Linee guida AGID per lo sviluppo di sistemi di intelligenza artificiale nella Pubblica Amministrazione: architettura, training e RAG
Le linee guida AGID per lo sviluppo di sistemi IA nella Pubblica Amministrazione sono il documento tecnico che definisce come progettare, costruire e personalizzare applicazioni di intelligenza artificiale all’interno della PA.
La consultazione pubblica delle Linee Guida AGID dedicate all’intelligenza artificiale nella Pubblica Amministrazione si è conclusa l’11 aprile 2026 e la versione definitiva è attesa nel secondo semestre 2026, dopo i pareri di Conferenza Unificata e Garante Privacy.
Puoi già usare le indicazioni metodologiche come riferimento per le scelte tecniche del tuo ente, tenendo presente che alcuni aspetti potrebbero cambiare nella versione finale.
Linee Guida AGID per lo sviluppo di sistemi IA all’interno della PA
- Consultazione pubblica: ✅ Conclusa (12 marzo – 11 aprile 2026)
- Versione definitiva: ⏳ In attesa (prevista secondo semestre 2026)
- Riferimento normativo: Determinazione n. 43/2026 del 12 marzo 2026
A chi sono rivolte le Linee Guida AGID per lo sviluppo di sistemi di intelligenza artificiale nella Pubblica Amministarzione?
Non tutte le PA svilupperanno sistemi di IA internamente: la maggior parte li acquisterà da fornitori esterni, e per quello ci sono le linee guida sul procurement.
Le Linee Guida AGID per lo sviluppo di sistemi di intelligenza artificiale parlano alle amministrazioni che hanno le competenze e le risorse per costruire soluzioni in-house, oppure che vogliono capire nel dettaglio cosa chiedere a un fornitore che sviluppa per loro conto.
Il documento si collega direttamente alle linee guida per l’adozione, di cui estende i principi nella fase tecnica, e al quadro metodologico del procurement, garantendo coerenza lungo tutto il ciclo di vita dei sistemi.
Le personas della PA: a che punto è il tuo ente?
Una delle novità più utili delle linee guida è la classificazione in quattro profili di maturità, che ti aiutano a capire cosa può realisticamente fare il tuo ente oggi e quali attività sono alla sua portata.
- Operatore base: utilizza strumenti di IA già pronti (chatbot commerciali, servizi cloud pre-configurati) senza personalizzazione tecnica; la maggior parte dei piccoli comuni si colloca qui: l’obiettivo è usare l’IA in modo consapevole e conforme, non costruirla
- Operatore avanzato: configura e personalizza soluzioni esistenti, effettua fine-tuning di modelli pre-addestrati, integra sistemi di IA con le proprie basi dati; enti medi con competenze IT interne iniziano a collocarsi in questo profilo
- Operatore esperto: sviluppa, addestra e gestisce modelli di IA per i propri fini istituzionali. Richiede competenze specialistiche, infrastruttura computazionale adeguata, e un livello di governance tecnica avanzato; è il profilo a cui si rivolge la parte più tecnica dello Strumento B.
- Operatore controllore: supervisiona e valuta sistemi di IA sviluppati da terzi, con capacità di audit tecnico e verifica della conformità; un profilo particolarmente rilevante per le PA che fungono da autorità di vigilanza o che gestiscono sistemi ad alto rischio.
I livelli dello stack tecnologico IA
Le linee guida mappano l’infrastruttura necessaria per lo sviluppo di sistemi di IA organizzandola in livelli, dall’infrastruttura fisica fino ai servizi applicativi. Per ogni livello definiscono requisiti e raccomandazioni.
L’approccio è coerente con il principio di neutralità tecnologica: le PA devono evitare dipendenze da singoli fornitori hardware o software e privilegiare architetture che permettano l’evoluzione o la sostituzione di componenti senza impatti sull’intero sistema.
Le linee guida introducono anche il concetto di livelli di autonomia dei sistemi di IA, dalla semplice assistenza alla piena automazione di compiti specifici.
Per ogni livello, cambiano i requisiti di supervisione umana e le garanzie richieste: maggiore è l’autonomia del sistema, più stringente deve essere il controllo.
L’architettura logica di riferimento
Le linee guida propongono un modello architetturale basato su un orchestratore centrale di IA capace di coordinare modelli, dati e strumenti applicativi. L’idea è che una PA non debba costruire sistemi isolati, ma un’infrastruttura di servizi IA coordinata e governabile.
L’approccio è basato su standard aperti e su un layer di interoperabilità, con l’obiettivo di evitare lock-in tecnologico e permettere l’evoluzione progressiva.
Le PA devono privilegiare architetture agentiche e a servizi, con separazione chiara dei componenti: se domani cambi modello, cambi provider cloud o cambi fornitore, il sistema deve poter continuare a funzionare.
Sul piano pratico, questo significa che le scelte architetturali prese oggi hanno conseguenze a lungo termine.
Un sistema costruito come blocco monolitico sarà difficile da aggiornare, costoso da manutenere e impossibile da migrare.
Un sistema costruito a componenti, con interfacce standard e dati separati dalla logica applicativa, ti dà libertà di manovra.
Lo Strumento B: training, validazione, fine-tuning e RAG
La sezione copre il processo di addestramento con le sue tre fasi operative (feed-forward, backpropagation, optimization) e le relative considerazioni su infrastruttura e scalabilità computazionale.
Il punto pratico per una PA è questo: addestrare un modello richiede risorse computazionali significative (cluster GPU, storage ad alte prestazioni, interconnessioni veloci).
Le linee guida chiedono di dimensionare correttamente l’infrastruttura, sia on-premises che in modalità IaaS, in coerenza con l’architettura di riferimento.
Validazione e test
La validazione comprende l’ottimizzazione degli iperparametri e i test di robustezza, inclusa l’analisi avversaria.
Le linee guida richiedono di documentare le metriche utilizzate, i risultati ottenuti e le soglie di accettabilità definite prima dei test: non dopo, quando la tentazione di aggiustare i criteri per far passare il sistema è forte.
Fine-tuning
Il fine-tuning consente di specializzare un modello pre-addestrato su compiti specifici della PA senza doverlo ricostruire da zero.
È probabilmente la tecnica più accessibile per gli enti con profilo di operatore avanzato: parti da un modello generico e lo adatti al tuo contesto (ad esempio, al linguaggio amministrativo del tuo settore).
Le linee guida definiscono le buone pratiche per questa operazione e i requisiti di documentazione.
Retrieval-Augmented Generation (RAG)
La sezione sul RAG è particolarmente rilevante per le PA che vogliono creare sistemi capaci di rispondere sulla base della propria documentazione interna: regolamenti, delibere, procedure, FAQ.
Il RAG permette a un modello di IA di “consultare” documenti specifici prima di generare una risposta, riducendo il rischio di allucinazioni e producendo output ancorati a fonti verificabili.
Le linee guida forniscono requisiti minimi e buone pratiche per l’integrazione di sistemi RAG, un aspetto che tocca direttamente la qualità e l’affidabilità dei servizi che puoi offrire ai cittadini e al personale interno.
Il mio ente è piccolo: queste linee guida mi riguardano?
Dipende da cosa intendi per “sviluppo”.
Se il tuo ente usa strumenti di IA già pronti (un chatbot commerciale, un servizio di trascrizione cloud), le linee guida per lo sviluppo non sono il tuo riferimento principale: ti servono quelle sull’adozione e sul procurement.
Se invece stai configurando un sistema RAG sulla documentazione interna o facendo fine-tuning di un modello, allora sì, queste indicazioni ti riguardano direttamente.
Devo avere un'infrastruttura GPU per sviluppare IA?
Non necessariamente. Il fine-tuning di modelli di dimensioni contenute e l’integrazione di sistemi RAG possono essere realizzati anche su infrastrutture cloud in modalità IaaS, senza investimenti hardware dedicati.
L’addestramento da zero di modelli di grandi dimensioni richiede invece risorse computazionali significative.
Le linee guida chiedono in ogni caso di dimensionare l’infrastruttura in modo coerente con il tipo di attività prevista.
Qual è il rapporto con le linee guida per il procurement?
Sono complementari.
Se sviluppi internamente, segui queste. Se acquisti, segui quelle sul procurement.
In molti casi reali farai un po’ di entrambe le cose: ad esempio, acquisterai un modello base da un fornitore e poi lo personalizzerai internamente con fine-tuning o RAG. In quel caso, servono entrambi i documenti.
Hai bisogno di supporto per lo sviluppo di sistemi IA all’interno del tuo ente?
Se stai valutando lo sviluppo interno di soluzioni IA o vuoi capire quale profilo di maturità corrisponde al tuo ente, posso aiutarti a usare gli strumenti AGID per mappare la situazione attuale e definire un percorso realistico, evitando investimenti sovradimensionati o scelte architetturali che ti vincolano a un singolo fornitore.