“The test of our progress is not whether we add more to the abundance of those who have much; it is whether we provide enough for those who have too little.”
“La prova del nostro progresso non è se aggiungiamo di più all’abbondanza di coloro che hanno molto, ma se forniamo abbastanza a coloro che hanno troppo poco.” F.D. Roosevelt
La famosa frase di Roosevelt è stata recentemente ricordata dal professor Alfio Quarteroni, eminente scienziato nel campo della matematica, durante un intervento presso l’Accademia Nazionale dei Lincei, in relazione all’adozione dell’Intelligenza Artificiale (AI) ed alle sfide etiche che essa pone.
Questa opinione, espressa molti anni fa, si presenta oggi come un faro guida particolarmente utile in un momento storico di radicale trasformazione globale, che sembra sovvertire molte delle basi di pensiero costruite nel secondo dopoguerra.
Il valore di questa riflessione può essere trasferito anche a contesti più specifici, come il CSI Piemonte, un consorzio nato per supportare la digitalizzazione degli enti locali piemontesi. Chi opera al suo interno ha da sempre abbracciato una “vision” aziendale che richiama il significato della frase di Roosevelt, intendendola applicata alle comunità locali dei diversi territori. L’obiettivo centrale del CSI è stato, fin dalla sua nascita, quello di costruire soluzioni informatiche condivise che mettano in relazione enti pubblici locali di media dimensione, come la Regione, ed enti più piccoli, come un comune di soli 100 abitanti. La rivoluzione rappresentata dall’Intelligenza Artificiale, oggi in pieno sviluppo, rende questo impegno ancora più necessario per evitare un ulteriore divario digitale tra le città e le zone montane, già molto penalizzate dallo spopolamento.
Negli ultimi anni, con l’avvento dell’AI, il CSI ha delineato una roadmap interna per l’adozione di queste tecnologie, con l’obiettivo di accrescere le competenze e predisporre piattaforme innovative. Sono stati sviluppati numerosi progetti basati sull’intelligenza artificiale per migliorare l’interazione tra cittadini e PA, automatizzare processi e ottenere insight dai dati. La roadmap del CSI, oltre a essere rivolta agli enti locali consorziati, rispecchia l’approccio delineato nelle Linee guida per l’adozione dell’Intelligenza Artificiale nella Pubblica Amministrazione, pubblicate in consultazione da AgID il 14 febbraio 2025.
Tra gli obiettivi principali del CSI Piemonte nell’adozione dell’AI c’è quello di aumentare l’efficienza della Pubblica Amministrazione, attraverso l’ottimizzazione dei processi e la riduzione delle attività più ripetitive. Si mira inoltre a migliorare l’interazione tra i cittadini e l’ente pubblico, attraverso un dialogo più naturale e diretto. Un altro obiettivo è l’analisi dei fenomeni e degli impatti, accompagnata dalla capacità di prevedere e pianificare azioni sulla base di modelli e tendenze identificati. Infine, si punta a fornire strumenti che permettano alle Pubbliche Amministrazioni di gestire il territorio e il proprio patrimonio attraverso rapide analisi dei dati e simulazioni di scenari “what-if”.
I progetti già sul campo sono numerosi. L’IA conversazionale, attraverso chatbot avanzati come Camilla mira a fornire risposte personalizzate e supporto continuo a cittadini e imprese che utilizzano i servizi on line. L’automazione intelligente, con i-RPA, riduce l’intervento umano in compiti ripetitivi. La GeoAI combina dati geospaziali e AI per l’analisi del territorio, con applicazioni che vanno dalla classificazione del suolo al monitoraggio delle strade.
Vogliamo qui approfondire due progetti innovativi nel campo della GeoAI o l’Intelligenza Artificiale Geospaziale. Questa disciplina, che fonde l’intelligenza artificiale con dati e tecnologie geospaziali, si presenta come una risorsa preziosa per la Pubblica Amministrazione locale perché può essere utilizzata per migliorare la gestione del territorio, ottimizzare i servizi pubblici e guidare decisioni strategiche basate sull’analisi dei dati. Da oltre 40 anni, il CSI Piemonte gestisce l’intero ciclo di vita dei dati geografici della Pubblica Amministrazione piemontese, compresa la loro elaborazione e pubblicazione sui portali istituzionali egli enti. Questa lunga esperienza ha permesso al CSI di acquisire competenze avanzate nel campo che gli permettono di gestire questa tipologia di progetti.
GeoAI4LandClassification è un progetto che utilizza tecniche di classificazione automatica per perfezionare la mappatura delle colture presenti sul territorio regionale e aggiornare la base dati cartografica. A supporto di questa iniziativa, vengono utilizzati dati GIS come la cartografia BDTRE e il catasto, immagini del progetto “Telerilevamento” (come i dati Sentinel2) e altre informazioni tematiche, tra cui le dichiarazioni dell’Anagrafe Agricola.
Gli strumenti tecnici includono una piattaforma proprietaria, ERDAS IMAGINE, impiegata nelle fasi di prototipazione, e una piattaforma open-source, AIPlatform, basata su strumenti come JupyterLab e Python. Grazie alle tecniche di image segmentation, è possibile classificare immagini in modo automatico e integrare aree ignote della cartografia regionale (BDTRE), utilizzando le geometrie provenienti dalla base dati catastale mosaicata. L’immagine classificata viene validata e utilizzata per questo scopo. Sono stati addestrati i modelli più frequentemente utilizzati in letteratura nell’ambito della Land Cover Classification, tra cui KNN (k-nearest neighbour), SVM (support vector machine), Random Forest e MLP.
L’obiettivo è ridurre i tempi di produzione dell’informazione, ma anche lavorare con la PA per far comprendere i pregi, la precisione e l’affidabilità dei risultati ottenibili, lavorando sulla standardizzazione di modelli e livelli di qualità.
Gli scenari futuri prevedono il miglioramento del processo di image segmentation attraverso l’utilizzo di immagini ad alta definizione (ortofoto da aereo, immagini satellitari commerciali) e la ricerca da immagini RGB e infrarosso di oggetti come piscine e pannelli solari, o della presenza di tetti in amianto. Inoltre, si prevede il riconoscimento di aree omogenee, come confini di boschi, delimitazioni tra colture o zone urbane, con l’obiettivo di ridurre significativamente i tempi richiesti per la perimetrazione manuale.
Il progetto GeoAI4Roads invece utilizza diversi tipi di dati per la manutenzione predittiva dell’infrastruttura stradale. Le informazioni, provenienti da diverse fonti, includono dati geometrici, ambientali, di traffico e relativi alle condizioni delle strade. Tra i dati raccolti troviamo quelli geometrici e altimetrici, come quota, pendenza media ed esposizione prevalente, insieme a dati sul traffico delle infrastrutture principali, disponibili su base annuale, che comprendono capacità, velocità a flusso nullo, velocità media di percorrenza e traffico medio giornaliero, distinguendo tra veicoli pesanti e leggeri. Non mancano dati meteorologici aggiornati quotidianamente dal 2021 al 2023, con rilevazioni su temperature e precipitazioni, oltre a informazioni su incidenti e manutenzioni e dati sulla rugosità del manto stradale, rilevati tra settembre 2021 e dicembre 2023, con metriche come l’indice di rugosità (IRI), la sua varianza e la media per ciascun tratto stradale.
A ogni segmento stradale vengono associati diversi parametri, alcuni estratti direttamente dalle banche dati della Pubblica Amministrazione, come quelle della Città Metropolitana, della Regione Piemonte e di ARPA Piemonte, e altri derivati da essi. Questi dati alimentano un modello di intelligenza artificiale basato su Random Forest, progettato per stimare lo stato di rugosità e il deterioramento delle strade. La variazione dell’indice di rugosità (IRI) nel tempo costituisce uno dei dati per l’addestramento dell’AI. Il modello viene allenato utilizzando l’80% dei dati disponibili (dataset di training) e testato sul restante 20% (dataset di test). L’intero processo prevede anche l’analisi della correlazione e dell’importanza delle variabili, per migliorare le prestazioni del modello.
Per integrare progetti come questo nelle attività quotidiane della Pubblica Amministrazione locale, e ottenere i benefici previsti, è fondamentale promuovere una crescita culturale nelle comunità, coinvolgendo sia i decisori pubblici sia i cittadini. Questo percorso deve portare alla creazione di servizi e soluzioni utili e in sinergia con le competenze dei funzionari pubblici, evitando che rimangano strumenti isolati. Con questa visione, il Consorzio ha dato vita al Digital Campus, un’iniziativa pensata per sviluppare nuovi modelli di apprendimento e garantire una formazione continua di alta qualità. Attraverso una combinazione di didattica tradizionale, e-learning e digital labs, il Digital Campus rappresenta un passo concreto verso un’innovazione condivisa e sostenibile.
Immagini generate tramite DALL-E. Tutti i diritti sono riservati. Università di Torino (2025).
