Ll’Istat ha avviato – da diversi anni – un percorso di innovazione che, a partire dalle prime sperimentazioni di machine learning, ha portato l’Istituto nazionale di statistica all’adozione di soluzioni via via più evolute, fino all’integrazione di sistemi di AI generativa.
Un percorso di evoluzione e ammodernamento tecnologico guidato da Massimo Fedeli, direttore del Dipartimento per lo sviluppo di metodi e tecnologie per la produzione e diffusione dell’informazione statistica di Istat.
E spiega: “l’introduzione dell’intelligenza artificiale in Istat risale a diversi anni fa, nell’ambito di progetti specifici dedicati all’innovazione. In questo contesto, sono state condotte le prime sperimentazioni di machine learning applicate all’analisi di dati provenienti da una pluralità di fonti – come siti web e anche immagini satellitari –, con l’obiettivo di innovare la produzione statistica, utilizzando infrastrutture informatiche altamente performanti e idonee a favorire la sperimentazione di nuove soluzioni in un ambiente dedicato”.
Fedeli è anche docente all’Università Internazionale di Roma del corso di Sentiment analysis e web reputation e del corso data governance; delegato Istat per l’assemblea consortile Cineca; responsabile, nell’ambito della strategia nazionale dati, del progetto Pnrr ‘Catalogo nazionale dati’.
Indice degli argomenti:
Istat: servire la collettività con dati eccellenti
Da quell’esperienza iniziale, l’Istituto ha intrapreso un percorso di crescita e approfondimento nell’adozione di tecniche sempre più evolute, integrando progressivamente all’interno delle sperimentazioni di AI gli ambiti delle Trusted smart statistics, ovvero prodotti statistici generati dall’utilizzo continuo di big data, provenienti da dispositivi elettronici, social network e smart device.
I dati nella società digitale contemporanea “hanno un valore centrale. Per questo, l’Italia ha adottato un approccio che valorizza e salvaguarda il patrimonio informativo nazionale, identificandolo come un bene comune e una risorsa al servizio della collettività”, fa notare il manager.
E “l’Istat, in qualità di produttore della statistica ufficiale del Paese, ha il compito di servire la collettività attraverso la produzione e la condivisione di informazioni statistiche, analisi e previsioni di alta qualità”.
L’AI innova e trasforma la statistica
L’Istituto centrale “supporta, infatti, gli enti governativi, le Istituzioni e i cittadini nei propri processi decisionali in ottica data driven, adottando uno specifico approccio metodologico, tematico e tecnologico basato su dati e fatti oggettivi per intraprendere scelte informate”.
In questo contesto, l’introduzione dell’AI generativa “ha segnato una significativa evoluzione del panorama interno, rappresentando un vero punto di svolta”, rimarca Fedeli, e “questo progresso ha favorito una profonda revisione dei processi e una reinterpretazione del ciclo di produzione statistica, in linea con le nuove opportunità offerte dalle tecnologie emergenti”.
L’intelligenza artificiale, in tutte le sue declinazioni, “rappresenta oggi un elemento chiave per la modernizzazione delle diverse fasi della produzione statistica”.
Obiettivo: processi statistici più efficienti e accurati
Dall’automatizzazione della raccolta dei dati alla correzione e validazione dei dataset, passando per l’analisi predittiva, le tecnologie basate su AI hanno contribuito e contribuiscono a rendere i processi statistici più efficienti e accurati.
In particolare, i Large Language Model (LLM) permettono la classificazione automatica dei dati testuali, la semplificazione delle operazioni di pulizia dei dati (data cleaning) e la generazione di dataset sintetici, garantendo in ogni circostanza la tutela della privacy e la sicurezza delle informazioni trattate.
I nodi della trasparenza e affidabilità
Oggi l’AI “sta entrando in maniera pervasiva nei progetti di produzione statistica con diversi gradi di maturità, impatto e importanza”, osserva il direttore dell’area per lo sviluppo tecnologico.
Tuttavia, questa forte e veloce trasformazione pone alla statistica ufficiale anche sfide e limiti da superare. Il deep learning e gli algoritmi di machine learning su cui si basa l’AI, ad esempio, sono in grado di effettuare analisi e previsioni molto accurate, ma spesso non forniscono chiarimenti sul perché o sul come queste conclusioni siano state raggiunte.
La ricerca di qualità e garanzia
Di conseguenza, la poca trasparenza che contraddistingue molti strumenti e metodologie di AI è un ostacolo da affrontare e superare nel modo più efficace.
“Per questo, la ricerca si sta concentrando, oltre che sull’implementazione delle nuove tecnologie, anche sul miglioramento dell’affidabilità e della trasparenza di modelli e algoritmi”, con l’obiettivo di “sfruttare al meglio e in modo sicuro le grandi innovazioni che l’AI sta portando nel mondo della produzione statistica ufficiale”.
Un modello di governance funzionale
Il quadro è complesso e in continua evoluzione, “e quindi il modello di governance implementato è per sua natura articolato, per raggiungere le diverse aree dell’Istituto; ed è flessibile, per adattarsi tempestivamente alle evoluzioni normative e agli sviluppi tecnologici. Una governance così strutturata non riguarda solo il controllo, ma anche l’abilitazione: trasforma i vincoli normativi in opportunità strategiche, valorizzando la cultura del dato, le competenze specialistiche e l’attitudine alla ricerca”.
Una governance solida e funzionale “permette di migliorare l’efficienza e la scalabilità dei processi di raccolta ed elaborazione dei dati, e di effettuare analisi sempre più complesse e approfondite, unendo il rigore dell’analisi statistica al potere adattivo e predittivo dell’AI”.
