L'AI nella Pubblica Amministrazione italiana può generare 15 miliardi di euro di efficienza, ma il 95% dei progetti fallisce. Analisi, modelli e strategie.

Il numero è di impatto, quasi astratto per la sua grandezza: 15 miliardi di euro. È questa la cifra che David Casalini, Head of TEHA Lab, identifica come potenziale di efficienza annua che l'intelligenza artificiale potrebbe sbloccare all'interno della Pubblica Amministrazione italiana. Non si tratta di un risparmio lineare, ma di un valore generato attraverso l'ottimizzazione di processi che oggi drenano risorse umane e temporali immense.

15 miliardi di euro di efficienza potentials

L'idea che l'AI possa agire come catalizzatore per l'innovazione non è più un'ipotesi. Domenico De Rosa evidenzia come l'automazione di compiti ripetitivi e ad alto volume — si pensi alla gestione di permessi edilizi o richieste di contributi — possa ridurre drasticamente i tempi di attesa. Il valore economico di questi 15 miliardi risiede nella capacità di liberare il personale da attività a basso valore aggiunto per spostarlo verso funzioni strategiche.

L'efficienza si declina in diverse direzioni. Da un lato, l'interazione con il cittadino tramite chatbot e assistenti virtuali riduce il carico dei call center. Dall'altro, l'analisi predittiva permette di ottimizzare la gestione del traffico urbano o di prevedere la domanda di servizi sanitari. In ambito medico, l'impatto è ancora più tangibile: diagnosi precoci e gestione efficiente delle liste d'attesa. Tuttavia, questa montagna di valore resta, per ora, in gran parte teorica.

Perché il 95% dei progetti pilota fallisce?

Esiste un divario profondo tra la demo tecnologica e il servizio pubblico funzionante. Secondo l'analisi di Casalini, il 95% dei progetti pilota di AI nella PA non produce valore reale. Il motivo è semplice: l'AI viene trattata come un tema puramente tecnologico — fatto di modelli e piattaforme — mentre è, in realtà, una questione di capacità amministrativa.

Analisi di contesto: Per un imprenditore che fornisce servizi alla PA, questo dato è cruciale. Significa che il mercato non soffre di mancanza di software, ma di mancanza di metodo. I progetti falliscono perché rimangono confinati in 'bolle' sperimentali senza una visione di scalabilità. Le barriere sono tre: normative, organizzative e culturali. Senza infrastrutture dati solide e competenze interne, l'AI rimane un giocattolo per pochi tecnici invece di diventare un'infrastruttura per migliaia di dipendenti.

La sfida non è dunque quanta AI sia stata provata, ma quanta di questa sia stata trasformata in servizi stabili, misurabili e replicabili. Oltre i prototipi significa smettere di cercare la 'soluzione magica' e iniziare a costruire i muscoli amministrativi necessari per sostenerla.

L'Agentic AI Hub e la lezione dei Comuni tedeschi

Mentre l'Italia fatica a uscire dalla fase di test, la Germania ha implementato un modello che merita attenzione. Tra il 3 e il 14 agosto 2026, i Comuni tedeschi hanno partecipato alla seconda edizione dell'Agentic AI Hub. Si tratta di un programma guidato dal Ministero federale per il Digitale e la Modernizzazione dello Stato per integrare agenti AI direttamente nella macchina amministrativa locale.

I numeri della prima edizione, svoltasi tra marzo e maggio, raccontano l'entusiasmo e la scarsità di posti: quasi 400 startup e circa 200 Comuni si sono candidati per soli 20 posti disponibili in 19 enti pilota. Il risultato, documentato in un rapporto pubblicato il 29 luglio, è stato un alleggerimento misurabile del lavoro amministrativo dopo sole poche settimane. Questo successo ha spinto il governo tedesco a riaprire immediatamente una seconda call.

La lezione è chiara: l'approccio tedesco non cerca di digitalizzare tutto subito, ma seleziona casi d'uso specifici, li testa in ambienti controllati e, una volta verificata l'efficacia, li scala. È un metodo bottom-up che trasforma l'AI in un 'agente' operativo, non in un semplice software di consultazione.

Due strade per scalare l'innovazione

Andrea Tironi, Project Manager per la Digital Transformation, suggerisce che per l'Italia esistano due percorsi distinti per superare l'impasse dei progetti isolati. La scelta tra i due dipende dall'obiettivo strategico dell'amministrazione.

Modello	Approccio	Obiettivo	Metodo
Bottom-up (Modello Tedesco)	Basato su casi d'uso specifici	Scalare soluzioni che hanno già dimostrato efficacia in piccoli contesti	Sperimentazione rapida $\rightarrow$ Validazione $\rightarrow$ Diffusione
Sistemico (Analisi di Processo)	Analisi per aree di processo su campione	Riprogettare intere aree amministrative in modo strutturato	Mappatura processi $\rightarrow$ Metodi comuni $\rightarrow$ Replicabilità

Chi gestirà le pratiche amministrative domani?

Immaginiamo un dialogo tra un dirigente della PA di oggi e un ipotetico responsabile dell'innovazione del 2030. Il primo chiederebbe: 'Come faremo a gestire migliaia di istanze senza aumentare il personale?'. Il secondo risponderebbe che il lavoro non è sparito, ma è cambiato di natura.

In questo scenario, l'AI non sostituisce il funzionario, ma ne automatizza la parte più alienante. La gestione delle pratiche amministrative sarà affidata a sistemi che effettuano lo screening preventivo dei documenti, verificano la completezza dei requisiti e preparano una bozza di decisione che l'umano deve solo validare. Il funzionario evolve da 'compilatore di moduli' a 'supervisore di processi'.

Analisi strategica: Questo spostamento richiede una nuova tipologia di competenze. Non serviranno più esperti di procedura burocratica pura, ma figure capaci di orchestrare l'interazione tra l'utente, l'AI e la norma giuridica. Per le imprese di consulenza e tech, l'opportunità non è più vendere il 'bot', ma vendere la riprogettazione del flusso di lavoro.

Per verificare se questo scenario si sta realizzando, l'indicatore chiave sarà il numero di servizi AI scalati a livello nazionale rispetto ai singoli progetti pilota locali entro il 2027.

La sfida della PA tra AI Act e digitalizzazione dei servizi italiani

L'implementazione dell'AI nella PA italiana non avviene in un vuoto normativo. L'AI Act europeo impone vincoli severi, specialmente per i sistemi classificati ad alto rischio, categoria in cui rientrano molti servizi pubblici che influenzano i diritti dei cittadini.

La sfida per l'Italia è doppia. Da un lato, è necessario garantire la conformità etica e la privacy dei dati, evitando che l'automazione diventi una 'scatola nera' decisionale. Dall'altro, occorre accelerare la digitalizzazione di base: l'AI non può funzionare su dati analogici o frammentati. Come sottolineato in analisi recenti, l'integrazione dell'AI richiede una resilienza dei sistemi pubblici che passi per la sicurezza informatica e la prevenzione delle frodi.

Per le imprese italiane, questo significa che il mercato della PA non sarà più accessibile a chi offre soluzioni 'chiavi in mano' generiche, ma a chi saprà integrare i requisiti dell'AI Act e della NIS2 direttamente nel design del prodotto. La sovranità digitale europea impone che questi strumenti siano trasparenti e verificabili.

'La domanda che conta non è quanta AI abbiamo provato, ma quanta ne abbiamo trasformata in servizi stabili, misurabili e replicabili'

In sintesi, il passaggio dai 15 miliardi di potenziale ai risultati concreti dipenderà dalla capacità di scegliere una delle due strade di scalabilità — quella dei casi d'uso o quella dei processi — e di percorrerla con un metodo rigoroso, superando la cultura del prototipo fine a se stesso.

Domande frequenti

---

Fonti: Agendadigitale (2), Agenda-digitale ·