Il Regno Unito e l'AI: sfide e opportunità nell'era dei dati pubblici

Il Regno Unito ha lanciato una strategia audace per sfruttare il potenziale dell'Intelligenza Artificiale (AI) attraverso l'accesso e l'utilizzo dei dati pubblici. Al centro di questa visione si trova la "National Data Library" (NDL), un'iniziativa ambiziosa volta a centralizzare, standardizzare e rendere i dati governativi facilmente utilizzabili dai moderni sistemi di AI.

L'obiettivo è duplice: da un lato, migliorare l'efficienza e l'efficacia dei servizi pubblici, permettendo decisioni politiche più informate e basate sull'evidenza; dall'altro, stimolare una crescita economica significativa attraverso l'innovazione guidata dall'AI. Questo piano si inserisce in un contesto più ampio di investimenti governativi, che includono l'AI Opportunities Action Plan e la Smart Data Strategy, con oltre un miliardo di sterline destinate allo sviluppo dell'AI, al potenziamento della capacità di calcolo e alla creazione di "AI Growth Zones".

Il framework proposto per rendere i dati del settore pubblico "AI-ready" si basa sui principi FAIR (Findable, Accessible, Interoperable, Reusable), ponendo un'enfasi cruciale sulla qualità intrinseca dei dati, sulla robustezza della governance, sulla ricchezza dei metadati e sull'adozione di interfacce di programmazione delle applicazioni (API) standardizzate. L'intenzione è creare un ecosistema dati solido che possa fungere da trampolino di lancio per un'ampia gamma di applicazioni AI, dalla sanità alla mobilità, dall'amministrazione pubblica alla ricerca scientifica, posizionando il Regno Unito come leader globale nell'adozione strategica dell'AI.

Nonostante le nobili intenzioni, la strategia del Regno Unito per l'AI incontra ostacoli considerevoli, il primo dei quali riguarda la qualità intrinseca dei dati pubblici. Un'analisi preliminare condotta su un prototipo della NDL, sviluppato dall'Open Data Institute (ODI), ha messo in luce criticità strutturali profonde.

Molti dataset, infatti, sono afflitti da etichettature insufficienti o imprecise, formati incoerenti che ne rendono difficile l'elaborazione automatica, una limitata interoperabilità tra sistemi diversi e una carenza cronica di metadati descrittivi. A ciò si aggiungono registrazioni obsolete o non aggiornate, che rendono i dati inaffidabili per addestrare algoritmi di AI sofisticati.

Questa situazione costringe spesso i sistemi di AI a ricorrere a fonti di dati alternative, potenzialmente meno accurate o più costose. Un ulteriore fattore di complicazione è rappresentato dai sistemi IT legacy ancora in uso in molteplici settori del governo.

Queste infrastrutture obsolete, spesso non progettate per le esigenze dell'era digitale e dell'AI, rappresentano un collo di bottiglia significativo, compromettendo la capacità di estrarre, processare e rendere disponibili dati di alta qualità in modo tempestivo. La modernizzazione di questi sistemi legacy è un prerequisito fondamentale, ma anche un processo complesso e costoso che richiede tempo e risorse considerevoli.

Oltre alle sfide tecniche legate alla qualità dei dati e ai sistemi legacy, la strategia britannica per l'AI deve confrontarsi con due ostacoli di natura umana e sociale: la carenza di competenze specialistiche e la necessità di costruire e mantenere la fiducia del pubblico. Il settore pubblico, in particolare, soffre di una persistente difficoltà nel reclutare e trattenere personale qualificato con competenze avanzate in intelligenza artificiale, machine learning e data science.

Questa carenza di talento limita la capacità del governo di implementare efficacemente le proprie iniziative AI e di gestire i complessi ecosistemi di dati necessari. Parallelamente, la fiducia del pubblico rappresenta un pilastro fondamentale per qualsiasi strategia basata sui dati.

I progressi lenti nella trasparenza dei processi decisionali assistiti da algoritmi, soprattutto quando riguardano dati sensibili dei cittadini, possono minare la volontà delle persone di condividere le proprie informazioni. Costruire un rapporto di fiducia richiede un impegno costante nella comunicazione chiara sui benefici dell'AI, sulle misure di protezione della privacy e sulle garanzie etiche implementate.

Senza un solido consenso pubblico, l'adozione su larga scala di soluzioni AI basate su dati pubblici rischia di incontrare resistenze significative, rallentando l'innovazione e limitando il potenziale impatto positivo della tecnologia.

Un'altra preoccupazione significativa che emerge dalla strategia AI del Regno Unito è il potenziale rischio di monopolio da parte dei grandi attori tecnologici. La dominanza di poche multinazionali nel campo dell'AI potrebbe soffocare la concorrenza, limitare l'innovazione indipendente e creare una dipendenza eccessiva da specifiche aziende per le infrastrutture e le piattaforme tecnologiche.

Questo scenario potrebbe ostacolare la crescita di un ecosistema AI diversificato e resiliente. Sul fronte normativo, il Regno Unito ha scelto un approccio basato su principi generali e regolamentazioni settoriali, piuttosto che una legislazione AI dedicata e onnicomprensiva come quella introdotta dall'Unione Europea con l'AI Act.

Mentre questo approccio potrebbe offrire maggiore flessibilità iniziale, solleva interrogativi sulla coerenza e sulla completezza della regolamentazione, specialmente in un contesto globale in rapida evoluzione. Inoltre, molte grandi aziende britanniche operano a livello internazionale e si trovano ad affrontare incertezze riguardo all'utilizzo dei loro dati sensibili da parte di sistemi AI elaborati all'estero.

Questa mancanza di chiarezza espone le aziende a potenziali rischi normativi, di conformità e di sicurezza, evidenziando la complessità della governance dei dati transfrontaliera nell'era dell'AI.

Un aspetto cruciale e ancora ampiamente dibattuto nell'ambito dello sviluppo dell'AI riguarda le questioni legate al copyright e alla proprietà intellettuale. L'addestramento dei modelli di intelligenza artificiale, in particolare quelli di grandi dimensioni (Large Language Models - LLM), si basa sull'elaborazione di enormi quantità di dati, molti dei quali sono protetti da copyright.

Attualmente, esiste una notevole incertezza legale su come questo processo di addestramento interagisca con le leggi sul diritto d'autore esistenti. La mancanza di trasparenza riguardo alle fonti specifiche dei dati utilizzate per addestrare molti modelli AI solleva preoccupazioni sia per i creatori di contenuti, che vedono il loro lavoro potenzialmente utilizzato senza consenso o compenso, sia per gli sviluppatori, che rischiano controversie legali.

La necessità di una maggiore chiarezza e di un quadro normativo definito è impellente per garantire uno sviluppo equo e sostenibile dell'AI. Questo include definire i limiti dell'uso di materiale protetto da copyright per l'addestramento, stabilire meccanismi di licenza o compensazione adeguati e promuovere una maggiore trasparenza da parte delle aziende che sviluppano e distribuiscono queste tecnologie.

Affrontare queste questioni è fondamentale per bilanciare l'innovazione con il rispetto dei diritti dei creatori e per costruire un ecosistema AI etico e legalmente solido.

Nonostante le sfide intrinseche, l'approccio del Regno Unito all'utilizzo dei dati pubblici per alimentare l'AI apre scenari di notevole opportunità. La creazione di una "National Data Library" e la promozione di dati "AI-ready" sono viste come leve strategiche per stimolare la crescita economica e aumentare la produttività a livello nazionale.

L'accesso facilitato a dataset di alta qualità può attrarre investimenti esteri, favorire la nascita di nuove startup innovative e potenziare le imprese esistenti attraverso l'adozione di soluzioni AI. Inoltre, l'AI ha il potenziale per trasformare radicalmente i servizi pubblici.

Immaginiamo sistemi in grado di prevedere con maggiore accuratezza le esigenze sanitarie della popolazione, ottimizzare la gestione del traffico urbano, personalizzare i percorsi educativi o migliorare l'efficienza della pubblica amministrazione. Questi miglioramenti possono tradursi in un risparmio di risorse, una maggiore soddisfazione dei cittadini e un accesso più equo ai servizi essenziali.

La NDL può anche fungere da catalizzatore per la ricerca e lo sviluppo, accelerando le scoperte scientifiche in discipline diverse e alimentando la frontiera della ricerca sull'AI stessa. Infine, la democratizzazione dell'accesso ai dati pubblici può favorire un ecosistema AI più inclusivo, permettendo a un numero maggiore di sviluppatori, ricercatori e piccole imprese di sperimentare e innovare senza la necessità di disporre di risorse computazionali o dataset proprietari proibitivi.

Un fattore sempre più determinante nel panorama dell'innovazione AI è la rapida ascesa delle piattaforme e dei modelli open source. Iniziative come Llama di Meta o Gemma di Google rappresentano un cambiamento epocale, fornendo agli sviluppatori strumenti potenti e flessibili per costruire, personalizzare e implementare soluzioni di intelligenza artificiale.

Questi modelli open source abbattono significative barriere all'ingresso, consentendo a team con risorse limitate di accedere a tecnologie all'avanguardia che in precedenza erano appannaggio di poche grandi aziende. La disponibilità di codice sorgente aperto promuove la sperimentazione rapida, facilita la collaborazione tra ricercatori e sviluppatori a livello globale e accelera il ciclo di innovazione.

Gli sviluppatori possono ora sfruttare questi framework per creare applicazioni specifiche per i loro settori di interesse, adattare i modelli alle proprie esigenze di dati e contribuire attivamente al miglioramento della tecnologia attraverso contributi alla community. Questo movimento verso l'open source non solo democratizza l'accesso all'AI, ma favorisce anche la trasparenza e la sicurezza, poiché il codice può essere ispezionato e verificato da una vasta comunità.

Per i paesi e le aziende che cercano di costruire un ecosistema AI robusto, abbracciare e contribuire all'open source rappresenta una strategia fondamentale per rimanere competitivi e promuovere un'innovazione diffusa e collaborativa.

L'Italia, in linea con l'Unione Europea, sta adottando un approccio normativo più strutturato e completo rispetto alla strategia iniziale del Regno Unito. La recente introduzione della prima legge nazionale sull'AI (Legge 132/2025), in vigore da ottobre 2025, allinea il paese all'AI Act europeo.

Questo quadro normativo pone un'enfasi significativa su un'AI responsabile, etica e centrata sull'uomo, introducendo regole specifiche per diversi settori e rafforzando la protezione dei dati personali e la trasparenza dei sistemi. L'Italia ha inoltre sviluppato un "Programma Strategico Nazionale sull'Intelligenza Artificiale" e una "Strategia Italiana sui Dati", focalizzati in particolare sulla pubblica amministrazione e sullo sviluppo delle competenze.

L'AI Act dell'UE, con il suo approccio basato sulla classificazione del rischio dei sistemi AI, impone requisiti rigorosi, specialmente per le applicazioni considerate ad "alto rischio". Sebbene questo possa comportare oneri di conformità maggiori per le aziende rispetto a un approccio puramente basato su principi, offre una maggiore certezza legale e una protezione più robusta per i cittadini.

L'UE sta attivamente costruendo un vasto ecosistema AI attraverso iniziative come la piattaforma AI-on-demand, gli European Digital Innovation Hubs e le Testing and Experimentation Facilities, promuovendo la collaborazione e l'innovazione all'interno del blocco continentale.

Le sfide che il Regno Unito sta affrontando nella sua corsa all'AI basata sui dati pubblici non sono uniche. L'Italia, come molti altri paesi, si confronta con problemi analoghi legati alla frammentazione, all'incoerenza e alla bassa qualità dei dati presenti nel settore pubblico.

Il framework proposto dall'ODI per rendere i dati "AI-ready" – che include ottimizzazione tecnica, aderenza a standard rigorosi, conformità legale e pratiche di raccolta dati responsabili – rappresenta un modello prezioso anche per l'Italia. La questione delle competenze digitali rimane una barriera critica a livello globale.

La strategia italiana per l'AI riconosce esplicitamente la necessità di riforme educative e di programmi di formazione continua per i dipendenti pubblici, un'esigenza sentita anche nel settore privato. Allo stesso modo, la costruzione delle infrastrutture necessarie per l'AI, in particolare la capacità di calcolo e gli ecosistemi di gestione dei dati, richiede investimenti significativi.

Sebbene l'Italia abbia stanziato un fondo di investimento considerevole per l'AI, la scala dell'impegno finanziario necessario per competere a livello internazionale è imponente. Affrontare queste sfide comuni richiederà un approccio coordinato, investimenti mirati e una forte volontà politica per creare un ambiente favorevole all'innovazione basata sui dati.

Per gli sviluppatori IT, le strategie nazionali e internazionali sull'AI basata sui dati pubblici comportano implicazioni dirette e concrete. La consapevolezza dei problemi di qualità dei dati pubblici – etichettature imprecise, formati incoerenti, dati obsoleti – diventa un prerequisito fondamentale.

Le aziende e i team di sviluppo dovranno probabilmente investire risorse significative in attività di pulizia, standardizzazione e arricchimento dei dati prima di poterli utilizzare efficacemente per addestrare modelli AI. L'adesione a standard internazionali come i principi FAIR e l'adozione di metadati leggibili dalle macchine (machine-readable metadata) saranno cruciali per garantire l'interoperabilità dei dati tra diversi sistemi e per massimizzare la loro usabilità.

Inoltre, la conformità normativa è un aspetto sempre più centrale. Nel Regno Unito, gli sviluppatori dovranno navigare un panorama basato su principi e normative settoriali, prestando attenzione alle leggi sulla protezione dei dati come il UK GDPR.

Operando all'interno dell'UE o in paesi allineati all'AI Act, le normative diventano più stringenti, con obblighi specifici per la gestione del rischio, la qualità dei dati, la documentazione tecnica e la supervisione umana, specialmente per i sistemi ad alto rischio. Ignorare questi requisiti può comportare ritardi significativi nello sviluppo e rendimenti inferiori sugli investimenti tecnologici.

La crescente pervasività dell'AI nei processi decisionali solleva questioni fondamentali riguardo alla trasparenza e all'etica. Sia le normative del Regno Unito che quelle dell'UE/Italia pongono una forte enfasi sulla necessità di rendere i sistemi AI più spiegabili e trasparenti nel loro funzionamento.

Gli sviluppatori sono chiamati a creare non solo algoritmi performanti, ma anche sistemi che permettano di comprendere, almeno in parte, come vengono prese le decisioni e quali dati vengono utilizzati. Le preoccupazioni relative ai bias algoritmici, ovvero la tendenza dei sistemi AI a perpetuare o amplificare pregiudizi presenti nei dati di addestramento, richiedono un approccio proattivo.

È essenziale integrare considerazioni sull'equità fin dalle prime fasi di progettazione, implementando tecniche specifiche per mitigare i bias e prevedendo meccanismi di controllo "human-in-the-loop" per supervisionare e correggere le decisioni automatizzate. La sicurezza e la privacy dei dati sono altrettanto critiche.

Le aziende devono adottare pratiche robuste per la gestione dei dati, implementare politiche sulla privacy chiare, ottenere i necessari consensi e condurre valutazioni approfondite del rischio, specialmente quando si trattano dati personali. Le preoccupazioni riguardo alla potenziale "fuga" o all'uso improprio dei dati da parte dei sistemi AI, in particolare quando elaborati in contesti transfrontalieri, richiedono una vigilanza costante e l'adozione di misure di sicurezza all'avanguardia.

Guardando al futuro, è chiaro che il successo nell'adozione dell'AI, sia per i singoli sviluppatori che per le aziende e le nazioni, dipenderà da una combinazione di fattori chiave. La crescita esponenziale dell'AI open source continuerà a democratizzare l'accesso a strumenti potenti, promuovendo un'innovazione più rapida e collaborativa.

Gli sviluppatori che sapranno sfruttare questi strumenti e contribuire attivamente all'ecosistema open source avranno un vantaggio competitivo significativo. Parallelamente, l'investimento continuo nello sviluppo delle competenze rimarrà cruciale.

Sia il settore pubblico che quello privato dovranno impegnarsi a formare personale qualificato nella gestione dei dati, nella governance, nella gestione del rischio AI e nelle discipline specifiche dell'intelligenza artificiale. La creazione e la partecipazione a ecosistemi di innovazione attivi – che facilitino la condivisione della conoscenza, promuovano la collaborazione tra accademia, industria e governo, e ottimizzino il processo decisionale attraverso l'analisi avanzata e l'automazione – saranno fondamentali per accelerare lo sviluppo e l'adozione di soluzioni AI efficaci e responsabili.

In questo contesto, la capacità di navigare in un panorama normativo in evoluzione e di garantire pratiche etiche e sicure nell'uso dei dati diventerà un elemento distintivo per il successo a lungo termine.