Quando si parla di adozione dell’intelligenza artificiale nella Pubblica Amministrazione, tendiamo subito a guardare lontano. Forse troppo: agenti autonomi, automazione dei processi, supporto alle decisioni, personalizzazione dei servizi, analisi predittiva. E poi infrastrutture, sovranità tecnologica, modelli proprietari o open source, governance, sicurezza.
Sono tutti temi importanti. Alcuni essenziali per la nostra stessa capacità di governare questa trasformazione, ma ancora sistematicamente sottovalutati, come il concetto di sovranità. Altrettanto importante è partire da una visione condivisa verso cui orientare il processo di adozione. Ed è proprio qui che ho la sensazione che, nel tentativo di immaginare come l’AI trasformerà profondamente la Pubblica Amministrazione nei prossimi anni, rischiamo di trascurare quello che possiamo farci adesso.
Questo non significa che la visione di lungo periodo sia meno importante. Al contrario: senza una direzione chiara, il rischio è accumulare iniziative scollegate e tecnologia senza una strategia. Ma costruire quella visione non ci impedisce di agire nel presente. Esistono applicazioni concrete, già disponibili e immediatamente spendibili, che possono produrre valore mentre la trasformazione più profonda prende forma. E soprattutto possono produrre già oggi un beneficio molto concreto per il cittadino.
Da questo punto di vista, credo che esistano due ambiti molto semplici da descrivere, ma enormemente importanti: aiutare la Pubblica Amministrazione a farsi capire meglio e aiutarla a capire meglio le persone. Sembrano obiettivi banali. In realtà toccano uno dei problemi più profondi del rapporto tra cittadini e istituzioni: la complessità, e la percezione di distanza che questa determina.
La complessità non è soltanto un problema di design
Chi si occupa di progettazione dei servizi pubblici lavora da anni per ridurre questa complessità. Semplifichiamo processi, riprogettiamo servizi, miglioriamo portali e applicazioni. Abbiamo costruito design system, riorganizzato architetture informative, riscritto contenuti e testato tutto questo con le persone.
Tutto questo serve. Ma c’è una parte della complessità che non nasce dall’interfaccia e che quindi non può essere risolta semplicemente progettando un’interfaccia migliore.
Un grande ente pubblico applica norme, regolamenti e procedure costruiti nel corso di decenni. Nuove disposizioni si sovrappongono alle precedenti: alcune le modificano, altre introducono eccezioni, regimi transitori, nuovi requisiti, soglie, incompatibilità. La complessità si stratifica e cresce di anno in anno.
A questo si aggiungono competenze distribuite tra amministrazioni diverse, condizioni personali che modificano l’accesso alle prestazioni, procedure differenti a seconda della situazione specifica. Possiamo e dobbiamo continuare a semplificare tutto ciò che è possibile semplificare, ma realisticamente non saremo in grado di rimuovere in tempi brevi decenni di stratificazione normativa e procedurale, né di trasformare rapidamente il processo stesso di scrittura delle norme, che dovrà progressivamente avvicinarsi ai principi del cosiddetto legal design. Un’impresa tutt’altro che semplice.
Il problema, allora, può essere posto in un altro modo: se non possiamo eliminare immediatamente tutta questa complessità, possiamo almeno evitare di scaricarla sul cittadino?
È qui che, secondo me, l’AI ci viene in aiuto fin da subito.
Oggi traduciamo noi
Per orientarsi nei servizi pubblici, una persona deve ancora conoscere almeno in parte la logica della macchina amministrativa. Deve capire quale prestazione cercare, sapere in quale categoria collocare il proprio problema, immaginare quale parola utilizzare nel motore di ricerca, conoscere magari il nome amministrativo del servizio o, peggio ancora, ricordarne l’acronimo, spesso completamente ermetico. Poi deve trovare la pagina corretta, leggerla e comprenderla.
In sostanza, oggi è il cittadino a fare il lavoro di traduzione.
Parte da un bisogno espresso nel proprio linguaggio — «ho perso il lavoro», «è nato mio figlio», «mia madre non è autosufficiente» — e deve trasformarlo nel linguaggio, nelle categorie e nelle strutture della Pubblica Amministrazione. L’intelligenza artificiale offre la possibilità di invertire questo rapporto: non chiedere più alla persona di imparare come ragiona l’amministrazione, ma costruire sistemi capaci di comprendere come ragionano e parlano le persone.
È questa, per me, la vera promessa di un assistente virtuale evoluto. Non una versione più sofisticata delle vecchie FAQ, né una casella in cui fare una domanda sperando di avere indovinato le parole giuste, ma un traduttore tra cittadino e burocratese.
La persona dovrebbe poter raccontare ciò che le sta succedendo con parole normali. Dovrebbe essere il sistema a interpretare il bisogno, ricondurlo alla struttura amministrativa sottostante, individuare le informazioni e le prestazioni pertinenti e restituire una risposta comprensibile.
In altre parole: oggi traduciamo noi verso la PA. Domani può essere la PA a tradurre verso di noi.
Ma prima bisogna avere qualcosa di chiaro da dire
Qui emerge immediatamente un problema. Un assistente può comprendere benissimo la domanda e formulare una risposta apparentemente perfetta, ma in una Pubblica Amministrazione la risposta non deve soltanto sembrare convincente: deve essere corretta. E per essere corretta deve poggiare su fonti affidabili.
Questo è molto meno banale di quanto sembri, perché in una grande organizzazione pubblica la fonte di verità spesso non è un singolo documento.
Uno stesso servizio può essere descritto da decine di fonti diverse, prodotte in momenti diversi: una legge può averne definito l’impianto originario, un decreto successivo può aver modificato alcuni requisiti, una circolare può aver precisato una procedura, un messaggio può aver aggiornato una scadenza o introdotto una nuova modalità operativa. Nel frattempo, tutto ciò che non è stato modificato continua magari a essere disciplinato da un documento scritto molti anni prima.
Nessuna di queste fonti, presa da sola, contiene necessariamente una descrizione completa e aggiornata del servizio. La risposta corretta va quindi ricostruita mettendo insieme informazioni distribuite nel tempo, distinguendo ciò che è ancora valido da ciò che è stato modificato, integrato o superato.
Ed è qui che il problema del retrieval diventa molto più difficile di una semplice ricerca documentale. Non basta trovare i documenti semanticamente più vicini alla domanda. Bisogna individuare le fonti effettivamente rilevanti, capire quali parti di ciascuna fonte siano applicabili al caso specifico, stabilire quali informazioni siano ancora aggiornate e ricomporle in una risposta unica e coerente.
Collegare semplicemente un modello linguistico a migliaia di documenti non risolve quindi il problema. Gli consegna la stessa complessità che stiamo cercando di evitare al cittadino.
Serve qualcosa in mezzo: una base di conoscenza progettata per le persone, affidabile, controllata, aggiornata, coerente e scritta in modo comprensibile. Ed è qui che entra in gioco il secondo grande utilizzo immediato dell’AI.
Prima aiutiamoci a scrivere meglio
Da alcuni anni in INPS lavoriamo sistematicamente sulla semplificazione dei contenuti. Abbiamo definito linee guida di scrittura, standardizzato le strutture informative, adottato metriche come l’indice Gulpease e introdotto test con gli utenti per verificare se i testi riscritti siano davvero più comprensibili.
Il problema evidente è la scala. Una grande amministrazione produce e gestisce migliaia di pagine, lettere, moduli e comunicazioni. Riscrivere tutto manualmente è possibile, ma richiede un’enorme quantità di tempo e competenze.
Qui l’intelligenza artificiale generativa può diventare un acceleratore molto potente. Non sostituendo il controllo umano, ma producendo una prima trasformazione del contenuto: semplificando il lessico, riducendo la complessità sintattica, migliorando la struttura e mantenendo intatto il significato.
Abbiamo sperimentato questo approccio su decine di contenuti INPS e lo abbiamo poi verificato con gli utenti. Su 50 schede servizio, attraverso un panel di oltre 1.600 persone e circa 5.000 valutazioni, i testi semplificati sono stati preferiti agli originali in oltre il 70% dei casi. Le versioni prodotte con il supporto dell’AI hanno raggiunto livelli di qualità e leggibilità comparabili, e in alcuni casi superiori, a quelli ottenuti attraverso la riscrittura specialistica.
Il punto interessante, però, non è dimostrare che «l’AI scrive bene». Lo sappiamo già. È piuttosto che, per la prima volta, abbiamo uno strumento che può aiutarci a costruire a scala industriale una conoscenza pubblica pensata per essere compresa.
E quella stessa conoscenza può diventare la base sulla quale far lavorare gli assistenti.
Le due cose diventano una sola
A questo punto i due cantieri si incontrano. Da una parte utilizziamo l’AI per trasformare contenuti complessi in informazioni più semplici, strutturate e comprensibili. Quei contenuti vengono verificati, misurati e validati, e diventano poi la fonte sulla quale lavora l’assistente.
A quel punto l’assistente può fare ciò in cui i nuovi modelli linguistici sono particolarmente bravi: comprendere una domanda formulata liberamente e individuare, all’interno di una conoscenza controllata, ciò che serve per rispondere.
Il processo, inoltre, può continuare ad alimentarsi. Le domande degli utenti mostrano dove una spiegazione non funziona, dove manca un’informazione o dove un contenuto genera ambiguità. Quell’evidenza permette di migliorare la fonte, e una fonte migliore produce a sua volta risposte migliori.
Si crea quindi un ciclo:
A quel punto il chatbot smette di essere un oggetto isolato appoggiato sul portale e diventa l’interfaccia di un sistema informativo costruito intorno alle persone.
Non dobbiamo aspettare la PA del futuro
È forse questo l’aspetto che trovo più interessante. Per fare queste due cose non dobbiamo aspettare che l’intera Pubblica Amministrazione venga ridisegnata intorno all’intelligenza artificiale, né che si compia una completa automazione dei processi. E non serve nemmeno attendere che ogni amministrazione abbia costruito la propria infrastruttura AI definitiva.
Possiamo cominciare ora.
Possiamo usare l’intelligenza artificiale per rendere più semplice e comprensibile la conoscenza pubblica. E possiamo usare quella stessa conoscenza per costruire assistenti capaci di comprendere le persone e farsi carico, al loro posto, di una parte della complessità amministrativa.
Sono due leve relativamente circoscritte, ma intervengono direttamente nel punto in cui il cittadino incontra la Pubblica Amministrazione. E soprattutto sono due leve il cui risultato può essere misurato: possiamo sapere se le persone comprendono meglio un testo, se trovano più facilmente ciò che cercano, se individuano la prestazione corretta, se impiegano meno tempo, se commettono meno errori, se riescono a completare un percorso con minore sforzo.
Ed è forse proprio da qui che dovremmo partire. Il dibattito sulla trasformazione profonda che l’AI produrrà nella Pubblica Amministrazione è necessario e continuerà per anni. Nel frattempo, però, possiamo fare qualcosa di molto più semplice: