3 previsioni per il settore pubblico nel 2026

Nel 2026, le organizzazioni del settore pubblico devono affrontare una pressione crescente per implementare l’AI in modo efficace e sicuro. Con questo importante cambiamento operativo, le pubbliche amministrazioni devono capire come adottare questi strumenti innovativi all’interno delle strutture di governance esistenti. Il settore nel suo complesso deve fare i conti con budget ridotti e maggiori controlli, mentre affronta la pressione di modernizzarsi, collaborare tra dipartimenti e generare impatto sulla missione. 

Il ritmo del cambiamento continuerà ad accelerare. “Bisogna rendersi conto della velocità del tutto. Tre anni fa nessuno aveva mai sentito parlare di ChatGPT o di AI generativa”, afferma Stephen Moon, Global Public Sector Chief Technology Officer di Snowflake. “Dobbiamo prestare attenzione a ciò che accadrà tra 12, 18, 24 mesi, perché cambierà tutto.”

Ecco tre previsioni chiave per le organizzazioni del settore pubblico nel prossimo anno:

• L’interoperabilità dei dati e semantica diventerà indispensabile per generare valore con l’AI. 

• Il controllo basato sui risultati e la trasparenza diventeranno lo standard.

• L’adozione dell’AI si sposterà verso enclavi sicure e governate.

Previsione 1: i dati pronti per l’AI diventeranno centrali per un’implementazione efficace dell’AI 

I budget restano limitati, quindi sarà ancora più importante concentrarsi sull’utilizzo delle capacità AI a supporto delle attività mission-critical. Le organizzazioni sono chiamate a utilizzare metriche condivise tra diversi dipartimenti per dimostrare come contribuiscono alla loro missione. Questo tipo di reporting avrà un impatto diretto sul finanziamento dei progetti e sulla priorità dei programmi. 

Tutto parte dai dati. “Rendere i dati pronti per l’AI è l’aspetto più importante”, afferma Moon. “Nella pubblica amministrazione, se i dati sono in silos, è fondamentale prepararli per l’AI, aumentarne il valore affinché gli LLM possano accedervi in modo sicuro (interoperabilità dei dati) e comprenderli (interoperabilità semantica).”

L’interoperabilità dei dati e quella semantica passano da “nice to have” a requisito indispensabile per generare valore. “Se faccio una domanda a un modello, voglio una risposta affidabile”, afferma Moon. “Quando parliamo di dati pronti per l’AI, vogliamo un processo di preparazione che garantisca dati di alta qualità da fornire ai modelli per generare risposte utili per l’utente finale.”

Nel 2026, si prevede che le agenzie governative utilizzeranno data product condivisi e svilupperanno definizioni e metriche di successo coerenti, tutte allineate alla missione. Si passerà da scambi di dati punto-punto a data product live e governati.

Negli ultimi anni, le organizzazioni sono state in modalità sperimentale. “Ora ci si inizia a chiedere: ‘Cos’è questo progetto pilota e abbiamo una chiara strada verso la produzione?’”, afferma Moon. I leader del settore pubblico cercano iniziative AI che generino il massimo valore e che abbiano un percorso chiaro verso la messa in produzione. 

Previsione 2: il controllo basato sui risultati e la trasparenza in tempo reale diventeranno la norma

Le organizzazioni del settore pubblico devono trovare un equilibrio tra innovazione AI, vincoli di budget e requisiti di sicurezza e conformità. Gli organismi di controllo vogliono sapere quali modelli AI vengono utilizzati, quali dati alimentano tali modelli e quali decisioni influenzano. Per migliorare efficienza operativa e trasparenza nell’implementazione dell’AI, le organizzazioni puntano sempre più su infrastrutture condivise. 

“Le risorse sono limitate, quindi non si può fare tutto”, afferma Moon. “Scegli i progetti in base al ritorno sull’investimento. Quando lavori con partner tecnologici, assicurati che siano in grado di valutare quel ritorno. Tutti sono sotto pressione per utilizzare l’AI, ma questo non significa che le risorse siano disponibili per tutti. Ci sono compromessi tra impatto basso e alto. Conta la missione e ciò che genera il maggiore impatto.”

Gli organismi di controllo e il management richiederanno viste aggiornate e riproducibili dei risultati dei programmi e risposte più rapide alle loro domande. I leader devono valutare quali progetti supportano la missione e prendere decisioni in base all’impatto, sia tecnico sia di business. 

Previsione 3: L’adozione dell’AI si sposterà verso enclavi sicure e governate

Standard AI in rapida evoluzione e requisiti di sicurezza ridefiniranno le architetture AI nel settore pubblico. Al posto della sperimentazione aperta, le organizzazioni implementeranno soluzioni AI pronte per la missione e specifiche per dominio, inclusi agenti AI che aumentano la produttività dei dipendenti. Si darà priorità a “enclavi AI” sicure che supportano governance, controlli human-in-the-loop e conformità su larga scala. 

Aumenta la pressione legata a policy e sicurezza, inclusa la definizione di regole AI centralizzate. Tuttavia, “la governance è complessa perché l’AI evolve rapidamente”, afferma Moon. “Non puoi definire una policy oggi e aspettare cinque anni per aggiornarla.”

La dinamicità del settore è un elemento chiave per i modelli di governance e sicurezza. Le organizzazioni del settore pubblico possono collaborare per accelerare l’adozione sicura dell’AI. La paura non deve essere un freno. “A un certo punto dovrai scegliere una piattaforma dati o un modello”, afferma Moon. Per evitare il vendor lock-in, aggiunge: “Scegli un modello che possa operare su piattaforme diverse, così da poter cambiare se necessario. L’interoperabilità, sia tecnica sia dei dati, si rafforza nel tempo.”

Come i leader del settore pubblico possono affrontare efficacemente il panorama AI

Nell’implementazione delle iniziative AI, i leader del settore pubblico devono dare priorità all’impatto reale per le loro organizzazioni. Prima di tutto, bisogna concentrarsi sui dati, perché sono il motore. Garbage in, garbage out, afferma Moon. “L’AI non cambia questo principio. Se fornisci dati di scarsa qualità, otterrai risultati di scarsa qualità. Più ti concentri su qualità, interoperabilità, cura dei dati e piattaforme dati, più l’AI diventa utile per la missione.”

Gli standard AI stanno evolvendo e definiscono sempre più chiaramente dove possono operare i modelli e a quali dati possono accedere. Le organizzazioni devono scalare l’AI senza costruire stack su misura per ogni dipartimento. Collaboreranno per definire enclavi AI sicure, centralizzare gli standard di governance e integrare agenti AI specifici per dominio nei workflow. 

Per rendere più efficace l’implementazione dell’AI, “impara a utilizzare l’AI come moltiplicatore di forza”, afferma Moon. “Sei sommerso da una quantità di informazioni difficile da gestire manualmente. Usala come supporto per individuare ciò che conta davvero e integrarla nel tuo lavoro.”

Vuoi saperne di più su AI e trend dei dati nel settore pubblico? Guarda il webinar “How AI Policies Are Impacting Gov IT.”