Molti enti pubblici stanno iniziando a chiedersi come usare l’intelligenza artificiale nei processi documentali. La domanda è comprensibile: l’AI promette di ridurre attività ripetitive, accelerare la ricerca, supportare la classificazione, migliorare l’estrazione di metadati, aiutare gli operatori e rendere più semplici procedure complesse.
Il problema è che spesso la domanda arriva troppo presto nella forma sbagliata.
Non bisognerebbe partire da: quale strumento AI possiamo adottare?
Bisognerebbe partire da: il nostro ente è pronto a usare l’AI senza aumentare rischi, errori e complessità?
Questa distinzione è fondamentale.
Un progetto AI nei flussi documentali non dipende solo dalla qualità del modello o dalla piattaforma scelta. Dipende dalla qualità dei documenti, dalla chiarezza dei processi, dalla struttura dei metadati, dalla solidità dei fascicoli, dalla sicurezza degli accessi, dalla governance interna, dalla disponibilità di fonti affidabili, dalle competenze degli operatori e dalla capacità di misurare risultati e rischi.
Per questo serve un AI readiness assessment: una valutazione preliminare che aiuta l’ente a capire dove si trova, quali casi d’uso sono realistici, quali prerequisiti mancano e quale roadmap conviene seguire.
Questo contenuto chiude il blocco dedicato a AI applicata ai documenti, dopo il pillar su AI nei flussi documentali della PA e l’approfondimento su prompting e policy interne per usare LLM senza data leak e allucinazioni operative.
L’obiettivo non è creare un altro questionario teorico. È offrire una traccia concreta per decidere se, dove e come introdurre AI nella gestione documentale.
Perché serve un assessment prima di partire
L’AI può amplificare la qualità di un processo, ma può anche amplificarne il disordine.
Se l’ente ha processi documentali fragili, metadati incoerenti, repository paralleli, fascicoli difficili da ricostruire, accessi troppo ampi, procedure non aggiornate e responsabilità poco chiare, l’AI rischia di produrre risultati più veloci ma non più affidabili.
Può suggerire classificazioni sbagliate.
Può estrarre metadati incompleti.
Può produrre sintesi convincenti ma non verificabili.
Può recuperare documenti non pertinenti.
Può aiutare gli utenti a lavorare più rapidamente dentro un processo che però resta debole.
Un assessment serve a evitare proprio questo. Prima di investire in strumenti o piloti, aiuta a capire:
- quali processi sono abbastanza maturi;
- quali dati sono utilizzabili;
- quali fonti sono affidabili;
- quali casi d’uso hanno valore reale;
- quali rischi devono essere gestiti;
- quali ruoli devono essere coinvolti;
- quali controlli sono necessari;
- quali KPI useremo per decidere se il progetto funziona.
Senza questa verifica, l’AI rischia di diventare un esperimento interessante ma difficile da portare in produzione. Anche il Regolamento UE 2024/1689 (Artificial Intelligence Act) ragiona in questi termini: prima si qualifica il caso d’uso e il suo rischio, poi si decidono obblighi e controlli.
Le sei aree da valutare
Un AI readiness assessment per la gestione documentale dovrebbe coprire almeno sei aree:
- governance;
- processi documentali;
- dati, metadati e fascicoli;
- sicurezza, privacy e accessi;
- tecnologia e integrazioni;
- competenze, adozione e misurazione.
Ognuna di queste aree risponde a una domanda precisa.
1. Governance: chi decide e chi risponde?
La prima area riguarda la governance. Prima ancora della tecnologia, bisogna capire chi ha il mandato per decidere, approvare, controllare e correggere l’uso dell’AI.
Domande utili:
- esiste un gruppo o tavolo interno che governa i progetti AI?
- sono coinvolti RTD, gestione documentale, Responsabile della conservazione, responsabili del protocollo e dell’archivio, IT, privacy, sicurezza, legale e strutture operative?
- è chiaro chi approva i casi d’uso?
- è chiaro chi valida le fonti informative?
- è chiaro chi controlla gli output prodotti dall’AI?
- esiste una policy interna sull’uso degli LLM o dell’AI generativa?
- è chiaro cosa può essere automatizzato e cosa richiede controllo umano?
- esiste una procedura per gestire errori, segnalazioni e correzioni?
Il coinvolgimento del protocollo e dell’archivio non è un dettaglio formale: sono le funzioni che conoscono i volumi reali, le eccezioni ricorrenti e i punti in cui gli errori documentali si accumulano. Allo stesso modo, il Responsabile della conservazione va coinvolto ogni volta che l’automazione tocca versamenti, evidenze o ciclo di vita dei documenti.
Qui il collegamento con la matrice RACI nella PA è diretto. Ogni caso d’uso AI dovrebbe avere una mini-RACI: chi configura, chi usa, chi controlla, chi valida, chi misura, chi aggiorna e chi risponde.
Se la governance manca, l’AI resta nelle mani di sperimentazioni locali. Il presupposto resta la governance documentale negli enti complessi.
2. Processi documentali: cosa vogliamo migliorare davvero?
La seconda area riguarda i processi.
Un errore frequente è partire dall’AI senza aver definito quale problema documentale si vuole risolvere. Invece l’assessment dovrebbe chiedere:
- quali processi documentali generano più errori?
- dove si accumulano i colli di bottiglia?
- quali attività sono ripetitive e ad alto volume?
- dove gli operatori perdono più tempo?
- quali passaggi manuali potrebbero essere ridotti?
- quali procedimenti sono abbastanza standardizzati?
- quali eccezioni sono frequenti?
- quali attività richiedono ancora decisione umana?
- quali processi sono troppo delicati per essere automatizzati subito?
Esempi di aree candidate:
- smistamento documenti in ingresso;
- suggerimento di classificazione;
- estrazione assistita di metadati;
- ricerca semantica;
- supporto alla redaction;
- sintesi di fascicoli;
- assistente interno su procedure;
- rilevazione di anomalie documentali.
La domanda chiave è: stiamo usando l’AI per risolvere un problema reale o per dimostrare che stiamo innovando?
Se il problema non è misurabile, il progetto rischia di restare vago.
3. Dati, metadati e fascicoli: la base è abbastanza pulita?
La terza area è spesso la più sottovalutata.
L’AI lavora meglio quando i dati e i documenti sono ordinati, accessibili, coerenti e descritti bene. Se l’ente ha repository frammentati, metadati deboli e fascicoli poco ricostruibili, molti casi d’uso AI diventano più rischiosi.
Domande utili:
- i documenti sono archiviati in repository governati?
- esistono ancora molte cartelle parallele o archivi locali?
- i metadati obbligatori sono compilati in modo coerente?
- il piano di classificazione è usato in modo uniforme?
- i fascicoli permettono di ricostruire il procedimento?
- le versioni sono distinguibili?
- gli allegati sono collegati ai documenti principali?
- i documenti obsoleti, duplicati o non validati sono separati da quelli ufficiali?
- le fonti interne sono aggiornate e approvate?
- la knowledge base documentale è affidabile?
Questo punto si collega ai contenuti su metadati per enti complessi, fascicolo informatico difendibile e mappa procedimenti e classificazione documentale.
Se la base documentale è disordinata, conviene prima fare remediation. Solo dopo ha senso introdurre AI su quel perimetro.
4. Sicurezza, privacy e accessi: i dati possono essere trattati?
La quarta area riguarda la sicurezza.
Un caso d’uso AI può sembrare utile, ma non essere accettabile se tratta dati non appropriati, se non distingue i livelli di accesso, se non usa ambienti autorizzati o se non garantisce tracciabilità.
Domande utili:
- quali dati tratterebbe il caso d’uso?
- sono presenti dati personali?
- sono presenti dati particolari o informazioni riservate?
- lo strumento AI è autorizzato dall’ente?
- i dati vengono trattati in ambiente controllato?
- esistono policy su cosa non inserire nei prompt?
- gli accessi rispettano il principio del privilegio minimo?
- gli output AI possono esporre informazioni a utenti non autorizzati?
- è tracciato l’uso del sistema nei casi rilevanti?
- esiste controllo umano nei casi ad alto rischio?
Qui il collegamento con security-by-design nella gestione documentale, trasparenza vs privacy nella PA e prompting e policy interne è centrale.
Un assessment serio deve bloccare o rinviare i casi d’uso che non hanno una base di sicurezza sufficiente.
5. Tecnologia e integrazioni: il caso d’uso può funzionare davvero?
La quinta area riguarda la fattibilità tecnica.
L’AI non deve vivere come strumento isolato, soprattutto nei flussi documentali. Se deve supportare operatori, metadati, fascicoli, workflow o ricerca, deve dialogare con l’ecosistema esistente.
Domande utili:
- i sistemi documentali espongono dati e documenti in modo governato?
- esistono API o modalità sicure di integrazione?
- i documenti sono accessibili nel formato corretto?
- OCR, indicizzazione e ricerca funzionano bene?
- i sistemi gestiscono log e audit trail?
- è possibile limitare il perimetro documentale usato dall’AI?
- gli output possono essere riportati nel workflow?
- è chiaro cosa resta nel sistema e cosa resta solo come suggerimento?
- è possibile fare un pilota circoscritto?
- esistono ambienti di test o sandbox?
Molti progetti AI falliscono perché partono da un caso d’uso interessante ma senza una base tecnica pronta.
6. Competenze, adozione e misurazione: le persone sapranno usarla?
La sesta area riguarda le persone.
L’AI nei flussi documentali non funziona se viene calata dall’alto senza formazione, istruzioni e controllo del cambiamento.
Domande utili:
- gli operatori conoscono limiti e rischi dell’AI?
- sanno distinguere tra suggerimento e decisione?
- sanno verificare un output?
- esistono prompt approvati o linee guida operative?
- gli utenti sanno quali dati non inserire mai?
- esiste un gruppo pilota?
- sono stati definiti KPI?
- verranno misurati tempi risparmiati, errori ridotti, correzioni e accettazione degli utenti?
- è previsto un riesame dopo il pilota?
- esiste un canale per segnalare errori o risposte non affidabili?
Gli operatori della documentazione e del fascicolo, insieme ai referenti del protocollo e dell’archivio, sono i primi a intercettare un suggerimento sbagliato: vanno formati e ascoltati, non solo informati.
La tecnologia può essere pronta, ma se le persone non sanno come usarla, il rischio resta alto.
Questionario operativo di AI readiness
Di seguito un questionario sintetico che l’ente può usare come prima valutazione.
Per ogni domanda si può assegnare un punteggio:
- 0 = assente o non gestito
- 1 = presente in modo parziale
- 2 = presente e sufficientemente governato
Area 1 — Governance
- Esiste un gruppo interno che governa i progetti AI?
- Sono coinvolti RTD, IT, gestione documentale, conservazione, protocollo e archivio, privacy e strutture operative?
- Ogni caso d’uso AI ha un owner funzionale?
- Esiste una policy interna sull’uso degli LLM?
- È chiaro quando serve controllo umano?
- Esiste una procedura per errori, correzioni e aggiornamenti?
Area 2 — Processi
- Sono stati individuati processi documentali ad alto volume o alto errore?
- I processi candidati sono già abbastanza standardizzati?
- Esistono KPI sul problema da risolvere?
- Sono chiare le attività automatizzabili e quelle da lasciare all’umano?
- Le eccezioni sono note e documentate?
- Il caso d’uso AI produce un beneficio misurabile?
Area 3 — Dati e documenti
- I documenti sono in repository governati?
- I metadati obbligatori sono coerenti?
- I fascicoli sono ricostruibili?
- Le versioni sono distinguibili?
- Le fonti interne sono validate e aggiornate?
- Duplicati, bozze e documenti obsoleti sono gestiti?
Area 4 — Sicurezza e privacy
- È chiaro quali dati possono essere trattati dall’AI?
- Gli strumenti AI autorizzati sono definiti?
- Sono vietati dati sensibili o riservati in ambienti non governati?
- Gli accessi sono coerenti con i ruoli?
- Gli output AI sono visibili solo a utenti autorizzati?
- Gli usi rilevanti sono tracciabili?
Area 5 — Tecnologia
- I sistemi documentali sono integrabili?
- Esistono API o modalità controllate di accesso ai dati?
- I documenti sono indicizzati o ricercabili?
- È possibile delimitare il perimetro del pilota?
- Esistono ambienti di test?
- Gli output AI possono essere verificati o riportati nel workflow?
Area 6 — Competenze e adozione
- Gli utenti sono formati sui limiti dell’AI?
- Esistono prompt approvati?
- È chiaro come verificare gli output?
- Esiste un gruppo pilota?
- Sono definiti KPI di risultato?
- È previsto un riesame dopo il pilota?
Come leggere il punteggio
Il questionario ha 36 domande. Il punteggio massimo è 72.
0-24 punti — Readiness bassa
L’ente non è ancora pronto per introdurre AI nei flussi documentali critici.
La priorità dovrebbe essere:
- chiarire governance;
- migliorare dati e metadati;
- ridurre repository non governati;
- definire policy sugli LLM;
- scegliere casi d’uso molto semplici e non sensibili.
25-48 punti — Readiness intermedia
L’ente può avviare piloti mirati, ma con perimetro limitato e forte controllo.
Casi d’uso consigliati:
- ricerca semantica su documenti pubblici o interni validati;
- assistente su procedure non sensibili;
- suggerimento metadati con validazione umana;
- sintesi assistita su documenti selezionati;
- checklist operative basate su fonti approvate.
49-72 punti — Readiness buona
L’ente ha una base più solida per progetti AI documentali strutturati.
Può valutare casi d’uso più avanzati:
- supporto a workflow documentali;
- rilevazione anomalie;
- pre-classificazione controllata;
- assistenti interni collegati a knowledge base validate;
- supporto alla redaction con controllo umano;
- dashboard di qualità documentale.
Anche in questo caso, però, i progetti devono restare tracciabili, misurabili e governati.
Roadmap consigliata
Un percorso realistico può essere articolato in quattro fasi.
Fase 1 — Assessment e pulizia del perimetro
Durata indicativa: 30-45 giorni.
Obiettivi:
- completare il questionario;
- scegliere 1-2 processi candidati;
- verificare dati, fonti e repository;
- individuare rischi privacy e sicurezza;
- definire owner e gruppo di lavoro.
Output:
- punteggio readiness;
- mappa rischi;
- casi d’uso candidati;
- prerequisiti da sistemare;
- raccomandazione go / no-go.
Fase 2 — Pilota controllato
Durata indicativa: 60-90 giorni.
Obiettivi:
- scegliere un caso d’uso a basso o medio rischio;
- delimitare documenti e utenti;
- definire prompt o funzioni autorizzate;
- impostare controllo umano;
- misurare errori e benefici.
Output:
- report pilota;
- KPI;
- feedback utenti;
- criticità;
- decisione su estensione o revisione.
Fase 3 — Governance e scalabilità
Durata indicativa: 60 giorni.
Obiettivi:
- formalizzare policy;
- creare libreria prompt approvati;
- definire logiche di audit;
- aggiornare procedure;
- formare utenti;
- integrare il caso d’uso nei workflow quando opportuno.
Output:
- policy AI/LLM;
- manuale operativo;
- mini-RACI;
- piano formazione;
- criteri di estensione.
Fase 4 — Estensione controllata
Durata indicativa: progressiva.
Obiettivi:
- estendere ad altri processi;
- introdurre automazioni più avanzate;
- misurare qualità, tempi ed errori;
- aggiornare controlli e fonti;
- gestire ciclo di vita dei modelli e delle policy.
Output:
- roadmap 12 mesi;
- dashboard KPI;
- piano di miglioramento;
- backlog casi d’uso;
- riesame periodico.
Quali casi d’uso scegliere per primi
Non tutti i casi d’uso sono uguali. Per partire, conviene scegliere quelli con queste caratteristiche:
- basso rischio;
- fonti validate;
- output verificabile;
- beneficio misurabile;
- utenti motivati;
- processo abbastanza chiaro;
- dati non sensibili o ben governati.
Buoni candidati iniziali possono essere:
- assistente su procedure interne validate;
- ricerca semantica su documenti pubblici o già approvati;
- sintesi assistita di documenti non sensibili;
- confronto tra versioni di procedure;
- estrazione assistita di metadati su documenti standard;
- generazione di checklist operative da fonti interne.
Casi da rimandare, salvo forte governance:
- decisioni amministrative;
- classificazione automatica senza revisione;
- redaction automatica definitiva;
- gestione di dati sensibili;
- risposte ufficiali a cittadini;
- automazioni che producono effetti diretti senza validazione umana.
Errori da evitare
Gli errori più frequenti sono:
- partire dallo strumento invece che dal problema;
- usare AI su dati non governati;
- non definire una policy interna;
- non coinvolgere privacy, IT, gestione documentale, conservazione, protocollo e archivio;
- non chiarire responsabilità;
- usare output AI come fonte ufficiale senza verifica;
- non misurare errori e benefici;
- avviare troppi piloti contemporaneamente;
- non formare gli utenti;
- non prevedere un piano di remediation quando emergono problemi.
Un assessment serve proprio a evitare questi errori prima che diventino progetto.
Valutare la readiness prima di investire
L’AI può portare benefici concreti nei flussi documentali della PA, ma solo se l’ente è pronto su governance, dati, sicurezza, processi e competenze.
Scopri come Docsuite Next può aiutarti a valutare la readiness AI del tuo ente e costruire una roadmap sicura, misurabile e sostenibile per l’automazione documentale.
Domande frequenti
Che cos’è un AI readiness assessment per la PA?
È una valutazione preliminare che misura quanto un ente è pronto a introdurre AI nei processi documentali, considerando governance, dati, sicurezza, tecnologia, processi e competenze.
Perché non conviene partire subito dallo strumento AI?
Perché senza processi chiari, dati affidabili, policy interne e responsabilità definite, anche uno strumento valido può produrre errori, rischi privacy o automazioni poco governabili.
Quali casi d’uso AI sono più adatti per iniziare?
Ricerca semantica, assistenti su procedure interne validate, sintesi assistita, confronto tra versioni e suggerimento controllato di metadati sono spesso buoni punti di partenza.
Quando un ente non è pronto?
Quando non ha policy AI, dati governati, fonti validate, controllo sugli accessi, owner dei casi d’uso e competenze minime per verificare gli output.
Che cosa deve produrre l’assessment?
Dovrebbe produrre un punteggio di readiness, una mappa dei rischi, una lista di casi d’uso candidati, prerequisiti da sistemare e una roadmap operativa.
Il questionario di AI readiness
Assegna a ogni domanda 0 (assente), 1 (parziale) o 2 (presente e governato), somma i punteggi e leggi la fascia di readiness per capire se, dove e come introdurre l’AI.
Scala: 0 = assente o non gestito · 1 = presente in modo parziale · 2 = presente e sufficientemente governato. Domande: 36 · Punteggio massimo: 72.
| Area | Domanda | Punteggio 0/1/2 |
|---|---|---|
| 1. Governance | Esiste un gruppo interno che governa i progetti AI? | |
| 1. Governance | Sono coinvolti RTD, IT, gestione documentale, conservazione, protocollo e archivio, privacy e strutture operative? | |
| 1. Governance | Ogni caso d’uso AI ha un owner funzionale? | |
| 1. Governance | Esiste una policy interna sull’uso degli LLM? | |
| 1. Governance | È chiaro quando serve controllo umano? | |
| 1. Governance | Esiste una procedura per errori, correzioni e aggiornamenti? | |
| 2. Processi | Sono stati individuati processi documentali ad alto volume o alto errore? | |
| 2. Processi | I processi candidati sono già abbastanza standardizzati? | |
| 2. Processi | Esistono KPI sul problema da risolvere? | |
| 2. Processi | Sono chiare le attività automatizzabili e quelle da lasciare all’umano? | |
| 2. Processi | Le eccezioni sono note e documentate? | |
| 2. Processi | Il caso d’uso AI produce un beneficio misurabile? | |
| 3. Dati e documenti | I documenti sono in repository governati? | |
| 3. Dati e documenti | I metadati obbligatori sono coerenti? | |
| 3. Dati e documenti | I fascicoli sono ricostruibili? | |
| 3. Dati e documenti | Le versioni sono distinguibili? | |
| 3. Dati e documenti | Le fonti interne sono validate e aggiornate? | |
| 3. Dati e documenti | Duplicati, bozze e documenti obsoleti sono gestiti? | |
| 4. Sicurezza e privacy | È chiaro quali dati possono essere trattati dall’AI? | |
| 4. Sicurezza e privacy | Gli strumenti AI autorizzati sono definiti? | |
| 4. Sicurezza e privacy | Sono vietati dati sensibili o riservati in ambienti non governati? | |
| 4. Sicurezza e privacy | Gli accessi sono coerenti con i ruoli? | |
| 4. Sicurezza e privacy | Gli output AI sono visibili solo a utenti autorizzati? | |
| 4. Sicurezza e privacy | Gli usi rilevanti sono tracciabili? | |
| 5. Tecnologia | I sistemi documentali sono integrabili? | |
| 5. Tecnologia | Esistono API o modalità controllate di accesso ai dati? | |
| 5. Tecnologia | I documenti sono indicizzati o ricercabili? | |
| 5. Tecnologia | È possibile delimitare il perimetro del pilota? | |
| 5. Tecnologia | Esistono ambienti di test? | |
| 5. Tecnologia | Gli output AI possono essere verificati o riportati nel workflow? | |
| 6. Competenze e adozione | Gli utenti sono formati sui limiti dell’AI? | |
| 6. Competenze e adozione | Esistono prompt approvati? | |
| 6. Competenze e adozione | È chiaro come verificare gli output? | |
| 6. Competenze e adozione | Esiste un gruppo pilota? | |
| 6. Competenze e adozione | Sono definiti KPI di risultato? | |
| 6. Competenze e adozione | È previsto un riesame dopo il pilota? |
Fasce di readiness (punteggio totale su 72)
| Fascia | Livello | Cosa fare |
|---|---|---|
| 0-24 | Readiness bassa | Non ancora pronti su flussi critici: chiarire governance, migliorare dati e metadati, ridurre repository non governati, definire policy LLM, scegliere casi d’uso semplici e non sensibili. |
| 25-48 | Readiness intermedia | Avviare piloti mirati a perimetro limitato: ricerca semantica su documenti validati, assistente su procedure non sensibili, suggerimento metadati con validazione umana, sintesi assistita, checklist da fonti approvate. |
| 49-72 | Readiness buona | Base solida per progetti strutturati: supporto ai workflow, rilevazione anomalie, pre-classificazione controllata, assistenti su knowledge base validate, redaction con controllo umano, dashboard di qualità. Mantenere tracciabilità e misurazione. |
Parliamone
Il tuo ente è pronto per l’AI sui documenti? Facciamo insieme l’assessment e costruiamo una roadmap realistica.
Richiedi una consulenza gratuita
Oppure scopri come funziona Docsuite Next per la gestione documentale del tuo ente.
