Verso il bilancio pubblico intelligente?

Recenti studi internazionali segnalano la possibilità di integrare le tecnologie algoritmiche nella fase di programmazione del bilancio pubblico, ma vi è il rischio che il ricorso all’innovazione digitale possa costituire un’occasione per sottrarre le politiche di programmazione alla dialettica di cui esse si nutrono.

La diffusione sempre più pervasiva delle tecnologie algoritmiche all’interno delle pubbliche amministrazioni sta determinando tanto l’emersione di nuove sfide quanto di nuove opportunità.

Per lungo tempo, trattandosi di un fenomeno dai contorni ancora oggi sfumati, ha prevalso un certo atteggiamento di sfiducia, se non di aperta ostilità, nei confronti di una piena integrazione dell’algoritmo nell’azione amministrativa quotidiana. Un disincanto che ricorda a tratti le cupe atmosfere pirandelliane de “I quaderni di Serafino Gubbio operatore”, in cui la cinepresa assurge a simbolo dell’alienazione disumanizzante dell’uomo moderno e che ha portato perfino alcuni attenti studiosi a prevedere una vera e propria “morte del diritto” entro il 2061 (così W. Lucy, The death of law: another obituary).

Negli ultimi anni, pare potersi registrare, al contrario, un maggiore apprezzamento, specie da parte del legislatore e della dottrina, nei confronti dell’utilizzo dell’I.A. in specifici settori di intervento pubblico.

A tal riguardo alcuni studi internazionali hanno evidenziato, di recente, le potenzialità e i benefici dell’applicazione delle tecnologie di I.A. nel peculiare contesto delle politiche di programmazione del bilancio pubblico.

Il caso più esplicito in materia riguarda il Messico. Come riportano D. Valle-Cruz, J. Ramon Gil-Garcia e V. Fernandez-Cortez, Towards Smarter Public Budgeting? Understanding the Potential of Artificial Intelligence Techniques to Support Decision Making in Government, l’impiego di tecniche di I.A., quali le Artificial Neural Networks o i Genetic Algorithms, ha consentito di elaborare un’ipotesi alternativa di allocazione degli investimenti. A partire dall’analisi del cluster di dati macroeconomici raccolti fra il 2012 e il 2018, tale approccio ha permesso di delineare uno scenario allocativo alternativo potenzialmente in grado di incidere sulle dinamiche di stagnazione economica che caratterizzavano il Paese.

Le metodologie algoritmiche scelte a tal fine non sono casuali. Com’è noto, infatti, le Artificial Neural Newtorks permettono, previo allenamento tramite input relativi a dati macroeconomici, di adempiere certe mansioni di carattere organizzatorio e predittivo, con una particolare attenzione nel riconoscimento di pattern e di sequenze di dati; grazie ai Genetic Algorithms, invece, è possibile individuare una soluzione ottimale a un dato problema complesso, tramite una sorta di processo adattativo che alcuni osservatori hanno paragonato al processo evolutivo darwiniano e che, tuttavia, non aiuta a indagare le cause del problema risolto.

Con i dati forniti dalla Banca mondiale dal 1960 al 2019, gli stessi autori hanno replicato il medesimo metodo scientifico a 217 Paesi, ottenendo indicazioni coerenti con la letteratura internazionalistica sulle politiche di programmazione delle risorse pubbliche (così, D. Valle-Cruz, Vanessa Fernandez-Cortez, J. Ramon Gil-Garcia, From E-budgeting to smart budgeting: Exploring the potential of artificial intelligence in government decision-making for resource allocation).

Se i risultati raggiunti sono apprezzabili, la vera sfida, allora, si sposta metaforicamente “a monte”: essa non riguarderebbe più l’utilizzo dell’intelligenza artificiale a supporto della decisione politica, opzione che sembra a tratti inevitabile alla luce della rapidità con la quale procede lo sviluppo tecnologico; quanto semmai, la corretta raccolta dei dati a supporto della decisione algoritmica. Una disattenta analisi data driven, infatti, potrebbe produrre risultati distorti e parziali, e di conseguenza favorire una inefficiente allocazione della spesa pubblica in bilancio (motivo per il quale, ad esempio, i problemi legati a una inesatta raccolta dati aprono l’elenco delle criticità censite da A. Zuiderwijk, Y.-C. Chen e F. Salem, Implications of the use of artificial intelligence in public governance).

A tal riguardo, alcuni autori, come Z. Engin e P. Treleaven, Algorithmic government: automating public services and supporting civil servants in using data science technologies, avrebbero parlato di un vero e proprio «governo algoritmico». Uno scenario in cui la tecnologia coadiuva i governanti nel compito di amministrare meglio le comunità di riferimento, favorendo un migliore processo decisionale e una proficua erogazione di servizi pubblici, riducendo i costi, generando nuovi posti di lavoro e, in generale, stimolando un continuo processo di efficientamento della pubblica amministrazione.

Invero, se da un lato l’integrazione fra decisione politica e algoritmi è ampiamente supportata dalla letteratura internazionale, dall’altro la garanzia della supervisione umana nel processo decisionale non sembra poter essere pretermessa. D’altronde, nella direzione di un rafforzamento della c.d. riserva di umanità si muove apertamente l’art. 14 della l. n. 132/2025, il quale, com’è fin troppo noto, riconosce alle pubbliche amministrazioni la possibilità di ricorrere all’I.A. purché essa favorisca un esercizio non solo più efficiente e qualitativamente migliore della funzione amministrativa, ma anche trasparente e responsabile.

Resta tuttavia da vedere se e quando, accanto alla diffusione di innovativi strumenti tecnologici, farà da contraltare l’emergere di una sensibilità culturale collettiva, che non veda la tecnologia unicamente come una minaccia, ma che guardi ad essa come un’opportunità da esplorare con coscienza e deontologia.

Ad esempio, nel caso della programmazione del bilancio, il ricorso all’intelligenza artificiale non deve certamente costituire un’occasione per sottrarre la programmazione della spesa pubblica dalla — inevitabile — dialettica conflittuale di cui essa si nutre, quasi che la predisposizione automatizzata di una bozza di bilancio potesse integrare una sorta di esimente tecnologica invocabile dal decisore politico al fine di sottrarsi alle proprie responsabilità amministrative e politiche (su questo punto, si veda E. Tomassini, Intelligenza artificiale, esimente politica e programmazione della spesa).

Una proficua e sapiente interazione fra attori pubblici e I.A., allora, sembrerebbe richiedere non la predisposizione, a livello normativo, di un vademecum particolareggiato, ma semmai l’affermarsi di una coscienza tecnologica che, se da un lato non rifugge timorosa dall’utilizzo dell’I.A. nei compiti umani, dall’altro rimane consapevole che “le cose degli umani” richiedono necessariamente una “decisione umana” (sul punto, si veda B. Carotti, Riserva di umanità e funzioni amministrative. A proposito dello studio di Giovanni Gallone). D’altronde, come ribadito anche da G. Delle Cave, Intelligenza artificiale e procedimento amministrativo: «friends or foes?», se I.A. e procedimento amministrativo siano destinati a una vigorosa amicizia o a una feroce ostilità, non v’è modo di dirlo oggi.

In conclusione, verrebbe da dire che non abbiamo certo bisogno che sia un algoritmo a ricordarci l’importanza di allocare il giusto ammontare di risorse pubbliche in beni fondamentali (e spesso sottofinanziati) come l’istruzione o la sanità. L’istruttoria offerta dall’algoritmo, però, potrebbe conferire una patente di razionalità ulteriore a una scelta umana e rafforzare così la motivazione di una scelta politica senza esonerare chi la compie dalle conseguenti responsabilità.