Intelligenza artificiale nella Polizia Locale: dai confini normativi a un metodo operativo
L’intelligenza artificiale è già entrata, direttamente o indirettamente, nel lavoro della Pubblica Amministrazione. La questione, quindi, non è più stabilire se la Polizia Locale debba occuparsi di IA, ma capire dove può essere utile, quali limiti non devono essere superati e come mantenere effettivo il controllo umano. È il tema che ho affrontato nella docenza del 30 ottobre dedicata ai confini normativi ed etici dell’IA.
Il contesto rende questa riflessione particolarmente concreta. Il Master in Management dei Servizi della Polizia Locale di Ca’ Foscari Challenge School nasce infatti per coniugare discipline manageriali e strumenti operativi in un settore caratterizzato da una forte complessità. Il programma intreccia management pubblico, diritto amministrativo, organizzazione, sicurezza, etica, comunicazione e analisi dei dati: competenze che oggi vengono inevitabilmente attraversate dall’IA.
Il primo bisogno: capire dove l’IA sta davvero entrando
Un responsabile non ha bisogno di conoscere l’ultimo chatbot apparso sul mercato. Ha bisogno, prima di tutto, di riconoscere una funzione di IA quando entra nei processi del Comando, magari incorporata in un gestionale, in una ricerca, nell’analisi di immagini o nella gestione dei documenti.
Per questo ho scelto di partire dai compiti e non dai prodotti: scrivere una relazione, sintetizzare una norma, preparare un ordine di servizio, organizzare un progetto, analizzare informazioni. Solo dopo vengono gli strumenti.
È una distinzione sostanziale: adottare l’IA non significa semplicemente adottare un tool, significa governare un processo.
Il secondo bisogno: distinguere un testo convincente da un risultato affidabile
I Large Language Model producono risposte linguisticamente plausibili. Questo non significa che ogni fatto sia vero, che una norma citata esista o sia vigente, né che una conclusione sia pertinente al caso concreto. Un testo molto fluido può contenere un errore molto credibile.
Da qui una regola semplice che ha attraversato tutta la lezione: l’IA può proporre, ma fatti, fonti e decisioni devono essere verificati.
Ho tradotto il principio in quattro azioni operative: confrontare l’output con gli input reali, rintracciare le fonti, correggere errori e omissioni, assumere infine una decisione umana sull’utilizzo del risultato.
Il terzo bisogno: capire quali dati possono entrare in un prompt
Qui uno slogan come “non inserire dati sensibili” è insufficiente. Nel lavoro della Polizia Locale convivono attività amministrative, organizzative e attività legate a finalità penali; il quadro applicabile dipende dalla finalità concreta del trattamento, non semplicemente dal tipo di documento. GDPR e D.lgs. 51/2018 devono quindi essere correttamente distinti.
Anche disporre di un prodotto enterprise non costituisce automaticamente un’autorizzazione a inserire qualsiasi informazione. Vanno verificati prodotto e piano effettivamente utilizzati, condizioni contrattuali, ruoli, conservazione, configurazione, connettori, destinatari e procedure interne.
La minimizzazione, inoltre, non consiste banalmente nel togliere nome e targa. Combinazioni di luogo, data, evento o altri elementi possono rendere nuovamente identificabile una persona. Prima si progettano i dati ammessi, poi si scrive il prompt.
Dalla norma alla capacità di decidere
La parte normativa ha riguardato anche AI Act, responsabilità, controllo umano ed etica. Ma ho cercato deliberatamente di non trasformarla in una successione di articoli.
Per chi dirige un servizio, la domanda utile non è soltanto “qual è la norma?”, ma“che cosa devo controllare, concretamente, prima di utilizzare questo sistema?”.
Da qui un filtro in tre domande:
È utile? Il compito è realmente adatto all’assistenza dell’IA?
È ammesso? Dati, finalità, strumento e ambiente sono autorizzati?
È verificabile? Qualcuno dispone di competenza, informazioni e potere per controllare davvero il risultato?
Questo, a mio avviso, intercetta uno dei bisogni più concreti di chi ha responsabilità organizzative: trasformare principi generali come trasparenza, minimizzazione e supervisione umana in criteri utilizzabili nelle decisioni quotidiane.
Imparare provando, compreso quando fermarsi
Per questo l’ultima parte della docenza è stata impostata come laboratorio. Comunicazione istituzionale, sintesi normativa e progettazione di un’attività di educazione stradale sono diventati esercizi nei quali produrre un risultato e, soprattutto, controllarlo. I casi utilizzavano esclusivamente dati sintetici.
L’obiettivo non era imparare la formula magica per un prompt perfetto. Era sviluppare un comportamento professionale: delimitare il compito, dichiarare le fonti utilizzabili, impedire l’invenzione di fatti, segnalare ciò che manca e sottoporre l’output a verifica.
È forse questa la competenza che servirà di più. Governare l’IA significa anche sapere quando non usarla. Se il risultato non è verificabile, i dati non possono essere trattati nell’ambiente disponibile o l’automazione interferisce con una decisione che deve rimanere sostanzialmente umana, fermarsi non è resistenza all’innovazione. È buona amministrazione.
L’IA può rendere più efficienti diversi compiti della Polizia Locale, ma non trasferisce alla macchina competenza, potere e responsabilità. La domanda da portarsi dietro, quindi, non è soltanto“che cosa può fare l’IA per il mio Comando?”. È soprattutto:“quali condizioni devo creare affinché, quando la usiamo, restiamo davvero noi a governare il processo?”
Commenti