Settore pubblico e AI: come superare i sistemi legacy e diventare AI-ready

Modernizzare la tecnologia della pubblica amministrazione non è un compito da poco. Richiede di gestire sistemi legacy, budget limitati e l’elevata posta in gioco nel servire il pubblico. 

Al Summit Snowflake di quest’anno, leader della Multnomah County, in Oregon, e della City and County di San Francisco hanno raccontato come hanno affrontato questa sfida e fatto avanzare le proprie organizzazioni.

Il vero costo per chi rimanda la modernizzazione 

L’infrastruttura dati legacy non è più vista solo come un inconveniente IT. Con l’accelerazione dei mandati federali, l’adozione dell’AI che crea nuove pressioni competitive e i cittadini che richiedono servizi più rapidi e reattivi, il costo dell’immobilismo è diventato impossibile da ignorare. Viene visto per quello che realmente è: un problema di erogazione della missione che coinvolge intere organizzazioni in tutte le funzioni operative.

Le organizzazioni del settore pubblico che non hanno modernizzato il proprio patrimonio dati non possono supportare i workload AI che stanno diventando centrali nel modo in cui le organizzazioni pubbliche servono le proprie comunità. Il problema che si aggrava è di natura strutturale: i sistemi legacy creano silos di dati che rappresentano una barriera strutturale a un’adozione efficace dell’AI.

Come ha affermato Federico Zofaly, Director of Migrations and Modernization Center of Excellence di Snowflake, durante la tavola rotonda del Summit “AI-Powered Modernization: Oregon’s Multnomah County Leverages SnowConvert AI”: “Non esiste una strategia AI se non hai una strategia dati. Devi avere i tuoi dati in ordine prima di poter realmente sviluppare qualcosa sopra.”

Le organizzazioni pubbliche che stanno facendo progressi non aspettano un ciclo di budget perfetto o un mandato. Trattano la propria data foundation come un asset mission-critical e fanno avanzare le proprie organizzazioni di conseguenza. 

Come Multnomah County ha eliminato i silos di dati

Multnomah County, la contea più grande dello stato dell’Oregon e sede di Portland, utilizzava un ambiente SQL Server vecchio di dieci anni. Era distribuito su decine di workload di business intelligence ed era stato costruito da ingegneri che avevano lasciato l’organizzazione da tempo. La documentazione era scarsa. L’architettura era incoerente. I costi erano in aumento.

La contea doveva migrare verso una piattaforma dati moderna. Voleva migrare rapidamente, senza protrarre il processo per anni come spesso accade nelle organizzazioni del settore pubblico: infatti il team ha completato la migrazione in cinque mesi.¹

Lavorando con SnowConvert AI di Snowflake, la contea ha utilizzato un approccio di migrazione ibrido che combinava la conversione deterministica del codice con la gestione assistita dall’AI dei task complessi. Questo includeva SQL dinamico, correzione del codice e generazione automatica di test case al posto di riscritture manuali. La contea ha riportato risultati che includono tempi di migrazione più brevi, una riduzione della spesa futura sui costi di licenza legacy per SQL Server e un’architettura standardizzata che comprende linee di business precedentemente isolate, tra cui i servizi sanitari e sociali, la sicurezza pubblica e uno dei più grandi sistemi bibliotecari degli Stati Uniti.

Michael Hanna, Senior Database Administrator di Multnomah County, è stato diretto su cosa ha reso efficace la migrazione: “Il tempo che dedichi a preparare i tuoi dati e a prepararti per la migrazione ripaga molte volte di più alla fine.”

3 lezioni da Multnomah per le organizzazioni che usano ancora strumenti legacy

• Inizia prima di quanto pensi sia necessario: Multnomah ha iniziato la migrazione tre mesi prima di uno dei suoi accordi di rinnovo, il che alla fine non ha dato alla contea un margine di tempo sufficiente. Il team di Multnomah consiglia di iniziare gli sforzi di migrazione idealmente un anno o più prima di qualsiasi scadenza di licenza.

• Non migrare tutto: Valuta cosa mantenere, archiviare o abbandonare. Dimensionare correttamente il workload semplifica il nuovo ambiente e riduce il costo complessivo del progetto.

• Dedica tempo sufficiente ai test: La conversione del codice può richiedere settimane. La validazione e i test in ambiente parallelo richiederanno mesi. Pianifica di conseguenza.

Come San Francisco sta sviluppando una cultura dei dati a livello cittadino

Soumya Kalra, Chief Data Officer della City and County di San Francisco, e il suo team si trovano in una fase precedente del loro percorso di modernizzazione. La sfida più urgente che Kalra sta affrontando è comune nel settore pubblico: i dipartimenti hanno storicamente operato in isolamento, ognuno con i propri sistemi, database sviluppati internamente e una propria definizione di cosa significhi “dati di qualità”.

L’attenzione del suo team non è rivolta solo all’aggiornamento dello stack tecnologico. Si tratta anche di implementare un cambiamento culturale per fare degli insight sui dati una parte autentica del modo in cui i servizi vengono erogati.

L’obiettivo è una piattaforma dati unificata a livello cittadino che elimini i silos dipartimentali che hanno reso strutturalmente impossibile l’insight tra agenzie. Ma Kalra è chiara su cosa deve accadere prima: prima di unificare i dati in tutta la città, il team deve sviluppare la fiducia, gli standard condivisi e i champion interni che spingono le persone a voler partecipare.

Questo significa coinvolgere gli stakeholder di tutte le funzioni operative fin dall’inizio, non solo il dipartimento IT. Per esempio, significa progettare pensando all’analista del dipartimento di sanità pubblica che deve rispondere a una domanda, non solo all’ingegnere che ha costruito la pipeline. Significa anche accettare che sia il change management, non la tecnologia, a determinare se la modernizzazione durerà nel tempo. 

La storia della City and County di San Francisco è un utile contrappeso ai tempi di migrazione e ai benchmark tecnici che dominano le conversazioni sulla modernizzazione. A volte il lavoro più importante non è la conversione del codice. È convincere un’organizzazione che un modo diverso di lavorare vale lo sforzo.

Dal debito tecnico al runway per l’AI

Le organizzazioni del settore pubblico che riescono a modernizzarsi condividono un approccio comune: smettono di trattare la migrazione come un progetto unico e iniziano a considerarla un cambiamento nel modo in cui i dati vengono gestiti come asset strategico.

Questo significa che le decisioni architetturali prese oggi non dovrebbero richiedere di essere ricostruite tra tre e cinque anni. Significa riconoscere che una data foundation unificata e governata non è l’obiettivo finale. È il runway per tutto ciò che viene dopo, inclusi insight tra agenzie, analisi predittiva ed erogazione di servizi basata sull’AI, prima impossibile.

Il percorso da seguire segue una sequenza chiara:

1. Modernizzare la data foundation 

2. Unificare il patrimonio dati 

3. Attivare i workload AI

Le organizzazioni che fanno progressi hanno un tratto in comune

Le organizzazioni che stanno andando avanti hanno smesso di trattare la propria data foundation come una questione di back-office e hanno iniziato a considerarla una priorità per la missione.

Gli strumenti per accelerare questo percorso, come la migrazione assistita dall’AI, i test automatizzati e le piattaforme con dati governati, esistono già tutti. La domanda è se le agenzie abbiano il tempo e la visione necessari per utilizzarli.

Scopri come puoi collaborare in modo sicuro e trasformare i dati in insight concreti, massimizzare le risorse con l’efficienza del cloud e accelerare l’innovazione con una data foundation affidabile per l’AI.

¹ _{Snowflake Summit Session MI201: “AI-Powered Modernization: Oregon’s Multnomah County Leverages SnowConvert AI”}