L’adozione dell’Intelligenza Artificiale (IA) all’interno della Pubblica Amministrazione (PA) italiana non rappresenta una mera transizione tecnologica, bensì un tornante decisivo per la configurazione del dell’indipendenza digitale dello Stato nel ventunesimo secolo. Le Linee Guida elaborate dall’Agenzia per l’Italia Digitale (AgID) si pongono come il documento d’indirizzo fondamentale per governare questa metamorfosi. E’ necessario che l’IA non sia percepita come un semplice “prodotto” da acquistare a scaffale, ma come un pilastro infrastrutturale della sovranità nazionale. La capacità delle istituzioni di mantenere il controllo sui processi decisionali automatizzati e sull’integrità dei dati dei cittadini è il presupposto per la resilienza democratica e l’autonomia politica.
Il contesto geopolitico attuale impone una riflessione profonda sulla dipendenza tecnologica. Un’analisi dei macro-obiettivi strategici rivela che la trasformazione digitale della PA deve poggiare su driver imprescindibili: la promozione del software Open Source, la rigorosa localizzazione dei dati all’interno del perimetro di giurisprudenza nazionale ed europea, e una sostenibilità ambientale che non sia solo dichiarativa, ma misurabile. Lo sforzo necessario per migliorare le attuali bozze delle Linee Guida sviluppo e procurement AI nella PA, serve proprio per elevarle da standard tecnici a veri e propri strumenti di politica industriale. L’obiettivo è trasformare la PA da acquirente passivo di pacchetti tecnologici monolitici e “black box” a partner attivo del progresso tecnologico nazionale, garantendo che ogni investimento pubblico generi valore per l’ecosistema economico interno. La qualità della modernizzazione dello Stato dipenderà, in ultima istanza, dalla coerenza formale e dalla forza prescrittiva dei documenti analizzati, i quali devono definire confini per la protezione del patrimonio informativo pubblico.
Sommario
Premessa: la governance dell’Intelligenza Artificiale e l’ascesa degli agenti AI
L’evoluzione dell’intelligenza artificiale sta ridisegnando non solo gli equilibri geopolitici mondiali, ma anche i confini della regolamentazione e dei diritti dei singoli cittadini. Sul fronte globale, la spinta tecnologica è fortemente trainata dal settore militare e della difesa, come descritto nella panoramica su L’Ascesa degli Agenti e l’evoluzione dell’AI: robot e droni per il Pentagono, che illustra il passaggio dai semplici chatbot ad agenti autonomi complessi grazie a investimenti miliardari e partnership tra il governo statunitense e i colossi del tech. Questo legame tra tecnologia e sicurezza nazionale negli Stati Uniti si riflette inevitabilmente sulle scelte politiche della Casa Bianca; una dinamica sviscerata nell’analisi sul controllo preventivo sui modelli di intelligenza artificiale: il prossimo Executive Order di Trump avrà impatti in Europa, che esplora le divisioni interne all’amministrazione americana tra la volontà di deregolamentare in chiave “America First” e la necessità di vigilare sui rischi cibernetici e sulla rivalità con la Cina, con inevitabili ripercussioni sul mercato europeo.
Mentre gli Stati Uniti oscillano tra scopi militari e spinte protezionistiche, l’Europa si conferma il principale terreno di scontro legale e regolatorio per le Big Tech dell’IA. Il vecchio continente, tuttavia, mostra talvolta orientamenti contrastanti tra le sue istituzioni: un esempio emblematico è la svolta giudiziaria raccontata nell’articolo in cui si spiega come in ambito AI: il Tribunale di Roma annulla la maxi-multa privacy da 15 milioni a OpenAI. Vittoria storica per ChatGPT in Italia, una sentenza che ha ribaltato la sanzione del Garante per la protezione dei dati personali e che rappresenta un precedente di peso per la tutela legale dei fornitori di modelli linguistici in Europa.
Se da un lato i tribunali mitigano le sanzioni, dall’altro le autorità di vigilanza continuano a monitorare con severità le pratiche commerciali dei colossi digitali, specialmente quando queste impattano direttamente sui dispositivi o sul lavoro degli utenti. Solleva forti dubbi sul piano della trasparenza la denuncia secondo cui Google Gemini Nano si installa di nascosto nel tuo PC: cosa farà adesso la Commissione Europea?, un approfondimento sul download silenzioso del modello AI locale tramite Chrome che rischia di violare i dettami del GDPR e della direttiva ePrivacy. L’attivismo delle autorità nazionali contro lo strapotere di Mountain View è altrettanto evidente nello scontro istituzionale che vede l’AGCOM contro Google: lo scontro sugli AI Overviews e il futuro della ricerca online, una segnalazione formale alla Commissione Europea per presunte violazioni del Digital Services Act (DSA) volta a difendere il pluralismo informativo e il diritto d’autore degli editori dalle risposte automatizzate che azzerano il traffico verso i siti di informazione.
L’Asimmetria Prescrittiva tra LLGG Sviluppo e LLGG Procurement
Una delle criticità emerse dall’esame comparativo delle bozze in consultazione AGID, riguarda la divergenza terminologica e prescrittiva tra il documento dedicato allo “Sviluppo” e quello relativo al “Procurement”. Per un decisore istituzionale, questa discrepanza rappresenta un rischio operativo che potrebbe esporre ad ambiguità interpretative che possono vanificare gli obiettivi di sicurezza e trasparenza.
Nel documento sullo Sviluppo, ad esempio, AgID adotta una terminologia rigorosa, mutuata dagli standard internazionali ISO/IEC, utilizzando termini cogenti come “DEVE” per definire requisiti obbligatori. Questa precisione assicura che, in fase di progettazione, i guardrail tecnici siano chiaramente identificati. Al contrario, il documento di LLGG sul Procurement– ovvero la fase in cui i requisiti dovrebbero trasformarsi in obbligazioni contrattuali esigibili – sembra adottare formule più amministrative e malleabili. Locuzioni come “è opportuno”, “è generalmente preferibile” o “la PA deve valutare attentamente” possono limitare la cogenza prescrittiva delle Linee Guida trasformando gli obblighi in suggerimenti discrezionali, permettendo ai fornitori, specialmente ai grandi player globali, di eludere i principi di sovranità presentando soluzioni “pseudo-conformi”.
La proposta di revisione strategica prevede il recepimento integrale della gradualità terminologica ISO/IEC anche nel documento negoziale. È indispensabile che ogni “DEVE” tecnico trovi una corrispondenza simmetrica nel procurement, trasformando le raccomandazioni in comportamenti contrattuali tipizzati. Questa coerenza formale è il presupposto logico per affrontare la definizione dei requisiti tecnici minimi anche per la neutralità tecnologica.
Fondamenta Tecniche: Open Source, Open Weight e Standard Aperti
La neutralità tecnologica non è un concetto astratto, ma si poggia su definizioni tecniche rigorose che impediscano forme di cattura tecnologica. L’analisi del Principio 17 delle Linee Guida, ad esempio evidenzia l’assenza di definizioni esplicite per “Open Source” e “Open Weight”. In un mercato dominato da modelli di IA proprietari, la PA deve avere la certezza che le soluzioni acquisite permettano la visibilità del codice e la disponibilità dei pesi dei modelli, fattori essenziali per garantire la reversibilità del servizio e l’autonomia decisionale.
L’attuale formulazione, che invita a “privilegiare” gli standard aperti, configura forse un semplice criterio di premialità. Questa impostazione appare insufficiente a prevenire il vendor lock-in. Dal punto di vista della politica industriale, è necessario passare dal “privilegio” all’obbligo (on/off): la conformità agli standard aperti e l’adozione di API documentate devono essere requisiti di partecipazione. La trasparenza non deve essere più un’opzione valutabile, ma una pre-condizione per l’accesso alla commessa pubblica. Specificare queste definizioni consentirebbe di valorizzare le realtà innovative del territorio europeo che, pur non avendo le masse critiche dei big tech, offrono soluzioni aperte e interoperabili che favoriscono la competitività del tessuto industriale nazionale. Solo attraverso questa indipendenza tecnica è possibile costruire un modello di sovranità digitale che non sia solo un proclama, ma una realtà operativa.
Sovranità Digitale e Indipendenza Tecnologica
Anche la sovranità digitale deve essere elevata a principio cardine della governance algoritmica, intendendola non come isolamento autarchico, ma come capacità di controllo e governo dei processi essenziali dello Stato. È necessario procedere a una ridefinizione del Principio 4 (Sovranità), proprio per garantire l’indipendenza strategica, magari secondo una proposta così articolata:
“Indipendenza tecnologica e autonomia dei servizi acquisiti, garantendo che lo Stato mantenga il controllo totale sui processi, senza dipendenze da tecnologie non soggette alla giurisdizione UE o che possano essere interrotte da decisioni politiche di Stati terzi.”
Questa definizione sposta chiaramente il focus dalla mera protezione del dato alla continuità dello Stato. A tal fine, è indispensabile integrare nelle Linee Guida richiami espliciti alla classificazione dell’Agenzia per la Cybersicurezza Nazionale (ACN). La classificazione dei dati operata da ACN (strategici, critici, ordinari) deve guidare la scelta dell’infrastruttura di hosting. Per i dati strategici e critici, la PA deve esigere infrastrutture con certificazioni di alto livello (modello QI2/QC2), garantendo che l’hosting avvenga su cloud provider nazionali o europei che offrano garanzie di immunità da leggi extraterritoriali (come il Cloud Act statunitense).
Un ulteriore punto di frizione riguarda la gestione dell’uso secondario dei dati. L’attuale bozza, laddove prescrive di “limitare” l’uso dei dati per finalità non previste, risulta eccessivamente permissiva. È necessaria una sostituzione terminologica radicale: i contratti devono escludere e vietare in modo assoluto ogni utilizzo dei dati pubblici per l’addestramento di modelli proprietari dei fornitori senza autorizzazione esplicita. Ogni utilizzo non classificato come lecito deve essere considerato illecito per definizione. Per garantire questo isolamento tecnico, la PA dovrebbe promuovere modelli di “Private AI”, in cui il modello risiede interamente in un perimetro controllato dall’Amministrazione, impedendo che i dataset pubblici diventino, di fatto, un sussidio gratuito per l’addestramento dei modelli commerciali delle grandi corporation estere. La tutela della sovranità digitale è la condizione necessaria per abilitare la partecipazione di attori economici locali, spesso penalizzati da regimi di concorrenza asimmetrici.
L’Inclusione delle PMI e l’Ecosistema Nazionale dell’IA
Le Piccole e Medie Imprese (PMI) e le startup innovative rappresentano il cuore pulsante della ricerca tecnologica italiana. Tuttavia, l’attuale architettura del procurement pubblico, orientata verso l’aggregazione eccessiva della domanda e i grandi accordi quadro pluriennali, rischia di istituzionalizzare un oligopolio a favore dei grandi system integrator globali. Questi ultimi spesso si aggiudicano commesse massive per poi subappaltare le attività alle PMI locali a condizioni economiche e operative penalizzanti, drenando il know-how tecnico dal territorio.
Per contrastare questa deriva, è necessario introdurre clausole “SME-First” e riferimenti operativi vincolanti:
Suddivisione in lotti funzionali e prestazionali: Gli appalti non devono essere pacchetti monolitici. La modularità deve riflettersi nei bandi, permettendo a una PMI specializzata in un verticale specifico (es. computer vision per la diagnostica medica) di competere direttamente senza essere tagliata fuori dai volumi di fatturato storico richiesti per i grandi lotti.
Criteri di prossimità e bassa latenza: Valorizzare la vicinanza dell’infrastruttura e del supporto tecnico non è solo un vantaggio logistico, ma un requisito di sicurezza e resilienza.
Limite agli Accordi Quadro: Ridurre la durata temporale degli accordi per l’IA e introdurre quote per “nuovi entranti” per evitare l’obsolescenza e favorire l’ingresso di soluzioni innovative emergenti.
L’investimento in fornitori nazionali genera un effetto moltiplicatore dirompente: ogni euro speso attiva una filiera di occupazione qualificata, investimenti in centri di ricerca locali e gettito fiscale che rimane all’interno del Paese. Un procurement inclusivo non solo rafforza l’economia, ma aumenta la flessibilità della PA attraverso approcci multi-cloud e ibridi, riducendo strutturalmente la dipendenza da un singolo fornitore. Questa sostenibilità economica è però incompleta se non supportata da una revisione dei modelli di valutazione contabile.
Economia dell’IA: Oltre il TCO Verso il Valore Pubblico (LCOAI)
L’applicazione dei criteri contabili tradizionali all’Intelligenza Artificiale è intrinsecamente fallace. Il calcolo classico del Total Cost of Ownership (TCO) tende a essere distorto a favore delle soluzioni consumer globali. Tali strumenti appaiono inizialmente più convenienti poiché i costi di formazione del personale sono inferiori a causa della loro diffusione massiva. Tuttavia, il TCO ignora le esternalità negative della dipendenza estera: il rischio di exit fees elevate, l’aumento arbitrario dei costi di licenza e la potenziale interruzione del servizio per motivi politici o geopolitici.
L’evoluzione necessaria è l’adozione della metrica Levelized Cost of Artificial Intelligence (LCOAI), che rapporta il costo del ciclo di vita all’output generato. Tuttavia, per essere uno strumento di politica industriale, l’LCOAI deve includere come variabili quantitative le “esternalità positive” generate sul territorio:
Contributo fiscale e occupazionale: Il ritorno economico diretto derivante dall’affidamento a imprese che pagano le tasse in Italia.
Crescita delle competenze (Upskilling): Il valore di creare un pool nazionale di esperti che gestiscano le infrastrutture critiche.
Indipendenza Strategica: Il valore intrinseco dell’autonomia decisionale, quantificabile come risparmio sui futuri costi di migrazione coatta.
Inoltre, la sostenibilità economica richiede clausole di manutenzione adeguativa chiare. In un quadro normativo in rapida evoluzione (si pensi all’AI Act, al GDPR o al futuro Digital Omnibus), i contratti devono prevedere tempi e costi definiti per l’adeguamento normativo, evitando che ogni aggiornamento legislativo diventi un’occasione per il fornitore di rinegoziare a rialzo i canoni o, peggio, interrompere l’appalto. Questa visione economica integrata deve necessariamente sposarsi con una gestione responsabile delle risorse fisiche ed energetiche.
Infrastruttura, Resilienza e Sostenibilità Ambientale
La duplice transizione, digitale ed ecologica, impone una gestione rigorosa dell’impatto ambientale dei data center. Una delle debolezze dell’attuale bozza AgID risiede nella classificazione dello shortage hardware (carenza di GPU/NPU) come “fattore non prevedibile”. In un mercato post-pandemico e caratterizzato da forti tensioni geopolitiche, lo shortage hardware deve essere classificato come un rischio noto da mitigare attraverso piani di continuità proattivi e neutralità hardware.
Un eccesso tecnico ricorrente nelle Linee Guida è il suggerimento del ricorso al fallback “CPU Only” in caso di indisponibilità di acceleratori hardware. Da un punto di vista ingegneristico, l’inferenza di modelli linguistici moderni (LLM) su CPU è drammaticamente inefficiente: i tempi di latenza aumentano esponenzialmente e il consumo energetico per token generato è significativamente superiore rispetto all’uso di GPU ottimizzate. Forzare le amministrazioni verso configurazioni hardware obsolete degrada le prestazioni e viola il principio di efficienza energetica. La resilienza deve essere agnostica, favorendo infrastrutture che garantiscano il servizio senza degradazioni inaccettabili.
Infine, è imperativo rendere cogente il principio DNSH (Do No Significant Harm), che attualmente risulta assente o relegato a mera “buona pratica”. L’allineamento con le tassonomie europee della finanza sostenibile richiede che i capitolati d’appalto impongano:
Rendiconto energetico puntuale: Obbligo per i fornitori di dichiarare il consumo per query e per ciclo di addestramento.
Efficienza Infrastrutturale: Privilegiare data center con un PUE (Power Usage Effectiveness) non superiore a 1.2, alimentati esclusivamente da fonti rinnovabili certificate.
Questa rigorosità trasforma la sostenibilità da onere burocratico a leva per la modernizzazione delle infrastrutture pubbliche.
Conclusioni: dalla gestione passiva alla governance attiva
La sfida dell’IA nella Pubblica Amministrazione non è una sfida di acquisto, ma di governance. L’Italia non può permettersi di essere un mercato di sbocco passivo per tecnologie progettate altrove, con logiche che non tengono conto del nostro ordinamento e dei nostri valori sociali. La PA deve assumere il ruolo di partner strategico, capace di orientare l’innovazione verso l’interesse pubblico.
Le tre direttrici fondamentali emerse da questa analisi sono:
Rigore Linguistico e Cogenza: Eliminare la “malleabilità” dei termini nel procurement, utilizzando esclusivamente la terminologia prescrittiva ISO/IEC per creare guardrail contrattuali esigibili.
Rimozione del Vendor Lock-in: Passare dalla semplice “mitigazione” del rischio alla rimozione strutturale delle dipendenze, rendendo mandatorie le architetture vendor-independent, l’uso di standard aperti e modelli di Private AI.
Tutela della Filiera Nazionale: Implementare clausole SME-First e criteri di valutazione che premino le esternalità positive e il ritorno economico sul territorio, trasformando la spesa pubblica in un volano di crescita per le imprese innovative italiane.
Un procurement dell’IA che sia sovrano, inclusivo e sostenibile è l’unica via per garantire che la trasformazione digitale non sia un processo subito, ma un’opportunità governata per costruire un’Italia resiliente, competitiva e padrona del proprio destino tecnologico.
