrittura alla gestione documentale, dall’analisi dei dati alle decisioni operative – verrà automatizzata o supportata da strumenti di IA.

 Per preparare la forza lavoro, assicurare la stabilità del tessuto produttivo e affrontare la carenza di personale qualificato, è fondamentale implementare programmi formativi sia a livello nazionale che privato, oltre a politiche pubbliche a lungo termine.

 La riqualificazione professionale deve diventare un investimento strategico, piuttosto che un’iniziativa marginale.

È altresì importante ripensare i ruoli in funzione della collaborazione tra uomo e tecnologia e rafforzare i programmi accademici, per colmare le lacune di competenze.

 

Allo stesso modo, è urgente riconoscere che l’attuale modello di sviluppo si basa su profonde asimmetrie e su lavoratori “di seconda classe” che rimangono ai margini della ricchezza generata da queste tecnologie.

 Le partnership tra settore pubblico e privato devono quindi riconsiderare il ruolo della forza lavoro, prevedendo misure specifiche per tutelare la salute mentale e garantire una retribuzione dignitosa, a partire dai lavoratori nei centri di catalogazione dei dati, figure cruciali per il funzionamento dell’ecosistema digitale.

 

L’immagine che emerge dal rapporto tra IA e lavoro è quella di un mercato che non potrà mai essere completamente sostituito, ma che dovrà riorganizzarsi attorno a nuove competenze, a modelli produttivi innovativi e a un nuovo equilibrio con l’innovazione.

La sfida non è evitarne l’uso, bensì governarne la diffusione, diffondere competenze adeguate e assicurare che questa trasformazione non crei nuove vulnerabilità sociali, economiche e geopolitiche.

 Senza questi sforzi, aziende e lavoratori rischiano di rallentare l’innovazione e di perdere competitività in un mercato sempre più interconnesso.

 

 

Gen. AI e strategie aziendali: più efficienza e crescita per le imprese italiane.

Esg360.it – (20 ottobre 2025) – Redazione - AI Demo Day 2025 Gen.AI e Strategie aziendali – ci dice:

L’intelligenza artificiale generativa si afferma come una delle priorità di investimento delle aziende italiane, secondo il report SAP “Business and Technology Priorities” con un’attenzione speciale ai temi dell’efficienza e della semplificazione.

 L’integrazione della Gen.AI nei processi e nella supply chain porta risultati concreti, ma richiede nuove competenze e un approccio pragmatico all’innovazione

 

L’intelligenza artificiale generativa si sta affermando come un fattore chiave nelle strategie di innovazione delle imprese.

E gli effetti di questo processo vanno ben oltre l’automazione tradizionale.

E in particolare le imprese del nostro paese sembrano essere sulla strada giusta per sfruttare le opportunità offerte dalla trasformazione digitale, utilizzando le risorse che arrivano dall’intelligenza artificiale generativa come leva con la quale creare nuove occasioni di sviluppo.

Questo è forse il messaggio chiave dello studio realizzato da SAP dal titolo “Business and Technology Priorities”, presentato in occasione del SAP NOW AI Tour.

 Uno studio che ha analizzato quali tecnologie e strategie le aziende stanno privilegiando per espandere e migliorare le proprie attività.

 

Indice degli argomenti:

Gen.AI e strategie aziendali: quanto contano efficienza e semplificazione?

La trasformazione digitale tende a favorire una relazione sempre più stretta tra Gen.AI e strategie aziendali.

Efficienza e semplificazione al centro delle strategie aziendali.

Gen.AI: priorità di investimento per la crescita.

Sfide operative e ruolo delle competenze nell’adozione dell’AI.

Oltre l’automazione: impatti concreti della Gen.AI su processi e supply chain.

Gen.AI e strategie aziendali: la necessità di considerare sia la dimensione tecnologica sia quella organizzativa.

 

I dati mostrano che il tema dell’efficienza e della semplificazione guida le scelte tecnologiche dei” decision maker”, mentre la Gen.AI viene individuata come una delle principali direttrici di investimento per sostenere la crescita.

 

L’adozione diffusa pone tuttavia nuove sfide organizzative e richiede competenze specialistiche, indispensabili per integrare queste soluzioni nei processi aziendali e nella gestione della supply chain.

 In questo scenario, emerge un quadro articolato degli impatti concreti che la Gen.AI può produrre sull’operatività quotidiana delle aziende.

 

La trasformazione digitale tende a favorire una relazione sempre più stretta tra Gen.AI e strategie aziendali.

Nel contesto di un’economia globale sempre più instabile e caratterizzata da pressioni sulle catene di approvvigionamento, le imprese italiane stanno accelerando la loro trasformazione digitale per mantenere competitività e sostenibilità.

 I risultati dello studio “Business and Technology Priorities” forniscono una fotografia aggiornata delle strategie tecnologiche adottate dai decisori italiani.

 L’indagine, che ha coinvolto un ampio panel di dirigenti e manager, restituisce una visione pragmatica delle priorità aziendali:

 la digitalizzazione non viene più percepita come una semplice innovazione accessoria, ma come un fattore abilitante per affrontare l’incertezza e sostenere percorsi di crescita strutturata.

 

Efficienza e semplificazione al centro delle strategie aziendali.

L’efficienza operativa e la semplificazione dei processi emergono come i cardini attorno ai quali ruotano le scelte delle aziende italiane.

 Il dato più rilevante dello studio riguarda la pressoché unanime attenzione alla razionalizzazione delle attività:

 quasi il 95% degli intervistati indica la semplificazione come priorità su cui basare lo sviluppo organizzativo.

 

Le imprese stanno lavorando sull’integrazione dei sistemi informativi e sull’espansione delle reti di partner e fornitori, con l’obiettivo di ridurre ridondanze, snellire i flussi operativi e abilitare una maggiore resilienza. Questo orientamento non nasce solo dalla ricerca di tagli ai costi, ma da una consapevolezza diffusa che la complessità non gestita ostacola la capacità di adattarsi rapidamente alle evoluzioni del mercato.

 

Gen.AI: priorità di investimento per la crescita.

L’intelligenza artificiale generativa si posiziona come uno degli asset strategici su cui le aziende italiane stanno puntando per sostenere la crescita.

 Secondo il rapporto SAP, oltre il 90% dei decision maker considera l’adozione della Gen.AI una priorità medio-alta, mentre il 40% già ne fa un utilizzo esteso.

 

L’interesse non si limita alla semplice automazione:

la Gen.AI viene vista come leva per la creazione di valore aggiunto grazie alla capacità di generare contenuti, analizzare dati complessi e supportare decisioni in tempo reale.

 Tuttavia, non mancano le cautele:

una parte significativa delle imprese evidenzia il rischio di affidarsi a output errati prodotti dai sistemi AI, sottolineando la necessità di garantire qualità e governance dei dati.

Questo approccio riflette una maturità crescente nel modo in cui si guarda all’innovazione tecnologica, sempre più integrata nei processi core anche nel momento in cui si affrontano le prospettive di una intelligenza artificiale come acceleratore della sostenibilità.

 

Sfide operative e ruolo delle competenze nell’adozione dell’AI.

L’integrazione dell’intelligenza artificiale nei processi aziendali è ostacolata da alcune criticità strutturali, che vanno ben oltre la componente tecnologica.

 Tra le sfide principali, spiccano la vulnerabilità della supply chain e del procurement, la presenza di sistemi informativi disconnessi e le difficoltà nel tradurre le potenzialità dell’AI in applicazioni concrete.

 

La carenza di competenze interne rappresenta un ulteriore fattore limitante:

più di un terzo delle aziende riconosce la necessità di investire nella formazione e nell’attrazione di nuovi talenti per sostenere l’adozione dell’AI.

In questo scenario, i percorsi di ups killing e res Killing acquisiscono un peso strategico, ponendo le risorse umane al centro della trasformazione digitale e rendendo evidente che la tecnologia, da sola, non basta a produrre cambiamenti duraturi.

 

Oltre l’automazione: impatti concreti della Gen.AI su processi e supply chain.

L’applicazione della Gen.AI nelle aziende italiane sta già producendo risultati tangibili, soprattutto nella riprogettazione dei processi chiave e nella gestione della supply chain.

 

L’indagine evidenzia come la maggioranza delle organizzazioni che hanno introdotto agenti AI abbia rivisto in profondità le procedure “procure-to-pay”, con effetti misurabili in termini di riduzione dei costi operativi.

Il 50% delle imprese segnala risparmi significativi, mentre la supply chain si conferma ambito privilegiato di sperimentazione e adozione.

 Il valore aggiunto dell’Intelligenza artificiale va quindi oltre la semplice automazione:

consente una gestione più proattiva e flessibile dei flussi logistici e finanziari, abilitando nuove forme di collaborazione e controllo che rispondono alle esigenze di un mercato in continuo mutamento.

 

Gen.AI e strategie aziendali: la necessità di considerare sia la dimensione tecnologica sia quella organizzativa.

L’integrazione della Gen.AI nei contesti aziendali si conferma un processo articolato, che coinvolge sia la dimensione tecnologica sia quella organizzativa.

L’attenzione verso l’efficienza e la semplificazione non può prescindere da un approccio pragmatico alla gestione delle competenze e delle risorse interne, per valorizzare al meglio le potenzialità offerte dalle nuove soluzioni.

 

In questo scenario, la capacità di tradurre l’innovazione in benefici tangibili nei processi e nelle filiere produttive rappresenta una sfida cruciale, che richiede visione strategica ma anche una solida cultura del cambiamento e un orientamento a forme di AI collaborativa.

Le aziende che sapranno muoversi con consapevolezza tra opportunità e complessità potranno effettivamente cogliere il valore della trasformazione guidata dall’intelligenza artificiale generativa.

 

 

 

 

AI per Smart City: l’esempio di Milano

e come si può applicare al resto d’Italia.

 

Economyup.it – (29 mag. 2026) - Mattia Lazzarone - case study – Redazione – ci dice:

 

Layla Pavone, a capo del Board Innovazione Tecnologica e Trasformazione Digitale del Comune di Milano, spiega come la città sta usando l’AI.

E i top manager di alcune grandi aziende approfondiscono le modalità applicative.

 

Tecnologia come fulcro della modernizzazione: approccio trasversale e governance collaborativa.

L’AI trasforma i dati sul campo in indicatori utili: videoanalisi Edge, modelli predittivi e gemello digitale per pianificazione e decisioni oggettive

Scalabilità per i piccoli Comuni: piattaforma Cyber City, 120 ore di formazione e pacchetti pronti; etica e regole nel Manifesto per l’Intelligenza Artificiale e 45 casi d’uso.

Riassunto generato con AI.

La modernizzazione dei centri urbani e dei territori extra-metropolitani richiede oggi un profondo ripensamento strutturale, dove la tecnologia smette di essere un elemento isolato per diventare il fulcro di strategie amministrative integrate.

Le risposte alle sfide demografiche, climatiche e logistiche passano inevitabilmente attraverso la capacità delle amministrazioni locali di interpretare la complessità dei territori che governano.

Durante il convegno del 5 maggio 2026 “Smart City & Smart Land,“ organizzato dall’Osservatorio Smart City presso gli Osservatori Digital Innovation del Politecnico di Milano, i massimi esperti del settore e i rappresentanti delle amministrazioni pubbliche si sono confrontati sulle traiettorie evolutive che stanno ridisegnando le nostre città. L’integrazione di soluzioni avanzate di AI per Smart City emerge come il fattore abilitante per eccellenza, capace di trasformare i flussi grezzi di informazioni in decisioni strategiche tempestive, oggettive e misurabili.

 

Indice degli argomenti.

La governance collaborativa e l’abbattimento dei silos amministrativi.

Il Board per l’innovazione tecnologica del Comune di Milano.

Oltre la logica dei grandi centri: la scalabilità per i piccoli Comuni.

AI per Smart City: la valorizzazione del dato sul campo.

La videoanalisi Edge e gli scenari predittivi “What-If”.

Riduzione dell’incertezza e pianificazione urbana sostenibile.

Il gemello digitale tra osservazione scientifica e pianificazione.

Le tre funzioni del Virtual Twin nell’amministrazione locale.

L’approccio graduale: avviare Prof. of Concept mirati.

Control room urbane e gestione delle emergenze territoriali.

Big data e algoritmi quantistici per la gestione della mobilità.

Biotite e l’impiego dell’intelligenza artificiale per la resilienza ambientale.

L’etica applicata e il Manifesto per l’Intelligenza Artificiale.

I principi cardine del Manifesto milanese.

I quarantacinque casi d’uso concreti al servizio della comunità

La governance collaborativa e l’abbattimento dei silos amministrativi.

Il punto di partenza per una digitalizzazione efficace risiede nella destrutturazione dei vecchi modelli organizzativi verticali, storicamente rigidi e incapaci di dialogare tra loro.

Le attuali dinamiche di sviluppo urbano impongono un approccio trasversale che metta a fattor comune le risorse e le competenze del settore pubblico, del mondo accademico e delle imprese private.

 

Il Board per l’innovazione tecnologica del Comune di Milano.

Un esempio concreto di questo cambio di paradigma è rappresentato dall’iniziativa intrapresa dal Comune di Milano, che ha istituito il Board Innovazione Tecnologica e Trasformazione Digitale.

Coordinato da Layla Pavone, questo organismo consultivo nasce da una precisa attività di ascolto dell’ecosistema urbano e dalla consapevolezza che l’innovazione richiede un lavoro di squadra coordinato.

 Come sottolineato da Pavone, la scelta strategica del Sindaco è stata quella di non creare un assessorato dedicato alla trasformazione digitale, muovendosi intenzionalmente verso l’abbattimento dei compartimenti stagni.

L’obiettivo fondamentale è superare la logica dei singoli silos burocratici, fornendo una consulenza orizzontale a tutte le direzioni e a tutti gli assessorati cittadini.

 

Il board è composto da tredici membri scelti come figure rappresentative delle eccellenze del territorio.

Al suo interno siedono esponenti del mondo accademico milanese – tra cui la rettrice del Politecnico, la professoressa Sciuto, e i rettori dell’Università Bocconi e della Statale – insieme a delegati delle grandi, medie e piccole imprese, delle startup, del mondo associazionistico e delle agenzie focalizzate sul dialogo generazionale.

Questo organo opera in stretta sinergia con la Direzione ITED del Comune per tradurre le istanze esterne in progetti reali, rendendo plastica la collaborazione tra pubblico e privato.

Secondo Pavone, questa architettura istituzionale risponde a una necessità strutturale ineludibile:

“da solo un Comune non può fare investimenti e chiudere il cerchio da solo quando si parla di innovazione tecnologica, anzi, è una questione anche di competenze”.

 

Oltre la logica dei grandi centri: la scalabilità per i piccoli Comuni.

L’esperienza milanese punta a configurarsi come una metodologia d’azione esportabile.

I progetti avviati dal capoluogo lombardo sono concepiti con una logica di scalabilità e replicabilità, affinché il patrimonio di conoscenze accumulato possa essere messo a disposizione delle realtà municipali di dimensioni minori.

 

Un esempio concreto di questa condivisione sistemica è rappresentato dallo sviluppo della piattaforma denominata Cyber City, nata dal lavoro congiunto con Milano Smart City Alliance e Fondazione Assolombarda.

 Il progetto si focalizza sulla diffusione della cultura digitale e offre centoventi ore di formazione dedicate sia alla sicurezza informatica dei cittadini sia ai temi più generali della cittadinanza digitale.

Per favorire l’adozione della piattaforma da parte delle amministrazioni più piccole, è stato strutturato un pacchetto di comunicazione immediato e pronto all’uso.

L’iniziativa sfrutta i contenuti sviluppati dalle aziende private partner per innalzare il livello di consapevolezza della popolazione attraverso un linguaggio semplice e accessibile, avvicinando la cittadinanza alle complessità tecnologiche.

 

AI per Smart City: la valorizzazione del dato sul campo.

L’efficacia degli strumenti digitali dipende in modo diretto dalla qualità dei dati raccolti e dalla capacità di analizzarli in tempo reale.

 Le infrastrutture urbane si stanno evolvendo per trasformare il territorio in un grande generatore di informazioni utili alla governance locale.

 

La videoanalisi Edge e gli scenari predittivi “What-If.”

L’inserimento di sistemi basati sull’AI per Smart City agisce come un elemento di potenziamento per chi ricopre ruoli decisionali.

Andrea Guglielmetti, Responsabile Business Development, Strategic Marketing & Product Management di A2A Smart City, definisce questa tecnologia come “uno strumento che si affianca a chi prende le decisioni per dargli la possibilità di prendere decisioni sempre più precise e tempestive”.

 L’operato di A2A Smart City si focalizza sull’intera filiera del dato, partendo dall’infrastruttura fisica installata sul campo, come la rete di videocamere dislocate sul territorio urbano.

Attraverso l’adozione di algoritmi di videoanalisi eseguiti direttamente a livello Edge, i flussi video vengono elaborati localmente e trasformati istantaneamente in metadati anonimi pronti per l’uso.

Questa tecnologia consente di effettuare il conteggio automatico degli automezzi, la classificazione dettagliata delle tipologie di veicoli e l’analisi accurata dei flussi pedonali e veicolari, eliminando alla radice i problemi legati alla privacy.

 Il vero valore aggiunto si manifesta quando queste informazioni vengono integrate con i database già esistenti e con gli open data comunali.

L’intelligenza artificiale opera come un filtro analitico avanzato, individuando correlazioni e pattern complessi che in passato restavano invisibili all’interno della grande mole di dati grezzi.

I dati vengono così sintetizzati in indicatori oggettivi applicabili ai diversi verticali della gestione cittadina, dalla mobilità alla sicurezza, fino al turismo e alla tutela dell’ambiente.

 

Riduzione dell’incertezza e pianificazione urbana sostenibile.

L’obiettivo primario di tali applicazioni è far parlare i dati per fornire agli amministratori strumenti concreti sia per la gestione delle urgenze quotidiane sia per la pianificazione a lungo termine.

 In questo scenario, le simulazioni predittive basate su modelli logici condizionali rappresentano una risorsa di grande rilievo per le amministrazioni pubbliche.

 

I modelli predittivi permettono di anticipare con precisione gli effetti sul territorio di una decisione amministrativa prima ancora che essa venga effettivamente messa in atto.

Questo sistema offre alle autorità locali una sorta di bussola tecnologica alimentata da evidenze reali, riducendo drasticamente i margini di incertezza legati alle decisioni pubbliche.

Sul piano pratico, i modelli algoritmici possono prevedere l’andamento del flusso automobilistico in caso di chiusura temporanea di un’arteria stradale per l’apertura di un cantiere, oppure simulare l’impatto viabilistico della modifica del percorso di una maratona cittadina. Disporre di queste varianti predittive consente di strutturare una pianificazione urbana guidata da criteri di sostenibilità e razionalità oggettiva.

 

Il gemello digitale tra osservazione scientifica e pianificazione.

La convergenza tra l’intelligenza artificiale e la sensoristica “IoT” trova la sua massima espressione nella creazione dei gemelli digitali, repliche virtuali dinamiche dei sistemi urbani complessi.

 

Le tre funzioni del Virtual Twin nell’amministrazione locale.

Il gemello virtuale si configura come una riproduzione scientifica della realtà che poggia sulla combinazione di diverse tecnologie abilitanti. Marco Oldani, Direttore Commerciale del Settore Infrastrutture e Territorio di Dassault Sistema Italia, descrive lo strumento affermando che “è un po’ come se fosse una sfera di cristallo, dove dentro non c’è magia, ma c’è della scienza”.

 L’architettura del gemello digitale svolge tre funzioni primarie e sequenziali per supportare l’azione amministrativa:

 

Osservare:

Consente di monitorare in tempo reale i fenomeni che avvengono nel mondo reale, contestualizzando visivamente i dati raccolti sul campo e generati tramite algoritmi di intelligenza artificiale.

Questo permette a figure professionali con competenze differenti di esaminare i problemi partendo da una base informativa condivisa e oggettiva.

Capire e Prevedere:

Offre la possibilità di indagare a ritroso le cause scatenanti di un disservizio o di un evento critico, agendo come una macchina del tempo. Parallelamente, permette di guardare al futuro, simulando gli impatti e gli scenari derivanti dall’adozione di una specifica scelta politica o infrastrutturale sul territorio.

Programmare:

Fornisce il supporto logistico e operativo per strutturare, temporizzare e mettere a terra gli interventi manutentivi o correttivi ritenuti idonei a risolvere la criticità rilevata.

All’interno della visione aziendale espressa da Dassault Sistema, l’intelligenza artificiale si integra profondamente con il cloud e l’Internet of Thuins, agendo come un acceleratore per lo sviluppo dei gemelli digitali.

L’AI permette infatti di analizzare i dati reali per generare dati sintetici integrativi, semplifica l’interazione degli utenti con il sistema agendo come interfaccia di fronte e ottimizza la creazione stessa dei modelli virtuali.

 

L’approccio graduale: avviare Prof. of Concept mirati.

L’implementazione di piattaforme tecnologiche di questa portata non può esaurirsi nell’acquisto di un software pronto all’uso; richiede un percorso di adozione metodologico e culturale ben strutturato. La complessità intrinseca dei sistemi urbani impone una strategia di sviluppo progressiva.

Oldani suggerisce una precisa filosofia d’azione per gli enti locali: “l’elefante grosso si mangia a fette, quindi partire un pezzettino alla volta”.

 

Il percorso ideale prevede di iniziare con lo sviluppo di Prof. of Concept mirati, che successivamente evolvono in progetti pilota focalizzati su specifiche urgenze territoriali, prima di passare alla produzione di sistemi estesi su scala cittadina.

 Le amministrazioni possono scegliere di applicare inizialmente il gemello digitale sui dati già in loro possesso per mappare verticali specifici come la mobilità, la gestione del verde pubblico, il monitoraggio delle esondazioni, lo studio delle isole di calore o i progetti di riqualificazione urbana.

Questa gradualità permette di dimostrare l’utilità immediata della contestualizzazione dei dati, dando il tempo all’intera struttura amministrativa e ai diversi enti coinvolti di adeguarsi ai nuovi flussi operativi e di modificare radicalmente il proprio modo di lavorare.

 

Control room urbane e gestione delle emergenze territoriali.

L’applicazione pratica delle tecnologie di monitoraggio si traduce nella creazione di centrali di controllo operative capaci di governare fenomeni complessi e ad alto impatto sociale ed economico.

 

Big data e algoritmi quantistici per la gestione della mobilità.

La gestione dei flussi di mobilità rappresenta uno dei banchi di prova più complessi per le moderne amministrazioni, a causa delle dirette ripercussioni sulla congestione del traffico, sui livelli di inquinamento e sulla qualità della vita della popolazione.

 TIM Enterprise risponde a questa esigenza attraverso lo sviluppo della control room denominata Urban Genius, una piattaforma tecnologica applicata fin dal 2020 all’interno di un progetto pilota per la città di Venezia.

 Nel contesto veneziano, il sistema viene impiegato per il monitoraggio del trasporto pubblico locale, la gestione degli accessi ai parcheggi e il controllo predittivo dei flussi turistici legati all’over turismo.

 

Susanna Jean, Responsabile Marketing 5G Vertical & IoT di TIM Enterprise, spiega che i sistemi di big data analitica e l’intelligenza artificiale operano come un orchestratore delle molteplici fonti informative disponibili sul territorio.

La piattaforma organizza i dati consentendone la lettura storica e permette di simulare l’impatto di varianti urbanistiche improvvise. Nei progetti realizzati, l’amministrazione è in grado di prevedere le mutazioni dei flussi veicolari causate dall’apertura di un cantiere stradale, modificando preventivamente i tempi di sfasamento dei semafori o istituendo sensi di marcia alternativi per evitare la congestione.

 In contesti di grandi arterie stradali, TIM Enterprise ha integrato l’uso di algoritmi quantistici supportati dall’intelligenza artificiale per ottimizzare in tempo reale i cicli semaforici, garantendo una fluidificazione dinamica del traffico automobilistico.

 

Biotite e l’impiego dell’intelligenza artificiale per la resilienza ambientale.

Oltre alla gestione della mobilità, la salvaguardia del territorio e la prevenzione dei rischi ambientali rappresentano aree di applicazione prioritarie per le moderne tecnologie” IoT” e algoritmiche.

Le control room urbane estendono le proprie capacità analitiche alla protezione civile, raccogliendo e organizzando dati provenienti da reti di sensoristica a terra, osservazioni satellitari e database istituzionali forniti dagli enti statali di monitoraggio.

Questa aggregazione permette alle autorità locali di verificare l’efficacia degli interventi di mitigazione eseguiti sul territorio nel corso del tempo, basandosi su evidenze scientifiche e misurazioni reali.

 

Un filone di ricerca particolarmente innovativo e interdisciplinare è quello legato allo sviluppo della biotite.

In questo ambito, l’intelligenza artificiale viene utilizzata non solo per stimare i danni potenziali o prevenire le emergenze, ma per simulare l’interazione proattiva tra gli elementi naturali e l’infrastruttura costruita.

I modelli algoritmici permettono di studiare il posizionamento strategico del verde urbano all’interno dei quartieri per incrementare i flussi di circolazione dell’aria, offrendo alle amministrazioni uno strumento concreto per contrastare gli effetti locali del cambiamento climatico e ridurre l’impatto delle isole di calore.

Tali metodologie sono alla base di numerosi progetti comunali e di un’estesa iniziativa infrastrutturale sviluppata da TIM Enterprise che copre una quota rilevante del territorio dell’Italia centrale.

 

L’etica applicata e il Manifesto per l’Intelligenza Artificiale.

L’introduzione massiva di tecnologie predittive e di analisi algoritmica nella sfera pubblica solleva inevitabilmente questioni di carattere etico, normativo e sociale che richiedono una presa di posizione chiara da parte delle istituzioni locali.

 

I principi cardine del Manifesto milanese.

L’evoluzione tecnologica deve essere supportata da un’adeguata evoluzione del minaste culturale e dei modelli operativi all’interno degli enti pubblici.

La consapevolezza delle potenzialità dell’intelligenza artificiale deve capillarizzarsi all’interno di tutte le direzioni comunali non prettamente tecniche, affinché i responsabili dei settori Ambiente, Casa o Mobilità siano messi nelle condizioni di richiedere e applicare soluzioni tecnologiche avanzate per i propri progetti specifici.

 

Per guidare questo processo e definire i confini valoriali dell’uso della tecnologia sul territorio, il Comune di Milano si è fatto promotore del Manifesto per l’Intelligenza Artificiale.

Questa dichiarazione di impegno pubblico è stata sottoscritta dall’amministrazione comunale e dalle sue principali società partecipate, tra cui il gruppo A2A, con l’obiettivo di esplicitare i principi etici che devono governare l’adozione degli algoritmi.

Il documento stabilisce standard rigorosi in termini di inclusione, trasparenza e partecipazione democratica, ponendo l’essere umano al centro dei flussi decisionali.

 Il Manifesto sancisce il principio fondamentale della supervisione umana, come chiarito da Pavone:

“Non prenderemo mai una decisione se non presa da chi è un umano”.

L’adozione di queste linee guida garantisce la piena conformità alle prescrizioni del regolamento europeo “AI Act” e alle normative nazionali vigenti, anteponendo l’etica e il bene comune agli interessi puramente commerciali.

 

I quarantacinque casi d’uso concreti al servizio della comunità.

L’utilità di una tecnologia complessa e spesso intangibile come l’intelligenza artificiale deve poter essere compresa chiaramente dalla cittadinanza attraverso evidenze pratiche.

 A questo scopo, le aziende e gli enti coinvolti nel Manifesto hanno collaborato alla mappatura e alla pubblicazione di quarantacinque casi d’uso concreti già attivi sul territorio cittadino.

Questi quarantacinque progetti coprono ambiti totalmente trasversali, concentrandosi principalmente sui settori verticali dell’ambiente e della mobilità urbana.

 La pubblicazione dei casi reali dimostra come le diverse aziende del gruppo comunale stiano già impiegando attivamente soluzioni algoritmiche avanzate all’interno dei propri processi industriali e di servizio.

 I progetti spaziano dall’applicazione di modelli linguistici di grandi dimensioni (Large Language Models) all’implementazione di sistemi di computer vision per il monitoraggio infrastrutturale.

 La divulgazione trasparente di queste applicazioni mira a mostrare in modo inequivocabile il beneficio diretto generato per la collettività, permettendo ai cittadini di comprendere il funzionamento delle tecnologie adottate.

Questo sforzo congiunto consente di operare all’interno di un’arena pre-competitiva finalizzata a fare sistema a livello di Paese, consolidando le basi per il futuro decollo del mercato e dei servizi smart.

 

Mattia Lazzarone.

(Appassionato di videogiochi, musica e cultura digitale, ho sempre vissuto la tecnologia prima di tutto come spazio di scoperta e immaginazione.

 Dopo la laurea in Scienze Umanistiche per la Comunicazione all’Università degli Studi di Milano e un master in Editoria e Produzione Musicale e Audiovisiva alla Scuola di Comunicazione IULM, mi sono dedicato alla creazione di contenuti e alla definizione del linguaggio di progetti innovativi.

Ho lavorato su tone of voice e brand book per esperienze tecnologiche come Futura by).