La Ferrari in garage: capacità disponibili ma non usate

Per il lavoro quotidiano di un comune, i modelli di intelligenza artificiale oggi in commercio sono già sufficienti: quello che manca è la capacità degli enti di metterli al lavoro. Lo sostiene Andrea Tironi, project manager che da vent’anni lavora con la pubblica amministrazione, in un’analisi pubblicata su Agenda Digitale il 12 ottobre. Il suo punto di partenza è che le capacità disponibili nei software già pagati dagli enti superano di molto ciò che gli uffici ne ricavano. Per chi guida un’amministrazione la conseguenza è pratica: conta meno il prossimo acquisto e di più l’uso di ciò che si ha.

La potenza dei modelli non è più il collo di bottiglia

Tironi apre con un’immagine. Un comune si ritrova in garage una Ferrari, arrivata quasi senza accorgersene con l’ultimo aggiornamento del gestionale; fuori però c’è una strada dissestata, e tra i dipendenti pochi saprebbero guidarla. Fuor di metafora, le attività che pesano su un ufficio comunale sono ripetitive e note. Sintetizzare atti lunghi, impostare una determina su un modello già approvato, gestire le domande frequenti su tributi e servizi scolastici, smistare la corrispondenza del protocollo, ricavare informazioni da documenti scansionati: sono compiti alla portata degli strumenti attuali, spesso con buoni risultati.

Da qui la distinzione che regge l’intera analisi. Non si tratta di un’AI troppo potente in assoluto, ma di uno scarto che si allarga tra ciò che il software sa fare e ciò che l’organizzazione riesce a fargli fare. In letteratura si parla di capability overhang, potenzialità acquistate e lasciate inerti. Un’auto più veloce non accorcia una strada piena di buche. Cambiare strumento senza cambiare il modo di lavorare lascia invariati i tempi degli uffici.

I numeri del MIT e del Politecnico indicano lo stesso divario

A sostegno della tesi Tironi richiama due ricerche. La prima è il rapporto The GenAI Divide del progetto NANDA del MIT, uscito nel luglio 2025 e dedicato alle imprese, non alla PA. Il documento stima fra 30 e 40 miliardi di dollari la spesa aziendale nell’AI generativa e conclude che il 95% delle organizzazioni non ne ricava alcun ritorno. Per gli autori il divario non dipende dalla qualità dei modelli né dalle regole, ma dall’approccio: strumenti che non imparano dal contesto, flussi fragili, sistemi lontani dal lavoro di ogni giorno. Il 60% delle organizzazioni ha valutato soluzioni su misura o di fornitori, ma solo il 5% le ha portate in produzione.

La seconda riguarda l’Italia. Secondo il comunicato dell’Osservatorio Smart City del Politecnico di Milano del 5 maggio 2026, l’intelligenza artificiale è in uso nel 7% dei comuni; il 18% prevede di introdurla nel 2026, il 34% a partire dal 2027. Il giudizio dei residenti è netto. Nei centri sotto i 5.000 abitanti il 64% ritiene il proprio municipio impreparato all’AI, mentre nelle grandi città la quota si ferma al 44%. Il ritardo italiano si concentra negli uffici, non nella tecnologia.

Nella PA la corsa è agli add-on dei fornitori, non ai modelli

Il dibattito sui modelli tende a trascurare un fatto: un comune non tratta direttamente con i laboratori che li sviluppano. L’AI gli arriva come modulo aggiuntivo del gestionale, come assistente dentro il software di protocollo o come licenza della suite per l’ufficio. Ogni modulo, osserva Tironi, ha effetti collaterali. Rafforza la dipendenza dal fornitore, che spesso trattiene anche i dati elaborati. Moltiplica gli applicativi, ciascuno con la propria logica e senza un disegno comune. Aggiunge canoni ricorrenti dei quali raramente qualcuno controlla l’utilizzo reale.

Il rischio più sottile è l’AI ridotta a voce di adempimento. Poterla citare nel PIAO, il Piano integrato di attività e organizzazione, o nella relazione di fine mandato rischia di diventare il traguardo, mentre i servizi ai cittadini restano quelli di prima.

Usare subito ciò che l’ente possiede, e misurarne l’effetto

L’obiezione è prevedibile: i modelli recenti costano meno per ogni compito, commettono meno errori e reggono testi più lunghi. Tironi non la respinge, ma propone di separare le decisioni di spesa dall’inseguimento del modello. Con un’architettura ben progettata, aggiornare il modello dovrebbe richiedere una modifica di configurazione, non una nuova procedura di gara.

Allo stesso tempo l’autore mette in guardia dal rischio opposto, la prudenza che diventa alibi. Rinviare tutto a quando dati, processi e competenze saranno in ordine è, nella sua lettura, la formula con cui la PA ha rimandato per anni la digitalizzazione. Il meccanismo si autoalimenta: se lo strumento resta fermo, i difetti dei dati non emergono, nessuno li corregge e l’AI continua a deludere. La via d’uscita che propone è una «moratoria sugli acquisti, non sull’uso», in quattro passi.

• Fare l’inventario: licenze in essere, funzioni AI già attive nei gestionali, chi le usa e per quali compiti. Capita spesso di scoprire servizi pagati e mai attivati, o strumenti doppi.
• Scegliere un processo ripetitivo e poco rischioso, come le risposte alle richieste frequenti o la sintesi delle delibere, inserire l’AI dentro il flusso e confrontare i tempi prima e dopo.
• Formare tutto il personale, non pochi esperti. Qui c’è anche un obbligo: l’articolo 4 dell’AI Act chiede anche a chi usa sistemi di AI, i cosiddetti deployer, di adottare misure perché il personale raggiunga un livello sufficiente di alfabetizzazione in materia di AI; la norma si applica dal 2 febbraio 2025.
• Prima di ogni contratto, chiedersi quale processo migliora, di quanto e con quale metro, e se in futuro si potrà cambiare fornitore o modello senza ripartire da capo.

La misurazione è il filo che tiene insieme i quattro passi.

«Senza misura non c’è adozione, c’è solo sperimentazione permanente», scrive Tironi.

Cosa l’analisi lascia aperto e chi ne paga il conto

La tesi convince, ma va letta con qualche cautela. Il rapporto del MIT si presenta come una raccolta di risultati preliminari, basata su interviste, sondaggi e sull’analisi di 300 implementazioni pubbliche; gli stessi autori avvertono che sei mesi di osservazione possono essere pochi per giudicare progetti complessi. I dati dell’Osservatorio sui residenti misurano una percezione, non la preparazione effettiva degli uffici. E il passaggio dalle imprese ai comuni resta un ragionamento per analogia: se faticano aziende con budget e personale qualificato, è difficile che un piccolo ente risolva cambiando software, ma resta un’inferenza, non un dato.

Poi ci sono gli interessi. Ai fornitori conviene la retorica del ritardo, perché vende aggiornamenti e moduli. Ai dipendenti conviene l’opposto di quanto si pensa: se la prudenza blocca tutto, continuano a svolgere a mano compiti che potrebbero delegare, mentre qualcuno sperimenta per conto proprio, senza regole condivise. I cittadini, nel mezzo, se ne accorgono solo se i servizi migliorano. E un ente che accumula contratti vincolanti perde, anno dopo anno, forza negoziale.

Per sindaci e responsabili della transizione digitale la verifica è semplice. Tironi suggerisce di chiedersi quali attività, nell’ultimo semestre, l’ufficio non svolge più a mano grazie all’AI. Se nessuna, un modello più potente non cambierà il risultato. Se qualcuna, l’ente ha già trovato la strada e probabilmente gli strumenti che possiede bastano. La Ferrari, per restare nella sua immagine, può aspettare: prima vanno sistemate la strada e la patente, e si sistemano guidando.

Fonti:

• PA, l’AI è già abbastanza potente: ora bisogna saperla usare | agendadigitale.eu