Tag Archivio per: AI Act

Human-in-the-loop e human-on-the-loop: chi controlla gli agenti AI?

, ,

Un agente AI prepara una risposta a un cliente, aggiorna il CRM, modifica un file, apre una richiesta di rimborso e programma l’invio di un’email. A quale passaggio deve fermarsi e chiedere il permesso? E quando, invece, può continuare mentre una persona controlla dall’alto?

È qui che entra in gioco la differenza tra human-in-the-loop e human-on-the-loop, IN da una parte e ON dall’altra. Nel primo modello l’essere umano è un passaggio obbligatorio del processo: senza la sua approvazione l’azione non parte. Nel secondo l’agente lavora in autonomia entro limiti prestabiliti, mentre una persona osserva indicatori, controlla campioni e può intervenire o fermare il sistema. Non è una scelta ideologica tra controllo e libertà: dipende dal rischio, dalla reversibilità dell’azione e dalla capacità di accorgersi in tempo di un errore.

La distinzione è particolarmente importante nei sistemi agentici usati in azienda. Un chatbot propone parole; un agente può usare strumenti e produrre effetti nel mondo: inviare, acquistare, modificare, pubblicare, cancellare. Più l’AI passa dal “dire” al “fare”, più occorre progettare con precisione il ruolo umano.

Che cosa significa human-in-the-loop

Human-in-the-loop (HITL) significa che una persona è dentro il flusso operativo. L’agente può analizzare dati, formulare una proposta o preparare un’azione, ma incontra un punto di controllo obbligatorio. L’umano approva, corregge o respinge; soltanto dopo il sistema può proseguire.

È il modello adatto quando una decisione può produrre conseguenze economiche, legali, sanitarie, reputazionali o difficili da annullare. Non basta mostrare un pulsante “Approva”: la persona deve ricevere il contesto necessario, avere tempo sufficiente e poter davvero cambiare la decisione.

Un esempio semplice: l’agente legge un reclamo, consulta l’ordine e propone un rimborso di 280 euro. In modalità human-in-the-loop il responsabile vede motivazione, dati usati e importo, poi autorizza o modifica l’operazione. Il sistema non trasferisce denaro da solo.

Che cosa significa human-on-the-loop

Human-on-the-loop (HOTL) significa che una persona supervisiona il processo senza approvare ogni singola azione. L’agente opera entro un perimetro definito; dashboard, registri, avvisi e controlli a campione permettono al supervisore di capire che cosa sta succedendo e intervenire in caso di anomalia.

È adatto ad attività frequenti, a rischio contenuto, misurabili e facilmente reversibili. L’autonomia non elimina il controllo: lo sposta dalla singola operazione alla qualità complessiva del sistema.

Per esempio, un agente classifica ogni notte centinaia di documenti interni. Il responsabile non conferma ogni etichetta, ma controlla un campione, osserva il tasso di errore e riceve un avviso se cresce oltre la soglia. Le classificazioni restano tracciate e correggibili.

Human-in-the-loop vs human-on-the-loop: la differenza in tabella

Aspetto Human-in-the-loop Human-on-the-loop
Ruolo umano Approva o corregge prima dell’azione Supervisiona il sistema mentre opera
Flusso predefinito L’agente si ferma L’agente continua
Controllo Su ogni caso sensibile Su metriche, anomalie e campioni
Velocità Più bassa e legata alla disponibilità umana Più alta e scalabile
Uso tipico Decisioni ad alto impatto o poco reversibili Attività a basso rischio, osservabili e reversibili
Rischio principale Approvazioni frettolose e “fatica da conferma” Accorgersi troppo tardi di una deriva
Strumenti necessari Gate, spiegazioni, confronto e possibilità di rifiuto Log, soglie, alert, audit e arresto immediato

Attenzione: on-the-loop non significa out-of-the-loop

Esiste una terza condizione: human-out-of-the-loop. L’AI decide e agisce senza approvazione puntuale, senza supervisione operativa efficace o senza una reale possibilità di intervento. Non è un sinonimo di human-on-the-loop.

La differenza sembra sottile finché non arriva un incidente. Se il supervisore riceve un report il giorno dopo, quando l’agente ha già inviato mille comunicazioni sbagliate, non era davvero “sopra il circuito”: era fuori dal circuito.

Il tema è noto da molto prima dell’AI generativa. Nel paper “Ironies of automation” del 1983, Lisanne Bainbridge osservava un paradosso ancora attuale: più il sistema automatizza il lavoro ordinario, più alla persona restano i casi rari e difficili, proprio quelli per cui è complicato mantenere allenamento e consapevolezza. Mica Endsley ha poi analizzato il problema nel lavoro “From Here to Autonomy”, collegandolo alla perdita di consapevolezza situazionale quando l’essere umano viene allontanato troppo dal processo.

La matrice pratica: rischio, reversibilità, osservabilità e tempo

L’articolo di Bajara Notes da cui nasce questa riflessione propone un criterio molto concreto per i team di sviluppo: guardare il costo dell’errore e la reversibilità dell’azione. È una buona base, che possiamo estendere a qualsiasi progetto agentico con quattro domande.

  1. Quanto è grave un errore? Una bozza imperfetta non equivale a un bonifico errato.
  2. L’azione è reversibile? Rinominare un file con cronologia è diverso dal cancellare dati o inviare una comunicazione pubblica.
  3. L’errore è osservabile? Possiamo accorgercene con test, metriche o controlli automatici?
  4. Quanto tempo abbiamo per intervenire? Un alert utile dopo un’ora può essere inutile in un processo che produce danni in pochi secondi.
Rischio e reversibilità Modello consigliato Esempio
Basso rischio, facile annullamento Human-on-the-loop Ordinare documenti interni con cronologia delle modifiche
Rischio medio, errore rilevabile prima dell’impatto On-the-loop con soglie ed escalation Aggiornare campi non critici del CRM e isolare i casi incerti
Rischio alto o annullamento costoso Human-in-the-loop Concedere un rimborso, pubblicare un listino, inviare un contratto
Impatto critico o irreversibile Più controlli umani e separazione dei ruoli Pagamento, terapia, rilascio in produzione o decisione sul personale

Otto esempi concreti di human-in-the-loop

1. Email a clienti e comunicazioni pubbliche

L’agente raccoglie i dati, prepara il testo e suggerisce i destinatari. Una persona verifica tono, fatti, allegati e lista di invio. È un controllo necessario soprattutto per crisi, reclami, variazioni di prezzo e comunicazioni legali.

2. Rimborsi, pagamenti e ordini

L’AI può controllare policy e documenti, ma l’azione che muove denaro richiede autorizzazione. Si può introdurre una soglia: piccoli rimborsi standardizzati vengono gestiti automaticamente; quelli anomali o sopra un importo definito arrivano a un responsabile.

3. Selezione del personale

Un agente può riordinare candidature e mettere in evidenza competenze dichiarate. Non dovrebbe trasformare un punteggio opaco in un rifiuto automatico. Il recruiter deve poter vedere i dati usati, correggere il risultato e valutare elementi che il sistema non conosce.

4. Sanità e percorsi di cura

L’AI può segnalare una possibile anomalia o preparare un riepilogo clinico; diagnosi e terapia richiedono giudizio professionale. Nel mio approfondimento su AI e ruolo del medico il punto centrale è proprio questo: supporto e sostituzione non sono la stessa cosa.

5. Contratti e pareri legali

L’agente confronta clausole, segnala differenze e propone una bozza. Un professionista controlla interpretazione, giurisdizione e rischio prima che il documento venga condiviso o firmato.

6. Deploy e modifiche a database di produzione

L’agente può scrivere codice, test e documentazione in un ambiente isolato. Il passaggio in produzione, una migrazione di dati o la modifica di credenziali richiedono un gate umano, spesso con una seconda approvazione.

7. Decisioni su credito, assicurazioni e frodi

Il sistema può ordinare i casi per rischio. Se blocca un conto, rifiuta una pratica o modifica un premio, serve un riesame effettivo: non una firma automatica su un punteggio incomprensibile.

8. Pubblica amministrazione e servizi essenziali

Un agente può verificare la completezza di una domanda e preparare l’istruttoria. La decisione che incide su diritti, benefici o accesso a un servizio deve restare contestabile e attribuita a un responsabile. È un’applicazione concreta del tema affrontato nell’articolo sull’intelligenza artificiale nella Pubblica Amministrazione.

Otto esempi concreti di human-on-the-loop

1. Classificazione di documenti interni

L’agente assegna cartelle e metadati. Il supervisore controlla campioni settimanali e riceve un alert se aumenta la percentuale di documenti classificati con bassa confidenza.

2. Arricchimento del CRM in modalità reversibile

L’agente completa settore, dimensione e informazioni pubbliche sulle aziende, senza modificare campi critici. Ogni variazione è registrata e può essere annullata; i conflitti vengono inviati a una persona.

3. Preparazione di report ricorrenti

L’AI raccoglie dati da più fonti e genera una sintesi interna. Il responsabile non approva ogni report, ma controlla indicatori di qualità, citazioni e anomalie. Se il documento deve uscire dall’azienda, si aggiunge un gate.

4. Ricerca documentale con escalation

L’agente cerca informazioni, confronta fonti e produce una risposta con link verificabili. Se le fonti sono insufficienti o in conflitto, non improvvisa: chiede aiuto.

5. Sviluppo software in ambienti isolati

L’agente crea test, documentazione o componenti standard su un branch separato. La pipeline automatica controlla il codice e il team esamina le eccezioni. I permessi non includono il rilascio autonomo in produzione.

6. Assistenza clienti per domande standard

Il sistema risponde usando una base di conoscenza approvata, ma passa a un operatore reclami, minacce, richieste economiche, dati sensibili e casi con bassa confidenza. Il supervisore osserva tasso di escalation e correzioni.

7. Gestione di file e fogli di calcolo

Un agente riordina righe, normalizza formati e compila campi derivabili, lavorando su una copia o con cronologia attiva. La persona controlla il risultato complessivo e può ripristinare la versione precedente.

Nel blog trovi anche cinque esempi pratici dell’agente Genspark e una prova di Claude Cowork in tre attività concrete.

8. Monitoraggio tecnico e manutenzione

L’agente individua pattern insoliti, apre ticket e applica correzioni già approvate su sistemi non critici. Se supera una soglia di costo, tocca un servizio sensibile o incontra un evento mai visto, si ferma e chiama il tecnico.

Il modello migliore è spesso ibrido e dinamico

In-the-loop e on-the-loop non devono essere due etichette assegnate una volta per tutte. Lo stesso agente può cambiare modalità a seconda del caso.

  • Una risposta informativa standard può partire in modalità on-the-loop; un reclamo passa in-the-loop.
  • Un rimborso entro 20 euro e conforme alla policy può essere automatico; un importo maggiore richiede approvazione.
  • Una modifica su un ambiente di test può essere sorvegliata; il deploy in produzione richiede un gate.
  • Una ricerca con fonti concordanti può proseguire; fonti in conflitto attivano l’escalation.
  • Dopo una serie di anomalie, il sistema può retrocedere automaticamente da on-the-loop a in-the-loop.

Questa è la vera maturità agentica: non concedere autonomia in blocco, ma costruire una scala di autonomia legata a condizioni osservabili.

Che cosa dice la ricerca sull’interazione tra persone e automazione

Il paper di Parasuraman, Sheridan e Wickens “A model for types and levels of human interaction with automation” propone di non considerare l’automazione come un interruttore acceso o spento. Un sistema può automatizzare in misura diversa raccolta delle informazioni, analisi, scelta e azione. È esattamente ciò che serve per progettare un agente: possiamo lasciargli cercare e confrontare, ma mantenere umana la decisione finale.

Le “Guidelines for Human-AI Interaction” di Amershi e colleghi, presentate alla conferenza CHI 2019 dell’ACM, ricordano che un buon sistema deve rendere chiaro che cosa sa fare, mostrare informazioni contestuali, permettere correzioni e sostenere un controllo umano coerente nel tempo.

Ben Shneiderman, nel lavoro “Human-Centered Artificial Intelligence: Reliable, Safe & Trustworthy”, contesta l’idea che molta automazione implichi necessariamente poco controllo umano. Si possono progettare sistemi con alta automazione e alto controllo: l’agente svolge molto lavoro, ma le persone mantengono comprensione, responsabilità e capacità d’intervento.

Anche l’AI Risk Management Framework 1.0 del NIST insiste su governance, mappatura del contesto, misurazione e gestione del rischio. Non prescrive un unico livello di autonomia: chiede di collegare controlli e responsabilità all’impatto concreto del sistema.

AI Act e supervisione umana: che cosa cambia

Il Regolamento europeo sull’intelligenza artificiale, Regolamento (UE) 2024/1689, dedica l’articolo 14 alla supervisione umana dei sistemi ad alto rischio. È importante non generalizzare: la disposizione riguarda quella specifica categoria di sistemi, non qualunque chatbot o agente.

Il principio, però, è utile a ogni progetto serio. La supervisione deve consentire alle persone di comprendere capacità e limiti, riconoscere anomalie, evitare un affidamento automatico eccessivo, interpretare correttamente l’output, ignorarlo o annullarlo e fermare il sistema. Una casella da spuntare non soddisfa questo obiettivo se l’operatore non ha informazioni, autorità o tempo per agire.

Per approfondire il contesto organizzativo, rimando anche alla guida sulla formazione AI in azienda e AI Act e all’articolo sulle decisioni artificiali che possono aiutare o distorcere le scelte.

Come progettare una supervisione che funzioni davvero

  1. Definire le azioni consentite. Leggere, proporre, scrivere, inviare, acquistare e cancellare non devono avere gli stessi permessi.
  2. Stabilire i gate. Importi, categorie di dati, destinatari, strumenti e condizioni che richiedono approvazione.
  3. Mostrare il contesto. Il supervisore deve vedere fonti, passaggi, incertezze e conseguenze dell’azione.
  4. Costruire escalation reali. L’agente deve saper dire “non lo so” e passare il caso alla persona giusta.
  5. Registrare tutto. Prompt, strumenti usati, dati consultati, output, approvazioni, modifiche e identità di chi interviene.
  6. Preparare l’arresto. Un pulsante, una regola automatica o un limite di spesa devono fermare il processo prima che l’anomalia si moltiplichi.
  7. Testare anche i casi brutti. Dati mancanti, istruzioni in conflitto, prompt injection, servizi non disponibili e richieste fuori policy.
  8. Misurare gli esiti. Non soltanto quante attività sono state completate, ma errori, danni evitati, correzioni, escalation e tempo umano recuperato.

I due fallimenti opposti da evitare

Il primo è mettere una persona dentro ogni passaggio. Dopo cento conferme al giorno, l’approvazione diventa un riflesso. L’agente sembra controllato, ma l’essere umano fa soltanto clic. È la cosiddetta automation bias: tendiamo ad accettare il suggerimento della macchina, soprattutto quando arriva spesso e sembra plausibile.

Il secondo fallimento è mettere una persona “sopra” un processo che non può davvero vedere o fermare. Una dashboard piena di numeri non è supervisione se gli indicatori non mostrano il rischio, gli avvisi arrivano tardi o l’operatore non ha l’autorità per intervenire.

La domanda giusta non è quindi “c’è un umano?”. È: quale decisione può prendere, con quali informazioni e prima di quale conseguenza?

Una checklist per decidere domani mattina

Prima di attivare un agente, classifica ogni azione con queste domande:

  • può causare un danno economico, legale, fisico o reputazionale?
  • coinvolge dati personali, credenziali o categorie sensibili?
  • l’azione è visibile all’esterno?
  • possiamo annullarla in pochi minuti?
  • esiste una metrica capace di rivelare un errore?
  • il supervisore può intervenire prima che il danno si propaghi?
  • l’agente sa riconoscere l’incertezza ed effettuare un’escalation?
  • chi risponde del risultato è chiaramente identificato?

Se il danno potenziale è alto, l’azione poco reversibile o il tempo d’intervento breve, scegli human-in-the-loop. Se rischio e impatto sono contenuti, l’errore è osservabile e il ripristino semplice, puoi valutare human-on-the-loop. Se non puoi rispondere alle domande, non aumentare l’autonomia: prima rendi il processo comprensibile.

Il ruolo umano non sparisce: cambia livello

Con gli agenti AI l’umano non deve necessariamente controllare ogni riga, ogni file o ogni messaggio. Deve progettare il perimetro, definire le eccezioni, osservare gli effetti e assumersi la responsabilità delle decisioni importanti.

Il modello corretto non è “AI libera” contro “AI al guinzaglio”. È un sistema in cui l’autonomia cresce soltanto quando aumentano test, tracciabilità, reversibilità e capacità di intervento.

In altre parole: human-in-the-loop quando serve consenso; human-on-the-loop quando serve supervisione; mai human-out-of-the-loop per distrazione.

Domande frequenti

Qual è la differenza tra human-in-the-loop e human-on-the-loop?

Nel modello human-in-the-loop una persona deve approvare o correggere prima che l’agente compia un’azione sensibile. Nel modello human-on-the-loop l’agente opera entro limiti stabiliti, mentre una persona monitora risultati e anomalie e può intervenire.

Human-on-the-loop significa che l’AI lavora senza controllo?

No. Servono log, metriche, controlli a campione, alert, soglie ed efficaci meccanismi di arresto. Senza questi strumenti il sistema rischia di essere human-out-of-the-loop.

Quando è obbligatoria l’approvazione umana?

È prudente renderla obbligatoria per azioni ad alto impatto o difficili da annullare: pagamenti, decisioni sul personale, salute, contratti, sicurezza, servizi essenziali, pubblicazione esterna e modifiche critiche in produzione.

Si può cambiare livello di autonomia in base al caso?

Sì. È spesso la soluzione migliore: casi standard e reversibili procedono sotto supervisione; importi elevati, bassa confidenza, anomalie o dati sensibili attivano un gate umano.

Quali strumenti servono per supervisionare un agente AI?

Permessi minimi, audit log, dashboard, alert, soglie di costo e rischio, versionamento, rollback, escalation e un arresto immediato. Il supervisore deve anche ricevere contesto sufficiente per valutare le azioni.

Scrivimi per organizzare un evento o un corso sull’intelligenza artificiale generativa

Mandami un WhatsApp al 339.6325418 per organizzare un corso o una conferenza sull’A.I. generativa.

Invia un’email

/0 Commenti/da

Intelligenza artificiale nella Pubblica Amministrazione: la sfida del 2034

, , ,

Immaginiamo la scena. In un ufficio comunale, la persona che da trent’anni sa come si gestisce una pratica complicata spegne il computer per l’ultima volta, saluta i colleghi e va in pensione. Il giorno dopo arrivano una richiesta urgente, un fascicolo incompleto e una domanda che nessun manuale aveva previsto.

Il problema dell’intelligenza artificiale nella Pubblica Amministrazione parte da qui: non soltanto dalla scrivania rimasta vuota, ma da tutto ciò che quella persona sapeva e che rischia di uscire dall’edificio insieme a lei.

Un articolo di HuffPost del 15 gennaio 2026, firmato da Valentina Nicolì, parte da un dato che merita attenzione: entro il 2034 potrebbe andare in pensione un dipendente pubblico su tre. Parliamo di circa 1,2 milioni di persone su una forza lavoro che, secondo i dati INPS citati nell’articolo, nel 2024 contava 3,74 milioni di addetti.

L’intelligenza artificiale nella Pubblica Amministrazione può essere una parte importante della risposta. Può aiutare a conservare la conoscenza, alleggerire il lavoro ripetitivo, rendere più semplici documenti e servizi e affiancare i nuovi assunti. Ma funziona solo se viene inserita in una trasformazione organizzativa seria: con dati affidabili, processi ripensati, formazione, sicurezza e responsabilità umana.

L’AI, insomma, non sostituisce il ricambio generazionale. Può però impedire che il ricambio diventi un gigantesco reset.

Intelligenza artificiale nella Pubblica Amministrazione e passaggio di competenze
L’AI nella PA deve servire a conservare conoscenze, semplificare processi e migliorare i servizi, non a sostituire il giudizio umano.

Il pensionamento di massa è anche una perdita di conoscenza

Quando si parla di pensionamenti nella PA, il dibattito si concentra quasi sempre sui numeri: quante persone escono, quante ne verranno assunte e quanto costerà sostituirle.

È corretto, ma incompleto.

Una parte decisiva del lavoro pubblico vive nella cosiddetta conoscenza tacita: procedure non scritte, eccezioni, precedenti, contatti tra uffici, interpretazioni sedimentate, piccoli accorgimenti che permettono di risolvere un caso senza farlo rimbalzare per settimane.

Non tutta questa esperienza è buona per definizione. Alcune abitudini vanno superate, alcuni passaggi eliminati, alcune procedure semplificate. Ma lasciare che la conoscenza scompaia senza prima distinguerne il valore sarebbe uno spreco enorme.

Il vero tema, quindi, non è usare l’AI per fare con meno persone ciò che si è sempre fatto. È usare questa transizione per decidere che cosa conservare, che cosa cambiare e che cosa non fare più.

Perché l’intelligenza artificiale nella Pubblica Amministrazione può fare la differenza

La PA produce e gestisce una quantità immensa di testi: leggi, circolari, delibere, verbali, regolamenti, bandi, moduli, email, relazioni e risposte ai cittadini. L’AI generativa lavora proprio con il linguaggio e può quindi diventare un’interfaccia utile tra persone e patrimonio documentale.

Attenzione, però: “utile” non significa “infallibile”. Un modello linguistico genera risposte plausibili, non sentenze vere per natura. Per questo deve lavorare su fonti selezionate, mostrare i riferimenti usati e lasciare la decisione finale a un dipendente responsabile.

Fatta questa premessa, le applicazioni concrete sono molte.

1. Trasformare l’esperienza dei dipendenti senior in patrimonio condiviso

Prima che una persona esperta lasci l’ente, si può organizzare un vero passaggio di conoscenze assistito dall’AI, costruendo una base documentale interrogabile con strumenti come Gemini Notebook (ex NotebookLM).

Non basta chiedere: “Puoi scrivere tutto quello che sai?”. È una domanda troppo ampia. Meglio registrare interviste strutturate, raccogliere casi reali, catalogare le eccezioni più frequenti e ricostruire le decisioni prese nei fascicoli più complessi.

L’AI può aiutare a:

  • trascrivere e riordinare le interviste;
  • individuare temi, passaggi ricorrenti e punti critici;
  • trasformare racconti informali in procedure e checklist;
  • collegare ogni indicazione alla norma o al documento di riferimento;
  • creare una base di conoscenza interrogabile dai colleghi;
  • segnalare contenuti vecchi, contraddittori o da verificare.

È una specie di “intervista di uscita aumentata”. Non serve a clonare chi va in pensione, espressione da film di fantascienza che possiamo serenamente evitare. Serve a non perdere trent’anni di esperienza in trenta minuti di saluti e pasticcini.

2. Dare ai nuovi assunti un tutor digitale basato su fonti vere

Il ricambio richiederà nuove assunzioni. Il rischio è inserire migliaia di persone in uffici che non hanno tempo per formarle, consegnando loro una cartella condivisa chiamata “Documenti definitivi” con dentro file come “definitivo_v7_ultimo_bis.pdf”.

Un assistente interno, costruito sui documenti approvati dall’ente, potrebbe rispondere a domande come:

  • Qual è la procedura aggiornata per questa pratica?
  • Quali documenti deve presentare il cittadino?
  • Chi è responsabile del passaggio successivo?
  • Esistono casi simili già risolti?
  • Qual è la fonte normativa della risposta?

La condizione è fondamentale: ogni risposta deve rimandare alle fonti. Se il sistema non trova una base affidabile, deve dichiararlo. Un “non lo so” ben progettato vale più di una risposta sicura ma inventata.

3. Ridurre il tempo speso a cercare, riassumere e riscrivere

Una parte rilevante del lavoro amministrativo consiste nel recuperare informazioni già presenti, confrontare versioni, estrarre dati da documenti e riscrivere lo stesso contenuto per destinatari diversi.

L’AI può preparare una prima bozza di:

  • sintesi di delibere e circolari;
  • verbali ricavati da trascrizioni;
  • risposte standard personalizzate;
  • confronti tra versioni di un regolamento;
  • schede operative per gli uffici;
  • testi in linguaggio più comprensibile per i cittadini.

Qui la parola chiave è bozza. Il dipendente non dovrebbe limitarsi a premere “genera” e inoltrare. Deve controllare dati, riferimenti, tono, completezza e conseguenze amministrative.

Il guadagno non sta nell’eliminare la persona, ma nel restituirle tempo per i casi difficili, il rapporto con il pubblico, il coordinamento e la decisione.

4. Rendere moduli e comunicazioni finalmente comprensibili

Digitalizzare un modulo incomprensibile non lo rende automaticamente semplice. A volte otteniamo soltanto un modulo incomprensibile che, in più, richiede una password dimenticata.

L’intelligenza artificiale può aiutare gli uffici a riscrivere testi in linguaggio chiaro, verificare la leggibilità, produrre versioni multilingue e creare percorsi guidati che pongono al cittadino soltanto le domande necessarie per il suo caso.

Per esempio, invece di presentare venti campi e una nota normativa di tre pagine, un servizio potrebbe chiedere poche informazioni iniziali e spiegare:

  • se la persona ha diritto alla prestazione;
  • quali documenti servono davvero;
  • quanto dura indicativamente la procedura;
  • quali sono i passaggi successivi;
  • come chiedere assistenza umana.

Il cittadino non dovrebbe essere costretto a imparare l’organigramma dell’ente per ottenere una risposta.

5. Smistare le pratiche e individuare prima gli errori

Molte richieste arrivano all’ufficio sbagliato, sono incomplete o contengono incongruenze visibili soltanto dopo giorni. Sistemi di AI ben controllati possono classificare i documenti, estrarre informazioni, segnalare campi mancanti e suggerire il percorso corretto.

Questo non significa affidare a un algoritmo la decisione su un contributo, una graduatoria o un diritto. Significa usare la macchina per preparare il lavoro, evidenziare anomalie e ridurre gli errori banali.

Più una decisione incide sulla vita delle persone, più devono essere forti trasparenza, tracciabilità, possibilità di contestazione e controllo umano.

6. Creare servizi pubblici attivi anche fuori dall’orario di sportello

Un assistente virtuale può rispondere alle domande frequenti, guidare nella compilazione di una domanda e indicare il canale corretto senza costringere il cittadino ad aspettare il lunedì mattina.

Ma il chatbot non deve diventare un muro elegante dietro cui nascondere l’amministrazione. Deve sempre offrire una via d’uscita: parlare con una persona, aprire una richiesta, prenotare un appuntamento o ricevere una risposta tracciata.

Il parametro di successo non è quante conversazioni “gestisce” il bot. È quanti problemi risolve senza aumentare frustrazione, esclusione digitale o contenzioso.

L’AI non può essere la scusa per non assumere

Dire che l’intelligenza artificiale può aiutare la PA non significa sostenere che 1,2 milioni di pensionamenti possano essere compensati con qualche licenza software.

Serviranno persone nuove: profili amministrativi, tecnici, sociali, sanitari, giuridici, informatici e gestionali. Serviranno anche competenze che oggi non sempre trovano posto negli organigrammi: governo dei dati, progettazione dei servizi, sicurezza, valutazione degli algoritmi e comunicazione chiara.

L’AI può aumentare la capacità di queste persone. Non può assumersi responsabilità pubbliche, comprendere da sola il contesto sociale o sostituire l’empatia richiesta nei casi delicati.

Se viene usata soltanto per tagliare costi, automatizzerà anche difetti, disordine e burocrazia. Più velocemente, certo. Ma una pratica sbagliata consegnata in dieci secondi resta una pratica sbagliata.

I rischi da affrontare prima, non dopo

Nella Pubblica Amministrazione l’adozione dell’AI richiede più prudenza rispetto a molti usi privati, perché tratta dati sensibili, incide su diritti e deve rendere conto delle proprie decisioni.

I principali rischi sono:

  • privacy: dati personali o riservati non devono finire in strumenti non autorizzati;
  • allucinazioni: il sistema può inventare norme, scadenze o riferimenti credibili;
  • pregiudizi: dati storici distorti possono produrre suggerimenti discriminatori;
  • opacità: cittadini e funzionari devono capire quando e come è stata usata l’AI;
  • dipendenza dai fornitori: dati, competenze e processi non possono restare prigionieri di una piattaforma;
  • automazione della cattiva burocrazia: prima di automatizzare, bisogna semplificare;
  • divario digitale: il servizio deve restare accessibile anche a chi non usa bene app e chatbot.

Il quadro europeo va proprio nella direzione di un’AI più responsabile. L’AI Act dell’Unione europea, entrato in vigore il 1° agosto 2024, prevede un’applicazione basata sul livello di rischio. Dal 2 febbraio 2025 sono inoltre applicabili le disposizioni sull’AI literacy: chi utilizza sistemi di intelligenza artificiale deve possedere un livello adeguato di competenza e consapevolezza. Ho approfondito il tema anche nella guida sulla formazione AI e sull’AI Act.

Non basta quindi acquistare uno strumento. Bisogna formare chi lo sceglie, chi lo configura, chi lo usa e chi controlla i risultati.

Un piano pratico in cinque passi per introdurre l’AI nella PA

1. Mappare le uscite e le conoscenze a rischio

Ogni ente dovrebbe sapere quali ruoli perderà nei prossimi tre, cinque e dieci anni, quali processi dipendono da poche persone e quali competenze non sono documentate.

2. Scegliere un problema piccolo ma misurabile

Meglio partire da un archivio documentale circoscritto, dalle domande frequenti di uno sportello o dalla preparazione di bozze interne. Non dal progetto “AI per tutto il Comune”, che di solito produce molte slide e pochi risultati. Nella guida dedicata a ChatGPT nella PA raccolgo altri esempi operativi.

3. Sistemare fonti, dati e responsabilità

Bisogna stabilire quali documenti sono validi, chi li aggiorna, chi può accedere ai dati e chi risponde degli errori. L’AI non risolve una base informativa caotica: la rende soltanto più facile da interrogare, caos compreso.

4. Coinvolgere insieme esperti, nuovi assunti e cittadini

I dipendenti senior conoscono le eccezioni, i nuovi arrivati vedono meglio le assurdità date per scontate e i cittadini sperimentano gli ostacoli reali. La progettazione deve ascoltare tutti e tre.

5. Misurare qualità, non soltanto velocità

Gli indicatori utili possono essere: tempo medio di risposta, errori evitati, pratiche completate al primo tentativo, soddisfazione degli utenti, accessibilità, numero di risposte con fonti corrette e interventi umani necessari.

Se il sistema risponde più in fretta ma aumenta reclami e correzioni, non è innovazione. È debito burocratico con un’interfaccia moderna.

La vera occasione è riprogettare la Pubblica Amministrazione

Il dato dei pensionamenti mette una scadenza davanti alla PA italiana. Entro il 2034 una parte enorme della sua forza lavoro cambierà. Possiamo aspettare che l’esperienza esca dagli uffici e poi correre a tappare i buchi. Oppure possiamo usare questi anni per trasferire conoscenze, semplificare procedure e costruire servizi pensati intorno alle persone.

L’intelligenza artificiale può essere il moltiplicatore di questa trasformazione. Non è la soluzione da sola, perché nessuna tecnologia lo è. Ma può diventare un’infrastruttura cognitiva: aiuta a trovare ciò che l’ente già sa, a spiegare ciò che il cittadino non comprende e a liberare tempo per le decisioni che richiedono esperienza e responsabilità.

Il punto non è creare una PA senza dipendenti. È creare una PA in cui i dipendenti non debbano sprecare il proprio talento facendo copia e incolla tra documenti, cercando una circolare introvabile o rispondendo per la centesima volta alla stessa domanda.

La sfida del 2034 si vince prima del 2034. E il momento per iniziare non è quando l’ultima persona esperta avrà già chiuso la porta.

Domande frequenti sull’AI nella Pubblica Amministrazione

L’intelligenza artificiale può sostituire i dipendenti pubblici che andranno in pensione?

No. Può automatizzare attività ripetitive, supportare la ricerca documentale e affiancare i nuovi assunti, ma servono comunque persone, competenze e responsabilità umana.

Quali sono gli usi più utili dell’AI nella PA?

Trasferimento della conoscenza, ricerca nei documenti, preparazione di bozze, semplificazione del linguaggio, controllo preliminare delle pratiche e assistenza ai cittadini.

Un chatbot pubblico può prendere decisioni amministrative?

Non dovrebbe decidere autonomamente su diritti, contributi o graduatorie. Può fornire informazioni e supporto, mentre le decisioni rilevanti devono essere trasparenti, verificabili e soggette a controllo umano.

Come si evitano le risposte inventate dall’AI?

Si limita il sistema a fonti approvate, si obbliga la risposta a citare i documenti utilizzati, si impostano soglie di affidabilità e si mantiene la revisione umana.

Da dove può iniziare un piccolo Comune?

Da un progetto circoscritto e misurabile, come organizzare le procedure di un ufficio, creare una base di conoscenza interna o migliorare le risposte alle domande frequenti.

Che cos’è l’AI literacy richiesta dall’AI Act?

È l’insieme di competenze che permette a personale e organizzazioni di usare l’AI in modo informato, comprendendone possibilità, limiti e rischi.

Scrivimi per organizzare un evento o un corso sull’intelligenza artificiale generativa

Mandami un WhatsApp al 339.6325418 per organizzare un corso o una conferenza sull’A.I. generativa.

Inviaci email

/0 Commenti/da

Corso AI per Comuni: come formare amministratori e dipendenti pubblici

In molti Comuni l’intelligenza artificiale è già entrata dal retrobottega: una bozza di email scritta con ChatGPT, un regolamento riassunto in pochi secondi, una formula Excel chiesta a Copilot, una delibera trasformata in FAQ per i cittadini.

Il punto non è più stabilire se l’AI arriverà negli enti locali. Il punto è decidere se verrà usata con metodo, responsabilità e regole condivise. Un corso AI per Comuni serve proprio a questo: trasformare curiosità e uso spontaneo in competenza operativa.

Non parliamo di fare fantascienza in municipio. Parliamo di ufficio tecnico, tributi, segreteria, comunicazione, URP, protocollo, appalti, servizi sociali, biblioteca, polizia locale e formazione interna. Cioè documenti, scadenze, cittadini, procedure e decisioni che richiedono ancora più attenzione, non meno.

ChatGPT nella pubblica amministrazione: corso AI per Comuni ed enti locali
Un corso AI per Comuni deve partire dai documenti e dai processi reali degli uffici, non dalla dimostrazione spettacolare del chatbot di turno.

Che cosa dovrebbe includere un corso AI per Comuni?

Un corso AI per Comuni dovrebbe includere alfabetizzazione sull’intelligenza artificiale, uso pratico di ChatGPT, Gemini, Copilot, Claude e Gemini Notebook (ex NotebookLM), privacy, dati personali, AI Act, verifica delle fonti, prompt engineering, casi d’uso per uffici comunali, linee guida interne e laboratori su documenti reali o simulati. L’obiettivo non è “imparare ChatGPT”, ma aiutare amministratori e dipendenti pubblici a usare l’AI per lavorare meglio con testi, regolamenti, comunicazioni, tabelle e procedure, mantenendo controllo umano e responsabilità amministrativa.

Perché oggi i Comuni hanno bisogno di formazione sull’AI

Un Comune è una macchina informativa. Produce, riceve, interpreta e comunica documenti ogni giorno: determine, delibere, avvisi, bandi, verbali, regolamenti, PEC, moduli, risposte ai cittadini, dati in Excel, pagine web, newsletter, post social, istruzioni operative.

L’AI generativa può aiutare proprio qui: nel leggere, sintetizzare, confrontare, riformulare e rendere più comprensibili le informazioni. Ma più il contesto è pubblico, più serve prudenza. Una risposta sbagliata a un cittadino non è solo una brutta figura. Può creare confusione, aspettative errate, problemi organizzativi o rischi giuridici.

La Commissione europea presenta l’AI Act come un quadro basato sul rischio. Dal 2 febbraio 2025 sono applicabili anche gli obblighi di alfabetizzazione AI: chi usa sistemi di intelligenza artificiale in un’organizzazione deve avere competenze adeguate al contesto d’uso.

Nel Piano triennale per l’informatica nella Pubblica Amministrazione 2024-2026, l’intelligenza artificiale viene collegata a efficienza, qualità dei servizi, dati, cybersecurity e linee guida per adozione, procurement e sviluppo di soluzioni IA nella PA. Tradotto: non basta provare uno strumento. Bisogna governarlo.

Che cosa non deve essere un corso AI per Comuni

Partiamo da ciò che eviterei.

Un corso AI per Comuni non dovrebbe essere una sfilata di tool: “ecco dieci app meravigliose, arrangiatevi”. Non dovrebbe essere una conferenza motivazionale sul futuro del lavoro. Non dovrebbe nemmeno ridursi a un seminario giuridico dove tutti escono più spaventati di prima.

Serve un equilibrio pratico:

  • capire come funzionano i modelli generativi;
  • provare strumenti su casi vicini al lavoro degli uffici;
  • distinguere documenti caricabili, documenti da anonimizzare e documenti da non caricare;
  • imparare a verificare risposte, citazioni, numeri e riferimenti normativi;
  • costruire prompt riutilizzabili;
  • definire poche regole interne comprensibili;
  • collegare il tutto ad AI Act, privacy, sicurezza e responsabilità.

La tecnologia cambia in fretta. Il metodo resta.

Modulo 1: alfabetizzazione AI per amministratori e dipendenti

Il primo modulo deve creare una base comune. In aula spesso convivono persone che usano ChatGPT tutti i giorni e persone che lo guardano ancora come un oggetto misterioso. Se non si allinea il linguaggio, il corso diventa disordinato.

Qui si spiegano, in modo semplice:

  • che cos’è l’intelligenza artificiale generativa;
  • che cosa sono modelli linguistici, chatbot e assistenti AI;
  • perché possono produrre risposte utili ma anche errori plausibili;
  • che cosa sono allucinazioni, bias, black box, dati di addestramento e contesto;
  • perché ChatGPT non è un motore di ricerca, un avvocato, un segretario comunale o un responsabile del procedimento.

Il messaggio chiave è questo: l’AI è un assistente veloce, non una fonte di verità. Chi lavora nel Comune resta responsabile del controllo.

Modulo 2: casi d’uso per gli uffici comunali

La formazione funziona quando le persone riconoscono il proprio lavoro dentro gli esempi. Per questo un corso generico sull’AI rischia di essere troppo lontano. In un Comune servono casi d’uso comunali.

Ufficio Uso pratico dell’AI Attenzione
URP Creare FAQ chiare partendo da regolamenti e avvisi Verificare sempre riferimenti, scadenze e competenze
Tributi Scrivere comunicazioni semplici su IMU, TARI, solleciti e scadenze Non inventare date, importi o condizioni
Ufficio tecnico Riassumere linee guida, autorizzazioni, bozze e documenti lunghi Non delegare valutazioni tecniche o responsabilità istruttorie
Segreteria Trasformare appunti e trascrizioni in verbali sintetici Non aggiungere informazioni non presenti nella fonte
Appalti Estrarre requisiti, scadenze, importi e cause di esclusione Chiedere sempre riferimenti a pagina e paragrafo
Comunicazione Adattare un avviso per sito, newsletter, social e manifesto Mantenere tono istituzionale e informazioni verificate
Dati Generare formule Excel, pulire tabelle, creare grafici preliminari Controllare calcoli, filtri e interpretazioni

Questi esempi si collegano alla guida che ho pubblicato su ChatGPT nella PA, dove ho raccolto strumenti, rischi, checklist e prompt per pubblica amministrazione, aziende e professionisti.

Modulo 3: prompt engineering per la PA, senza formule magiche

Il prompt engineering non è l’arte di indovinare la frase segreta. è il modo in cui trasformiamo un bisogno dell’ufficio in una richiesta chiara, controllabile e verificabile.

Un buon prompt per un Comune dovrebbe contenere almeno sette elementi:

  1. Ruolo: supporto alla comunicazione, analisi documentale, revisione linguistica, preparazione FAQ.
  2. Contesto: ufficio, servizio, tipo di procedimento, pubblico destinatario.
  3. Obiettivo: spiegare, sintetizzare, confrontare, trasformare, controllare.
  4. Fonte: documento allegato, estratto, tabella, trascrizione, regolamento.
  5. Vincoli: tono, lunghezza, formato, parole da evitare, dati mancanti da segnalare.
  6. Controllo: evidenziare dubbi, non inventare, citare pagina o paragrafo.
  7. Output: email, tabella, elenco puntato, FAQ, bozza di avviso, checklist.

Esempio:

Agisci come supporto alla comunicazione di un ufficio comunale.
Devo spiegare a cittadini non esperti le scadenze TARI presenti nel testo allegato.
Usa un tono chiaro e istituzionale.
Produci:
1. una versione per il sito del Comune;
2. una versione breve per email;
3. una FAQ con 5 domande frequenti.
Non inventare date, importi o eccezioni.
Segnala in fondo i punti che richiedono verifica da parte dell'ufficio.

La parte più importante è l’ultima: segnalare ciò che va verificato. Nei Comuni, il controllo non è un optional decorativo.

Modulo 4: privacy, dati personali e documenti da non caricare

Qui bisogna essere molto concreti. Una cosa è usare l’AI per riscrivere in linguaggio semplice un testo pubblico già approvato. Un’altra è incollare in un chatbot un documento con dati personali, informazioni sanitarie, minori, situazioni familiari, contenziosi, offerte economiche o dati riservati.

Nel corso conviene lavorare con una classificazione semplice:

  • Verde: testi pubblici, materiali dimostrativi, esempi anonimi, bozze senza dati sensibili.
  • Giallo: documenti interni, dati personali comuni, informazioni organizzative, materiali da anonimizzare.
  • Rosso: dati sensibili, minori, servizi sociali, procedimenti delicati, credenziali, informazioni riservate, atti non pubblici.

Naturalmente questa griglia non sostituisce DPO, RTD, responsabili e policy dell’ente. Serve però a dare ai dipendenti un criterio immediato. Senza criteri, ognuno decide da solo. E di solito è l? che nascono i problemi.

Modulo 5: Gemini Notebook e AI basata su fonti

Per un Comune, uno degli strumenti più interessanti è Gemini Notebook, perché obbliga a lavorare su fonti caricate dall’utente: regolamenti, manuali, dispense, report, materiali di corso, verbali o dossier.

Questo non significa che Gemini Notebook sia infallibile. Significa che il perimetro di lavoro è più chiaro. Se devo studiare un regolamento comunale, una raccolta di linee guida o un manuale operativo, posso chiedere sintesi, glossari, domande frequenti, confronti e schede di ripasso partendo da quelle fonti.

In un laboratorio per Comuni si può usare Gemini Notebook per:

  • creare una guida interna da un regolamento;
  • preparare FAQ per l’URP;
  • confrontare due versioni di un documento;
  • generare domande per formare nuovi dipendenti;
  • estrarre definizioni, obblighi, scadenze e passaggi critici;
  • preparare un briefing per amministratori o responsabili di servizio.

Modulo 6: AI Act, linee guida e responsabilità amministrativa

Nel contesto pubblico, l’AI non può essere trattata come un giocattolo brillante. L’AI Act distingue gli usi in base al rischio e introduce obblighi diversi per provider e deployer. La Commissione europea ricorda che le pratiche vietate e gli obblighi di AI literacy si applicano dal 2 febbraio 2025, mentre molte regole entreranno pienamente a regime secondo il calendario previsto.

Per un Comune, questo significa almeno tre cose:

  • formare le persone che usano strumenti AI nel lavoro;
  • definire cosa si può fare e cosa no;
  • mantenere tracciabilità, controllo umano e responsabilità sui risultati.

Non serve iniziare con un manuale di 200 pagine. Serve una policy chiara: quali strumenti sono autorizzati, quali dati non vanno caricati, chi verifica le risposte, quando citare le fonti, come documentare usi delicati, quando coinvolgere DPO, RTD o responsabili.

Come può essere strutturato il corso

Il formato dipende dalla dimensione dell’ente, dal livello di partenza e dagli obiettivi. Una struttura modulare può funzionare così.

Formula introduttiva: 2 ore

Adatta a conferenze, incontri con amministratori, eventi di sensibilizzazione o prime sessioni per dipendenti. Obiettivo: capire opportunità, rischi e regole essenziali.

Workshop operativo: mezza giornata

Tre o quattro ore con esempi pratici, prompt, esercizi e casi d’uso per uffici comunali. Obiettivo: uscire con competenze immediatamente utilizzabili e una prima checklist interna.

Percorso completo: 6-8 ore (oppure variante più lunga)

Una giornata o due mezze giornate con laboratorio su documenti simulati o anonimizzati, analisi dei processi, bozza di policy e libreria di prompt per gli uffici.

Percorso avanzato: più incontri

Utile quando l’ente vuole costruire linee guida, formare referenti interni, lavorare su casi specifici o accompagnare un progetto di adozione dell’AI.

Checklist per organizzare un corso AI nel tuo Comune

Prima di fissare una data, conviene rispondere a dieci domande.

  1. Quali uffici devono partecipare?
  2. Le persone hanno già usato ChatGPT, Copilot, Gemini o altri strumenti?
  3. Quali processi consumano più tempo: testi, PEC, verbali, tabelle, FAQ, bandi?
  4. Quali documenti possono essere usati in aula senza rischi?
  5. Ci sono materiali da anonimizzare?
  6. L’ente ha già policy su AI, privacy, cloud e strumenti digitali?
  7. Chi deve essere coinvolto: segretario, RTD, DPO, responsabili di servizio, amministratori?
  8. Il corso deve produrre solo formazione o anche linee guida operative?
  9. Si vuole lavorare su ChatGPT, Copilot, Gemini, Claude, Gemini Notebook o su un mix?
  10. Come si misurerà il risultato: tempo risparmiato, qualità delle bozze, riduzione errori, chiarezza delle comunicazioni?

Queste domande trasformano il corso da “lezione sull’AI” a intervento utile per l’organizzazione.

Il ruolo umano resta centrale

L’AI può aiutare un Comune a scrivere meglio, leggere più velocemente, spiegare con più chiarezza, preparare bozze e ridurre attività ripetitive. Ma non conosce il territorio, non risponde davanti ai cittadini, non firma atti, non valuta l’impatto sociale di una decisione.

Un buon corso AI per Comuni deve quindi evitare due errori opposti: il panico e l’entusiasmo ingenuo. Il panico blocca tutto. L’entusiasmo ingenuo apre la porta a usi casuali. In mezzo c’è la strada più interessante: competenza, metodo, verifica e responsabilità.

In sintesi: l’intelligenza artificiale può diventare un aiuto concreto per gli enti locali se parte da casi d’uso reali, protegge i dati, forma le persone e lascia all’essere umano il compito più importante: capire, controllare e decidere.

FAQ

Che cos’è un corso AI per Comuni?

È un percorso di formazione per amministratori, dipendenti e responsabili di enti locali sull’uso pratico e sicuro dell’intelligenza artificiale generativa in uffici comunali, servizi al cittadino, documenti, comunicazione e processi interni.

Quanto deve durare un corso AI per un Comune?

Dipende dagli obiettivi. Una sessione introduttiva può durare 2 ore, un workshop operativo 3-4 ore, mentre un percorso completo con laboratorio, prompt e linee guida può richiedere 6-8 ore o più incontri.

Quali strumenti si usano in un corso AI per enti locali?

Gli strumenti più utili sono ChatGPT, Microsoft Copilot, Google Gemini, Claude e Gemini Notebook. La scelta dipende dal contesto dell’ente, dalle licenze disponibili, dai dati trattati e dai casi d’uso.

Un Comune può caricare documenti in ChatGPT?

Non qualunque documento. Prima bisogna valutare dati personali, riservatezza, policy interne, condizioni dello strumento, finalità e livello di rischio. Nei corsi è preferibile lavorare su testi pubblici, simulati o anonimizzati.

L’AI può scrivere risposte ai cittadini?

Può aiutare a preparare bozze più chiare, FAQ e versioni semplificate, ma la risposta finale deve essere verificata dall’ufficio competente. Date, importi, requisiti e riferimenti normativi non vanno mai lasciati al solo chatbot.

Il corso AI serve anche per l’AI Act?

Sì. L’AI Act prevede obblighi di alfabetizzazione AI applicabili dal 2 febbraio 2025. Per un Comune la formazione aiuta a usare gli strumenti con maggiore consapevolezza, controllo umano e attenzione ai rischi.

Scrivimi per organizzare un evento o un corso sull’intelligenza artificiale generativa

Mandami un WhatsApp al 339.6325418 per organizzare un corso o una conferenza sull’A.I. generativa.

Inviaci email

/0 Commenti/da

ChatGPT nella PA: guida pratica 2026

,

C’è un momento preciso in cui l’intelligenza artificiale smette di essere “quella cosa interessante vista su LinkedIn” e diventa lavoro vero. Succede quando un dipendente comunale carica un regolamento e chiede: “Fammi una sintesi per il cittadino”. Succede quando un tecnico deve confrontare due versioni di un bando. Succede quando un ufficio tributi deve spiegare una scadenza IMU in modo chiaro, senza trasformare una mail in un trattato di diritto amministrativo.

Lo noto ogni giorno in aula: ChatGPT nella PA non è più una curiosità. È uno strumento operativo. Però va capito, governato e usato con metodo. La domanda, quindi, non è: “l’intelligenza artificiale sostituirà tutti?”. La domanda più utile è: quali attività possiamo migliorare già oggi senza mettere a rischio privacy, qualità, responsabilità e pensiero critico?

In questo articolo vediamo che cosa significa usare ChatGPT, Gemini, Copilot, Claude e Gemini Notebook (ex NotebookLM) nella PA. Vedremo opportunità, rischi, errori da evitare, esempi concreti e una checklist pratica.

Che cosa è successo ultimamente?

Non c’è una singola notizia bomba. E forse è proprio questa la notizia. L’intelligenza artificiale generativa è entrata nella fase ordinaria. Dopo l’effetto sorpresa di ChatGPT, oggi siamo nella fase più delicata: quella dell’adozione quotidiana. Le persone non chiedono più solo “che cos’è?”. Chiedono:

  • come posso usarla in ufficio?
  • posso caricare un PDF?
  • posso farle leggere una delibera?
  • posso usarla per creare una formula Excel?
  • posso farle analizzare un verbale?
  • posso generare una presentazione?
  • posso usarla per rispondere ai cittadini?
  • posso fidarmi?

Il PDF del corso parte proprio da qui: una panoramica sull’AI generativa, sui rischi e sui casi pratici. Non solo ChatGPT, ma anche Gemini, strumenti per immagini, analisi di documenti, tabelle, dashboard, slide, infografiche e computer vision.

Il punto è semplice: l’AI generativa non serve solo a scrivere testi. Serve a lavorare meglio con informazioni, documenti, dati, immagini e decisioni.

Ma attenzione: meglio non significa in automatico. Significa con più metodo.

Perché questa notizia conta davvero

Regolamenti. Delibere. Verbali. Determine. Contratti. Capitolati. PEC. Excel. Relazioni tecniche. FAQ. Comunicazioni ai cittadini. Manuali interni.

Tutto materiale perfetto per essere analizzato, riassunto, confrontato, trasformato e reso più comprensibile da un sistema di AI generativa.

Secondo il World Economic Forum, Future of Jobs Report 2025, entro il 2030 potrebbero nascere 170 milioni di nuovi posti di lavoro e scomparirne 92 milioni, con un saldo netto positivo di 78 milioni. Il dato importante non è solo il numero. È la direzione: il lavoro cambia, le competenze cambiano, le mansioni cambiano.

Anche la Commissione Europea, con l’AI Act, ha introdotto un principio fondamentale: chi usa sistemi di intelligenza artificiale deve sviluppare alfabetizzazione sull’AI. Non basta comprare uno strumento. Bisogna sapere che cosa può fare, che cosa non può fare e quali rischi porta con sé.

Questa è la vera trasformazione digitale.

Non installare un software. Cambiare il modo in cui le persone pensano, scrivono, verificano, collaborano e decidono.

Cosa cambia per aziende, professionisti e PA

L’AI generativa cambia soprattutto tre cose.

Primo: il rapporto con i documenti.

Prima un documento lungo era un ostacolo. Oggi può diventare una conversazione. Carico un regolamento e chiedo: “Quali sono i punti che riguardano gli esercenti?”. Oppure: “Spiegalo a un cittadino che non conosce il linguaggio tecnico”.

Secondo: il rapporto con il tempo.

Molte attività ripetitive vengono accelerate. Non eliminate, attenzione. Accelerate. Una bozza di email, una sintesi, una tabella, una scaletta, una prima analisi possono arrivare in pochi secondi.

Terzo: il rapporto con la responsabilità.

Qui bisogna essere molto chiari: se ChatGPT sbaglia, la responsabilità non è di ChatGPT. È di chi usa il risultato senza controllarlo.

L’AI può aiutare a scrivere una risposta. Ma non deve diventare l’autore invisibile di una decisione amministrativa.

Può aiutare a confrontare due testi. Ma non deve sostituire il parere di un responsabile.

Può creare una sintesi. Ma la sintesi va verificata.

In pratica, l’AI diventa un collaboratore veloce. Non un dirigente, non un funzionario, non un consulente legale, non un segretario comunale digitale.

Opportunità

Le opportunità sono molte. E non riguardano solo i tecnici.

Area Uso pratico dell’AI Beneficio
Ufficio tecnico Riassumere linee guida, regolamenti, autorizzazioni Meno tempo sulla lettura preliminare
Tributi Scrivere comunicazioni chiare su IMU, TARI e scadenze Meno incomprensioni con i cittadini
Segreteria Trasformare trascrizioni in verbali sintetici Risparmio di tempo
Appalti Estrarre date, importi e requisiti da bandi lunghi Controllo più rapido
URP Creare FAQ semplici da documenti complessi Servizi più comprensibili
Formazione interna Creare manuali e mini-guide operative Onboarding più veloce
Comunicazione Preparare post, newsletter, slide e infografiche Messaggi più chiari
Dati Analizzare Excel, trovare anomalie, creare grafici Decisioni più informate

Questi non sono scenari futuristici.

Sono attività già possibili con strumenti come ChatGPT, Gemini, Copilot, Claude e Gemini Notebook.

Per esempio, Google descrive Gemini Notebook come uno strumento basato sulle fonti caricate dall’utente. Questo lo rende interessante per studiare documenti aziendali, report, manuali, dispense e regolamenti. Non perché sia infallibile, ma perché obbliga a lavorare su un perimetro di fonti più chiaro.

Microsoft, con Copilot per Microsoft 365, punta invece sull’integrazione con email, documenti, riunioni e file di lavoro. In molte organizzazioni questa sarà la porta d’ingresso più naturale, perché l’AI entra negli strumenti che le persone usano già.

Rischi

I rischi non sono un dettaglio. Sono parte del progetto.

Nel corso compaiono parole importanti: copyright, allucinazioni, black box, bias, fake news, truffe, privacy, pensiero critico, deepfake, dipendenza.

Traduciamole in pratica.

Allucinazioni significa che l’AI può produrre risposte plausibili ma false. Non mente nel senso umano del termine. Genera testo statisticamente convincente. E proprio per questo può ingannare.

Black box significa che non sempre sappiamo ricostruire in modo trasparente come un sistema sia arrivato a una risposta.

Bias significa che l’AI può riprodurre distorsioni presenti nei dati, nelle istruzioni o nel contesto.

Privacy significa che non possiamo caricare qualunque documento in qualunque strumento solo perché funziona bene.

Dipendenza significa che, se deleghiamo troppo, perdiamo capacità di scrivere, analizzare e decidere.

Il NIST AI Risk Management Framework insiste proprio su questo punto: i sistemi di AI devono essere governati valutando affidabilità, sicurezza, trasparenza, privacy e impatti sulle persone.

Anche l’OECD AI Principles richiama principi come robustezza, responsabilità, trasparenza e centralità umana.

Il problema non è usare l’AI.

Il problema è usarla senza regole.

Errori da evitare

Il primo errore è caricare dati sensibili senza sapere dove finiscono.

Prima di usare ChatGPT, Gemini, Claude o Copilot con documenti reali, bisogna leggere le condizioni del servizio e le impostazioni privacy. OpenAI, per esempio, distingue tra uso consumer e soluzioni business o enterprise, con regole diverse sulla gestione dei dati. Lo stesso vale per Anthropic Claude, Google Gemini e Microsoft Copilot.

Il secondo errore è chiedere troppo poco.

Un prompt come “riassumi questo documento” può essere utile, ma spesso produce un risultato generico. Molto meglio chiedere:

Riassumi questo regolamento per un cittadino non esperto. Evidenzia obblighi, scadenze, eccezioni e punti che potrebbero generare dubbi allo sportello URP. Usa un linguaggio semplice e segnala le parti da verificare con un responsabile.

Il terzo errore è usare l’AI come motore di ricerca.

ChatGPT non è Google. Gemini non è una banca dati giuridica. Claude non è un consulente amministrativo. Possono aiutare, ma le fonti contano.

Il quarto errore è non formare le persone.

Dare uno strumento senza formazione significa creare uso casuale. Qualcuno lo userà bene. Qualcuno lo userà male. Qualcuno non lo userà per paura. Qualcuno lo userà troppo.

Il quinto errore è pensare che l’AI serva solo ai giovani o agli smanettoni.

In realtà spesso l’AI è più utile a chi conosce bene il lavoro. Un funzionario esperto sa riconoscere un errore, correggere una bozza, fare domande migliori. L’esperienza diventa un vantaggio.

Come sfruttare questa novità nella pratica

Partiamo da una regola semplice: non bisogna introdurre l’AI ovunque. Bisogna partire da processi chiari.

Checklist per iniziare

  • Individua 3 attività ripetitive ad alto consumo di tempo.
  • Verifica se contengono dati personali, sensibili o riservati.
  • Scegli lo strumento adatto: ChatGPT, Gemini, Copilot, Claude o Gemini Notebook.
  • Definisci cosa si può caricare e cosa no.
  • Scrivi 5 prompt standard per l’ufficio.
  • Prevedi sempre revisione umana.
  • Salva esempi di buone risposte e cattive risposte.
  • Forma le persone su privacy, limiti e verifica delle fonti.
  • Misura il tempo risparmiato.
  • Aggiorna le linee guida ogni 3 mesi.

Esempio 1: ufficio tecnico

Correggi i refusi e migliora la formattazione di questa bozza di autorizzazione paesaggistica. Non modificare il contenuto tecnico. Segnala in un elenco separato i passaggi che risultano poco chiari o ambigui.

Qui l’AI non decide. Aiuta a pulire, rendere leggibile, evidenziare punti deboli.

Esempio 2: ufficio tributi

Scrivi una mail cordiale ma ferma per ricordare a un cittadino la scadenza della rata IMU. Usa un tono chiaro, evita linguaggio burocratico e inserisci un paragrafo finale con le modalità di contatto dell’ufficio.

Il beneficio è evidente: comunicazioni più comprensibili, meno telefonate, meno conflitti.

Esempio 3: contratti e appalti

Estrai da questo disciplinare di gara la data di scadenza, l’importo a base d’asta, i requisiti richiesti e le principali cause di esclusione. Riporta sempre il riferimento alla pagina o al paragrafo.

Qui la richiesta importante è l’ultima: chiedere riferimenti. Senza riferimenti, la risposta è più difficile da controllare.

Esempio 4: consiglio comunale

Trasforma questa trascrizione grezza in un verbale sintetico. Mantieni solo interventi principali, decisioni, votazioni e impegni presi. Non aggiungere informazioni non presenti nel testo.

Questa è una buona formula: non aggiungere informazioni non presenti. Non elimina il rischio di errore, ma lo riduce.

Esempio 5: Excel

Nella colonna A ho i nomi, nella B il reddito e nella C il numero di figli. In D devo indicare se una persona può ricevere un bonus. Il bonus spetta se il reddito è inferiore a 20.000 euro e i figli sono più di 2. Scrivi la formula Excel in italiano e spiegala.

Questo è uno dei casi più utili per chi non programma: trasformare una necessità operativa in una formula.

Prompt engineering: meno magia, più metodo

Il prompt engineering non è l’arte di trovare la frase magica.

È il modo con cui trasformiamo un bisogno confuso in una richiesta chiara.

Un buon prompt contiene almeno cinque elementi:

  1. Contesto: lavoro in un Comune, ufficio tributi.
  2. Obiettivo: devo scrivere una comunicazione.
  3. Pubblico: cittadini non esperti.
  4. Vincoli: tono chiaro, massimo 1.500 caratteri.
  5. Controllo: segnala i punti da verificare.

Esempio:

Agisci come supporto alla comunicazione di un ufficio comunale. Devo spiegare a cittadini non esperti le nuove scadenze TARI. Usa un tono semplice, evita burocratese, crea una versione breve per email e una versione ancora più breve per SMS. Non inventare date: se mancano, chiedimele.

Notate l’ultima frase: non inventare date. È fondamentale.

AI Act: perché la formazione diventa obbligatoria

L’AI Act europeo non riguarda solo i grandi produttori di modelli.

Riguarda anche chi usa sistemi di AI in contesti organizzativi. Uno dei temi più importanti è l’alfabetizzazione sull’AI: le persone devono capire almeno le basi del funzionamento, dei limiti e dei rischi.

Per una PA o un’azienda significa tre cose:

  • formare il personale;
  • creare linee guida interne;
  • documentare gli usi più delicati.

Non serve partire con un manuale di 200 pagine. Serve una policy chiara:

Domanda Regola pratica
Posso caricare dati personali? Solo se lo strumento e la policy lo consentono
Posso usare l’AI per una decisione? Solo come supporto, con revisione umana
Posso copiare la risposta finale? No, va controllata e adattata
Devo citare le fonti? Sì, soprattutto su norme, dati e procedure
Posso usare account personali? Meglio evitare per documenti di lavoro

Casi d’uso per aziende e professionisti

Il discorso non vale solo per la pubblica amministrazione.

Un commercialista può usare l’AI per spiegare una novità fiscale ai clienti in modo più chiaro.

Un consulente può trasformare una call trascritta in un piano d’azione.

Un responsabile HR può preparare una bozza di percorso formativo.

Un venditore può sintetizzare informazioni su un cliente prima di una riunione.

Un marketing manager può analizzare commenti, recensioni e domande frequenti.

Un imprenditore può chiedere una prima lettura di un contratto, sapendo però che la revisione legale resta umana.

La differenza la fa il processo.

Chi usa l’AI per fare prima e basta rischia. Chi la usa per pensare meglio, scrivere meglio e controllare meglio ottiene valore.

Tabella: quale strumento usare?

Strumento Quando usarlo Attenzione a
ChatGPT Scrittura, analisi, brainstorming, documenti, codice, tabelle Privacy, fonti, controllo dei risultati
Gemini Integrazione con Google, documenti, tabelle, immagini, modalità di ragionamento Verifica delle risposte
Copilot Ambiente Microsoft 365, email, Word, Excel, Teams Permessi sui file e governance interna
Claude Analisi di testi lunghi, sintesi, scrittura strutturata Dati caricati e verifica
Gemini Notebook Studio di fonti caricate, dossier, materiali di corso Qualità delle fonti iniziali

Non esiste lo strumento migliore in assoluto. Esiste lo strumento più adatto al contesto, ai dati e al livello di rischio.

La mia opinione

La fase che stiamo vivendo è interessante perché mette a nudo un equivoco.

Molti pensano che il problema sia imparare ChatGPT.

Secondo me il vero problema è un altro: imparare a lavorare meglio con le informazioni.

ChatGPT è solo la porta d’ingresso. Oggi si chiama ChatGPT, Gemini, Claude, Copilot, Gemini Notebook. Domani avrà altri nomi, altre interfacce, altre funzioni.

Ma la competenza di fondo resta: saper fare domande, riconoscere una risposta fragile, verificare una fonte, semplificare senza banalizzare, decidere quando delegare e quando fermarsi.

Per questo non mi convince chi presenta l’AI come bacchetta magica. Ma non mi convince nemmeno chi la liquida come moda passeggera.

La verità è più concreta: l’AI generativa è un acceleratore. Accelera il lavoro buono, ma accelera anche il lavoro fatto male.

Se un’organizzazione ha processi confusi, l’AI produrrà confusione più velocemente.

Se un ufficio non sa chi controlla cosa, l’AI aumenterà l’ambiguità.

Se una persona non verifica le fonti, l’AI può renderla più sicura del proprio errore.

Ma se ci sono competenze, metodo e responsabilità, l’AI diventa utilissima.

Non perché sostituisce il pensiero. Perché lo costringe a diventare più esplicito.

E quindi?

Da dove iniziare, quindi?

Non da un grande progetto faraonico.

Iniziare da un laboratorio pratico.

Scegliere un ufficio, un processo, un tipo di documento. Provare. Misurare. Correggere. Scrivere linee guida. Formare le persone. Poi estendere.

La pubblica amministrazione e le aziende non hanno bisogno di fare AI per moda.

Hanno bisogno di usare l’intelligenza artificiale per ridurre complessità, migliorare comunicazione, velocizzare attività ripetitive e liberare tempo per il lavoro che richiede davvero giudizio umano.

La formula è semplice:

  1. partire da casi d’uso reali;
  2. proteggere i dati;
  3. formare le persone;
  4. verificare sempre;
  5. trasformare i buoni esempi in procedure.

Questa è l’AI utile.

Meno effetti speciali. Più lavoro fatto meglio.

FAQ

Che cos’è ChatGPT nella PA?

ChatGPT nella PA è l’uso dell’AI generativa per supportare attività amministrative come sintesi di documenti, comunicazioni ai cittadini, analisi di regolamenti, verbali, FAQ, tabelle e bozze operative.

La pubblica amministrazione può usare ChatGPT?

Sì, ma deve farlo con regole chiare su privacy, sicurezza, responsabilità, verifica delle fonti e revisione umana. Non tutti i documenti possono essere caricati in qualunque strumento.

ChatGPT può sostituire un funzionario pubblico?

No. Può supportare attività ripetitive e documentali, ma non deve sostituire responsabilità, competenza professionale e decisione amministrativa.

Qual è il rischio principale dell’AI generativa?

Il rischio principale è fidarsi troppo. Le risposte possono contenere errori, omissioni o informazioni inventate. Per questo serve sempre controllo umano.

Quali strumenti usare oltre ChatGPT?

Dipende dal contesto. Gemini è utile nell’ecosistema Google, Copilot in Microsoft 365, Claude per testi lunghi, Gemini Notebook per lavorare su fonti caricate e dossier documentali.

Che cosa c’entra l’AI Act?

L’AI Act introduce obblighi e principi per un uso più sicuro dell’intelligenza artificiale. Per aziende e PA diventa centrale l’alfabetizzazione del personale sull’AI.

Scrivimi per organizzare un evento o un corso sull’intelligenza artificiale generativa nel tuo Comune o ente pubblico

Mandami un WhatsApp al 339.6325418 per organizzare un corso o una conferenza sull’A.I. generativa.

Invia un email

/0 Commenti/da

AI per vagliare e correggere i contratti della PA: come l’intelligenza artificiale trasforma il procurement pubblico

L’intelligenza artificiale per i contratti della PA è una delle frontiere più promettenti — e più urgenti — della digitalizzazione della pubblica amministrazione italiana. In un sistema in cui gli appalti pubblici valgono oltre 180 miliardi di euro l’anno e in cui gli errori contrattuali generano contenziosi, ritardi e sprechi, l’AI può diventare lo strumento che trasforma il procurement pubblico da processo burocratico a leva strategica di efficienza.

Perché i contratti della PA sono ancora un problema

Chiunque abbia avuto a che fare con un contratto pubblico sa quanto possa essere complesso: clausole ambigue, rimandi a normative in continua evoluzione, requisiti tecnici mal definiti, errori di trascrizione. Il Codice dei Contratti Pubblici (D.Lgs. 36/2023) ha introdotto importanti semplificazioni, ma la complessità strutturale del sistema rimane elevata. Il risultato? Gare deserte, ricorsi al TAR, varianti in corso d’opera e, spesso, opere mai completate.

Secondo i dati ANAC, una quota significativa dei contenziosi in materia di appalti pubblici nasce proprio da clausole contrattuali interpretate in modo difforme tra stazione appaltante e appaltatore. L’ambiguità normativa e la disomogeneità nella redazione degli atti sono tra le cause principali di inefficienza del procurement italiano.

Come l’AI vaglia e corregge i contratti pubblici

I modelli di intelligenza artificiale basati su Large Language Model (LLM) — come GPT-4, Claude o i modelli open source adattati al dominio legale — sono oggi in grado di analizzare documenti contrattuali complessi in pochi secondi, identificando potenziali criticità prima che diventino problemi reali. Ecco le principali funzioni che l’AI può svolgere nel ciclo di vita di un contratto della PA:

1. Analisi preventiva delle clausole

L’AI può leggere l’intero testo di un capitolato o di un contratto e segnalare clausole potenzialmente problematiche: termini vaghi, obblighi sproporzionati, penali mal calibrate, assenza di condizioni risolutive. Questo tipo di revisione automatica non sostituisce il giurista, ma lo affianca, riducendo drasticamente i tempi di analisi.

2. Verifica della conformità normativa

I contratti pubblici devono rispettare un corpus normativo articolato: il Codice dei Contratti, le direttive europee, le linee guida ANAC, le norme settoriali. Un sistema AI aggiornato può verificare in tempo reale se le clausole contrattuali sono allineate alla normativa vigente, segnalando eventuali discrasie e proponendo le modifiche necessarie.

3. Correzione automatica e suggerimento di alternative

Oltre all’analisi, i sistemi AI più avanzati sono in grado di proporre riformulazioni delle clausole problematiche, suggerire testi standard conformi alle best practice del settore e adattare i modelli contrattuali alle specificità del singolo appalto. Questo riduce il lavoro ripetitivo degli uffici legali e migliora la qualità media degli atti prodotti.

4. Confronto con contratti analoghi

L’AI può comparare il contratto in esame con un database di contratti simili già stipulati, identificando anomalie rispetto alla prassi consolidata. Un prezzo significativamente fuori mercato, una clausola assente in tutti i contratti analoghi o una penale insolitamente elevata diventano segnali di allerta automatici.

5. Supporto alla negoziazione e alla gestione delle varianti

Durante l’esecuzione del contratto, l’AI può monitorare gli scostamenti rispetto al capitolato originale, valutare la legittimità delle varianti proposte e supportare la stazione appaltante nella gestione delle riserve. Questo è particolarmente rilevante nei contratti di lavori pubblici, dove le varianti in corso d’opera rappresentano una delle principali fonti di contenzioso.

Esperienze concrete: chi lo sta già facendo

Non si tratta di scenari futuri. In Europa e in Italia esistono già progetti pilota e soluzioni operative che utilizzano l’AI per il controllo dei contratti pubblici.

In ambito europeo, la Commissione Europea ha avviato diversi progetti nell’ambito del programma Horizon per l’applicazione dell’AI al procurement pubblico. In Italia, alcune stazioni appaltanti di grandi dimensioni — come Consip e alcune centrali di committenza regionali — stanno sperimentando strumenti di analisi documentale basati su AI per la verifica dei capitolati tecnici.

Startup come Legalmind, Ailegal e altri player del legaltech stanno sviluppando soluzioni specifiche per il settore pubblico, integrate con le banche dati normative italiane ed europee. L’obiettivo è costruire sistemi capaci di operare in modo autonomo su larga scala, riducendo il carico di lavoro degli uffici legali della PA.

I benefici misurabili per la pubblica amministrazione

L’adozione di strumenti AI per la revisione dei contratti pubblici produce vantaggi concreti e misurabili:

  • Riduzione dei tempi di analisi contrattuale fino all’80%, con un impatto diretto sui tempi di avvio delle gare.
  • Diminuzione del rischio di contenzioso, grazie all’identificazione precoce delle clausole ambigue o non conformi.
  • Standardizzazione della qualità degli atti contrattuali, indipendentemente dalle competenze del singolo funzionario.
  • Risparmio economico derivante dalla riduzione di varianti, riserve e cause legali.
  • Maggiore trasparenza, con atti più chiari e leggibili che facilitano il controllo democratico e antimafia.

Le sfide da affrontare: limiti e rischi dell’AI nei contratti PA

Come ogni tecnologia, l’AI applicata ai contratti pubblici presenta anche limiti e rischi che è necessario affrontare con lucidità.

Il primo è il rischio di allucinazioni: i modelli linguistici possono produrre testo plausibile ma errato, citando norme inesistenti o interpretando male le disposizioni vigenti. Per questo motivo, l’AI deve essere sempre supervisionata da un professionista qualificato e non può sostituire il giudizio umano in contesti ad alta responsabilità giuridica.

Il secondo è la questione della responsabilità: se un sistema AI suggerisce una clausola non conforme e la PA la inserisce nel contratto, chi risponde? Il quadro normativo attuale — incluso il nuovo AI Act europeo — inizia a dare risposte, classificando i sistemi AI ad alto rischio in settori come la giustizia e la pubblica amministrazione.

Il terzo è il problema dei dati: per funzionare bene, un sistema AI deve essere addestrato su contratti pubblici italiani reali, rispettando le norme sulla privacy e sulla confidenzialità dei dati. La costruzione di dataset di qualità è ancora una sfida aperta per molte PA.

Il quadro normativo: AI Act e PA digitale

Il Regolamento europeo sull’intelligenza artificiale (AI Act, Reg. UE 2024/1689), applicabile dal 2025, classifica i sistemi AI utilizzati dalla pubblica amministrazione per valutare documenti giuridici come sistemi ad alto rischio. Questo significa che tali sistemi devono rispettare requisiti stringenti in termini di trasparenza, controllo umano, robustezza tecnica e gestione dei dati.

In Italia, il Piano Nazionale di Ripresa e Resilienza (PNRR) prevede investimenti significativi nella digitalizzazione della PA, con specifiche linee di finanziamento per l’adozione di tecnologie AI. Il Dipartimento per la Trasformazione Digitale e l’AgID stanno lavorando a linee guida per l’uso responsabile dell’AI nella pubblica amministrazione, che includeranno anche il tema della gestione contrattuale.

Come implementare l’AI per i contratti PA: un approccio pratico

Per le stazioni appaltanti che vogliono avvicinarsi a questo tema, ecco un percorso ragionato in cinque passi:

  1. Mappatura del processo contrattuale: identificare i punti critici del ciclo di vita del contratto dove l’AI può aggiungere più valore.
  2. Scelta dello strumento: valutare soluzioni commerciali già disponibili versus lo sviluppo di strumenti custom, tenendo conto dei vincoli di budget e delle competenze interne.
  3. Formazione del personale: l’AI è uno strumento, non un sostituto. Il personale deve essere formato per utilizzarla efficacemente e per interpretare criticamente i suoi output.
  4. Sperimentazione pilota: avviare un progetto pilota su un insieme limitato di contratti, misurando i risultati in termini di qualità, tempo e costi.
  5. Valutazione e scaling: sulla base dei risultati del pilota, decidere se e come estendere l’adozione a tutta l’organizzazione.

Conclusioni: l’AI non è il futuro, è il presente del procurement pubblico

L’intelligenza artificiale per vagliare e correggere i contratti della PA non è più una promessa tecnologica: è una realtà in rapida evoluzione che le stazioni appaltanti italiane non possono permettersi di ignorare. In un contesto in cui l’efficienza del procurement pubblico è direttamente collegata alla qualità della spesa pubblica e alla capacità di attrarre investimenti, dotarsi di strumenti AI non è un lusso, ma una necessità strategica.

La PA che vuole essere competitiva, trasparente e capace di spendere bene le risorse del PNRR deve iniziare oggi a sperimentare, formare e investire. L’AI non farà tutto da sola — ma farà la differenza.

Hai esperienze dirette con l’uso dell’AI nei contratti pubblici? Lascia un commento qui sotto o contattami per approfondire il tema.

/0 Commenti/da

Workshop formazione AI obbligatoria: come organizzarlo in azienda senza fare il solito corso teorico

, ,

La domanda che mi fanno sempre più spesso in azienda è questa: “Dobbiamo fare la formazione AI obbligatoria. Basta un webinar di due ore?”. Risposta breve: dipende. Risposta un po’ più utile: se l’obiettivo è solo “mettere una spunta”, forse basta anche il classico corso frontale. Se invece l’obiettivo è fare davvero AI literacy, cioè alfabetizzazione sull’intelligenza artificiale come chiede l’AI Act, allora conviene organizzare un workshop di formazione AI obbligatoria: meno teoria astratta, più casi reali, esercizi, policy interne e prove da conservare.

Dal 2 febbraio 2025 l’articolo 4 dell’AI Act è applicabile. Provider e deployer di sistemi di AI hanno (avrebbero?) dovuto adottare misure per garantire un livello sufficiente di alfabetizzazione AI al personale e alle altre persone che usano sistemi AI per loro conto. La Commissione europea spiega l’AI Act come un regolamento basato sul rischio: non tutti gli usi dell’intelligenza artificiale sono uguali, e quindi non tutta la formazione deve essere uguale.

In questo articolo non ripeto la guida generale sulla formazione AI obbligatoria in azienda. Qui faccio un passo in più: vediamo come costruire un workshop pratico, utile per HR, manager, professionisti, studi, enti e imprese che usano strumenti come ChatGPT, Microsoft Copilot, Gemini, Claude, Gemini Notebook (ex NotebookLM), chatbot, sistemi di scoring o software con funzioni predittive.

Perché un workshop è meglio del solito corso sull’AI Act

Un corso tradizionale spiega. Un workshop fa fare. La differenza non è piccola, soprattutto quando parliamo di intelligenza artificiale generativa.

Molte persone in azienda hanno già provato ChatGPT o Copilot, magari senza dirlo troppo in giro. Alcuni li usano per scrivere email, riassumere documenti, generare idee, correggere testi, preparare presentazioni o analizzare dati. Il punto è che spesso lo fanno senza criteri condivisi: cosa posso caricare? Cosa non devo mai incollare in un chatbot? Come verifico una risposta? Come riconosco un’allucinazione? Che cosa succede se uso l’AI per valutare un candidato, un cliente o un collaboratore?

Il workshop serve proprio a questo: portare l’AI fuori dalla zona grigia. Non “vietiamo tutto”, non “usiamo tutto a caso”, ma costruiamo una via praticabile: usare bene gli strumenti, conoscere i rischi, documentare le scelte.

Che cosa deve ottenere un workshop di formazione AI obbligatoria

Un workshop fatto bene non dovrebbe limitarsi a raccontare cos’è l’AI generativa. Alla fine della sessione i partecipanti dovrebbero saper fare almeno cinque cose.

  1. Capire dove usano già l’AI, anche quando è integrata in strumenti quotidiani come suite office, CRM, motori di ricerca, piattaforme HR o software marketing.
  2. Distinguere gli usi a basso rischio da quelli delicati, soprattutto quando entrano in gioco dati personali, decisioni su persone, informazioni riservate o contenuti pubblici.
  3. Scrivere prompt più controllabili, con contesto, vincoli, ruolo, formato di output e criteri di verifica.
  4. Verificare le risposte dell’AI, senza trattare il chatbot come un oracolo con l’abbonamento mensile.
  5. Applicare regole interne semplici: cosa è consentito, cosa richiede attenzione, cosa va evitato.

Questa è la parte importante: la formazione AI obbligatoria non dovrebbe produrre solo “presenze”. Dovrebbe produrre comportamenti migliori.

Il programma pratico: una traccia da 4 ore

Una formula molto efficace è il workshop da mezza giornata, circa quattro ore. Non è l’unico formato possibile, ma funziona bene per aziende che vogliono iniziare senza bloccare le persone per due giorni.

1. Mappa degli usi dell’AI in azienda

Si parte con una domanda molto concreta: dove entra già l’intelligenza artificiale nel lavoro quotidiano?

Ogni gruppo elenca strumenti, reparti, attività e casi d’uso: scrittura, customer care, vendite, HR, amministrazione, marketing, formazione, ricerca, analisi documentale, automazione. Spesso emergono sorprese: l’AI non è “quel sito dove scrivo prompt”, ma una funzione nascosta dentro strumenti che l’azienda usa già.

2. Rischi pratici: dati, errori, bias, copyright

Qui si lavora su casi veri o realistici. Per esempio:

  • posso incollare in ChatGPT il contratto di un cliente?
  • posso usare l’AI per filtrare CV?
  • posso pubblicare un testo generato dall’AI senza revisione?
  • posso chiedere a un chatbot di riassumere un verbale con dati personali?
  • posso generare immagini con persone, marchi o prodotti riconoscibili?

L’obiettivo non è spaventare. L’obiettivo è creare anticorpi. L’AI sbaglia, inventa, semplifica, può amplificare pregiudizi e può trattare male dati che non dovrebbero uscire dall’azienda. Una persona formata non smette di usare l’AI: la usa con più criterio.

3. Prompt engineering per il lavoro reale

Questa è la parte più operativa del workshop. Si prendono attività concrete e si trasformano in esercizi: scrivere una mail difficile, sintetizzare una riunione, preparare una scaletta commerciale, creare una checklist, confrontare due documenti, riformulare un testo tecnico, progettare un piano editoriale.

Un prompt utile non è una frase magica. È una mini-istruzione di lavoro. Per esempio deve dire all’AI:

  • chi deve essere il destinatario;
  • quale obiettivo deve raggiungere;
  • quale tono usare;
  • quali informazioni sono certe e quali no;
  • quali vincoli rispettare;
  • in quale formato restituire il risultato;
  • come segnalare dubbi, fonti mancanti o passaggi incerti.

Qui si vede subito la differenza tra “fammi un testo” e “aiutami a lavorare meglio”.

4. Verifica delle risposte: la parte che molti saltano

Un workshop serio deve insegnare anche a controllare l’output. L’intelligenza artificiale generativa è bravissima a produrre testi plausibili. Il problema è proprio questo: plausibile non significa vero.

Per questo conviene allenare i partecipanti a chiedere fonti, separare fatti da ipotesi, controllare numeri, evitare citazioni inventate, verificare riferimenti normativi e usare l’AI come assistente, non come responsabile finale.

5. Mini policy aziendale: cosa facciamo da lunedì mattina

Il workshop dovrebbe chiudersi con una bozza di regole operative. Poche, chiare, applicabili. Per esempio:

  • non inserire dati personali, riservati o contrattuali in strumenti non autorizzati;
  • indicare quando un contenuto è stato prodotto o rielaborato con AI, se il contesto lo richiede;
  • validare sempre output legali, fiscali, medici, finanziari o tecnici;
  • non usare l’AI per decisioni automatizzate su persone senza valutazioni specifiche;
  • preferire strumenti approvati dall’azienda per attività sensibili;
  • tenere traccia dei casi d’uso più importanti.

Questa mini policy non sostituisce il lavoro di legali, DPO, IT o compliance. Però aiuta moltissimo a trasformare la formazione in comportamenti concreti.

Quali evidenze conservare dopo il workshop

Se la formazione è obbligatoria, prima o poi qualcuno chiederà: “Come dimostriamo di averla fatta?”. Meglio pensarci subito.

Dopo un workshop di formazione AI obbligatoria conviene conservare almeno questi materiali:

  • programma del corso o agenda del workshop;
  • registro presenze o report di partecipazione;
  • materiali didattici usati durante la sessione;
  • esercizi svolti o casi analizzati;
  • eventuale test finale o questionario di autovalutazione;
  • policy, checklist o linee guida consegnate ai partecipanti;
  • data della formazione e profilo dei destinatari;
  • aggiornamenti successivi, soprattutto se cambiano strumenti o processi.

La parola chiave è “coerenza”. Se formo un team marketing che usa l’AI per generare contenuti, affronterò prompt, copyright, tono di voce, revisione e fact-checking. Se formo HR, parlerò molto di dati personali, bias, selezione, valutazione e trasparenza. Se formo manager, lavorerò su decisioni, produttività, limiti degli strumenti e governance.

Workshop per aziende: esempi di moduli pratici

Un vantaggio del workshop è che può essere modulare. Ecco alcuni moduli che uso spesso nei percorsi aziendali sull’AI generativa.

Modulo base: usare l’AI senza farsi usare dall’AI

Introduzione pratica a ChatGPT, Copilot, Gemini e altri strumenti. Cosa fanno, cosa non fanno, perché sbagliano, come scrivere prompt sensati, come controllare i risultati.

Modulo dati e privacy

Cosa evitare di caricare nei chatbot, come ragionare sui dati personali, quali informazioni vanno anonimizzate, quando coinvolgere DPO, IT o responsabili interni.

Modulo contenuti e comunicazione

Uso dell’AI per email, articoli, post LinkedIn, presentazioni, piani editoriali e materiali commerciali. Con una regola semplice: l’AI aiuta a scrivere, ma la responsabilità resta umana.

Modulo produttività personale

Riassunti, checklist, preparazione riunioni, brainstorming, analisi di documenti, organizzazione delle informazioni, uso di strumenti come Gemini Notebook o assistenti integrati nelle suite di lavoro.

Modulo manager e decisioni

Come usare l’AI per esplorare scenari senza delegare decisioni delicate a uno strumento probabilistico. Qui entrano in gioco qualità delle fonti, bias, accountability e tracciabilità.

Quanto deve durare la formazione AI obbligatoria?

Non esiste una durata magica valida per tutti. L’AI Act parla di livello sufficiente di alfabetizzazione AI, da valutare anche rispetto al contesto d’uso. Tradotto: una persona che usa Copilot per migliorare testi interni non ha lo stesso bisogno formativo di chi introduce un sistema AI in ambito HR, credito, sanità, sicurezza o valutazione di persone.

Come regola pratica:

  • 2 ore: sensibilizzazione iniziale, utile per platee ampie;
  • 4 ore: workshop operativo per team che usano già strumenti AI;
  • 8 ore: laboratorio completo con esercizi, policy e casi di reparto;
  • percorso modulare: soluzione migliore quando l’azienda ha reparti con rischi e bisogni diversi.

La durata conta meno della pertinenza. Un workshop breve ma costruito sui casi reali dell’azienda vale più di una giornata generica piena di definizioni.

Domande frequenti sul workshop di formazione AI obbligatoria

La formazione AI obbligatoria deve essere uguale per tutti?

No. L’articolo 4 dell’AI Act chiede un livello sufficiente di alfabetizzazione AI, tenendo conto anche delle conoscenze tecniche, dell’esperienza, dell’istruzione, del contesto d’uso e delle persone o dei gruppi su cui i sistemi AI possono avere effetti. In pratica: meglio una formazione calibrata sui ruoli che un corso identico per tutta l’azienda.

Un workshop su ChatGPT vale come formazione AI obbligatoria?

Può essere una parte della formazione, ma non dovrebbe limitarsi ai comandi di ChatGPT. Un workshop utile deve includere limiti dell’AI, rischi, privacy, verifica delle risposte, esempi di uso corretto e regole aziendali.

Serve un test finale?

Non sempre è obbligatorio, ma è consigliabile. Un breve test o questionario aiuta a documentare la partecipazione e a capire se i concetti essenziali sono passati davvero.

Ogni quanto va aggiornata la formazione AI?

Conviene prevedere aggiornamenti periodici, soprattutto quando cambiano strumenti, processi interni, policy aziendali o indicazioni normative. Nel mondo dell’AI, un corso fatto una volta e dimenticato in archivio invecchia in fretta.

Vuoi organizzare un workshop pratico sulla formazione AI obbligatoria?

Da anni tengo corsi per aziende e professionisti sull’intelligenza artificiale generativa, su ChatGPT, Copilot, Gemini, Claude, Gemini Notebook, prompt engineering e uso consapevole della tecnologia. Posso aiutare la tua azienda a progettare un workshop pratico, calibrato sui ruoli, sui casi d’uso e sui rischi reali.

Il taglio è molto concreto: esempi, esercizi, strumenti, checklist, materiali e indicazioni operative da usare subito. Perché l’obiettivo non è solo “fare il corso”. L’obiettivo è usare meglio l’intelligenza artificiale, con più consapevolezza e meno improvvisazione.

Se vuoi portare in azienda un workshop sulla formazione AI obbligatoria, scrivimi: costruiamo il percorso più adatto al tuo contesto.

 

/0 Commenti/da

Codice di condotta UE sui contenuti generati dall’IA: cosa cambia dal 2 agosto 2026

,

Dal 2 agosto 2026 entrano in vigore gli obblighi di trasparenza previsti dall’articolo 50 dell’AI Act europeo. Chi produce o distribuisce contenuti generati dall’intelligenza artificiale (testi, immagini, video, audio) deve rispettare regole precise su etichettatura e marcatura. La Commissione europea ha pubblicato il Codice di buone pratiche sulla trasparenza dei contenuti generati dall’IA per aiutare aziende e sviluppatori ad applicare queste regole in modo coerente in tutti gli Stati membri.

In questo articolo ti spiego che cos’è, a chi si applica, cosa prevede concretamente e perché è importante anche se non sei un’azienda tech.

Che cos’è il Codice di condotta UE sui contenuti generati dall’IA

Il codice è un documento elaborato da esperti indipendenti nell’ambito di un processo multilaterale facilitato dall’Ufficio per l’IA della Commissione europea. Non nasce dal nulla: è il complemento operativo all’articolo 50 dell’AI Act, la legge europea sull’intelligenza artificiale.

Cosa fa esattamente? Fornisce ai fornitori e agli operatori di sistemi di IA generativa un quadro pratico e riconosciuto a livello UE per dimostrare che stanno rispettando gli obblighi di legge su etichettatura e rilevamento dei contenuti prodotti dall’AI.

Una distinzione importante: l’adesione al codice è volontaria. Gli obblighi previsti dall’articolo 50 dell’AI Act, invece, non lo sono. Chi non aderisce al codice non è esentato dalla legge: deve solo dimostrare in altro modo di rispettarla, con oneri burocratici maggiori e meno certezza giuridica.

A chi si applica

Il codice riguarda due categorie principali:

  • Fornitori: le aziende che sviluppano sistemi di IA generativa (modelli, chatbot, strumenti di generazione di immagini o video).
  • Operatori/Distributori: chi utilizza quei sistemi per produrre e distribuire contenuti al pubblico.

Tradotto in pratica: se gestisci un sito, un canale social, una newsletter o qualsiasi altro canale dove pubblichi contenuti prodotti in tutto o in parte dall’intelligenza artificiale, sei coinvolto. Non solo OpenAI o Google, quindi. Anche chi usa gli strumenti AI per creare contenuti e li diffonde.

Le due sezioni del codice

Il documento si divide in due sezioni distinte, con obblighi diversi per attori diversi.

Sezione 1: Fornitori – Marcatura e rilevamento

I fornitori di sistemi di IA generativa devono implementare meccanismi tecnici che consentano di marcare i contenuti generati dall’AI in modo che possano essere rilevati da strumenti automatizzati. L’approccio tecnico di riferimento è quello del watermarking invisibile e dei metadati C2PA (Coalition for Content Provenance and Authenticity).

In sostanza: il contenuto deve portare con sé un’informazione leggibile dalle macchine che dica “questo è stato prodotto da un sistema AI”.

Sezione 2: Distributori – Etichettatura dei deepfake e del testo generato

Chi distribuisce contenuti generati dall’AI deve etichettarli in modo visibile per l’utente finale. Questo vale in particolare per:

  • I deepfake: immagini o video che ritraggono persone reali in situazioni false o costruite.
  • Le pubblicazioni di testo generate dall’AI su temi di interesse generale (notizie, articoli, analisi).

La Commissione europea ha creato anche un set di icone ufficiali che i distributori possono usare per etichettare i contenuti. Uno strumento pratico per chi vuole adempiere senza dover inventare da zero la propria segnaletica.

Le date da segnare in agenda

Il codice è stato pubblicato il 10 giugno 2026 ed è attualmente in fase di valutazione di adeguatezza da parte della Commissione europea e del comitato per l’IA.

Gli obblighi di trasparenza previsti dall’articolo 50 dell’AI Act diventano applicabili dal 2 agosto 2026. Non è una data lontana. Se non hai ancora ragionato su come etichetti i contenuti AI che produci o distribuisci, è il momento di farlo.

Perché conviene aderire al codice (anche se è volontario)

La risposta è semplice: certezza giuridica e risparmio di tempo.

Chi firma il codice può dimostrare la conformità all’AI Act usando le misure già definite nel documento. Chi non lo firma deve costruirsi un percorso alternativo e convincere le autorità di vigilanza del mercato, Stato per Stato, che le proprie misure sono equivalenti. In un contesto di 27 ordinamenti diversi, non è un percorso comodo.

I firmatari partecipano anche a task force dedicate per condividere pratiche, aggiornare le misure nel tempo e contribuire all’evoluzione delle regole. Un vantaggio competitivo non trascurabile per chi opera in questo spazio.

Cosa rimane fuori dal codice

Il codice non sostituisce l’AI Act né le future linee guida della Commissione sull’articolo 50. Non è un punto di arrivo ma uno strumento di conformità. Sarà integrato, aggiornato e affiancato da orientamenti ufficiali man mano che la valutazione di adeguatezza progredisce.

Restano fuori, per ora, molte domande operative: come si etichetta esattamente un testo co-scritto da un umano e da un AI? Qual è la soglia oltre cui un contenuto “modificato” dall’AI richiede l’etichetta? Le risposte arriveranno con le linee guida attese nei prossimi mesi.

Cosa fare adesso se produci o distribuisci contenuti AI

Non servono grandi investimenti per iniziare. Ecco tre passi concreti:

  1. Mappa i tuoi contenuti AI: capire quanti e quali contenuti prodotti con AI stai già pubblicando. Testo, immagini, video, audio.
  2. Definisci un sistema di etichettatura: anche semplice, anche manuale. L’importante è che sia coerente e visibile. Le icone ufficiali dell’UE sono già disponibili.
  3. Tieni d’occhio le linee guida della Commissione: arriveranno nei prossimi mesi e chiarirà molti punti operativi ancora aperti.

Se usi strumenti AI per la creazione di contenuti — ChatGPT, Midjourney, Sora, o qualsiasi altro — e li pubblichi su canali professionali, questa normativa ti riguarda. Non è fantascienza regolamentare, è già legge.

Domande frequenti sul Codice di condotta UE per i contenuti AI

Il codice di condotta è obbligatorio?

L’adesione è volontaria. Gli obblighi di trasparenza dell’articolo 50 dell’AI Act, invece, sono giuridicamente vincolanti dal 2 agosto 2026. Il codice è lo strumento più pratico per dimostrarli rispettati.

Chi deve etichettare i contenuti AI?

I distributori di contenuti generati da sistemi di IA generativa, in particolare deepfake e testi su temi di interesse pubblico. Non solo le grandi piattaforme: anche chi gestisce canali editoriali, newsletter e siti di informazione.

Cosa si intende per deepfake in senso giuridico?

Immagini, video o audio che ritraggono persone reali in modo falso o manipolato, creati con strumenti di intelligenza artificiale. L’obbligo di etichettatura si applica a questi contenuti indipendentemente dalla loro finalità.

Le icone UE per i contenuti AI sono obbligatorie?

No, sono uno strumento opzionale messo a disposizione dalla Commissione europea per facilitare l’etichettatura. Puoi usarle o adottare altre modalità di indicazione, purché siano visibili e comprensibili per l’utente finale.

Da dove posso leggere il testo ufficiale del codice?

Il documento è disponibile sul sito ufficiale della Commissione europea: digital-strategy.ec.europa.eu. È consultabile anche in italiano.

Scrivimi per organizzare un evento o un corso sull’intelligenza artificiale generativa

Mandami un WhatsApp al 339.6325418 per organizzare un corso o una conferenza sull’A.I. generativa.

Inviaci email

/0 Commenti/da

Formazione AI obbligatoria in azienda: cosa chiede l’AI Act e come prepararsi

, , ,

Dal 2 febbraio 2025 l’AI Act ha reso applicabile un obbligo che molte aziende stanno ancora sottovalutando: chi fornisce o utilizza sistemi di intelligenza artificiale deve fare in modo che le persone coinvolte abbiano un livello sufficiente di alfabetizzazione sull’AI. In pratica, la formazione sull’intelligenza artificiale non è più soltanto una buona idea: diventa un requisito organizzativo da governare.

Il tema è stato rilanciato anche da una guida pubblicata da Agenda Digitale. Qui provo a tradurlo in una guida operativa per imprese, HR, manager, studi professionali e responsabili formazione: che cosa chiede davvero l’AI Act, chi deve essere formato, quali contenuti inserire in un corso e quali evidenze conviene conservare.

Risposta breve: la formazione AI è obbligatoria?

Sì, ma va capita bene. L’articolo 4 dell’AI Act non dice semplicemente “fate un corso uguale per tutti”. Dice che provider e deployer di sistemi di AI devono adottare misure per garantire un livello sufficiente di AI literacy, cioè alfabetizzazione in materia di intelligenza artificiale, al personale e alle persone che usano sistemi AI per conto loro.

Questo significa che un’azienda che usa ChatGPT, Microsoft Copilot, Gemini, Claude, strumenti di selezione del personale, chatbot, software di scoring, sistemi predittivi o tool generativi deve chiedersi: le persone che li usano capiscono abbastanza bene opportunità, limiti, rischi e regole di base?

Che cosa dice l’articolo 4 dell’AI Act

La fonte primaria è il Regolamento UE 2024/1689, cioè l’AI Act. La Commissione europea spiega che gli obblighi di alfabetizzazione AI sono entrati in applicazione dal 2 febbraio 2025, insieme alle regole sulle pratiche vietate (ma le norme di vigilanza, applicazione e sanzioni saranno pienamente operative solo a partire dal 3 agosto 2026). La pagina ufficiale della Commissione sull’AI Act conferma anche l’approccio basato sul rischio: non tutti gli usi dell’AI sono uguali e non tutti richiedono lo stesso livello di controllo.

La Commissione, nel suo repository sulle pratiche di AI literacy, chiarisce il punto: l’articolo 4 richiede a fornitori e utilizzatori di sistemi AI di assicurare un livello sufficiente di alfabetizzazione AI al personale e a chi opera per loro conto. Lo stesso repository raccoglie esempi di pratiche, ma avverte che copiarle non dà automaticamente una presunzione di conformità.

Chi deve fare formazione AI in azienda

La domanda non dovrebbe essere: “A chi facciamo il corso?”. La domanda giusta è: “Chi usa, decide, compra, configura o supervisiona sistemi AI?”. Da qui nasce la mappa dei destinatari.

  • Direzione e manager: devono capire impatti, responsabilità, governance, rischi e opportunità.
  • HR: usa o valuta strumenti per recruiting, valutazione, formazione, engagement e people analytics.
  • Marketing e comunicazione: produce testi, immagini, video, campagne, report e contenuti con AI generativa.
  • Commerciale e customer care: usa assistenti, chatbot, CRM arricchiti, trascrizioni, sintesi e suggerimenti automatici.
  • IT, digital e data team: integra strumenti, valuta fornitori, gestisce sicurezza, accessi e dati.
  • Legal, compliance e privacy: presidia contratti, basi giuridiche, documentazione, informative e policy interne.
  • Tutti i dipendenti che usano strumenti generalisti: per esempio ChatGPT, Copilot, Gemini o altri assistenti AI nel lavoro quotidiano.

La formazione deve essere proporzionata. Chi usa ChatGPT per riscrivere email non ha bisogno dello stesso percorso di chi introduce un sistema AI in selezione del personale. Ma entrambi devono sapere cosa possono fare, cosa non devono fare e quando serve l’intervento umano.

Che cosa deve contenere un corso AI Act per aziende

Un buon corso sulla formazione AI obbligatoria per aziende non dovrebbe limitarsi a leggere la norma. Deve trasformare l’obbligo in competenza operativa. Io lo strutturerei in sette moduli.

1. Che cos’è davvero l’intelligenza artificiale

Serve una base comune: AI, machine learning, AI generativa, modelli linguistici, chatbot, sistemi predittivi, automazione. Senza questa base, ogni discussione su rischi e regole resta astratta.

2. Come funziona l’AI generativa

Le persone devono capire perché ChatGPT e strumenti simili possono essere utilissimi ma anche sbagliare. Vanno spiegati concetti come probabilità, allucinazioni, prompt, contesto, dati di input, output non verificati e dipendenza dallo strumento.

3. Rischi pratici per l’azienda

Dati riservati caricati in strumenti non autorizzati, violazioni privacy, copyright, bias, discriminazioni, decisioni automatizzate, errori in documenti destinati ai clienti, contenuti falsi, deepfake, perdita di controllo sui processi. La formazione deve partire da casi realistici.

4. AI Act: rischi vietati, alto rischio e trasparenza

Non tutti devono diventare giuristi, ma tutti devono sapere che l’AI Act distingue tra pratiche vietate, sistemi ad alto rischio, obblighi di trasparenza e usi a rischio minimo o limitato. Per HR, credito, istruzione, sanità, sicurezza e servizi essenziali il livello di attenzione sale.

5. Policy aziendale sull’uso dell’AI

La formazione funziona se è collegata a regole interne chiare: quali strumenti sono autorizzati, quali dati non vanno inseriti, chi approva nuovi tool, come si verifica un output, quando dichiarare l’uso dell’AI e come gestire fornitori e account personali.

6. Prompting e uso consapevole

Una parte pratica è indispensabile. Non basta dire “state attenti”: bisogna mostrare come scrivere richieste migliori, come chiedere fonti, come far emergere limiti, come controllare un output e come usare l’AI come assistente, non come oracolo.

7. Evidenze e documentazione

In ottica compliance conviene conservare programma del corso, materiali, registro presenze, attestati, test di apprendimento, policy condivise e aggiornamenti periodici. Non perché “la carta salva”, ma perché dimostra che l’azienda ha preso sul serio l’obbligo di alfabetizzazione AI.

Checklist pratica per HR e compliance

  1. Mappare gli strumenti AI già usati in azienda, inclusi quelli “ombra” usati dai dipendenti.
  2. Classificare gli usi per area: marketing, HR, vendite, IT, amministrazione, legale, customer care.
  3. Individuare ruoli e persone esposte all’uso di AI.
  4. Definire un livello base di AI literacy per tutti.
  5. Preparare moduli avanzati per chi usa AI in processi sensibili.
  6. Scrivere o aggiornare una policy interna sull’uso dell’intelligenza artificiale.
  7. Registrare presenze, materiali, attestati e aggiornamenti.
  8. Ripetere la formazione quando cambiano strumenti, processi o regole.

Formazione AI obbligatoria: corso online, in presenza o blended?

Dipende dalla maturità dell’azienda. Per una PMI può funzionare un corso introduttivo di 2 o 3 ore, seguito da una policy sintetica e da esempi pratici. Per aziende più strutturate conviene un percorso blended: modulo base per tutti, workshop per funzioni specifiche e sessione manageriale su rischi, governance e decisioni.

Se l’obiettivo è costruire competenza reale, il formato migliore non è solo “lezione frontale”. Funzionano bene demo live, casi aziendali, esercitazioni su prompt, analisi di errori, checklist e piccoli test finali.

AI literacy non significa diventare tecnici

Uno degli errori più comuni è immaginare la formazione AI come un corso per informatici. Non è così. L’AI literacy richiesta dall’AI Act riguarda la capacità di usare o supervisionare sistemi AI con sufficiente consapevolezza del contesto, dei rischi, dei limiti e degli effetti sulle persone.

Per questo un corso efficace deve parlare la lingua del lavoro quotidiano: email, documenti, clienti, colloqui, report, presentazioni, decisioni, dati personali, procedure interne. L’obiettivo non è creare esperti di reti neurali, ma persone capaci di non usare l’AI in modo ingenuo.

Come posso aiutarti

Mi occupo di formazione su ChatGPT, AI generativa e uso consapevole dell’intelligenza artificiale per aziende, professionisti, enti e associazioni. Posso progettare un percorso di formazione AI per la tua azienda partendo da strumenti, ruoli, rischi e obiettivi concreti.

Per un percorso operativo puoi partire dal mio corso ChatGPT per aziende e professionisti, dal corso Microsoft Copilot per aziende o da una sessione introduttiva sotto forma di keynote sull’AI generativa.

Se vuoi organizzare un corso sulla formazione AI obbligatoria per l’AI Act, scrivimi: ti aiuto a costruire un intervento utile, comprensibile e documentabile.

FAQ sulla formazione AI obbligatoria

Da quando si applica l’obbligo di AI literacy?

Secondo la Commissione europea, gli obblighi di alfabetizzazione AI previsti dall’AI Act sono applicabili dal 2 febbraio 2025.

Tutte le aziende devono fare formazione AI?

Se un’azienda usa sistemi di intelligenza artificiale, deve preoccuparsi del livello di AI literacy delle persone coinvolte. La profondità della formazione dipende da strumenti, ruoli, contesto e rischi.

Basta un corso online registrato?

Può essere una parte del percorso, ma spesso non basta. L’azienda dovrebbe verificare che i contenuti siano pertinenti agli usi reali, che le persone abbiano compreso i rischi e che esistano regole interne applicabili.

Serve un attestato?

L’attestato è utile come evidenza, ma non sostituisce la sostanza della formazione. Conviene conservare anche programma, materiali, presenze, test e policy aziendale.

La formazione deve essere aggiornata?

Sì. Strumenti, rischi e indicazioni regolatorie cambiano rapidamente. Un aggiornamento periodico è una scelta prudente, soprattutto per reparti che usano AI in processi sensibili.

/0 Commenti/da