top of page

Strategia italiana per l’intelligenza artificiale 2024-2026

Il 22 luglio 2024, il Dipartimento per la Strategia Digitale ha pubblicato il documento completo della Strategia Italiana per l’Intelligenza Artificiale 2024-2026. Redatto da un Comitato di esperti per supportare il Governo nella definizione di una normativa nazionale e delle strategie relative a questa tecnologia, il documento è stato coordinato da Gianluigi Greco, professore di informatica all’Università della Calabria e presidente di AIxAI. Il Comitato comprende figure di spicco come Viviana Acquaviva, Paolo Benanti, Guido Boella, Marco Camisani Calzolari, Virginio Cantoni, Maria Chiara Carrozza, Rita Cucchiara, Agostino La Bella, Silvestro Micera, Giuliano Noci, Edoardo Carlo Raffiotta, Ranieri Razzante e Antonio Teti.


Per trasformare il documento del comitato in uno strumento utile per il mio lavoro di consulente aziendale, ho ampliato l'analisi generale e sintetizzato gli obiettivi della strategia del nostro governo per l'AI. Il risultato è un contributo sostanziale che potete leggere qui di seguito. Per semplificare la consultazione, ho creato un GPT che potete utilizzare per accedere ai contenuti tramite l'intelligenza artificiale di OpenAI.


Strategia italiana per l’intelligenza artificiale 2024-2026
Strategia italiana per l’intelligenza artificiale 2024-2026

Le tecnologie basate sull'Intelligenza Artificiale hanno dimostrato un impatto pervasivo e un potenziale trasformativo per le dinamiche sociali e produttive già da diversi anni. L'AI sta rivoluzionando il nostro mondo e il modo in cui produciamo valore in ogni settore, influenzando profondamente l'educazione, le attività professionali e l'industria. Le radici di questa rivoluzione risalgono alla metà del secolo scorso, ma l'avvento del machine learning nei primi anni 2000 e, più recentemente, delle tecniche di deep learning ha segnato una svolta cruciale grazie alla capacità di estrarre valore e conoscenza dall'analisi di enormi quantità di dati.

 

L'introduzione dei sistemi generativi nell'ultimo anno ha ulteriormente evidenziato la forza innovativa dell'AI, facilitando lo sviluppo di processi di automazione di facile utilizzo. Il lancio di ChatGPT, prodotto da OpenAI, ha contribuito significativamente a diffondere la consapevolezza delle potenzialità di un nuovo paradigma digitale, capace di creare un modello di supporto per le attività umane in molteplici aree, contenuti e applicazioni.

 

L'Italia, forte di una solida tradizione industriale, ha sempre saputo sfruttare le nuove tecnologie, distinguendosi nello sviluppo e nell'adozione di soluzioni per l'automazione di prodotti e processi. Il tessuto produttivo italiano si caratterizza per un ecosistema unico, composto da grandi imprese, una rete di piccole e medie imprese (PMI) e una vasta rete di microimprese con una forte vocazione manifatturiera. Questa capacità di innovazione ha sostenuto lo sviluppo economico e sociale del Paese, dalla meccanizzazione industriale alle soluzioni digitali dell'Industria 4.0.

 

Aggiornato al 2023, il panorama aziendale italiano rimane dominato da microimprese e PMI. Le microimprese, con fino a 9 addetti, rappresentano il 95% delle aziende italiane, equivalenti a oltre 4,3 milioni di unità. Le PMI, con 10-249 dipendenti, sono un pilastro dell'economia, contribuendo al 41% del fatturato nazionale e impiegando il 34% della forza lavoro​.

 

Negli ultimi anni, le PMI italiane hanno dimostrato una notevole resilienza, grazie alla loro flessibilità e capacità di adattamento. Nonostante le difficoltà della pandemia e le sfide economiche globali, queste imprese hanno mantenuto una buona solidità finanziaria e continuato a crescere. Nel 2021, solo il 9% delle PMI era considerato a rischio, in miglioramento rispetto al 10,7% del 2020​.

 

Geograficamente, nel 2023, le nuove aperture di imprese sono state più frequenti nel Nord-Ovest, seguito dal Nord-Est e dal Centro Italia.

 

A livello internazionale, le microimprese italiane mostrano una produttività inferiore rispetto alle loro controparti europee, generando un valore aggiunto medio per addetto significativamente più basso. Tuttavia, le PMI italiane performano meglio della media europea, con una produttività che supera i 56.500 euro per addetto, rispetto ai 48.000 euro della media UE​.

 

Le istituzioni italiane hanno iniziato ad affrontare le sfide dell'intelligenza artificiale già nel 2018, con un'analisi dell'Agenzia per l'Italia Digitale sull'impatto delle tecnologie di AI nella società e, in particolare, nella Pubblica Amministrazione. Nel 2020, il Ministero dello Sviluppo Economico ha elaborato il documento "Proposte per una Strategia italiana per l'intelligenza artificiale", mirato a sostenere la produttività del Paese in conformità con gli obiettivi di sviluppo sostenibile dell'Agenda 2030 delle Nazioni Unite. Queste indicazioni sono state integrate nel 2021 nel "Programma strategico Intelligenza Artificiale" per il periodo 2022-2024.

 

Oggi, il contesto è significativamente cambiato: il contesto normativo si è evoluto, la tecnologia ha innovato con sistemi generativi e Foundation Models, e una nuova sensibilità etica ha abbracciato l'AI. È quindi il momento di aggiornare la strategia sull'AI, definendo un nuovo programma che, partendo dalle esperienze passate, promuova soluzioni antropocentriche, affidabili e sostenibili, all'interno di un contesto europeo.

 

La nuova strategia deve riconoscere la necessità di innovazione, analizzando le mutate condizioni e valorizzando l'importanza strategica dell'AI per il tessuto produttivo, imprenditoriale, formativo e sociale, oltre che per la Pubblica Amministrazione.

 

Crescita degli investimenti in intelligenza artificiale nel biennio 2023-2024

Nel biennio 2023-2024, gli investimenti in intelligenza artificiale hanno registrato un notevole incremento in vari paesi, con cifre significative provenienti da Stati Uniti, Cina, Giappone, Canada, India e Italia.

 

Negli Stati Uniti, gli investimenti privati in AI hanno raggiunto i 67,2 miliardi di dollari nel 2023, consolidando la posizione del paese come leader globale nel settore. Questo importo è circa 8,7 volte superiore a quello della Cina, che ha visto un investimento di circa 7,7 miliardi di dollari nello stesso anno. Sebbene a livello globale il totale degli investimenti privati in AI sia diminuito per il secondo anno consecutivo, i finanziamenti specifici per l'AI generativa hanno registrato un picco, con 25,2 miliardi di dollari investiti nel 2023.

 

La Cina, seconda solo agli Stati Uniti per investimenti in AI, ha investito circa 7,7 miliardi di dollari nel 2023. Nonostante un calo rispetto agli anni precedenti, il paese rimane un attore chiave nel campo dell'AI, soprattutto nel settore della robotica industriale.

 

Il Giappone ha investito circa 5,5 miliardi di dollari in AI nel 2023, focalizzandosi principalmente su soluzioni AI per la produzione e la robotica, ambiti in cui il paese vanta una lunga tradizione di eccellenza tecnologica.

 

Il Canada ha visto investimenti in AI pari a 3,2 miliardi di dollari nel 2023, con un'attenzione particolare allo sviluppo di tecnologie di machine learning e AI generativa, supportati fortemente da governo e università.

 

In India, gli investimenti in AI hanno raggiunto 2,7 miliardi di dollari nel 2023. Il paese sta rapidamente emergendo come un hub per lo sviluppo di soluzioni AI, con un'attenzione particolare all'AI applicata nei settori dei servizi IT e della sanità.

 

Infine, nel 2023 l'Italia ha visto un investimento di circa 1,5 miliardi di dollari, con una particolare attenzione alle applicazioni di intelligenza artificiale per l'industria manifatturiera e i servizi finanziari. Pur essendo inferiore rispetto a quello dei leader globali, l'investimento dimostra una crescente adozione delle tecnologie AI in Italia, supportata sia dal settore pubblico che da quello privato.

 

Rapportando questi investimenti al prodotto interno lordo (PIL) di ciascuna nazione, si ottiene una visione più chiara dell'impegno relativo di ogni paese nello sviluppo dell'AI:

 

- USA: $67,2 miliardi, circa 0,31% del PIL

- Cina: $7,7 miliardi, circa 0,05% del PIL

- Giappone: $5,5 miliardi, circa 0,11% del PIL

- Canada: $3,2 miliardi, circa 0,12% del PIL

- India: $2,7 miliardi, circa 0,10% del PIL

- Italia: $1,5 miliardi, circa 0,07% del PIL

 

Questi dati evidenziano come gli Stati Uniti mantengano una posizione dominante negli investimenti in AI, sia in termini assoluti che in proporzione al loro PIL.

 

Intelligenza artificiale in Europa

L'intelligenza artificiale in Europa sta attraversando una fase di rapido sviluppo e trasformazione, sostenuta da ingenti investimenti e regolamentazioni mirate. Negli ultimi anni, l'Unione Europea ha intensificato i suoi sforzi per diventare leader mondiale nel settore dell'AI, promuovendo l'eccellenza e la fiducia attraverso un piano coordinato e investimenti strategici.

 

Nel 2024, si stima che gli investimenti in AI in Europa raggiungeranno i 12 miliardi di dollari, con una crescita annua superiore al 10%. Questa crescita è alimentata da politiche che incentivano l'adozione dell'AI in vari settori, come la sanità, l'industria manifatturiera e i trasporti, nonché dalla creazione di reti di centri di eccellenza per lo scambio di conoscenze e competenze.

 

L'Europa ha inoltre adottato il primo quadro normativo globale per l'intelligenza artificiale, l'AI Act, che regola l'uso e lo sviluppo dell'AI per garantire la sicurezza e i diritti fondamentali dei cittadini. Questo regolamento prevede una serie di misure per assicurare che i sistemi di AI siano affidabili e trasparenti, contribuendo a costruire un ecosistema di fiducia intorno a queste tecnologie.

 

Tuttavia, la rapida evoluzione dell'AI comporta anche sfide significative. Una delle principali preoccupazioni è il disallineamento tra le competenze richieste dal mercato del lavoro e quelle possedute dai lavoratori attuali. Pertanto, è fondamentale incentivare programmi di formazione continua, upskilling e reskilling per preparare la forza lavoro alle nuove sfide del mercato del lavoro.

 

Per rendere questo scenario più concreto, possiamo osservare come specifici paesi europei stiano attivamente contribuendo a questa trasformazione. La Germania, ad esempio, ha lanciato l'iniziativa "AI Made in Germany" per promuovere l'innovazione e garantire che le tecnologie sviluppate siano allineate ai valori europei di privacy e sicurezza. La Francia, dal canto suo, ha investito massicciamente nella creazione di poli di ricerca e sviluppo, come il "Laboratoire d'Intelligence Artificielle de Paris", che funge da hub per la collaborazione tra università, industrie e governo.

 

Inoltre, collaborazioni internazionali stanno giocando un ruolo cruciale. Il progetto Horizon Europe, il più grande programma di ricerca e innovazione dell'UE, dedica una parte significativa dei suoi fondi allo sviluppo dell'AI, promuovendo progetti che coinvolgono partenariati tra stati membri e paesi terzi. Questi sforzi congiunti mirano non solo a mantenere l'Europa competitiva a livello globale, ma anche a garantire che l'AI venga sviluppata e utilizzata in modo etico e sostenibile.

 

Infine, l'attenzione alla diversità e all'inclusione nel campo dell'AI è un altro aspetto fondamentale del piano europeo. Iniziative come il "Women in AI" e programmi di supporto per start-up guidate da minoranze stanno cercando di assicurare che lo sviluppo dell'AI rifletta una pluralità di prospettive e che i benefici dell'innovazione tecnologica siano equamente distribuiti.

 

L'intelligenza artificiale in Italia

L'Italia vanta una solida tradizione accademica nel campo dell'AI, iniziata nei primi anni Settanta e cresciuta fino a generare un vivace ecosistema distribuito su tutto il territorio nazionale. L'università italiana è attivamente coinvolta nelle innovazioni tecnologiche dell'ultimo decennio, con oltre 160 curricula universitari in 53 atenei che offrono insegnamenti collegati all'AI. Dal 2020/2021 è attivo il Dottorato Nazionale in Intelligenza Artificiale, che raggruppa 61 università ed enti di ricerca.

 

Nonostante queste iniziative, l'Italia deve ancora allinearsi alle richieste del mercato del lavoro in termini di laureati e dottorati in AI. Attualmente, l'Italia occupa l'ultimo posto tra i paesi europei per numero di laureati nel settore ICT (1,5%) e il quartultimo per percentuale di cittadini con competenze digitali di base (45,60%). Questo evidenzia la necessità di investire in politiche di educazione digitale e di rafforzare i percorsi professionalizzanti nell'ambito dell'intelligenza artificiale.

 

In termini di ricerca, l'Italia si posiziona bene a livello internazionale, settima per numero di pubblicazioni in AI nel 2022, con 3.261 pubblicazioni. L'Italia partecipa anche attivamente ai progetti europei di ricerca sull'AI, con il 12% dei progetti che coinvolgono unità di ricerca italiane. Università e centri di ricerca italiani sono presenti in tutti i progetti europei delle call "Center of excellence in AI" di Horizon 2020, e l'Italia coordina il progetto ELAIS nella Call Horizon CL4 2022.

 

La Fondazione FAIR – Future Artificial Intelligence Research, costituita recentemente, coordina l'attuazione del partenariato esteso sull'AI finanziato dal PNRR, coinvolgendo oltre 350 ricercatori.

 

Tuttavia, l'adozione di AI nelle piccole e medie imprese italiane è ancora limitata. Solo il 15% delle PMI ha avviato un progetto pilota di AI nel 2022, sebbene in crescita rispetto all'anno precedente. Ci sono circa 600 brevetti in AI e poco più di 350 startup di AI fondate dal 2017, collocando l'Italia in coda in Europa.

 

Un potenziale acceleratore per l'economia italiana potrebbe essere l'AI generativa, con il 78,2% delle aziende italiane che prevedono di utilizzarla nel breve-medio periodo per varie applicazioni, dall'efficientamento dei processi al supporto alla creatività.

 

Il Piano Nazionale Industria 4.0 del 2018 e il successivo decreto ministeriale del 2023 hanno incentivato l'adozione di tecnologie innovative, tra cui l'intelligenza artificiale, attraverso la creazione e il finanziamento di centri di competenza nazionali e di European Digital Innovation Hubs. Questi centri forniscono servizi di digitalizzazione a tariffe agevolate, rivolgendosi sia alle piccole e medie imprese (PMI) che alla Pubblica Amministrazione.

 

L'AI nella Pubblica Amministrazione italiana rappresenta una direttrice di innovazione cruciale. Progetti come la piattaforma AGENAS per l'assistenza sanitaria primaria, il progetto PRODIGIT per i giudici tributari, la sperimentazione dell'INPS con assistenti virtuali intelligenti e l'uso di software antievasione dall'Agenzia delle Entrate sono esempi concreti di come l'AI possa migliorare l'efficienza e l'accessibilità dei servizi al cittadino.

 

Vantaggi e opportunità dell'intelligenza artificiale per l’Italia

L'Intelligenza Artificiale offre numerose opportunità di sviluppo per l'Italia, migliorando produttività, efficienza e innovazione in vari settori.

 

Industria 

L'AI può ottimizzare i processi produttivi, ridurre errori e migliorare la qualità dei prodotti. Uno degli esempi più significativi dell'applicazione dell'AI è la manutenzione predittiva, una tecnologia che prevede e previene i guasti delle macchine. Questo approccio non solo riduce i tempi di inattività delle apparecchiature, ma aumenta anche l'efficienza operativa complessiva, con un impatto positivo sulla sostenibilità ambientale.

 

La manutenzione predittiva si basa su algoritmi avanzati e analisi dei dati per monitorare continuamente le condizioni delle macchine. Sensori installati sulle apparecchiature raccolgono dati in tempo reale, analizzati poi per identificare pattern e anomalie che potrebbero indicare un potenziale guasto. Così, è possibile intervenire preventivamente, evitando costosi fermi macchina e prolungando la vita utile delle attrezzature.

 

Oltre alla manutenzione predittiva, l'AI è impiegata in molte altre aree del processo produttivo. Ad esempio, i sistemi di visione artificiale vengono utilizzati per il controllo qualità, rilevando difetti nei prodotti con una precisione e velocità superiori rispetto alle ispezioni manuali. Questi sistemi possono identificare imperfezioni minime, garantendo che solo i prodotti conformi agli standard di qualità raggiungano il mercato.

 

Un altro ambito di applicazione dell'AI è l'ottimizzazione della supply chain. Attraverso l'analisi dei dati storici e in tempo reale, gli algoritmi di AI possono prevedere la domanda di mercato con maggiore precisione, consentendo alle aziende di gestire meglio le scorte e ridurre gli sprechi. Questo non solo migliora l'efficienza operativa, ma contribuisce anche alla sostenibilità ambientale riducendo l'eccesso di produzione e il consumo di risorse.

 

Inoltre, l'AI sta trasformando anche il modo in cui vengono progettati i prodotti. Grazie alla modellazione e alla simulazione avanzate, gli ingegneri possono testare virtualmente nuovi design e materiali, ottimizzando le caratteristiche dei prodotti prima della loro produzione fisica. Questo accelera il processo di sviluppo, riduce i costi e porta sul mercato innovazioni più rapidamente.

 

Infine, le Dark Factory rappresentano un campo avanzato di applicazione dell'intelligenza artificiale nel settore manifatturiero. Queste fabbriche, completamente automatizzate, operano senza la necessità di intervento umano diretto nei processi produttivi. Il termine "Dark Factory" deriva dal fatto che queste strutture possono funzionare senza luci, poiché non sono presenti operatori umani.

 

L'implementazione delle Dark Factory è resa possibile grazie all'avanzamento delle tecnologie di automazione e robotica, fortemente integrate con sistemi di intelligenza artificiale. In questi ambienti, ogni aspetto del processo produttivo, dalla ricezione delle materie prime alla spedizione del prodotto finito, è gestito da sistemi automatizzati. Questi includono robot avanzati, veicoli a guida autonoma per il trasporto interno e sistemi di visione artificiale per il controllo qualità.

 

I vantaggi delle Dark Factory sono molteplici. In termini di efficienza operativa, eliminando quasi completamente la necessità di intervento umano, queste fabbriche riducono i tempi di inattività e massimizzano la produttività. I sistemi di intelligenza artificiale possono operare 24 ore su 24 senza interruzioni, aumentando significativamente l'output produttivo. La precisione e la qualità del controllo sono elevate, grazie all'AI che permette un controllo qualità estremamente preciso, riducendo la percentuale di errori e difetti nel prodotto finito. Anche il risparmio sui costi è notevole: sebbene l'investimento iniziale possa essere elevato, il risparmio a lungo termine sui costi di manodopera e manutenzione è significativo. Inoltre, l'ottimizzazione dei processi porta a un minor spreco di materiali e a una riduzione dei costi energetici.

 

Sanità 

L'intelligenza artificiale sta apportando trasformazioni significative nel campo della diagnosi e del trattamento delle malattie, spesso superando in accuratezza ed efficacia le metodologie tradizionali. Un esempio è l'uso degli algoritmi di deep learning nella diagnostica per immagini, che analizzano enormi quantità di dati medici e individuano precocemente patologie come tumori e malattie cardiache, spesso con una precisione superiore a quella dei medici umani.

 

Nel 2023, si è registrato un notevole incremento nell'applicazione dell'AI in cardiologia interventistica. Algoritmi avanzati di machine learning vengono impiegati per diagnosticare tempestivamente infarti miocardici acuti e stenosi coronariche, migliorando significativamente sia la precisione delle diagnosi che l'efficacia dei trattamenti. Ad esempio, specifici algoritmi sono in grado di rilevare stenosi coronariche funzionalmente significative attraverso valutazioni tridimensionali basate sull'angiografia.

 

Oltre alla cardiologia, l'AI sta innovando altri settori della medicina. I dispositivi medici approvati dalla FDA nel 2022, molti dei quali in ambito radiologico, dimostrano come l'AI stia diventando una parte integrante del sistema sanitario. Questi dispositivi non solo migliorano la diagnosi ma anche la gestione e il trattamento delle malattie, offrendo nuove opportunità per una sanità più efficiente e personalizzata.

 

L'AI semplifica anche i carichi amministrativi e migliora la collaborazione interdisciplinare tra i professionisti sanitari. Strumenti come i chatbot basati su AI facilitano la formazione continua e l'aggiornamento professionale, permettendo ai medici di rimanere aggiornati sulle ultime scoperte e pratiche migliori nel loro campo.

 

Un esempio emblematico di queste innovazioni è il King Faisal Specialist Hospital & Research Centre (KFSH&RC), classificato tra i migliori istituti sanitari a livello globale. Questo ospedale utilizza tecnologie AI e robotica per promuovere l'eccellenza nelle terapie e migliorare l'assistenza sanitaria complessiva.

 

Pubblica amministrazione 

La pubblica amministrazione può trarre enormi vantaggi dall'integrazione dell'intelligenza artificiale nei propri processi. L'AI ha il potenziale di automatizzare molte attività burocratiche, riducendo significativamente i tempi di elaborazione e migliorando la precisione delle operazioni amministrative. Per esempio, l'automazione dei processi di gestione dei documenti può ridurre gli errori umani e accelerare le procedure di approvazione, consentendo una gestione più efficiente delle risorse pubbliche.

 

Inoltre, l'AI può migliorare la gestione dei dati. Grazie all'analisi avanzata dei dati, le amministrazioni pubbliche possono ottenere insights preziosi che facilitano la pianificazione strategica e l'allocazione delle risorse. Questo tipo di analisi può aiutare a identificare aree critiche che necessitano di interventi, migliorando così la qualità dei servizi offerti ai cittadini.

 

Un caso studio significativo è quello del Comune di Barcellona, che ha implementato un assistente virtuale basato sull'AI per migliorare l'interazione con i cittadini. Questo assistente è in grado di rispondere a una vasta gamma di domande, dai servizi municipali alle procedure amministrative, contribuendo a ridurre i tempi di attesa e ad aumentare la soddisfazione dei cittadini.

 

Inoltre, l'AI può migliorare la trasparenza delle operazioni governative. Attraverso l'uso di algoritmi di machine learning, è possibile monitorare e analizzare i dati relativi ai processi amministrativi in tempo reale, individuando inefficienze e aree di miglioramento. Questo livello di trasparenza può rafforzare la fiducia dei cittadini nelle istituzioni pubbliche, poiché consente un controllo più rigoroso delle attività governative.

 

Tuttavia, è importante sottolineare che l'implementazione dell'AI nella pubblica amministrazione deve essere accompagnata da una rigorosa attenzione alla protezione dei dati e alla sicurezza informatica. La gestione di informazioni sensibili richiede misure di sicurezza avanzate per prevenire accessi non autorizzati e garantire la privacy dei cittadini.

 

Educazione 

L'intelligenza artificiale sta trasformando il settore dell'educazione, offrendo strumenti innovativi che permettono di personalizzare l'apprendimento come mai prima d'ora. Grazie a sofisticati algoritmi di machine learning, l'AI può adattare i contenuti didattici alle esigenze specifiche di ogni studente, tenendo conto delle loro competenze, lacune e stili di apprendimento. Questo approccio individualizzato aumenta significativamente l'efficacia dell'istruzione, consentendo agli studenti di avanzare al proprio ritmo e di concentrarsi sulle aree che necessitano di maggiore attenzione.

 

Un esempio significativo di come l'AI possa migliorare l'educazione è l'uso di piattaforme di apprendimento online che sfruttano tecnologie AI per creare percorsi didattici personalizzati. Piattaforme come Khan Academy e Coursera utilizzano algoritmi per analizzare le risposte degli studenti e fornire contenuti su misura per i loro bisogni educativi. Questo non solo migliora l'apprendimento, ma riduce anche il senso di frustrazione e noia che spesso accompagna un approccio didattico uniforme.

 

Inoltre, l'AI può svolgere un ruolo cruciale nel colmare le lacune educative. Gli strumenti di apprendimento adattivo possono identificare rapidamente le aree di difficoltà di uno studente e fornire risorse mirate per aiutarlo a migliorare. Questo è particolarmente utile nelle aule con un numero elevato di studenti, dove gli insegnanti potrebbero non avere il tempo o le risorse per offrire un'attenzione individualizzata a ciascuno.

 

L'intelligenza artificiale supporta anche gli insegnanti nel monitoraggio del progresso degli studenti. Piattaforme dotate di AI possono raccogliere e analizzare dati sulle prestazioni degli studenti, fornendo agli insegnanti informazioni dettagliate e in tempo reale sui punti di forza e di debolezza di ciascun alunno. Questo permette agli educatori di intervenire tempestivamente e in modo mirato, migliorando l'efficacia dell'insegnamento e supportando gli studenti in modo più efficiente.

 

Oltre agli aspetti accademici, l'AI può essere utilizzata per sviluppare competenze trasversali come il pensiero critico, la risoluzione dei problemi e la creatività. Attraverso simulazioni e ambienti di apprendimento interattivi, gli studenti possono sperimentare scenari realistici e complessi che li aiutano a sviluppare queste abilità essenziali per il futuro.

 

Un altro vantaggio significativo dell'uso dell'AI nell'educazione è la possibilità di rendere l'apprendimento più inclusivo. Gli strumenti di AI possono essere progettati per supportare studenti con disabilità, fornendo assistenza personalizzata che facilita l'accesso ai materiali didattici e la partecipazione attiva alle lezioni.

 

Gestione delle risorse energetiche

La gestione delle risorse energetiche tramite l'intelligenza artificiale (AI) rappresenta una delle innovazioni più promettenti nel campo dell'energia e della sostenibilità ambientale.

 

Un ambito dove l'AI trova applicazione è l'ottimizzazione dell'uso dell'energia. Attraverso algoritmi avanzati e modelli predittivi, l'AI può monitorare e regolare dinamicamente i consumi energetici, riducendo al minimo gli sprechi e le emissioni di CO2. Ad esempio, sistemi di gestione energetica basati sull'AI analizzano dati storici e in tempo reale per prevedere i picchi di domanda e adattare di conseguenza l'offerta, garantendo un uso dell'energia il più efficiente possibile.

 

Le reti intelligenti di distribuzione dell'energia, conosciute come smart grids, sono un esempio di come l'AI possa migliorare la gestione delle risorse. Queste reti utilizzano sensori e tecnologie di comunicazione avanzate per raccogliere e analizzare dati sull'uso dell'energia. Grazie all'AI, le smart grids possono bilanciare domanda e offerta in tempo reale, evitando sovraccarichi e blackout, migliorando complessivamente l'efficienza del sistema energetico.

 

Un esempio tangibile dell'utilizzo delle smart grids è la loro capacità di integrare fonti di energia rinnovabile come il solare e l'eolico. Queste fonti, intrinsecamente soggette a variazioni, possono essere gestite dall'AI che prevede le loro fluttuazioni e adatta la distribuzione dell'energia di conseguenza. Questo approccio consente di ridurre la dipendenza dai combustibili fossili e le emissioni correlate.

 

L'uso dell'AI nella gestione energetica non si limita alle grandi reti di distribuzione. Anche a livello domestico, l'AI può ottimizzare il consumo energetico attraverso sistemi di domotica avanzati, che regolano automaticamente l'illuminazione, il riscaldamento e gli elettrodomestici in base alle abitudini degli utenti e alle condizioni ambientali.

 

Sicurezza nazionale e difesa

La sicurezza nazionale e la difesa sono settori in cui l'intelligenza artificiale sta assumendo un ruolo sempre più cruciale, grazie alla sua capacità di monitorare e analizzare potenziali minacce, migliorare la sicurezza informatica e supportare le operazioni militari con decisioni rapide e informate.

 

Nel monitoraggio delle minacce, l'AI è in grado di analizzare grandi quantità di dati provenienti da diverse fonti, come satelliti, sensori e reti di comunicazione, individuando comportamenti anomali o potenziali minacce in tempo reale. Ad esempio, i sistemi di sorveglianza basati sull'AI possono identificare movimenti sospetti lungo i confini o rilevare attività terroristiche prima che queste si concretizzino.

 

Per quanto riguarda la sicurezza informatica, l'AI viene impiegata per rilevare e rispondere a cyber attacchi con una velocità e precisione senza precedenti. Algoritmi avanzati possono analizzare il traffico di rete per individuare intrusioni e comportamenti anomali, attivando contromisure automatiche per mitigare i danni. Ad esempio, l'utilizzo di reti neurali permette di identificare malware nascosti nei sistemi, rendendo le difese informatiche più resilienti contro le minacce emergenti.

 

Nell'ambito del supporto alle operazioni militari, l'AI può migliorare significativamente le capacità di comando e controllo, permettendo ai decisori di elaborare rapidamente informazioni complesse e prendere decisioni strategiche con maggiore efficienza. Sistemi di AI possono fornire analisi dettagliate dei campi di battaglia, ottimizzare la logistica militare e persino prevedere le mosse dell'avversario tramite simulazioni avanzate. Un esempio concreto è l'uso dei droni autonomi, che possono eseguire missioni di ricognizione e sorveglianza senza mettere a rischio vite umane.

 

Tuttavia, l'integrazione dell'AI nelle operazioni di difesa solleva anche sfide etiche e di sicurezza. È fondamentale garantire che queste tecnologie siano sviluppate e utilizzate in modo responsabile, con adeguate misure di controllo per evitare abusi e assicurare il rispetto delle leggi internazionali. La trasparenza nei processi decisionali e l'implementazione di meccanismi di responsabilità sono essenziali per assicurare che l'AI contribuisca positivamente alla sicurezza nazionale.

 

Investimenti e collaborazioni

Per sfruttare appieno le opportunità di crescita offerte dalle tecnologie avanzate, è cruciale che l'Italia continui a investire significativamente in ricerca e sviluppo (R&S), infrastrutture tecnologiche e formazione di talenti. Nel 2023, gli investimenti italiani in R&S hanno raggiunto circa 26 miliardi di euro, con un incremento del 5,2% rispetto all'anno precedente, segnando una ripresa dopo le difficoltà causate dalla pandemia​.

 

Le regioni che maggiormente contribuiscono alla spesa in R&S sono la Lombardia, il Lazio, l'Emilia-Romagna, il Piemonte e il Veneto, con la Lombardia che da sola rappresenta il 20% del totale nazionale​. Settori chiave che hanno visto un aumento degli investimenti includono l'industria dei macchinari, autoveicoli, mezzi di trasporto ed elettronica. Tuttavia, le piccole e medie imprese hanno osservato una lieve diminuzione degli investimenti in ricerca e sviluppo (R&S), in parte a causa degli effetti duraturi della crisi pandemica.

 

Le collaborazioni pubblico-private giocano un ruolo fondamentale nel promuovere l'innovazione. Il supporto governativo, attraverso crediti d'imposta e incentivi finanziari, è stato cruciale per stimolare gli investimenti privati in ricerca e sviluppo. Queste politiche mirano anche a trattenere i talenti nel paese, contrastando la fuga di cervelli e creando un ambiente fertile per l'innovazione tecnologica e la crescita economica​.

 
Valori e contesto socioculturale

Sviluppare soluzioni di Intelligenza Artificiale che riflettano i valori e le peculiarità socioculturali italiane è di fondamentale importanza per vari motivi. L'Italia, con il suo ricco patrimonio culturale e sociale unico al mondo, non può permettersi di trascurare queste caratteristiche nella progettazione di tecnologie avanzate come l'AI. Creare soluzioni AI allineate ai valori italiani assicura che queste tecnologie siano ben accolte dalla popolazione, favorendo una maggiore integrazione e accettazione.

 

La lunga tradizione italiana di artigianato e manifattura di alta qualità offre un esempio significativo. Integrare questi valori nelle soluzioni AI significa sviluppare tecnologie che supportino e migliorino le capacità artigianali, anziché sostituirle. Un'AI progettata per assistere gli artigiani può preservare e promuovere tecniche tradizionali, rendendole accessibili a un pubblico più vasto e aumentando la competitività dei prodotti italiani sui mercati internazionali.

 

L'Italia è anche famosa per la sua enfasi sulla qualità della vita, che comprende la gastronomia, la moda, il design e l'ospitalità. Soluzioni AI che valorizzino questi aspetti possono migliorare l'esperienza dei consumatori e dei turisti, rafforzando l'immagine dell'Italia come leader in questi settori. Per esempio, un sistema AI nel settore turistico potrebbe offrire esperienze personalizzate ai visitatori, basate su una conoscenza approfondita della cultura e delle tradizioni locali, rendendo le destinazioni italiane ancora più attraenti.

 

Un approccio centrato sui valori e sul contesto socioculturale italiano può anche mitigare i rischi legati alla dipendenza da tecnologie esterne. Utilizzare soluzioni AI sviluppate internamente garantisce che i dati raccolti siano gestiti in conformità con le normative italiane ed europee sulla privacy, riducendo il rischio di esposizione a normative straniere meno rigorose.

 

Infine, sviluppare tecnologie AI che riflettano i valori socioculturali italiani può stimolare l'innovazione locale e creare nuove opportunità di lavoro altamente qualificato, contribuendo così alla crescita economica del paese.

 

Settori e ambiti di applicazione

Per concretizzare gli investimenti sull'Intelligenza Artificiale, è fondamentale interessare tutte le aree e i possibili ambiti di applicazione, con un'attenzione particolare a quelli che svolgono un ruolo prominente nel tessuto produttivo e sociale italiano.

 

Nell'ottica di rafforzare la competitività del nostro Paese, gli ambiti di particolare interesse per lo sviluppo e la promozione dell'AI, sia in ambito di ricerca applicata che in soluzioni aziendali, includono:

 

- L'industria del Made in Italy, con particolare attenzione all'identità manifatturiera e alle filiere dell'automazione, dell'agroalimentare, dell'arredo, dell'abbigliamento, e ai settori del turismo, chimico, farmaceutico e aerospaziale.

- L'industria del Digitale, con le imprese di servizi ICT e lo sviluppo delle infrastrutture di rete digitale necessarie per abilitare le soluzioni di AI.

- L'industria Finanziaria, dove l'uso dell'AI è già una realtà consolidata a livello internazionale, compresi i servizi bancari e assicurativi.

 

Per quanto riguarda l'uso dell'AI come leva per migliorare la qualità della vita e promuovere il benessere sociale, gli ambiti di particolare interesse sono:


- La salute, intesa nella sua accezione di “one health”. Questo comprende non solo l'uso di tecnologie digitali di AI in ambito medico, ma anche la prevenzione, la promozione di stili di vita più sani e la cura delle persone più fragili.

- L'educazione, settore in cui le tecnologie di AI stanno entrando con forza e che necessita di una guida per preservare la qualità del sistema educativo complessivo.

- La tutela del territorio, con riferimento ai beni culturali e ambientali, alle comunità e ai fattori connessi alla sostenibilità ambientale della transizione digitale basata sull'AI. Questo include aspetti legati alla gestione dell'energia, specialmente da fonti rinnovabili, e alla mobilità sostenibile.

 

Infine, la Pubblica Amministrazione rappresenterà un dominio privilegiato di azione, per le sue ricadute su entrambi gli aspetti sopra delineati: migliorare la competitività (ad esempio, con l'efficientamento delle procedure amministrative e in settori specifici come la giustizia) e migliorare le interazioni dei cittadini con le strutture periferiche e centrali.

 

Ricerca

L'Italia dovrà incrementare gli investimenti nella ricerca fondazionale e applicata nell'ambito dell'Intelligenza Artificiale, promuovendo la creazione di competenze e tecnologie adeguate al contesto nazionale e in linea con i principi di affidabilità, responsabilità e antropocentrismo propri dei paradigmi europei. L'Unione Europea sta già puntando fortemente sull'Intelligenza Artificiale attraverso iniziative come il programma Horizon Europe, che finanzia progetti innovativi e di ricerca in vari settori, inclusa l'AI, con un budget di 95,5 miliardi di euro per il periodo 2021-2027, dimostrando l'importanza attribuita alla ricerca e innovazione a livello continentale.

 

La ricerca scientifica italiana dovrà consolidare e ampliare il proprio impatto internazionale, con particolare attenzione all'ecosistema pubblico e alla ricerca finanziata dallo Stato. In questo contesto, il Consiglio Nazionale delle Ricerche (CNR) svolge un ruolo cruciale nel coordinamento della ricerca scientifica e tecnologica in Italia. È fondamentale che questa ricerca proceda liberamente nelle proprie attività di sperimentazione, utilizzando contenuti e dati per creare dataset e addestrare modelli disponibili in open source, favorendo così la collaborazione internazionale e accelerando il progresso scientifico.

 

La ricerca fondazionale potrà concentrarsi sullo sviluppo di nuovi algoritmi, modelli, sistemi di spiegabilità e robustezza in ambiti safety-critical, approcci per l'addestramento, paradigmi di privacy e riservatezza dei dati e architetture di calcolo. Promuovere la collaborazione tra diverse competenze e settori disciplinari sarà essenziale, evitando di focalizzarsi esclusivamente su tecnologie specifiche e aprendo nuove strade il cui potenziale potrebbe emergere nel medio periodo. In questo contesto, istituzioni accademiche come il Politecnico di Milano e l'Università di Bologna sono già impegnate in progetti di ricerca avanzata sull'AI, spesso in collaborazione con partner internazionali.

 

La ricerca applicata dovrà essere orientata dalle esigenze specifiche del breve periodo, articolandosi in iniziative co-progettate da partenariati pubblico-privati con un impatto concreto sul tessuto produttivo e imprenditoriale. Un esempio è il progetto AI4EU, finanziato dall'UE, che mira a creare una piattaforma europea per l'Intelligenza Artificiale, facilitando la collaborazione tra industria e accademia. Questa ricerca dovrà focalizzarsi su contesti di maggiore valore economico per l'Italia, per l'industria nazionale e con un impatto significativo sul benessere dei cittadini. Sarà cruciale avviare progetti su larga scala, capaci di creare esperienze e competenze diffuse nelle diverse aree geografiche del Paese.

 

Pubblica amministrazione

L'Italia ha identificato diverse aree fondamentali per migliorare l'efficienza della Pubblica Amministrazione (PA) tramite l'Intelligenza Artificiale. Queste tecnologie offrono un'opportunità unica per ottimizzare i processi, supportare la pianificazione strategica e gestire le risorse pubbliche in modo più efficace. Tuttavia, l'adozione dell'AI richiede una guida attenta e la risoluzione di alcune sfide chiave.

 

È cruciale che ogni algoritmo utilizzato sia non solo efficace, ma anche giustificabile e trasparente. La PA deve garantire che le decisioni prese tramite AI siano accompagnate da spiegazioni comprensibili e tracciabili. Questo per evitare percezioni di opacità e aumentare la trasparenza e la responsabilità delle istituzioni.

 

Un elemento centrale in questo processo è la formazione del personale. Il Ministro per la Pubblica Amministrazione ha sottolineato l'importanza di investire nelle competenze dei dipendenti pubblici, affinché siano capaci di utilizzare al meglio le nuove tecnologie. A tal proposito, è stata introdotta una direttiva che prevede almeno 24 ore di formazione annuale per ciascun dipendente, con un focus sulla transizione digitale e sulle nuove tecnologie.

 

Un altro aspetto cruciale è la gestione dei dati. Le PA devono assicurarsi che i fornitori di servizi di AI gestiscano i dati in modo conforme alle normative vigenti, garantendo la protezione dei dati personali e la privacy. Inoltre, è necessario sviluppare dataset di alta qualità che rappresentino fedelmente la realtà amministrativa italiana, per assicurare che i sistemi di AI funzionino correttamente e in modo imparziale.

 

Infine, l'integrazione dell'AI nella PA deve promuovere la partecipazione e il coinvolgimento dei cittadini, garantendo al contempo la neutralità tecnologica. Questo significa evitare l'obbligo per i cittadini di utilizzare applicazioni proprietarie per accedere ai servizi pubblici. L'obiettivo è creare un ambiente inclusivo, dove l'innovazione tecnologica supporta una governance più efficiente e trasparente.

 

Per raggiungere questi obiettivi, l'Italia deve puntare su piattaforme nazionali robuste, sulla formazione continua del personale e sulla collaborazione con esperti di vari settori per sviluppare soluzioni etiche e responsabili. Questi sforzi congiunti possono portare a una PA più efficiente, capace di rispondere meglio alle esigenze dei cittadini e di sostenere lo sviluppo di un'amministrazione pubblica moderna e trasparente.

 

Imprese

Per favorire lo sviluppo e l'adozione di soluzioni di Intelligenza Artificiale (AI) nelle imprese italiane, è essenziale non solo ottimizzare i processi esistenti, ma anche abilitarne di nuovi, aprendo ulteriori possibilità di crescita. È cruciale definire un insieme di azioni a livello di sistema-Paese che supportino tutte le imprese, comprese le più piccole, affrontando le barriere di competenze e infrastrutturali che ostacolano la diffusione delle nuove tecnologie. Questo richiede un'attenzione particolare alla formazione del personale e alla creazione di sinergie con il mondo accademico e della ricerca.

 

Affrontare questa sfida richiede politiche che incentivino la collaborazione tra imprese, università e centri di ricerca. Iniziative come i distretti tecnologici possono fungere da catalizzatori per l'innovazione, facilitando l'incontro tra domanda e offerta di competenze specializzate. Un esempio di successo è il Distretto Tecnologico del Lazio, che ha promosso numerosi progetti di ricerca applicata in collaborazione con PMI e grandi aziende del settore ICT.

 

Dato che l'economia italiana è costituita principalmente da microimprese e PMI, è fondamentale sensibilizzare gli imprenditori sulle potenzialità dell'AI, in particolare di quella generativa. L'introduzione dell'AI non rappresenta solo l'adozione di una nuova tecnologia, ma un nuovo approccio alla produzione, amministrazione e commercializzazione dei prodotti. Non esiste un approccio standardizzato all'implementazione dell'AI; ogni azienda dovrà trovare il metodo più adatto alle proprie peculiarità, visione e storia.

 

La strategia per le imprese richiede di operare su due livelli. Da un lato, è necessario intercettare i bisogni delle imprese che utilizzano le nuove tecnologie, concentrandosi sui settori produttivi tipici dell'economia italiana, come moda, design e automotive. Identificare gli attori capaci di colmare il divario tra ricerca applicata e tessuto produttivo sarà cruciale. Piattaforme come il Competence Center MADE di Milano, specializzato in Industria 4.0, possono fornire supporto tecnico e formazione, facilitando l'adozione delle tecnologie avanzate.

 

Dall'altro lato, è necessario potenziare le opportunità di crescita per gli abilitatori dei processi di innovazione, ovvero tutte quelle imprese con vocazione ICT e start-up specializzate in AI. Iniziative come il Fondo Nazionale Innovazione, che sostiene le start-up italiane con investimenti mirati, possono creare un ecosistema favorevole all'innovazione. Programmi di accelerazione come Luiss EnLabs offrono supporto per la crescita delle start-up tecnologiche, fornendo mentorship, risorse e accesso a reti di investitori.

 

Un ulteriore incentivo potrebbe essere la creazione di agevolazioni fiscali per le imprese che investono in tecnologie di AI, similmente a quanto avviene per la Ricerca e Sviluppo. Questo stimolerebbe ulteriormente l'adozione di soluzioni innovative, aumentando la competitività dell'Italia a livello internazionale.

 

Per sviluppare l'Intelligenza Artificiale nelle imprese italiane, è necessario un approccio integrato che includa incentivi economici per rendere più accessibili gli investimenti in tecnologie avanzate, aumentando la consapevolezza delle potenzialità dell'AI tra imprenditori e dirigenti aziendali. Il supporto alla formazione del personale è essenziale per permettere alle aziende di utilizzare al meglio le nuove tecnologie, mentre la promozione delle collaborazioni tra imprese e centri di ricerca accelererà l'innovazione.

 

Infine, la creazione di un ecosistema favorevole all'innovazione è fondamentale. Questo comprende infrastrutture adeguate, politiche di sostegno alle start-up tecnologiche e programmi di accelerazione che offrano mentorship, risorse e accesso a reti di investitori. Solo con questo approccio integrato sarà possibile sfruttare appieno le potenzialità delle nuove tecnologie, garantendo una crescita sostenibile e inclusiva per il sistema produttivo italiano.

 

Formazione

Per affrontare le sfide poste dall’Intelligenza Artificiale nei prossimi anni, l'Italia deve promuovere una formazione di elevata qualità, adeguata alle nuove competenze richieste. Il quadro che l'introduzione dell'intelligenza artificiale ci sta proponendo sulle competenze richieste ai lavoratori è ormai piuttosto chiaro: le competenze necessarie per lavori ripetitivi e di generale minor valore aggiunto saranno sempre meno importanti perché sostituite dalle nuove tecnologie. Invece, competenze come la capacità critica, la competenza computazionale e la capacità di trovare soluzioni innovative ai problemi sono quanto richiesto dai lavoratori nell'era dell'AI.

 

Numerose università italiane stanno già implementando corsi di laurea e master specifici in AI, spesso con un approccio interdisciplinare e collaborativo. L'Università degli Studi di Milano, in collaborazione con l'Università di Milano-Bicocca e l'Università di Pavia, offre un corso di laurea triennale e magistrale in Intelligenza Artificiale, interamente erogato in inglese. Questo programma mira a fornire competenze teoriche e pratiche nei vari ambiti dell'AI, promuovendo l'innovazione tecnologica e lo sviluppo economico e sociale del paese.

 

Analogamente, l'Università di Bologna ha sviluppato un corso di laurea magistrale in Artificial Intelligence, rispondendo alla crescente domanda di professionisti altamente specializzati. Il corso integra competenze di informatica, matematica e statistica, includendo moduli su machine learning, visione artificiale, elaborazione del linguaggio naturale e altre aree fondamentali dell’AI.

 

Per preparare anche i futuri imprenditori, manager e dirigenti aziendali, il Politecnico di Milano offre il Master in Management Engineering, un programma che prepara gli studenti a diventare leader tecnologici nel campo dell'ingegneria industriale. Il curriculum include la gestione dell'innovazione e la strategia d'impresa, essenziali per chi deve navigare nell'ambito delle tecnologie emergenti come l'IA. La Bocconi, rinomata per i suoi programmi in economia e management, ha integrato corsi specifici sulle tecnologie digitali e l'intelligenza artificiale come il Master in Data Science and Business Analytics. L'Università di Torino ha introdotto un corso di laurea magistrale in Innovation Management, focalizzato su gestione dell'innovazione e trasformazione digitale, mentre la Scuola Superiore Sant'Anna di Pisa propone programmi di ricerca avanzati nel campo della gestione dell'innovazione e delle tecnologie robotiche.

 

Oltre ai percorsi universitari, è fondamentale promuovere programmi educativi per i cittadini e la forza lavoro attuale, preparandoli all'impatto dell'intelligenza artificiale. Questo comprende iniziative di reskilling e upskilling in tutti i settori produttivi, non solo nell'ambito ICT. Concentrarsi su questi percorsi formativi contribuisce a colmare il divario dell'Italia nelle competenze digitali di base, rendendo la società più competitiva e preparata per l'impatto dell'AI sulle professioni.

 

Investire in formazione di qualità e promuovere programmi innovativi a tutti i livelli educativi sono passi fondamentali per garantire che l'Italia possa non solo affrontare le sfide dell'AI, ma anche sfruttare le opportunità che essa offre.

 

Rischi della strategia

Le recenti innovazioni tecnologiche hanno alimentato un intenso dibattito internazionale sui rischi legati all'Intelligenza Artificiale, spesso offuscando le discussioni sui benefici che queste tecnologie possono apportare non solo all'economia e alla competitività, ma anche alla società e agli individui. È ben noto, grazie ai numerosi studi sulle questioni etiche e legali derivanti dall'uso dell'AI, che una gestione inappropriata di una leva trasformativa di tale portata può accelerare le disuguaglianze sociali e rappresentare un rischio per la stabilità democratica.

 

Idealmente, le tecnologie sono progettate per essere imparziali, prive di pregiudizi o influenze umane; in un contesto pubblico, dovrebbero agire senza favorire specifici interessi, gruppi sociali o prospettive. Tuttavia, l'Intelligenza Artificiale può facilmente apparire "non neutrale" a causa della sua stretta connessione con le informazioni prodotte dalla società, dalle scelte umane che la guidano e dalle complesse interazioni che genera. Una strategia per l'Intelligenza Artificiale deve quindi affrontare la grande responsabilità di orientare queste tecnologie, consapevole che ogni orientamento comporta impatti e rischi specifici.

 

Piuttosto che sviluppare un quadro dei rischi basato su valutazioni generali e transnazionali, è essenziale comprendere i rischi associati all'attuazione della nostra specifica strategia nazionale, delineata considerando le peculiarità del nostro sistema e orientata verso obiettivi ben definiti. Tuttavia, è importante ricordare che l'analisi dettagliata deve inquadrarsi nel contesto della regolamentazione completa e sistematica dell'Intelligenza Artificiale proposta dall'Unione Europea. Questa regolamentazione mira a stabilire limiti affinché l'implementazione di tali tecnologie rispetti i valori e i diritti fondamentali condivisi dalla Comunità Europea. Questo contesto è stato inoltre richiamato da altri importanti atti o dichiarazioni internazionali, come il recente executive order statunitense, che mira a orientare lo sviluppo dell'Intelligenza Artificiale negli USA verso soluzioni sicure, affidabili e trasparenti, e la dichiarazione di Bletchley, firmata dall'Unione Europea e da 28 Stati per collaborare nella mitigazione dei rischi legati all'uso dell'AI, in particolare dei Foundation Model.

 

In un'analisi che non può essere esaustiva, i principali rischi identificati sono delineati di seguito, evidenziando per ciascuno l'approccio metodologico proposto per mitigarli e affrontarli consapevolmente. Questi approcci saranno successivamente integrati nella definizione delle specifiche azioni strategiche per le aree della Formazione, della Ricerca, della Pubblica Amministrazione e delle Imprese.

 

Il rischio del “non fare”

In Italia, storicamente resistente all'adozione delle tecnologie dell’informazione e della comunicazione (ICT) e caratterizzata da una certa lentezza, l'approccio timido nel perseguimento degli obiettivi strategici rischia di tradursi in uno spreco di risorse e una perdita di competitività. Nel 2023, solo il 45,7% degli italiani tra i 16 e i 74 anni possiede competenze digitali adeguate, con significative disparità regionali. La Lombardia, ad esempio, ha un punteggio DESI (Digital Economy and Society Index) di 72 su 100, mentre la Calabria è molto indietro con 18,8. Questo divario digitale sottolinea l'urgenza di interventi mirati per ridurre le disuguaglianze tecnologiche.

 

Un atteggiamento passivo verso l’innovazione, limitato all'importazione o all'acquisto di soluzioni esistenti, potrebbe alimentare l'idea che la rivoluzione dell’Intelligenza Artificiale sia una semplice sfida nella creazione di interfacce per un mondo tecnologico sviluppato da altri. È quindi necessario essere ambiziosi e riconoscere il valore economico dell'impiego di questi sistemi tecnologici nei servizi pubblici e nei processi produttivi. Nel 2023, il valore degli acquisti online in Italia ha raggiunto i 54,2 miliardi di euro, con un incremento del 13% rispetto all'anno precedente.

 

L'atteggiamento passivo può essere ulteriormente incentivato da azioni e iniziative mal focalizzate, incapaci di rispondere adeguatamente alle esigenze del contesto specifico. È cruciale potenziare la capacità di sviluppare una tecnologia su misura delle esigenze, dei valori, dei diritti e degli interessi del nostro Paese. Bisogna investire in applicazioni e soluzioni orientate a supportare le specificità del nostro sistema, privilegiando uno sviluppo applicativo interno piuttosto che basato su una prospettiva di importazione. Questo è particolarmente importante nell'attuale competizione geopolitica sulla tecnologia, soprattutto sull’AI, competizione nella quale l’Italia deve partecipare da protagonista, supportando e stimolando l’Unione Europea e i suoi Stati membri. Attualmente, l’86,4% delle regioni italiane e il 70,4% dei comuni offrono servizi online, ma la sicurezza informatica rimane una priorità da rafforzare.

 

Il rischio dell’omogeinizzazione

Il rischio dell'omogeneizzazione culturale, accentuato dall'avvento e dalla diffusione dell'intelligenza artificiale generativa, rappresenta una sfida cruciale per l'Italia e l'Europa. La strategia italiana punta sull'aumento della diffusione dei sistemi di AI, inclusa quella generativa, ma deve affrontare il fatto che molti di questi sistemi sono sviluppati all'estero, portando con sé idee e valori potenzialmente in contrasto con quelli locali.

 

Questa dinamica potrebbe compromettere la diversità culturale e mettere a rischio i diritti di libertà della società. L'omogeneizzazione culturale non è un fenomeno nuovo, ma con l'AI generativa, la sua portata e velocità di diffusione sono amplificate. Gli algoritmi e i modelli di AI sviluppati in contesti culturali diversi possono riflettere valori e norme che non sempre risuonano con le tradizioni e le leggi locali, creando una tensione tra la tecnologia importata e il tessuto sociale autoctono.

 

In questo contesto, è essenziale sviluppare e adottare sistemi di AI conformi ai valori costituzionali italiani ed europei. Questo è fondamentale non solo per preservare l'identità culturale, ma anche per garantire che la tecnologia supporti e non comprometta i principi democratici fondamentali. Un esempio significativo può essere trovato nel settore della Pubblica Amministrazione, dove l'adozione di modelli di AI deve essere guidata da un rigoroso rispetto dell'etica e delle normative vigenti.

 

L'importanza di questa conformità non può essere sottovalutata. Ad esempio, il Regolamento generale sulla protezione dei dati (GDPR) dell'Unione Europea stabilisce rigorose linee guida sulla protezione dei dati personali. Qualsiasi sistema di AI implementato deve operare nel rispetto di queste norme per garantire la privacy e i diritti dei cittadini.

 

Un'altra area critica è l'educazione, dove l'integrazione di modelli di AI può influenzare significativamente la formazione delle future generazioni. È imperativo che questi strumenti siano progettati per promuovere l'inclusività, il rispetto delle diversità culturali e l'integrità intellettuale, evitando di perpetuare stereotipi o di favorire narrazioni unilaterali.

 

Il rischio dell’iperregolazione nazionale 

L'Intelligenza Artificiale è un elemento centrale della strategia "A Europe Fit for the Digital Age" della Commissione Europea. Questa tecnologia, tuttavia, è soggetta a una regolamentazione rigorosa per gestirne l'impatto. Le normative attuali riguardano vari aspetti, come la protezione, valorizzazione e sicurezza dei dati personali e non (GDPR, Data Act, Data Governance Act, e NIS) e la regolamentazione dei fornitori di servizi (Digital Markets Act, Digital Services Act, European Digital Identity).

 

In questo contesto normativo complesso si inserisce l'AI Act, una normativa dell'Unione Europea pubblicata in Gazzetta Ufficiale il 12 luglio 2024, con l'obiettivo di creare un quadro regolatorio armonizzato per l'intelligenza artificiale. Conosciuto come Regolamento (UE) 2024/1689, questo provvedimento mira a fornire regole chiare e certe a produttori e utilizzatori di tecnologie AI, tenendo conto delle continue evoluzioni tecnologiche.

 

L'AI Act adotta un approccio basato sul rischio, imponendo regole più severe per i sistemi di intelligenza artificiale che presentano un rischio maggiore per la società. L'obiettivo è promuovere lo sviluppo e l'adozione di sistemi di AI sicuri e affidabili, garantendo al contempo la protezione dei diritti fondamentali dei cittadini e stimolando gli investimenti nel settore.

 

Nei prossimi mesi, l'attuazione dell'AI Act coinvolgerà progressivamente tutti gli Stati membri dell'UE, con tempi di implementazione variabili dai 6 ai 36 mesi a seconda del settore di applicazione. Questo periodo di transizione è stato concepito per consentire un'implementazione graduale ed efficace delle nuove norme, con priorità data ai settori a rischio elevato.

 

A livello nazionale, sarà cruciale evitare l'aggiunta di ulteriori sovrastrutture normative nelle strategie di attuazione. Invece, si dovrà promuovere l'AI Act con linee guida agili e percorsi facilitati, a misura di impresa e cittadino, per agevolare l'adozione e l'implementazione dell'Intelligenza Artificiale.

 

Un esempio di sovra regolamentazioni si osserva in alcune iniziative nazionali che, pur mirate a rafforzare la protezione dei dati o la sicurezza informatica, creano un labirinto regolatorio complesso per le imprese. In Italia, oltre alle direttive europee, l'introduzione di leggi e decreti specifici impone ulteriori adempimenti burocratici, rallentando innovazione e competitività.

 

È quindi essenziale che i regolatori nazionali collaborino strettamente con le istituzioni europee per garantire un'applicazione uniforme e coerente delle normative, evitando duplicazioni e sovrapposizioni. Creare un ambiente normativo favorevole all'innovazione richiede un approccio bilanciato, che protegga i diritti dei cittadini e promuova lo sviluppo tecnologico.

 

Il successo dell'AI Act dipenderà non solo dalla sua formulazione, ma anche dalla capacità dei singoli Stati membri di implementarlo in modo efficiente e coerente con le linee guida europee, senza aggiungere inutili complessità. Solo così sarà possibile creare un ecosistema digitale competitivo e innovativo, capace di sfruttare appieno le potenzialità dell'Intelligenza Artificiale.

 

Il rischio per il mondo del lavoro

Nonostante i numerosi studi di settore condotti negli ultimi anni, non esiste una visione unanime sull’impatto che i sistemi di Intelligenza Artificiale avranno sul mondo del lavoro. Se gli scenari catastrofici a lungo termine sembrano improbabili, nel medio periodo è realistico aspettarsi che nuove competenze e professionalità sostituiranno quelle esistenti. L'adozione accelerata di sistemi di Intelligenza Artificiale renderà evidente questo inevitabile processo di trasformazione.

 

Secondo il rapporto OCSE "Employment Outlook 2023", il 27% delle occupazioni nei paesi OCSE è a rischio di automazione, in particolare quelle che richiedono competenze meno sofisticate. Tuttavia, le professioni che necessitano di competenze elevate, come avvocati, giornalisti, designer e ingegneri, sono maggiormente influenzate dall'AI. In questi casi, l'intelligenza artificiale tende a essere complementare piuttosto che sostitutiva, aumentando la produttività e la soddisfazione dei lavoratori quando ben integrata nel flusso di lavoro.

 

È per questo motivo che tale processo dovrà essere attentamente guidato e regolato, considerando il capitale umano e le persone nelle sue azioni strategiche più impattanti. Cruciali saranno le iniziative nell’area della formazione, in particolare i percorsi di upskilling e reskilling, con un'attenzione particolare a preservare e migliorare la qualità del lavoro conseguente all'adozione dei sistemi di AI e al riposizionamento del personale.

 

Nel contesto attuale, il valore si genera tramite l’innovazione e la rapidità nel raggiungere il mercato. L'Intelligenza Artificiale stimola l'innovazione e facilita il cambiamento organizzativo. Ad esempio, Microsoft ha acquisito parte di OpenAI per mantenere la sua posizione competitiva, un chiaro segnale di come le grandi aziende stiano integrando nuove tecnologie per trasformare le loro operazioni.

 

L'uso di AI nelle risorse umane permette di analizzare dati in modo approfondito, migliorando la gestione dei talenti e favorendo la mobilità interna. Questo approccio, definito "HR sistemica", è fondamentale per superare le gerarchie tradizionali e adottare nuove metodologie agili e internazionali.

 

Un altro aspetto importante è la crescente domanda di competenze relative all'AI in tutti i settori industriali. I lavori che richiedono queste competenze offrono salari più alti dell'11% rispetto a quelli simili senza tali requisiti. Tuttavia, questo può creare polarizzazioni tra lavoratori qualificati e no, accentuando le disuguaglianze. È quindi essenziale promuovere l'inclusione e colmare i ritardi di competenze per evitare questi rischi.

 

Il rischio del digital divide

L'Italia è ancora lontana dall'aver raggiunto un livello soddisfacente di digitalizzazione e competenze digitali, sia nel settore pubblico che privato. Questa carenza è particolarmente evidente nel tessuto sociale del paese, dove si osservano notevoli disomogeneità territoriali tra regioni e città. Nel 2023, l'Italia si posiziona al 18° posto su 27 Stati membri dell'UE nell'Indice di Digital Economy and Society (DESI), nonostante alcuni miglioramenti recenti dovuti agli investimenti nella transizione digitale. Sebbene la connessione a banda larga si stia diffondendo, permangono significative lacune nelle competenze digitali di base, con oltre la metà dei cittadini italiani che ne sono privi.

 

Un programma ambizioso di innovazione sull'Intelligenza Artificiale, se non ben guidato e indirizzato, rischia di accentuare questi divari e disomogeneità. Recenti analisi indicano che il 40% delle famiglie italiane è escluso parzialmente o totalmente dal mondo digitale, con una maggiore presenza di esclusione nelle aree rurali rispetto a quelle urbane.

 

Gli investimenti previsti dalla strategia nazionale nel capitale umano, nei talenti e nei percorsi di upskilling e reskilling potrebbero trasformarsi in pesanti boomerang sociali se non inseriti in iniziative trasparenti, pienamente accessibili e fruibili su tutto il territorio nazionale. Le azioni strategiche, in particolare quelle legate alla formazione, inclusa quella aziendale, devono privilegiare iniziative di sistema, evitando progetti estemporanei o localizzati.

 

Nel 2024, l'utilizzo dei servizi pubblici digitali è cresciuto, ma rimane limitato al 40% degli utenti italiani, rispetto alla media UE del 65%. La digitalizzazione delle PMI italiane ha visto un incremento nell'uso dei servizi cloud, ma è ancora necessario colmare il gap nell'adozione di tecnologie avanzate come l'Intelligenza Artificiale e i Big Data.

 

La pubblicizzazione di queste iniziative e la sensibilizzazione sulla loro importanza dovranno rappresentare una linea strategica trasversale e comune a tutte le azioni specifiche. È essenziale che i programmi di digitalizzazione siano inclusivi e accessibili a tutte le fasce della popolazione, compresi gli anziani, spesso esclusi dalle nuove tecnologie. Soluzioni come la tecnologia Ftth (Fiber To The Home) e Fwa (Fixed Wireless Access), insieme all'implementazione del 5G, potrebbero aiutare a colmare il divario digitale, permettendo un accesso veloce e affidabile a Internet anche nelle aree più remote del paese.

 

Per garantire un vero progresso, l'Italia deve continuare a investire non solo nelle infrastrutture digitali, ma anche nelle competenze digitali della popolazione, promuovendo un'alfabetizzazione digitale diffusa che permetta a tutti di trarre vantaggio dalle opportunità offerte dalla trasformazione digitale.

 

Il rischio dell’inefficacia

Un aspetto cruciale da considerare è il rischio che la strategia nazionale per l'Intelligenza Artificiale possa rivelarsi inefficace nella sua attuazione, non riuscendo a raggiungere gli obiettivi prefissati. Questo rischio è sempre presente nella pianificazione, soprattutto in un campo dinamico come quello dell'AI, che richiede continui aggiornamenti organizzativi e normativi.

 

Le politiche per l'AI sono un bersaglio mobile: la rapidità dei cambiamenti impone una costante revisione delle strategie, con il pericolo che una pianificazione accurata possa diventare rapidamente obsoleta. Per mitigare questo rischio, l'Italia ha adottato una serie di misure, tra cui la creazione del Comitato di Coordinamento per l'Intelligenza Artificiale, istituito per garantire lo sviluppo responsabile, etico e sicuro dell'AI nel Paese.

 

Il Programma Strategico per l'Intelligenza Artificiale 2022-2024, elaborato con il contributo di diversi ministeri e supportato da esperti del settore, prevede ventiquattro politiche volte a potenziare il sistema AI in Italia, promuovendo la ricerca, lo sviluppo delle competenze e l'adozione delle tecnologie AI nelle industrie e nella pubblica amministrazione.

 

Per garantire un controllo costante e mirato sui risultati, ogni azione strategica è associata a indicatori e obiettivi specifici. Inoltre, la governance del programma include un sistema di monitoraggio e un gruppo di lavoro permanente che coordinerà le iniziative governative sul tema. Questo approccio olistico mira a creare un ambiente in cui l'AI non solo prosperi come motore di progresso economico e tecnologico, ma contribuisca anche al benessere collettivo.

 

Architettura della strategia italiana per l’intelligenza artificiale

La strategia delineata è estremamente ambiziosa e prevede obiettivi chiari per ciascuna delle quattro macroaree: Ricerca, Pubblica Amministrazione, Imprese e Formazione. Per raggiungere questi obiettivi, sarà necessario un grande sforzo organizzativo e un'azione di coordinamento mirata e sapiente, sia all’interno di ogni singola area, sia trasversalmente tra le diverse aree. È fondamentale mantenere una visione d’insieme, mettere a fattor comune le buone pratiche e mantenere la logica che lega i vari ambiti di interesse.

 

In un contesto che dipende fortemente dalla disponibilità di grandi risorse di calcolo per l’analisi di enormi quantità di dati, potenziare le infrastrutture è imprescindibile. Investire in infrastrutture fisiche per lo sviluppo di soluzioni avanzate di Intelligenza Artificiale è cruciale per mantenere e migliorare il livello di competitività internazionale. Inoltre, i repository di dati e informazioni, sui quali i sistemi di AI vengono addestrati, rappresentano una componente fondamentale che necessita di crescente attenzione.

 

Per concretizzare la visione strategica, l’Italia dovrà promuovere una grande iniziativa di condivisione e riuso di dataset e modelli acquisiti in specifici progetti e contesti. Questo favorirà lo scambio di conoscenze e competenze tra mondo accademico, imprese e Pubblica Amministrazione. La strategia prevede un contesto di azioni strategiche abilitanti, che costituiranno la cornice entro cui le specifiche iniziative saranno dispiegate nelle diverse macroaree. Queste azioni si suddividono in due tipologie: infrastrutturali e per l’attuazione, il coordinamento e il monitoraggio della strategia.

 

Un elemento chiave della strategia sarà la creazione di un “registro” di dati e modelli, che promuoverà pratiche di standardizzazione e accelererà lo sviluppo di soluzioni. Questo registro si alimenterà con dati e modelli che rappresentano le peculiarità e le esigenze del nostro Paese.

 

Basandosi sulle azioni abilitanti infrastrutturali, il raggiungimento degli obiettivi strategici per Ricerca, Pubblica Amministrazione, Imprese e Formazione dipenderà dalla capacità di attuare le diverse iniziative. Sarà essenziale definire un quadro di risorse economiche sostenibile, attraverso la costituzione di un fondo alimentato anche dai ricavi delle stesse azioni. Inoltre, sarà necessario identificare un soggetto responsabile della gestione di tale fondo e dell’implementazione delle diverse azioni strategiche. Questo soggetto dovrà promuovere sinergie tra i diversi attori dell’ecosistema dell’innovazione attorno all’Intelligenza Artificiale, supervisionare gli elementi infrastrutturali, monitorare l’andamento delle strategie in un’ottica di miglioramento continuo e gestire il budget delle azioni abilitanti.

 

Patrimonio di conoscenza nazionale

Per mettere a sistema la conoscenza acquisita e consentire il riuso di artefatti di AI, si realizzerà un programma mirato alla definizione di un registro di dataset e modelli. Questi saranno realizzati seguendo principi di trasparenza e correttezza, assicurando etica e affidabilità intrinseca, oltre a essere riutilizzabili per accelerare le soluzioni delle aziende italiane.

 

La definizione del progetto si articolerà secondo tre macro-direzioni:

1. Metodologica: Per definire un protocollo nazionale che garantisca dataset affidabili fin dalla loro progettazione e per impostazione predefinita, è necessario un approccio metodologico rigoroso. Questo protocollo deve essere solido sia dal punto di vista legale che ingegneristico, assicurando che tutti gli aspetti normativi e tecnici siano adeguatamente coperti. Un elemento cruciale di questo processo è l'identificazione e l'implementazione di approcci specifici per mitigare i rischi. Questi rischi possono riguardare sia le questioni etiche che quelle di sicurezza informatica, richiedendo soluzioni che siano in grado di proteggere i dati e rispettare i principi etici.

Dal punto di vista legale, il protocollo deve includere normative che garantiscano il rispetto della privacy e dei diritti degli individui, oltre a promuovere la trasparenza e l'accountability. Questo significa sviluppare linee guida che definiscano chiaramente come i dati devono essere raccolti, utilizzati e conservati, assicurando che tutte le pratiche siano conformi alle leggi esistenti.

Sul fronte ingegneristico, è essenziale adottare tecniche di progettazione che integrino la sicurezza e l'affidabilità fin dalle prime fasi dello sviluppo del dataset. Ciò può includere l'uso di crittografia avanzata per proteggere i dati, l'implementazione di controlli di accesso rigorosi e l'adozione di misure per prevenire accessi non autorizzati o manipolazioni dei dati.

La mitigazione dei rischi etici richiede un'attenzione particolare alle implicazioni morali dell'uso dei dati. Questo implica assicurarsi che i dataset non contengano bias o discriminazioni e che l'uso dei dati non causi danni a individui o gruppi. La definizione di linee guida etiche aiuta a prevenire l'uso improprio dei dati e a promuovere pratiche che rispettino la dignità e i diritti di tutte le persone coinvolte.

Infine, la sicurezza informatica è una componente fondamentale per garantire dataset affidabili. Questo comporta l'implementazione di misure di sicurezza avanzate per proteggere i dati da minacce esterne e interne, inclusi attacchi informatici e violazioni dei dati. L'adozione di strategie di sicurezza proattive e reattive contribuisce a mantenere l'integrità e la disponibilità dei dati, assicurando che rimangano sicuri e affidabili nel tempo.

In sintesi, un protocollo nazionale che garantisca dataset affidabili richiede un approccio integrato che copra aspetti legali, ingegneristici, etici e di sicurezza informatica. Solo attraverso un'attenta pianificazione e implementazione di queste misure è possibile creare dataset che siano realmente trustworthy-by-design e trustworthy-by-default.

 

2. Realizzativa: Per implementare e rendere disponibile una piattaforma che integri moderni approcci MLOps e di preparazione dei dati, è necessario seguire una serie di passaggi chiave. In primo luogo, è fondamentale progettare l'architettura della piattaforma in modo che sia scalabile e flessibile. Questo permette di adattarsi ai crescenti volumi di dati e alle diverse esigenze degli utenti. Un'architettura ben progettata deve poter gestire grandi quantità di dati e supportare l'integrazione di vari strumenti e tecnologie.

Successivamente, occorre selezionare le tecnologie appropriate per l'implementazione della piattaforma. Le tecnologie di MLOps devono facilitare l'automazione e la gestione dell'intero ciclo di vita del machine learning, dalla raccolta dei dati alla modellazione, fino alla distribuzione e monitoraggio dei modelli. Strumenti come Kubernetes, Docker, e sistemi di versionamento dei dati e dei modelli, sono essenziali per garantire un ambiente di sviluppo efficiente e ripetibile.

Parallelamente, la preparazione dei dati gioca un ruolo cruciale. È necessario sviluppare pipeline di dati che permettano di raccogliere, pulire, trasformare e arricchire i dati in modo continuo e automatizzato. Questo processo deve essere progettato per essere robusto e affidabile, minimizzando gli errori e assicurando che i dati siano sempre pronti per essere utilizzati nei modelli di machine learning.

L'integrazione di queste pipeline con le tecnologie di MLOps permette di creare un flusso di lavoro continuo, dove i dati vengono preparati e i modelli vengono addestrati e distribuiti senza interruzioni. È importante anche implementare sistemi di monitoraggio e logging per tenere traccia delle prestazioni dei modelli e della qualità dei dati, in modo da poter intervenire tempestivamente in caso di problemi.

 

3. Applicativa: Per verticalizzare una piattaforma su specifici ambiti applicativi di interesse nazionale, è necessario adottare un approccio strutturato che consenta di adattare le funzionalità generali della piattaforma alle esigenze particolari dei settori target. In primo luogo, è fondamentale identificare con precisione gli ambiti applicativi di interesse. Questi possono includere settori come la sanità, l'istruzione, l'agricoltura, l'energia e la pubblica amministrazione. Ogni settore ha le proprie peculiarità e requisiti specifici, che devono essere compresi e analizzati a fondo.

Una volta definiti gli ambiti applicativi, è necessario condurre un'analisi approfondita delle esigenze specifiche di ciascun settore. Questo può includere la raccolta di dati, la comprensione dei processi operativi, e l'identificazione delle sfide principali che la piattaforma può aiutare a risolvere. Ad esempio, nel settore sanitario, potrebbe essere necessario integrare la piattaforma con i sistemi di gestione dei pazienti e le cartelle cliniche elettroniche, mentre nel settore agricolo potrebbe essere più rilevante raccogliere dati dai sensori di campo e dalle previsioni meteorologiche.

Successivamente, si deve procedere alla personalizzazione della piattaforma in base ai requisiti emersi. Questo può comportare lo sviluppo di moduli specifici o la configurazione di funzionalità esistenti per rispondere alle esigenze del settore. Per esempio, per il settore dell'energia, potrebbe essere utile sviluppare strumenti per l'analisi dei consumi energetici e la gestione delle reti intelligenti, mentre per il settore dell'istruzione si potrebbero implementare funzionalità per il monitoraggio del progresso degli studenti e l'analisi delle prestazioni accademiche.

Un altro aspetto cruciale è l'integrazione con i sistemi e le tecnologie già in uso nei diversi settori. Questo richiede la capacità di connettere la piattaforma con varie fonti di dati e applicazioni esistenti, assicurando la compatibilità e l'interoperabilità. Ad esempio, per la pubblica amministrazione, la piattaforma potrebbe dover interfacciarsi con sistemi di gestione documentale e piattaforme di e-government.

È inoltre importante considerare l'usabilità e l'accessibilità della piattaforma per gli utenti finali. Le interfacce devono essere intuitive e progettate per facilitare l'adozione da parte di operatori e professionisti del settore. Formazione e supporto continuo sono essenziali per garantire che gli utenti possano sfruttare al meglio le funzionalità della piattaforma.

Infine, è fondamentale monitorare e valutare l'impatto della piattaforma nel tempo. Questo include la raccolta di feedback dagli utenti, l'analisi delle prestazioni e l'identificazione di aree di miglioramento. Adattamenti e aggiornamenti continui sono necessari per mantenere la piattaforma allineata con le evoluzioni tecnologiche e le nuove esigenze dei settori applicativi.

 

Tutti i progetti finanziati nell’ambito della strategia nazionale o che riceveranno finanziamenti pubblici dovranno riportare i dataset utilizzati e i modelli prodotti nel registro, seguendo linee guida che definiranno i livelli di accesso e le modalità di riuso.

Il registro sarà utilizzato anche in specifiche iniziative di verticalizzazione per le Imprese e la Pubblica Amministrazione.

 

Verticalizzazione sulle Imprese

Per le Imprese, il focus sarà sull’identificazione di specifiche filiere produttive, promuovendo la condivisione di dati reali e la generazione di dataset sintetici per contesti applicativi specifici. In questo ambito, sarà cruciale promuovere l’uso di Privacy-Enhancing Technologies (PET), soluzioni digitali che permettono di raccogliere, elaborare, analizzare e condividere informazioni proteggendo la riservatezza e la privacy dei dati. Queste tecnologie saranno promosse attraverso interventi formativi e di sensibilizzazione per creare una cultura della condivisione dei dati basata sulla fiducia e sulla tutela della privacy.

 

Verticalizzazione sulla Pubblica Amministrazione

La Pubblica Amministrazione si propone di incentivare il riuso di soluzioni sviluppate con fondi pubblici, promuovendo al contempo la standardizzazione di procedure e piattaforme. Inizialmente, si svilupperanno ecosistemi locali di competenze, che poi saranno espansi a livello nazionale attraverso un processo che parte dal basso, coinvolgendo altre comunità locali e fornendo soluzioni mirate ai loro bisogni specifici. Tuttavia, ci sono sfide da affrontare, come la disomogeneità dei progetti e i differenti livelli di scalabilità. Per risolvere queste problematiche, sarà creato un registro che catalogherà i vari database esistenti nella Pubblica Amministrazione, annotandoli con indicatori di qualità e riservatezza che ne faciliteranno l'uso esterno.

 

Infrastrutture Digitali

L'incremento dell'uso di soluzioni basate sull'intelligenza artificiale potrebbe causare un rischio di congestione delle attuali infrastrutture digitali di comunicazione, dovuto all'aumento significativo del traffico dati. Di conseguenza, sarà fondamentale pianificare azioni strategiche per migliorare e ampliare la rete esistente, con particolare attenzione alle aree ad alta densità di traffico. Verrà incoraggiato lo sviluppo di reti intelligenti, capaci di adattarsi dinamicamente alla domanda in tempo reale, garantendo così una gestione efficiente del flusso di dati e prevenendo eventuali sovraccarichi.

 

Collaborazione Pubblico-Privato

La collaborazione tra settore pubblico e privato sarà incentivata per assicurare che operatori di rete e aziende tecnologiche uniscano le forze nel fronteggiare la congestione di Internet. Questa partnership includerà incentivi per investimenti nelle infrastrutture e programmi di ricerca e sviluppo congiunti per soluzioni innovative. Verranno implementate soluzioni interoperabili per diminuire il carico di dati e la congestione, investendo nella standardizzazione delle soluzioni di rete per tecnologie basate sull'intelligenza artificiale. Inoltre, si promuoverà la consapevolezza e l'educazione sulla gestione responsabile dell'AI, incoraggiando le aziende a adottare pratiche per ridurre l'impatto sulla rete, come l'ottimizzazione degli algoritmi, la compressione dei dati e l'uso di tecnologie di edge computing.

 

Fondazione per l’intelligenza artificiale

Per perseguire efficacemente gli obiettivi definiti nella strategia, sarà fondamentale individuare un'entità responsabile dell'attuazione, del coordinamento e del monitoraggio delle singole iniziative.

Questa entità potrebbe essere una Fondazione, posta sotto il controllo diretto della Presidenza del Consiglio dei Ministri, data la sua centralità nell'ecosistema dell'innovazione. La Fondazione avrà il compito di gestire e mantenere il registro delle soluzioni di intelligenza artificiale, valorizzandolo attraverso un modello di business sostenibile.

In particolare, è importante prevedere forme di equo compenso per i titolari dei diritti sui dati e sui contenuti utilizzati per scopi di lucro all'interno del registro. La Fondazione fungerà anche da nodo centrale in una rete di attori, promuovendo lo sviluppo e l'adozione di sistemi di AI nelle macroaree strategiche, con particolare attenzione a imprese e Pubblica Amministrazione.

Inoltre, le politiche per l'AI sono in continua evoluzione, richiedendo un costante adeguamento delle traiettorie di sviluppo tecnologico per mantenere la competitività del Paese.

 

In questa prospettiva, il coordinamento della Fondazione dovrà concentrarsi su varie attività, tra cui:

1. Identificare un'agenda di sviluppo in termini di competenze, strumenti, processi e prodotti, collaborando con tutti gli attori dell'ecosistema.

2. Promuovere iniziative di sensibilizzazione per informare le PMI e le microimprese sulle opportunità di business offerte dall'intelligenza artificiale, stimolando così la domanda.

3. Definire criteri per la certificazione delle competenze digitali e di AI delle imprese.

4. Redigere un documento annuale di forecasting sull'utilizzo dell'AI nelle imprese e nella Pubblica Amministrazione.

5. Definire e incentivare iniziative strategiche per l'applicazione industriale dell'AI.

6. Raccogliere i bisogni delle imprese nei diversi settori tecnologici.

7. Coordinare la valutazione di progetti per l'accesso a finanziamenti specifici per PMI e start-up, nell'ambito della strategia nazionale.

8. Supportare la compliance regolativa tramite linee guida e best practices.

 

Infine, la Fondazione sarà responsabile del monitoraggio dell'intera strategia, valutando costantemente lo stato di avanzamento delle azioni e il raggiungimento dei target.

 

Strategia per la ricerca

Il principale obiettivo della ricerca scientifica è migliorare la qualità della vita delle persone e del contesto sociale in cui vivono. L’Intelligenza Artificiale, nel prossimo futuro, potrà offrire strumenti e tecniche sempre più efficaci per raggiungere questo scopo, grazie alla rapida trasformazione dei risultati della ricerca in servizi e prodotti utili per individui, società e mondo produttivo. In questo scenario di costante innovazione, l’Italia deve puntare a mantenere e intensificare la propria competitività nella ricerca internazionale, sia in ambito accademico sia nel technology transfer, affinché la ricerca fondamentale diventi un motore per la realizzazione di tecnologie applicabili all’innovazione del Paese.

La ricerca nell'AI supera i confini nazionali e richiede cooperazione su larga scala. Pertanto, sono necessarie azioni che supportino l’ecosistema nazionale nel contesto delle relazioni internazionali, soprattutto europee. Questo implica promuovere la mobilità, il ritorno dei talenti italiani dall’estero e l’attrattività delle università e dei centri di ricerca italiani per talenti stranieri.

Inoltre, la ricerca italiana deve essere sostenuta con investimenti comparabili a quelli internazionali, orientati sia alla ricerca fondamentale dell’AI, in continua evoluzione, sia alla ricerca blue-sky ad alto rischio e lungo termine. È inoltre fondamentale privilegiare la sostenibilità in termini ecologici, sociali, etici e legali, con particolare attenzione alla multidisciplinarità e alla ricerca applicata in collaborazione con le imprese. Questo è cruciale per evitare che l’Italia perda competitività a livello globale nelle sue eccellenze produttive, se non efficacemente supportata da tecnologie innovative. È essenziale favorire sinergie con imprese utilizzatrici di tecnologie e con quelle operanti nel settore ICT, abilitando nuove soluzioni di Intelligenza Artificiale e creando un robusto ecosistema nazionale fertile per lo sviluppo di start-up innovative.

 

Progettazione di LMM italiani

Lo sviluppo dei Foundation Model è sempre più dominato da grandi centri di ricerca privati, con investimenti spesso fuori portata per l’ecosistema italiano. Tuttavia, l'Italia non può permettersi di arretrare su questo importante fronte tecnologico e deve diventare competitiva in Europa, dove spiccano gli investimenti di Germania e Gran Bretagna, rispettivamente per 500 milioni di euro e 100 milioni di euro (in questo caso per modelli fondazionali “safe”).

 

Perciò, sarà necessario avviare programmi competitivi per il finanziamento di progetti di ricerca collaborativa, anche in sinergia con soggetti privati, per la realizzazione di Large Language Model (LLM) e Large Multimodal Model (LMM) basati sull’italiano e multilingue. Lo sviluppo dovrà concentrarsi su applicazioni specifiche e contestualizzate in settori strategici per l'Italia, come la Pubblica Amministrazione o la salute, assicurando il rispetto dei valori e delle regolamentazioni europee riguardo a:

 

1. Trasparenza sui dati di training: garantire il rispetto delle leggi sulla non discriminazione, la privacy (GDPR) e la tutela dei diritti umani, fornendo informazioni affidabili sulle fonti dei contenuti generati.

2. Protezione dai contenuti generati falsi (allucinazioni).

3. Tutela dei diritti degli autori e dei creatori le cui opere sono utilizzate nei dati di addestramento.

4. Meccanismi di tracciamento dei contenuti generati dall’AI, come il watermarking.

5. Sostenibilità ambientale, puntando a tecniche innovative per la riduzione delle dimensioni dei modelli, anche attraverso approcci di incremental e federated learning.

6. Valutazione degli impatti socioeconomici a medio e lungo termine.

 

Il programma potrebbe essere strutturato in fasi, con un ente di monitoraggio incaricato di selezionare i progetti che avanzano alle fasi successive sulla base dei risultati ottenuti.

 

Vista la complessità e la natura stessa dei sistemi LMM, ogni iniziativa dovrà essere supervisionata da un Comitato Etico che approvi le linee generali e le metodologie realizzative. In particolare, il Comitato avrà il compito di evidenziare i rischi specifici delle iniziative, orientando le scelte progettuali verso approcci che garantiscano la sicurezza e l'affidabilità delle soluzioni.

 

Sinergie: progetti interdisciplinari per il benessere sociale

Per promuovere la ricerca interdisciplinare nell'ambito dell'Intelligenza Artificiale, saranno attivate iniziative su base competitiva per progetti di ricerca sinergici di medio-piccole dimensioni, coinvolgendo da 2 a 5 partner. Questi progetti mireranno a raggiungere significativi avanzamenti scientifici in vari domini in cui l'AI gioca un ruolo cruciale o è oggetto stesso della ricerca, richiedendo il coordinamento di competenze multidisciplinari. La valutazione dei progetti seguirà criteri di eccellenza, interdisciplinarità e originalità, ispirati ai Synergy Grants dell'European Research Council (ERC). Gli ambiti di applicazione dovranno prioritariamente considerare l'utilizzo dell'AI per il benessere sociale.

 

A titolo esemplificativo, alcuni specifici domini applicativi includono:

- Progetti per la tutela del paesaggio, del mare o dell'ambiente.

- Ricerca sulle nuove sfide create dall'AI in temi come copyright, deepfake, disinformazione online e responsabilità.

- Studi su etica e AI.

- Analisi degli impatti socioeconomici dell'AI su questioni come disuguaglianza economica, discriminazione sociale e monopoli.

- Applicazione del machine learning in altre discipline (progetti di AI4Science).

- Sicurezza nazionale e delle persone.

- Ottimizzazione delle risorse ambientali ed energetiche.

- Pilot di sistemi digitali/AI e sociali per guidare la trasformazione digitale centrata sulle persone e sulla società, abilitata dall'AI.

- Soluzioni a supporto del patrimonio intellettuale e culturale digitalizzato (digital humanities).

 

Ricerca fondazionale e blue-sky per l’AI di prossima generazione

Nell’ottica di sostenere le attività di ricerca fondazionale e in linea con quanto sviluppato nel progetto FAIR, si prevede di lanciare un programma di ricerca ispirato alle challenge di ricerca nordamericane. Questo programma sarà focalizzato su ricerche con il potenziale di generare un salto generazionale a livello tecnologico-scientifico e promuovere innovazione dirompente.

 

Il programma avrà una struttura bottom-up e si articolerà in due fasi per la selezione delle idee progettuali. Nella prima fase, i ricercatori potranno proporre tematiche per le challenge. Le idee raccolte verranno selezionate, e i proponenti dei temi scelti contribuiranno alla gestione della fase successiva. In questa seconda fase, si raccoglieranno le proposte coerenti con i temi selezionati, e verranno individuate le proposte vincenti.

 

Le proposte saranno presentate da consorzi di piccole dimensioni, garantendo così un’ampia partecipazione e una diversificazione delle idee.

 

Strategia per la pubblica amministrazione

L’Intelligenza Artificiale può diventare un fattore centrale nella trasformazione digitale della Pubblica Amministrazione, grazie al suo potenziale sia per migliorare l’efficienza delle attività interne, sia per offrire servizi più adeguati alle esigenze dei cittadini. Negli ultimi anni, diverse iniziative settoriali hanno avviato l’integrazione dell’AI nella PA. Ora è necessario un approccio strutturato e sistematico che supporti tutti gli elementi necessari per un funzionamento efficace della PA. È cruciale evitare la frammentazione delle soluzioni, sviluppando iniziative progettuali di interesse nazionale e definendo i contorni operativi per le singole amministrazioni, in modo che possano innovare autonomamente, ma all’interno di un quadro collettivo che assicuri interoperabilità e standard funzionali precisi.

 

Nello sviluppare la strategia per la Pubblica Amministrazione, è fondamentale adottare un insieme coerente di azioni multidisciplinari per sfruttare appieno le opportunità offerte dalle tecnologie basate sull’Intelligenza Artificiale. L'obiettivo è creare un circolo virtuoso tra vari aspetti:

 

1. Qualità, privacy, sicurezza e gestione dei dati: Fondamentali per l’uso delle tecniche di AI.

2. Sviluppo di tecnologie e strumenti software basati su AI: Per garantire interoperabilità, tracciabilità, credibilità, accuratezza e pertinenza delle fonti, creando fiducia nei processi decisionali.

3. Formazione del personale della PA: Sulle tecnologie e sugli strumenti di AI, nel rispetto di leggi, regolamenti e migliori pratiche.

4. Monitoraggio e miglioramento sistematico: Con misure statistiche di qualità per valutare le prestazioni dei servizi in sviluppo e in esercizio.

5. Supporto per i processi decisionali strategici: E valutazione regolare delle prestazioni degli strumenti di AI.

6. Impegno contro pregiudizi e violazioni della proprietà intellettuale.

7. Sviluppo di strumenti a supporto dei cittadini: Valutandone attentamente capacità abilitanti, vantaggi e rischi.

 

AI nella scuole per la pubblica amministrazione

Per supportare i processi di innovazione della Pubblica Amministrazione, è fondamentale promuovere percorsi di upskilling specifici, mirati ad ampliare le competenze e le conoscenze del personale attualmente in servizio. A tal fine, presso la Scuola Nazionale dell’Amministrazione, verrà istituito un Dipartimento dedicato all’Intelligenza Artificiale. Questo dipartimento offrirà corsi di formazione post-laurea di eccellenza per i dipendenti della Pubblica Amministrazione, con programmi differenziati in base al livello e ai contenuti, adattati all'inquadramento delle diverse figure professionali coinvolte.

 

L'iniziativa sarà inoltre propedeutica all’avvio di progetti di innovazione nella Pubblica Amministrazione, realizzati in collaborazione con università e centri di ricerca. Tali percorsi formativi dovranno essere implementati anche nelle scuole di formazione per la Pubblica Amministrazione, inclusi gli enti locali, per garantire un approccio omogeneo e coordinato all'interno dell'intero settore pubblico.

 

Strategia per le imprese

Il sistema imprenditoriale italiano è caratterizzato da una forte propensione all'eccellenza nei processi e nei prodotti. L’Italia, storicamente un grande paese industriale con una solida vocazione manifatturiera, è da sempre all'avanguardia nell'innovazione e nell'automazione. In questo contesto, abbracciare la rivoluzione dell’Intelligenza Artificiale rappresenta un percorso naturale per lo sviluppo del sistema produttivo e imprenditoriale del nostro Paese.

 

Per realizzare questo obiettivo, è fondamentale elaborare un progetto strategico su due livelli. Da un lato, bisogna valorizzare il ruolo delle imprese ICT italiane, facilitandone lo sviluppo di nuove soluzioni e applicazioni di AI. Questo implica promuovere sinergie con università e centri di ricerca, nonché creare reti di relazioni nazionali che favoriscano la crescita delle competenze e una massa critica in specifici ambiti tecnologici e applicativi, con l'obiettivo di emergere a livello internazionale.

 

Parallelamente, la strategia deve rivolgersi anche alle imprese non direttamente coinvolte nello sviluppo di soluzioni tecnologiche, ma che traggono vantaggio dall'innovazione per migliorare la propria catena del valore. La trasformazione digitale ha già portato imprenditori e manager a riorientare le strategie aziendali verso la centralità del dato e dell’AI per mantenere la competitività, tenendo conto anche delle sfide future legate alla sostenibilità ambientale.

 

Diventa quindi sempre più rilevante affermare la necessità di un nuovo approccio operativo aziendale, dove la trasformazione dei dati in insight, azioni e decisioni, e l’abilitazione di nuovi processi attraverso l'uso di sistemi di AI, anche generativi, assumano una centralità accanto a quella produttiva. Nel definire strategie coerenti con questa visione, è essenziale considerare le peculiarità del tessuto produttivo italiano, progettando un ecosistema dell'innovazione guidata dall’AI che rafforzi l’eccellenza delle imprese italiane attraverso soluzioni innovative che ne valorizzino i tratti distintivi.

 

La strategia per l’AI in Italia deve quindi essere saldamente ancorata alle specificità del nostro sistema sociotecnico e sfruttare le iniziative già in corso di trasferimento tecnologico verso le PMI, promuovendo la collaborazione con grandi imprese, università e organismi di ricerca.

 

Obiettivi

- Intercettare i bisogni di innovazione delle imprese italiane.

- Sostenere il comparto italiano dell’ICT.

 

Azioni strategiche

- Facilitatori per l’AI nelle PMI: Supportare le PMI nell’adozione di tecnologie AI.

- Sostegno allo sviluppo e all’adozione di soluzioni di AI: Incentivare la creazione e l’implementazione di soluzioni AI.

- Laboratori per lo sviluppo di applicazioni AI in contesti industriali: Creare spazi dedicati alla sperimentazione e sviluppo di applicazioni AI.

- Sviluppo di start-up in ambito AI: Promuovere la nascita di nuove start-up nel settore dell’AI.

- Servizi per le aziende ICT sull’AI: Fornire supporto alle aziende ICT per lo sviluppo di soluzioni AI.

 

In sintesi, la strategia nazionale mira a coordinare e rafforzare l'ecosistema dell’AI tra le PMI, anche attraverso fondi dedicati, e a potenziare il sistema ICT e la creazione di start-up innovative. Queste azioni intendono intercettare le esigenze di innovazione delle imprese italiane e sostenere il settore ICT, promuovendone il ruolo abilitante per la definizione di nuove applicazioni AI e favorendo l’attrazione di finanziamenti per nuove iniziative progettuali.

 

Facilitatori per l’intelligenza artificiale nelle PMI

Per sfruttare appieno le enormi potenzialità dell'Intelligenza Artificiale nel contesto produttivo e imprenditoriale, sarà necessario promuovere soluzioni e sviluppare applicazioni concretamente utilizzabili in specifici settori come automazione, agroalimentare, arredo, abbigliamento, turismo, chimico, farmaceutico e aerospazio. A tal fine, verrà definito un ecosistema di facilitatori radicati sul territorio, sotto il diretto controllo della Fondazione per l’Intelligenza Artificiale. La fondazione si occuperà dell'attuazione, del coordinamento e del monitoraggio, lavorando in stretta sinergia con gli attuali attori dell'ecosistema dell'innovazione e con altre fondazioni rilevanti come FAIR, Chips.IT e AI4Industry.

 

Ogni facilitatore collaborerà con università e centri di ricerca, coprendo una o più filiere produttive e diventando un punto di incontro naturale tra le imprese ICT, che offrono soluzioni per l'innovazione, e le aziende che beneficiano di tali tecnologie.

 

I facilitatori avranno diverse funzioni chiave:

1. Erogare servizi di innovazione basati sull’AI, come la valutazione della maturità tecnologica delle aziende e l'analisi delle necessità e opportunità di innovazione.

2. Abilitare soluzioni interoperabili per le imprese della filiera, coinvolgendo in particolare le aziende ICT italiane per sviluppare soluzioni di AI che rispondano alle esigenze comuni di un'intera filiera, con eventuali personalizzazioni demandate ai singoli soggetti.

3. Raccogliere e codificare i dati caratteristici delle arti e dei mestieri distintivi dei vari settori, utilizzandoli per l’addestramento delle soluzioni di Intelligenza Artificiale e contribuendo al Patrimonio di Conoscenza Nazionale.

4. Sensibilizzare e promuovere la formazione delle risorse umane.

5. Certificare le competenze digitali e dell’AI all'interno delle imprese.

6. Creare sinergie tra grandi imprese, aziende leader di mercato e PMI, favorendo il trasferimento tecnologico.

7. Sostenere lo sviluppo di start-up, facilitandone l'interconnessione con il sistema delle imprese utilizzatrici di AI, anche attraverso sinergie con incubatori esistenti.

 

Questo approccio integrato e collaborativo mira a massimizzare l'impatto dell'Intelligenza Artificiale nel tessuto produttivo nazionale, promuovendo innovazione e competitività.

 

Sostegno allo sviluppo e all’adozione di soluzioni di AI

Un elemento cruciale per lo sviluppo dell'ecosistema dell'Intelligenza Artificiale in Italia sarà la creazione di un serbatoio dedicato di risorse finanziarie, finalizzato a sostenere specifiche iniziative progettuali. Questo fondo sarà destinato a finanziare progetti sia di imprese operanti nel settore ICT, focalizzate sullo sviluppo di nuove soluzioni di AI, sia di imprese non ICT che mirano a innovare i propri processi produttivi adottando soluzioni di AI.

 

I progetti potranno essere promossi sia da reti di imprese che da singole aziende e verranno agevolati attraverso diversi strumenti finanziari:

 

1. Finanza ordinaria per supportare progetti di investimento in AI a livello di singola impresa.

2. Strumenti di corporate venture capital per iniziative AI-driven che riguardano, ad esempio, le catene di fornitura.

3. Supporto in termini di private equity.

4. Voucher da utilizzare per attività di supporto all'innovazione basata sull'AI nei facilitatori.

 

Questo approccio multilaterale permetterà di sostenere in modo efficace la crescita e l'innovazione tecnologica nel settore dell'Intelligenza Artificiale in Italia.

 

Laboratori per lo sviluppo di applicazioni AI in contesti industriali

Per stimolare la crescita del tessuto produttivo in Italia, è fondamentale sviluppare progetti coordinati che promuovano la collaborazione tra imprese e università. Grandi imprese in settori come il manifatturiero, energetico e farmaceutico, aziende di consulenza e servizi, nonché associazioni di imprese, hanno da tempo istituito centri di ricerca verticali. Questi centri consolidano il loro know-how tecnologico e lo arricchiscono attraverso progetti con università e centri di ricerca. Tali iniziative sono perlopiù finanziate privatamente o tramite fondi regionali ed europei.

 

Nel campo dell'Intelligenza Artificiale, il connubio pubblico-privato è essenziale, come dimostrato da numerose esperienze internazionali. Questa collaborazione è cruciale non solo per la definizione delle attività progettuali, ma anche per la costituzione dei centri di ricerca stessi, dove il contributo industriale e accademico deve essere paritetico.

 

La ricerca universitaria nell'AI deve fungere da fonte di ispirazione per nuove idee e sperimentazioni. Pertanto, si promuoverà in Italia la creazione di "laboratori tematici in AI applicata" che coinvolgano un'impresa e uno o più atenei o centri di ricerca pubblici. Allo stesso tempo, si incoraggerà la formazione di "centri/istituti tematici in AI applicata" che raggruppino più imprese dello stesso settore, sempre in collaborazione con enti di ricerca pubblici.

 

Questi centri saranno orientati verso livelli di maturità tecnologica (TRL) vicini alle applicazioni di mercato e avranno i seguenti obiettivi:

1. Sviluppare ricerca applicata esplorativa di interesse per le aziende o per la filiera, con gestione condivisa della proprietà intellettuale, anche in relazione ai finanziamenti specifici.

2. Abilitare soluzioni esistenti in chiave di filiera, sperimentando verticalizzazioni innovative che preservino il know-how italiano.

3. Fare da ponte tra imprese, università e il mondo della ricerca e dello sviluppo a livello europeo e internazionale, sfruttando legami accademici, soprattutto nelle aree di interesse per l'export italiano.

4. Creare sinergie tra grandi imprese, aziende, PMI e start-up.

5. Fornire supporto alla certificazione e brevettazione, in collaborazione con l’ecosistema nazionale della ricerca e con i centri di competenza e gli EDIH di matrice più industriale.

6. Supportare la formazione dei futuri esperti in AI, finanziando dottorandi, ricercatori, professori, figure dedicate al trasferimento tecnologico, e soprattutto tecnici e professionisti da inserire immediatamente nel mercato del lavoro.

 

Sviluppo di start-up nell’ambito AI

Nell’ambito dello sviluppo e dell’applicazione delle tecnologie per l’Intelligenza Artificiale, le start-up rivestono un ruolo cruciale per la competitività del tessuto produttivo e imprenditoriale. Tuttavia, l’Italia si colloca attualmente agli ultimi posti in Europa per numero di start-up di AI, con solo 0.68 start-up per milione di abitanti, rispetto alle 2.05 della Francia e alle 1.99 della Germania.

 

Nonostante in Italia siano già presenti attori con competenze consolidate nell'incubazione, accelerazione e raccolta di investimenti, sia nel settore privato che accademico, i numeri mostrano chiaramente la necessità di ulteriori e significativi investimenti in questo settore. È fondamentale consolidare e supportare le iniziative esistenti, creando sinergie tra di esse. Questo non significa solo finanziare direttamente le nuove imprese ad alto contenuto tecnologico o promuovere iniziative di defiscalizzazione, ma anche sostenere programmi articolati che accompagnino le start-up in tutte le fasi del loro sviluppo.

 

Di particolare rilievo è la promozione di iniziative accademiche che si configurano come spin-off universitari. A tale scopo, si potrebbe incentivare la creazione, all'interno degli atenei, di laboratori di AI-Enterprise basati sul modello del Regno Unito. Questi laboratori offrirebbero un ambiente dinamico in cui i ricercatori collaborano con professionisti aziendali, usufruendo di programmi di accelerazione, supporto finanziario e consulenza specializzata. Tali laboratori aiuterebbero a comprendere le dinamiche del mercato e le esigenze dell’industria dell’AI, trasformando le idee accademiche in soluzioni commerciali.

 

In questo contesto, è necessario promuovere pratiche comuni per la concessione di licenze sulla proprietà intellettuale e per la creazione degli spin-off, con particolare attenzione ai rapporti economici e alle partecipazioni azionarie.

 

Parallelamente, è necessario promuovere l'interconnessione tra start-up e imprese che utilizzano applicazioni di intelligenza artificiale, superando le difficoltà di interazione tra il mondo delle imprese innovative e le aziende già consolidate. Per farlo, è essenziale mantenere un approccio integrato e coordinato, coinvolgendo attori istituzionali, privati e accademici in una rete collaborativa. Un punto cruciale per raggiungere una massa critica consiste nell'identificare progetti in grado di agire come catalizzatori e punti di riferimento a livello nazionale, attirando così investitori.

 

La promozione delle partnership pubblico-privato è un elemento cruciale, insieme al coinvolgimento dei talenti formati in ambito accademico attraverso progetti congiunti. È importante valorizzare a livello internazionale le soluzioni di intelligenza artificiale sviluppate dalle start-up, incentivando al contempo progetti mirati all'implementazione di sandboxes. Questi spazi protetti permettono di sperimentare e testare innovazioni in un ambiente controllato, favorendo così lo sviluppo e la diffusione di nuove tecnologie.

 

Servizi per le aziende ICT sull’AI

La competitività dell'industria nazionale nel campo dell'Intelligenza Artificiale dipenderà in gran parte dalla capacità delle imprese italiane di sviluppare soluzioni e servizi all'interno di un contesto normativo europeo e globale estremamente dinamico, dove i costi della compliance rappresentano una barriera significativa all'ingresso nel mercato. A livello comunitario e internazionale, vari Stati hanno avvertito la necessità di creare "spazi di sperimentazione normativa" per l'AI (sandbox), con l'obiettivo di offrire un ambiente controllato che faciliti lo sviluppo e la validazione delle soluzioni di Intelligenza Artificiale.

 

L'AI Act prevede la marcatura CE per i sistemi di AI ad alto rischio, richiedendo ulteriori certificazioni in contesti applicativi specifici. Pertanto, è fondamentale adottare misure di sostegno per ridurre gli oneri della compliance normativa e delle certificazioni, in particolare per le applicazioni ad alto rischio. Allo stesso tempo, è importante incentivare le piccole e medie imprese e le start-up a sfruttare le sandbox. Questi supporti potrebbero essere implementati attraverso bandi di finanziamento o fornendo servizi di consulenza specializzata.

 

Parallelamente, sarà necessario supportare le aziende nel riconoscimento e ottenimento delle certificazioni per i sistemi AI in settori specifici, come l'aerospazio (ad esempio, in conformità con ENAV, ASA, EASA), anche in considerazione dei nuovi regolamenti EU 2023/988 e 2023/1230.

 

Strategia per la formazione

L'Intelligenza Artificiale può trasformare significativamente il sistema socioeconomico del Paese, sfruttando i rapidi progressi e le opportunità offerte dall'AI generativa. Tuttavia, per beneficiare appieno di queste tecnologie, è indispensabile disporre di elevate competenze professionali capaci di sviluppare e gestire algoritmi e sistemi di AI. Attualmente, la disponibilità di tali competenze in Italia è notevolmente inferiore alla domanda, causando un rallentamento nell'adozione di queste soluzioni. Pertanto, è fondamentale affrontare questo problema strutturale attraverso un piano strategico volto a rafforzare, integrare e diffondere la conoscenza dell'AI e delle competenze digitali nel sistema educativo, dai Tecnici Superiori (ITS) alle università, con particolare attenzione ai dottorati di ricerca.

 

Questo investimento deve essere integrato con importanti temi sociali, come la riduzione del divario di genere nelle discipline STEM e la considerazione della natura intrinsecamente multidisciplinare dell'AI, che richiede percorsi formativi aperti a vari ambiti e competenze.

 

L'impatto dell'AI non si limita all'istruzione; le competenze richieste nei luoghi di lavoro sono sempre più avanzate e vi è il rischio di emarginazione per chi non è adeguatamente formato. Una strategia nazionale per l'AI deve assicurare che nessun lavoratore venga lasciato indietro. È necessario un programma robusto di incentivazione per il reskilling e l'upskilling, aggiornando e riqualificando i lavoratori per reinserirli efficacemente nel ciclo produttivo e renderli utilizzatori consapevoli dei nuovi strumenti tecnologici. L'AI può creare nuova occupazione e migliorare la qualità del lavoro, aumentando efficienza e produttività in ambienti più adatti alle persone. La realizzazione di efficaci programmi di reskilling e upskilling su tutto il territorio nazionale è quindi essenziale per questa trasformazione.

 

Nonostante ciò, sarà necessario un ulteriore sforzo. Affinché l'AI produca effetti positivi su tutta la società riducendo i rischi, bisognerà ampliare il concetto di "formazione", implementando un processo di alfabetizzazione sull'AI che coinvolga scuole, lavoratori e cittadini, con un'attenzione particolare alle categorie più deboli. L'obiettivo è evitare che i processi di digital divide minino la coesione sociale ed economica del Paese. Educare alla cittadinanza digitale nell'era dell'AI è cruciale per colmare il divario di conoscenza e affrontare le preoccupazioni etiche e sociali associate a questa tecnologia. Percorsi formativi sull'AI nelle scuole, campagne pubblicitarie informative e la promozione della comprensione delle implicazioni etiche dell'AI sono passi fondamentali per orientare correttamente il tessuto socioeconomico verso un uso consapevole dell'AI, cogliendone i vantaggi e valutandone criticamente i rischi.

 

Obiettivi

- Promuovere una formazione universitaria capillare sull’AI: Rispondere alle crescenti richieste di nuove competenze nella società e nel mondo del lavoro con un approccio trasversale e interdisciplinare. Consolidare la formazione specialistica nei percorsi tecnici e di ricerca, come il Dottorato Nazionale sull’Intelligenza Artificiale.

 

- Realizzare percorsi educativi sull’AI nelle scuole: Preparare le nuove generazioni a un uso consapevole delle nuove tecnologie. Sviluppare iniziative di divulgazione per sensibilizzare e coinvolgere la società italiana nella rivoluzione dell’AI.

 

- Finanziare e sostenere iniziative di reskilling e upskilling: Implementare tali iniziative in tutti i contesti produttivi per aggiornare e riqualificare i lavoratori, assicurando una loro integrazione efficace nel ciclo produttivo e una consapevolezza nell'uso delle nuove tecnologie.

 

Percorsi per l’avvicinamento all’AI nella scuola – studenti e docenti

La rivoluzione dell’AI richiede un avvicinamento graduale alla disciplina già dalle scuole primarie e secondarie. Per questo motivo, è necessario realizzare percorsi formativi per l’alfabetizzazione nell’AI, rivolti prioritariamente ai docenti e successivamente agli studenti.

 

Per quanto riguarda gli studenti, un utile orientamento è rappresentato dalla legge 20 agosto 2019, n. 92, “Introduzione dell’insegnamento scolastico dell’educazione civica”, che all’articolo 5 individua il nucleo tematico dell’Educazione alla cittadinanza digitale. L’attuazione di questa norma dovrà includere percorsi che prevedano lo studio dei principi base dell’AI e attività pratiche per sviluppare competenze nell’utilizzo degli strumenti disponibili, evidenziando il corretto uso degli stessi in termini di etica, aspetti sociali, privacy e sicurezza cibernetica.

 

Per garantire l’efficacia dei percorsi rivolti agli studenti, è fondamentale che i docenti siano previamente formati sulle basi teoriche e pratiche necessarie per integrare questi concetti nei programmi di studio. A tal fine, sarà necessaria una vasta campagna di formazione ad-hoc, coinvolgendo università, centri di ricerca, associazioni del terzo settore e aziende con specifiche competenze in iniziative di formazione digitale.

 

I percorsi formativi dovranno essere erogati su base nazionale, sia in presenza sia in modalità online o ibrida, e dovranno garantire un’ampia condivisione del materiale didattico utilizzato. Questo potrebbe essere realizzato attraverso repository online o altri strumenti digitali che permettano un accesso facile e aperto a risorse educative di qualità. La condivisione del materiale favorirà la trasparenza e la collaborazione tra le istituzioni educative e contribuirà alla creazione di una base comune di conoscenza nell’ambito della didattica dell’Intelligenza Artificiale.

 

Per garantire programmi educativi coerenti e ben strutturati, sarà cruciale collaborare con esperti di intelligenza artificiale, pedagogia e sociologia. Questo lavoro di squadra permetterà di stabilire obiettivi di apprendimento chiari, individuare i concetti essenziali da affrontare e creare metodologie didattiche efficaci, personalizzate in base alle diverse tipologie di studenti. La sinergia tra tecnici e specialisti della formazione garantirà che i percorsi educativi siano tecnicamente accurati e adeguati alle esigenze degli studenti, favorendo un'educazione completa e mirata.

 

Mobilità quale strumento per la formazione sull’AI

In un contesto dinamico come quello dell'Intelligenza Artificiale, è cruciale stabilire meccanismi per lo scambio di competenze ed esperienze tra vari attori istituzionali. Per raggiungere questo obiettivo, è necessario implementare specifici programmi di mobilità, articolati su quattro direttrici principali.

 

1. Tirocini: Le esperienze nelle imprese sono spesso fondamentali per la formazione dei giovani studenti universitari. Per promuovere questa pratica, saranno finanziate borse di studio per tirocinanti per periodi di 3-6 mesi, assegnate secondo i principi del diritto allo studio.

 

2. Internship: L'interscambio di competenze tra università e imprese è una buona pratica internazionale che trova difficoltà ad essere recepita in Italia. Per incentivare la sua adozione, le imprese e le università potranno beneficiare di opportuni incentivi. Per le Pubbliche Amministrazioni, i percorsi di internship potranno essere assimilati alla formazione obbligatoria.

 

3. Mobilità per la ricerca: Attraverso borse di ricerca, saranno finanziati periodi di mobilità e visite tra diverse università italiane e/o centri pubblici e/o della Pubblica Amministrazione, con l'obiettivo di massimizzare il trasferimento delle conoscenze e favorire uno sviluppo diffuso e dettagliato.

 

4. Alto Apprendistato: Si dovrà promuovere il modello dell’Apprendistato Duale di Alta Formazione e Ricerca, utilizzato da varie regioni con fondi FSE. Questo modello permette alle imprese di assumere giovani sotto i 30 anni (studenti di ITS, università, master, dottorato) beneficiando degli sgravi fiscali dell’apprendistato tradizionale e consentendo ai neoassunti un periodo di formazione. Anche in questo caso, specifici finanziamenti per la formazione potranno promuovere questi percorsi innovativi.

 

Didattica diffusa sull’AI nei corsi di laurea universitari

Considerando le crescenti esigenze del mercato del lavoro per personale con competenze digitali avanzate e il divario attuale con la qualificazione dei laureati, è necessario rafforzare ulteriormente i corsi di laurea universitari in Intelligenza Artificiale, promuovendo anche significative iniziative di orientamento. Tuttavia, uno dei rischi legati allo sviluppo rapido delle tecniche e conoscenze in ambito AI è la limitatezza del numero di persone che hanno accesso a percorsi formativi continui e aggiornati. Questi percorsi sono essenziali per costruire le competenze necessarie a comprendere i costi e i benefici dell'AI, valutarne i processi in maniera critica e utilizzarne gli strumenti in modo creativo.

 

Per mitigare questo rischio, sarà fondamentale integrare insegnamenti sulle basi dell’Intelligenza Artificiale in tutti i percorsi universitari, inclusi quelli non-STEM, adattando i contenuti agli obiettivi delle specifiche discipline. Di conseguenza, le università dovranno essere incentivate, ad esempio attraverso la quota premiale di funzionamento, sulla base della percentuale di corsi di studio in cui tali insegnamenti sono attivati.

 

Potenziamento del dottorato nazionale in AI

Il Dottorato di Interesse Nazionale in AI (www.PhD-AI.it), attivato nel XXXVII ciclo, rappresenta il punto di riferimento per la formazione dottorale in intelligenza artificiale. Con circa 150 iscritti per ciascuno dei tre cicli attivati fino ad oggi, ha creato un ecosistema integrato che ha superato la frammentazione esistente nella formazione dottorale in AI, coordinando le iniziative di oltre 60 università ed enti di ricerca. I primi due cicli sono stati finanziati specificamente dal MUR, mentre il terzo ciclo ha ricevuto principalmente fondi dal PNRR.

 

Per garantire la continuità di questa opportunità strategica, sarà necessario supportare costantemente i cinque dottorati con il co-finanziamento di almeno 40 borse l’anno per ciascuno, promuovendo eventualmente l'allargamento del partenariato attuale. Questo è essenziale per rispettare il vincolo del DM 226/21 sui Dottorati di Interesse Nazionale e per consentire una pianificazione pluriennale, evitando la competizione con i dottorati locali delle singole università, in linea con lo spirito dell'art. 11 del DM 226/21: “Il Ministero favorisce l’attivazione dei dottorati di interesse nazionale e ne prevede le modalità di cofinanziamento”.

 

Per quanto riguarda le attività didattiche, il PhD-AI.it ha usufruito di un budget limitato per le iniziative promosse dal Comitato di Coordinamento solo nei primi due anni, finanziato inizialmente dal MUR/CNR. Pertanto, sarà necessario sostenere in modo continuativo le iniziative didattiche coordinate tra i cinque dottorati. Questo include, ad esempio, l'invito di scienziati internazionali per tenere corsi comuni, l'organizzazione di scuole di dottorato sia a livello individuale che nazionale, e la promozione e disseminazione dei risultati.

 

Programmi di upskilling e reskilling per imprese e pubblica amministrazione

L'uso sempre più diffuso dell'Intelligenza Artificiale nei contesti produttivi sta rapidamente trasformando le dinamiche del mondo del lavoro. Contrariamente a scenari catastrofici sulle prospettive occupazionali, emerge sempre più chiaramente che le nuove tecnologie rappresentano una grande opportunità.

 

Le competenze digitali e la conoscenza specifica dell'Intelligenza Artificiale aprono già oggi, e apriranno sempre più in futuro, nuove strade nel mondo lavorativo. Tuttavia, le prospettive, come descritto dal World Economic Forum, mostrano un crescente disallineamento tra le competenze richieste e quelle possedute dai lavoratori. Ci troviamo quindi in uno scenario paradossale in cui l'Intelligenza Artificiale rischia di ridurre i posti di lavoro non a causa della sua capacità di automazione, ma perché il sistema formativo non riesce a colmare efficacemente questa distanza. Investire in percorsi di upskilling e reskilling diventa dunque essenziale. È necessario sviluppare corsi di formazione sull'AI per riqualificare e aggiornare i lavoratori, facilitando il loro reinserimento nei nuovi posti di lavoro creati dalle tecnologie dell'AI.

 

Particolare attenzione deve essere rivolta ai lavoratori dei settori in cui le tecnologie AI hanno raggiunto un elevato grado di maturità e offrono maggiori prospettive di impatto. È fondamentale accompagnare e motivare coloro che potrebbero incontrare maggiori difficoltà, ad esempio per ragioni di età, nell'adattarsi a nuovi scenari e innovazioni tecnologiche. Nei percorsi formativi, sarà indispensabile articolare i piani d'azione in relazione ai diversi ruoli e funzioni dei lavoratori, privilegiando azioni rivolte agli utilizzatori delle tecnologie per creare ambienti ricettivi al cambiamento e pronti a valorizzare le competenze esistenti supportate dall'Intelligenza Artificiale.

 

La condivisione di esperienze di successo, maturate sia nel settore pubblico sia in quello privato, sarà utile a tale scopo. Ad esempio, ispirandosi all'iniziativa “Elementi di AI” promossa dal Dipartimento di Transizione Digitale e resa disponibile a tutte le realtà economiche tramite lo sportello digitale dell’imprenditore sviluppato da InfoCamere, si potrà realizzare un corso video sull'AI, erogato dai maggiori esperti italiani nel settore, accessibile con modalità analoghe.

 

Percorsi di reskilling e upskilling dovranno inoltre coinvolgere anche i quadri dirigenziali. Le nuove tecnologie impattano profondamente sugli aspetti organizzativi e sulla gestione dei processi interni. Innovare significa non solo adottare nuove tecnologie per rispondere a specifiche esigenze di efficientamento, ma soprattutto rivedere complessivamente l'organizzazione interna per creare ambienti più stimolanti e in linea con le esigenze dei lavoratori, grazie alle potenzialità offerte dall'AI.

 

Infine, percorsi di reskilling e upskilling dovranno essere destinati ai tecnici, sia delle imprese sia della Pubblica Amministrazione, per aggiornare le loro competenze con le nuove tecnologie dell'AI. In questo contesto, oltre all'attivazione di master dedicati e percorsi professionalizzanti, una best practice da adottare è quella delle Academy di filiera, implementata da alcune regioni con fondi FSC. L'iniziativa prevede la creazione di consorzi, che includono enti di formazione, associazioni di categoria e imprese medio-grandi, capaci di erogare corsi di reskilling e upskilling per i propri lavoratori e quelli delle PMI coinvolte nella filiera. I consorziati sarebbero incaricati di progettare e offrire i percorsi formativi, mettendo a disposizione le loro strutture e risorse umane per la formazione degli studenti. Utilizzeranno i laboratori didattici e si occuperanno anche della promozione dei corsi, con l'obiettivo di attrarre giovani talenti e favorire un'ampia partecipazione.

 

Educazione all’utilizzo degli strumenti di AI

L'uso sempre più diffuso dell'intelligenza artificiale rende indispensabile sensibilizzare i cittadini sul corretto utilizzo delle nuove tecnologie. È cruciale promuovere un uso consapevole degli strumenti digitali e delle applicazioni disponibili oggi. Per raggiungere questo obiettivo, è necessario il coinvolgimento di vari "attori" nazionali, come amministrazioni pubbliche, istituzioni governative, associazioni, fondazioni e media. Questo permetterà di diffondere una cultura digitale che incoraggi un utilizzo informato delle tecnologie informatiche, non limitandosi esclusivamente all'AI.

 

Un ruolo chiave sarà giocato dalla collaborazione con attori del terzo settore, che possiedono competenze specifiche in questo tipo di iniziative. Le attività di sensibilizzazione dovranno essere articolate su più livelli:

 

1. Programmi televisivi o radiofonici: Inserire contenuti dedicati all'interno di trasmissioni esistenti.

2. Rubriche informative: Creare rubriche continuative su riviste e giornali generalisti.

3. Pubblicità progresso: Lanciare una campagna dedicata ai rischi e alle opportunità dell'AI.

4. Campagna di affissioni: Utilizzare messaggi emozionali attraverso cartelloni, siti web e social media, con videoclip dedicati.

5. Eventi sul territorio: Organizzare eventi in collaborazione con associazioni di persone o professionali.

6. Dibattiti pubblici: Promuovere discussioni sociali informate, coinvolgendo diversi stakeholder con l'ausilio di piattaforme.

 

Tutte queste iniziative saranno coordinate centralmente da un comitato tecnico-scientifico, che avrà il compito di definire ambiti, canali e contenuti delle attività di sensibilizzazione.

 

Corsi ITS focalizzati sull’AI

Gli Istituti Tecnologici Superiori (ITS) rappresentano un eccellente strumento di formazione di qualità e offerta formativa terziaria professionalizzante in Italia, un sistema consolidato anche in altri paesi europei. Gli ITS propongono corsi biennali o triennali per diplomati, che prevedono circa 900 ore annuali di attività laboratoriale e stage presso le imprese, con classi composte da circa 30 studenti. L'obiettivo principale è formare professionisti con elevate competenze tecnologiche e tecniche, contribuendo in modo sistematico allo sviluppo economico e alla competitività del sistema produttivo, in linea con le aree tecnologiche strategiche delle politiche di sviluppo industriale, tecnologico e di riconversione ecologica.

 

Queste strutture di formazione dovranno inoltre adattarsi per offrire corsi sull'intelligenza artificiale e integrare tale tematica nei corsi esistenti, coinvolgendo attivamente università e aziende del settore ICT specializzate nello sviluppo di soluzioni basate sull’AI.

 

Monitoraggio della strategia

L'implementazione di qualsiasi iniziativa strategica richiede un sistema di monitoraggio adeguato, fondamentale per garantirne il successo. Monitorare lo stato di avanzamento e le criticità consente di intervenire con azioni correttive o, se necessario, rivedere gli obiettivi strategici in risposta a significative evoluzioni del contesto. I sistemi di misurazione possono essere distinti tra strumenti quantitativi e approcci qualitativi, ma la scelta dell'uno o dell'altro dipende dal contesto, dalla natura del piano e dalla disponibilità di dati.

 

Ogni azione strategica nelle aree della Formazione, della Ricerca, della Pubblica Amministrazione e delle Imprese è associata a un valore target specifico e a una metrica quantitativa, definita attraverso un indicatore chiave di prestazione (KPI). Questi KPI sono utilizzati per monitorare l'avanzamento delle azioni verso i loro obiettivi, focalizzandosi sull'efficacia.

 

A un livello più complesso, si potrebbe considerare il rapporto costo/efficacia e, ancora più difficile, il rapporto costi/benefici, valutando il beneficio differenziale del progetto rispetto agli usi alternativi delle risorse. Tuttavia, la strategia attuale si limita a valutazioni di efficacia, promuovendo la cultura dell'autovalutazione senza entrare in giudizi di valore economico.

 

La valutazione dell'efficacia della strategia non si limita all'analisi del raggiungimento dei KPI delle singole azioni, ma deve considerare l'impatto complessivo generato. Questa valutazione sarà affidata alla Fondazione per l'Intelligenza Artificiale, che si occuperà del monitoraggio globale e delle singole azioni, del controllo e delle segnalazioni preventive. La Fondazione redigerà un report annuale in cui aggiornerà l'analisi di contesto e valuterà l'implementazione della strategia, garantendo una visione completa e approfondita dei risultati ottenuti.

 

Monitoraggio delle aree strategiche

Per la Formazione, il panel di esperti analizzerà specifici KPI come:

- Numero di corsi di laurea interdisciplinari con insegnamenti di AI

- Numero di studenti iscritti a dottorati inerenti all’AI

- Competenze e consapevolezza sulla AI nella cittadinanza tramite survey CATI/CAWI.

 

Per la Ricerca, verranno valutati sia KPI sia flagship projects, tra cui:

- Produzione scientifica sull'AI, usando indicatori bibliometrici consolidati.

- Avanzamento e qualità delle iniziative volte a rafforzare l'ecosistema della ricerca e realizzare LMM italiani.

 

Per la Pubblica Amministrazione, il monitoraggio si focalizzerà su due flagship projects:

- Iniziative strategiche per migliorare l'accesso e l'uso dei servizi al cittadino, nonché il livello di digitalizzazione.

- Iniziative strategiche con esperti incaricati di valutare l'efficienza delle procedure amministrative.

 

Per le Imprese, saranno valutati KPI e flagship projects come:

- Adozione dell’AI nelle PMI, basandosi su dati ISTAT.

- Impatto delle iniziative strategiche, con particolare attenzione alle PMI coinvolte e all'efficacia nel promuovere l'adozione di soluzioni di intelligenza artificiale.

- Numero di start-up focalizzate sull'AI e imprese attive nello sviluppo di tecnologie AI, rilevanti per monitorare l'impatto della strategia sul contesto produttivo.

 

La Fondazione utilizzerà un panel di esperti e il metodo Delphi per produrre relazioni di valutazione basate sui KPI e sui flagship projects. Questo approccio, sviluppato dalla Rand Corporation, coinvolge esperti anonimi che rispondono a questionari in diversi turni, con sintesi e revisioni iterative guidate da un facilitatore.

 

Organi regolatori

Il regolamento europeo sull’intelligenza artificiale (AI Act) istituirà un quadro giuridico uniforme volto a regolare lo sviluppo, la commercializzazione e l’uso dei sistemi di intelligenza artificiale in conformità con i valori e i diritti costituzionali dell’UE. Questo regolamento adotta un approccio basato sul rischio, distinguendo tra obblighi di conformità di varia intensità a seconda del rischio (basso, medio o elevato) che le applicazioni intelligenti possono rappresentare per i diritti fondamentali. Più alto è il rischio, maggiori sono gli oneri di conformità e le responsabilità degli sviluppatori. Inoltre, l'AI Act proibisce l'uso dell'intelligenza artificiale per alcune finalità ritenute contrarie ai valori dell'UE, come il social scoring.

 

Dopo la pubblicazione ufficiale, il regolamento richiederà circa due anni per essere pienamente applicato, per permettere agli operatori di adeguarsi alle nuove norme. Le attuali versioni del regolamento prevedono l'istituzione di più Autorità per vigilare e attuare la normativa sull'AI, suddivise per competenze e funzioni a livello europeo (art. 56) e nazionale (art. 59). L'Autorità europea avrà il compito di coordinare l'applicazione della disciplina e le attività delle Autorità nazionali, redigendo linee guida e best practices per supportare sviluppatori e utilizzatori. Questo ruolo sarà sia di coordinamento che di chiarificazione e supporto, con funzioni di vigilanza, anche tramite eventuali indagini congiunte.

 

Le Autorità nazionali, istituite o designate da ciascuno Stato membro secondo l'AI Act, avranno due funzioni principali: vigilanza e notificazione. La funzione di vigilanza controllerà il rispetto dell'AI Act da parte di produttori e distributori di sistemi di AI, mentre la funzione di notificazione verificherà la regolarità delle certificazioni rilasciate da terzi per i sistemi di AI ad alto rischio. Queste Autorità dovranno avere una forte specializzazione tecnica, essendo istituite tramite fonti primarie nazionali coordinate con il quadro normativo europeo.

 

Agenzia di vigilanza italiana

Alla luce del quadro sopra delineato, l'Autorità che sarà definita in Italia nell'ambito del quadro regolatorio europeo potrebbe essere configurata come un'Agenzia con funzioni di vigilanza e notificazione. Questo comporta due ordini di problemi che influenzeranno la competitività dei sistemi di AI sviluppati in Italia. Innanzitutto, l'Agenzia dovrà supportare sviluppatori, distributori e implementatori dell'AI nella comprensione e attuazione della complessa normativa europea e nazionale. Grazie alle sue competenze giuridiche e tecnologiche, l'Agenzia si porrà come interlocutore privilegiato per sostenere l'industria digitale e il sistema produttivo italiano nell'adozione dei sistemi di AI, in stretta sinergia con la Fondazione per l’attuazione, il coordinamento e il monitoraggio. L'Agenzia dovrà inoltre fornire orientamento giuridico per facilitare l'adozione delle nuove norme.

 

L'AI Act interessa numerosi ambiti giuridici già regolati, in cui operano altre Autorità con competenze specifiche: la protezione dei dati (Garante privacy), la tutela dei consumatori e la regolamentazione del mercato dei servizi digitali (AGCM), il contrasto ai contenuti digitali dannosi (AGCOM), e la regolamentazione del settore bancario e finanziario (BCE e Banca d'Italia/Consob). L'Agenzia dovrà quindi semplificare questo quadro complesso e sovrapposto di regolamentazioni e competenze, garantendo un'applicazione chiara che favorisca il sistema produttivo e l'innovazione.

 

L'Agenzia dovrà anche siglare protocolli e mantenere una stretta collaborazione con l'Agenzia per la Cybersicurezza Nazionale (ACN), considerata l'importanza dell'AI nel settore della sicurezza e le implicazioni normative relative, come la responsabilità per attacchi cyber mediante strumenti di AI. Tuttavia, l'Agenzia di vigilanza e l'ACN dovrà restare differenziata e indipendente per attuare distinti apparati normativi e garantire l'alta specializzazione e complessità delle loro funzioni. La collaborazione tra queste entità sarà essenziale per assicurare che i sistemi di AI implementati in Italia mantengano i più alti standard di affidabilità, integrità, disponibilità e sicurezza.

 

Conclusioni

L'Italia sta attraversando una trasformazione significativa con l'adozione delle tecnologie di Intelligenza Artificiale, che offre enormi potenzialità per migliorare la produttività, l'efficienza e la qualità della vita. Tuttavia, per sfruttare appieno queste opportunità, è necessario superare una serie di sfide strategiche che richiedono un approccio innovativo e integrato.

 

Innanzitutto, l'Italia deve affrontare il problema del "rischio di non fare". Questo rischio è amplificato dalla tradizionale lentezza nell'adozione delle nuove tecnologie, che potrebbe portare il paese a perdere competitività. Per contrastare questo rischio, è cruciale adottare una mentalità ambiziosa e proattiva, sviluppando tecnologie su misura che rispecchino i valori e le esigenze nazionali. Ciò implica investire nella creazione di soluzioni tecnologiche interne e promuovere lo sviluppo applicativo piuttosto che l'importazione di tecnologie estere.

 

Un altro rischio rilevante è quello dell'omogeneizzazione culturale, particolarmente accentuato dall'adozione di modelli di AI generativi sviluppati all'estero. Questi modelli potrebbero introdurre valori e ideologie non conformi alle peculiarità culturali italiane. Per mitigare questo rischio, è essenziale sviluppare tecnologie AI che riflettano i valori costituzionali italiani, garantendo così che le soluzioni tecnologiche adottate non solo siano efficaci ma anche eticamente allineate con la società italiana.

 

Inoltre, l'iper-regolazione nazionale potrebbe rappresentare un ostacolo significativo. Mentre la regolamentazione è fondamentale per garantire la sicurezza e l'affidabilità delle tecnologie AI, un eccesso di norme potrebbe soffocare l'innovazione. Pertanto, è necessario bilanciare attentamente la regolamentazione con la flessibilità, promuovendo linee guida che facilitino l'adozione delle tecnologie senza aggiungere inutili sovrastrutture normative.

 

La trasformazione del mercato del lavoro è un'altra sfida critica. L'introduzione dell'AI porterà inevitabilmente a un disallineamento tra le competenze richieste e quelle disponibili. È fondamentale investire in programmi di upskilling e reskilling per aggiornare e riqualificare i lavoratori, assicurando che possano adattarsi efficacemente alle nuove esigenze tecnologiche. Questo non solo aiuterà a preservare l'occupazione, ma contribuirà anche a creare un ambiente lavorativo più stimolante e produttivo.

 

Il digital divide rappresenta un ulteriore ostacolo, soprattutto considerando le disomogeneità territoriali e la carenza di competenze digitali di base. Per affrontare questa sfida, è necessario promuovere iniziative educative capillari che coinvolgano scuole, università e istituzioni pubbliche, garantendo un accesso equo alle opportunità formative in tutto il paese. Questo approccio integrato contribuirà a ridurre il divario digitale, promuovendo una maggiore inclusione sociale ed economica.

 

Infine, l'efficacia della strategia nazionale dipenderà dalla capacità di implementare un sistema di monitoraggio adeguato. Questo sistema deve essere in grado di valutare costantemente l'avanzamento delle azioni strategiche, identificando tempestivamente le criticità e adottando le necessarie misure correttive. Un approccio basato su indicatori chiave di prestazione (KPI) e flagship projects consentirà di monitorare l'impatto complessivo della strategia, garantendo che gli obiettivi siano raggiunti in modo efficace ed efficiente.

 

In sintesi, l'Italia ha l'opportunità di diventare un leader nell'adozione delle tecnologie di AI, ma per farlo deve affrontare con determinazione e visione le sfide strategiche. Solo attraverso un approccio integrato, che consideri le peculiarità culturali, sociali ed economiche del paese, sarà possibile realizzare una trasformazione digitale che migliori la competitività e la qualità della vita di tutti i cittadini.

72 visualizzazioni0 commenti

Post recenti

Mostra tutti

Commenti

Valutazione 0 stelle su 5.
Impossibile caricare i commenti
Si è verificato un problema tecnico. Prova a riconnetterti o ad aggiornare la pagina.
bottom of page