Cos'è l'IA nel settore pubblico?

Le agenzie governative di tutto il mondo stanno assistendo a un aumento nell'adozione dell'intelligenza artificiale (IA) e del machine learning per risolvere le sfide critiche nell'erogazione dei servizi pubblici. Questi nuovi strumenti semplificano processi complessi e dispendiosi in termini di tempo e costosi. Lo sviluppo e l'applicazione dell'IA come strumento che supporta i servizi necessari per soddisfare le esigenze del pubblico, come la gestione e l'analisi dei dati e il supporto operativo,svolgono un ruolo significativo nel promuovere la trasformazione e la modernizzazione del settore pubblico. 

Mentre le agenzie scoprono nuovi modi di utilizzare l'IA nei reparti, negli enti del settore pubblico stanno emergendo due principali applicazioni di IA: l'IA predittiva, che utilizza i dati storici per prevedere eventi e tendenze futuri per ridurre i rischi, e l'IA generativa, che crea, traduce o modifica contenuti imparando da ampi set di dati. Di conseguenza, l'intelligenza artificiale potrà semplificare e migliorare l'accuratezza dei processi relativi alle richieste dei clienti, facilitare il rilevamento e la prevenzione delle frodi, ridurre i carichi di lavoro manuali e fornire una migliore previsione dei dati.

Scopri come integrare Red Hat AI nella tua organizzazione 

I progressi dell'IA possono migliorare drasticamente l'esperienza dei cittadini, trasformando il modo in cui interagiscono con i servizi governativi e fornendo un'esperienza ottimizzata. I responsabili delle politiche e gli altri amministratori pubblici possono fornire servizi più efficaci e allocare meglio le risorse della pubblica amministrazione ai cittadini.

Le agenzie che usano l'IA per rendere scalabile l'erogazione dei servizi pubblici traggono numerosi vantaggi dalla sua implementazione, tra cui l'acquisizione di dati da più sorgenti per gestire meglio le richieste esistenti e l'acquisizione e la distribuzione delle informazioni più aggiornate per facilitare la previsione, l'identificazione e la prevenzione delle frodi. 

Un migliore processo di distribuzione dei dati consente agli amministratori di assegnare le priorità e verificare in modo efficiente le richieste. Ciò contribuisce a migliorare l'accuratezza e la velocità con cui le informazioni vengono comunicate a richiedenti, policy maker e politici. La raccolta dei dati negli algoritmi del settore pubblico può anche aiutare gli enti governativi a prevedere le esigenze dei cittadini e offrire agli amministratori del settore pubblico una maggiore capacità di gestire e migliorare la disponibilità dei servizi.

I principali vantaggi dell'IA 

Ecco alcuni dei principali vantaggi dell'utilizzo dell'IA nel settore pubblico per cittadini, amministratori e policy maker.

Esperienza di servizio migliorata 

Le informazioni sui dati elaborate dagli algoritmi dell'IA e dall'analisi predittiva in tempo reale possono migliorare l'erogazione dei servizi e l'esperienza degli utenti in generale; i cittadini possono ottenere le risposte che cercano dal servizio giusto, con risultati migliori e un minore spreco di risorse. Ad esempio, Eusko Jaurlaritzaren Informatika Elkartea (EJIE), il dipartimento IT spagnolo con sede nella regione basca, ha utilizzato le tecnologie Red Hat® per fornire ai cittadini servizi digitali supportati dall'IA. Il governo basco voleva consentire ai cittadini di usufruire dei servizi nella lingua che preferivano. Utilizzando l'IA, il team IT ha sviluppato strumenti linguistici nell'ambito del progetto Itzuli per consentire la traduzione e la sintesi vocale dal basco in spagnolo, francese e inglese e la trascrizione della sintesi vocale in basco e spagnolo.

Migliore elaborazione delle richieste

La gestione dei pagamenti e delle richieste di benefit può richiedere migliaia di ore di lavoro. Inoltre, l'elaborazione manuale può aumentare il rischio di errore umano, con conseguenze negative sia per i cittadini che per l'efficienza degli enti. L'introduzione dell'IA nei flussi di lavoro può automatizzare la presentazione delle richieste e fornire consigli basati sui dati, accelerando i processi di richiesta e migliorando l'esperienza di dipendenti e cittadini.

Riduzione di frodi, sprechi e abusi

Rispetto ai metodi manuali , l'automazione robotica dei processi (RPA) analizza rapidamente i documenti in modo più rapido e preciso. Lo strumento basato sull'IA è in grado di segnalare in modo efficace le attività fraudolente e gli sprechi e, di conseguenza, consente un utilizzo più efficiente delle risorse e dei fondi della pubblica amministrazione. Con il miglioramento continuo degli algoritmi, il sistema diventa più abile nel rilevare le frodi, fornendo una protezione scalabile per cittadini e agenzie. 

Ampliamento dell'accesso ai servizi del settore pubblico

L'uso dell'IA può ampliare la disponibilità e l'accesso ai servizi per i cittadini. L'impiego dell'IA per la convalida e l'elaborazione delle richieste consente a più amministratori di gestire le richieste di indennità, riducendo l'eccessivo affidamento delle agenzie su pochi specialisti e accelerando l'elaborazione delle richieste.

Accelerazione dello sviluppo delle policy

Lo sviluppo delle policy coinvolge molti stakeholder e un complesso insieme di fattori che possono avere un impatto sui cittadini. Gli strumenti di IA computazionale possono accelerare il processo sostituendo potenzialmente i metodi per tentativi con modelli più efficienti per supportare la creazione e la revisione delle policy, riducendo i problemi tecnici e legali e i costi complessivi.

Crea un ambiente di AI/ML pronto per il passaggio in produzione

Nonostante i vantaggi dell'IA nel settore pubblico, la sua implementazione presenta una serie di sfide per le agenzie del settore pubblico.

Gestione della raccolta e dell'analisi dei dati

La pubblica amministrazione usa set di dati di grandi dimensioni in tempo reale per addestrare soluzioni di IA in modo efficace, ma al tempo stesso devono anche proteggere le informazioni personali riservate. 

I flussi di lavoro del settore pubblico in genere si basano su processi manuali e mantengono strutture e gerarchie rigide. Per molti reparti, pertanto, è difficile integrare nuove procedure e tecnologie di acquisizione dei dati nei flussi di lavoro esistenti. Inoltre, i dati dei cittadini sono isolati e frammentati su più reti; in alcuni casi, sono ancora in formato cartaceo, il che rende difficile raccoglierli in un unico database.

Soddisfazione delle esigenze delle persone coinvolte

Affinché l'implementazione e l'adozione dell'AI/ML vada a buon fine, è fondamentale assicurarsi che tutte le persone coinvolte siano tenute in considerazione. Parliamo di cittadini, data scientist, reparti IT, team operativi, amministratori del settore pubblico, policymaker e vendor, inclusi i fornitori di software indipendenti (ISV). Provare a soddisfare tutte le parti interessate riduce gli attriti e consente alle organizzazioni di prendere decisioni sull'adozione dell'AI/ML e sui relativi scenari di utilizzo. Molte organizzazioni del settore privato e delle telecomunicazioni hanno creato centri di eccellenza per l'IA per ottimizzarne i flussi di lavoro.

Risoluzione dei problemi legati alla privacy

I dati sono una risorsa fondamentale per molti enti. Per addestrare in modo efficace gli strumenti di IA della pubblica amministrazione con insieme di dati di grandi dimensioni, soprattutto quelli contenenti dati sensibili, le agenzie devono rispettare le normative di conformità al GDPR e l'EU AI Act, che rafforza il diritto dei cittadini alla privacy ai sensi del GDPR. L'accesso ai dati è consentito solo su richiesta o laddove è previsto dalla legge. 

La sfida delle politiche locali

Rispetto a Stati Uniti e Cina, l'Europa ha adottato un approccio più cauto all'uso dell'IA, con un contesto normativo più rigoroso. In genere, le normative dell'UE sono costituite da un insieme di politiche stratificate, come GDPR, AI Act, Data Act, DSA e DMA. Ciascuno dei 27 Stati membri dell'UE ha anche le proprie politiche, che presentano sfide legate alle aspettative di conformità per i paesi non membri dell'UE che operano all'estero. 

Ottimizzazione ed efficienza

Raggiungere un'ottimizzazione e un'efficienza di alto livello è più semplice quando c'è sinergia tra i componenti in movimento. In questo senso, per distribuire i carichi di lavoro dell'IA in modo scalabile occorrono meno risorse, il che consente di avere più tempo ed energie da dedicare altrove. Un aspetto che incide in modo rilevante sull'efficienza dell'IA è il server di inferenza e il modo in cui questo supporta modelli di IA più grandi, nonché requisiti di inferenza complessi.

Per accedere a una scalabilità rapida, questi strumenti di IA utilizzano le risorse in modo più efficiente: 

• llm-d: i prompt degli LLM possono essere complessi e non uniformi. In genere, per gestire grandi quantità di dati richiedono grandi risorse di elaborazione e storage. Un framework IA open source come llm-d consente agli sviluppatori di utilizzare tecniche come l'inferenza distribuita per supportare le crescenti richieste di modelli di ragionamento sofisticati e di grandi dimensioni come gli LLM. 
• Inferenza distribuita: con l'inferenza distribuita, i modelli di IA elaborano i carichi di lavoro in modo più efficiente suddividendo le attività di inferenza su un gruppo di dispositivi interconnessi. È l'equivalente in ambito software del proverbio: "L'unione fa la forza".  
• vLLM: acronimo di "virtual large language model" (modello di linguaggio virtuale di grandi dimensioni), è una libreria di codice open source gestita dalla community vLLM che consente ai modelli linguistici di grandi dimensioni (LLM) di svolgere i calcoli in modo scalabile e più efficiente.

Scopri in che modo Red Hat AI integra strumenti e funzionalità per aiutare i clienti a utilizzare l'IA in modo scalabile.

Scopri le soluzioni Red Hat AI 

Il software open source enterprise di Red Hat è sviluppato in collaborazione con aziende ed enti governativi, tra cui esperti e specialisti del settore pubblico. 

Con la soluzione di AI/ML aperta e modulare di Red Hat, i clienti possono rendere operativi rapidamente i progetti di AI/ML per una maggiore personalizzazione, controllo degli stakeholder e trasparenza, consentendo alle agenzie di:

• Proteggere gli attuali investimenti IT aggiungendo valore. Red Hat accelera e semplifica il deployment dei progetti di AI/ML e la gestione del ciclo di vita grazie a partnership e integrazioni.
• Accedere a tecnologie open source leader del settore all'interno di una soluzione di cloud ibrido che offre funzionalità di IA essenziali come regole di business, automazione dei processi, risoluzione dei vincoli, ottimizzazione aziendale e apprendimento automatico.
• Sfruttare le potenti funzionalità di connettività dei dati tramite l'intelligente Data-as-a-Service personalizzabile di Red Hat per soddisfare le esigenze in continua evoluzione dei requisiti interni ed esterni.
• Adattare le funzionalità della piattaforma con componenti flessibili, garantendo la replicabilità dei processi e la sicurezza per un'innovazione rapida.
• Promuovere un'architettura di integrazione e distribuzione continue (CI/CD) prescrittiva ma flessibile con cui semplificare le operazioni di machine learning (MLOps), il passaggio dalla fase di modellazione e formazione del machine learning a quella di deployment e perfezionamento continuo.

Il futuro dell'uso dell'IA nel settore pubblico sembra promettente. L'utilizzo di soluzioni come Red Hat OpenShift® AI e Red Hat Enterprise Linux® AI può aiutare le agenzie a semplificare e automatizzare i processi manuali e laboriosi, consentendo loro di concentrarsi sulla fornitura dei servizi migliori agli utenti.