IA nella PA: usi consentiti, obblighi e responsabilità dopo la legge 132/2025

Guida operativa agli usi ammessi dell’intelligenza artificiale nel procedimento, tra legge n. 132/2025, AI Act e giurisprudenza più recente

1. Premessa: il quadro di riferimento

Dal 2 agosto 2026 sono pienamente applicabili gli obblighi di trasparenza previsti dall’articolo 50 del regolamento (UE) 2024/1689 sull’intelligenza artificiale che impongono di informare l’utente che sta interagendo con un sistema di IA e di rendere riconoscibili i contenuti generati. Il nuovo obbligo si aggiunge al divieto delle pratiche vietate dell’articolo 5 e all’obbligo di alfabetizzazione dell’articolo 4, già operativi dal febbraio 2025. Il regolamento (UE) 2026/1744 ha invece differito al 2 dicembre 2027 il regime dei sistemi ad alto rischio e, per quelli destinati all’uso delle autorità pubbliche, al 2 agosto 2030.

Il quadro che ne risulta determina per l’amministrazione pubblica tre ordini di questioni, ai quali il presente contributo intende offrire una ricostruzione ordinata: gli impieghi dell’intelligenza artificiale oggi consentiti dall’ordinamento unionale e nazionale; gli obblighi che ne discendono; le modalità attraverso le quali l’amministrazione possa prepararsi agli adempimenti che diverranno esigibili nel futuro prossimo.

2. Algoritmo e sistema di IA: nozioni e differenze operative

Va evidenziato preliminarmente che la giurisprudenza più autorevole e sedimentata in materia di decisioni amministrative, operate con l’ausilio degli strumenti dell’automazione, riguarda principalmente sistemi di natura deterministica i cui approdi vanno estesi all’ambito dell’intelligenza artificiale generativa con le dovute cautele ed eccezione.

L’algoritmo è comunemente definito come una sequenza finita di istruzioni, ben definite e non ambigue, eseguibili meccanicamente e tali da produrre un determinato risultato.

Applicata ai sistemi tecnologici, la nozione si collega all’automazione, ossia a sistemi di azione e controllo idonei a ridurre l’intervento umano, il cui grado dipende dalla complessità dell’algoritmo processato.

L’articolo 3, punto 1), del regolamento (UE) 2024/1689 definisce il sistema di IA come un sistema automatizzato progettato per funzionare con livelli di autonomia variabili, che può presentare adattabilità dopo la diffusione e che, per obiettivi espliciti o impliciti, «deduce dall’input che riceve come generare output quali previsioni, contenuti, raccomandazioni o decisioni che possono influenzare ambienti fisici o virtuali».

Le linee guida dell’AgID individuano il tratto distintivo nella capacità inferenziale del modello che non si limita all’elaborazione semplice o meccanica dei dati.

Una distinzione utile sul piano operativo è quella tra algoritmo chiuso e algoritmo aperto. Nell’automazione tradizionale la sequenza delle istruzioni è predefinita e conoscibile ex ante, con la conseguenza che una volta noti i dati in input, il risultato è determinabile con certezza. Nei sistemi di automazione più avanzata la sequenza si ridefinisce in base ai dati esperienziali che alimentano il sistema.

Pur conoscendo per intero la sequenza di base, non è possibile stabilire quale percorso logico l’elaboratore abbia seguito, e una parte di esso rimane in ombra.

Il risultato finale, come osserva Simeoli (Simeoli, 2022), non è prevedibile ex ante dall’amministrazione al momento in cui sceglie di adoperare l’algoritmo.

Tale funzionamento intrinseco del sistema pone dei problemi potenziali sul piano della trasparenza e della conoscibilità.

Possiamo distinguere tre tipologie: l’algoritmo deterministico, per cui a un dato inserito corrisponde una sola risposta; l’algoritmo probabilistico, che ammette una pluralità di risposte possibili; l’algoritmo generativo, che fornisce la migliore risposta possibile rielaborando vaste quantità di dati mediante apprendimento progressivo. Quest’ultimo consente l’azione più performante e insieme pone i maggiori problemi di opacità, segnalati da Pasquale con la nozione di black box (Pasquale, 2015).

3. La legalità algoritmica e i suoi tre principi

Il Consiglio di Stato, sez. VI, con la sentenza 8 aprile 2019, n. 2270, ha qualificato la sequenza algoritmica come regola tecnica e amministrativa generale, costruita dall’uomo per essere applicata dalla macchina, assoggettandola ai principi di pubblicità, trasparenza, ragionevolezza e proporzionalità. Con le sentenze 13 dicembre 2019, nn. 8472, 8473 e 8474, ne ha ammesso l’impiego tanto nell’attività vincolata quanto in quella discrezionale, in specie tecnica.

I limiti individuati dalla giurisprudenza si condensano nei tre principi della cosiddetta legalità algoritmica: la conoscibilità e comprensibilità dell’algoritmo; la non discriminazione nella sua costruzione; la non esclusività della decisione algoritmica, ossia la riserva di umanità.

Essi hanno trovato trasposizione normativa nell’articolo 30, comma 3, del d.lgs. n. 36/2023, che riconosce all’operatore economico il diritto di conoscere l’esistenza di processi decisionali automatizzati e di ricevere informazioni significative sulla logica utilizzata. Ciò richiede un contributo umano «capace di controllare, validare ovvero smentire la decisione automatizzata» e impone misure tecniche e organizzative adeguate a impedire effetti discriminatori.

Il principio di non discriminazione impegna il funzionario a selezionare il programma più adeguato agli scopi di interesse pubblico e ad assicurare attendibilità e completezza dei dati immessi. 

4. L’articolo 14 della legge n. 132/2025: quattro obblighi

La legge 23 settembre 2025, n. 132, in vigore dal 10 ottobre 2025, dedica alla pubblica amministrazione l’articolo 14.

Il comma 1 funzionalizza l’uso dell’IA all’incremento dell’efficienza, alla riduzione dei tempi procedimentali e all’aumento della qualità e quantità dei servizi, imponendo contestualmente «la conoscibilità del suo funzionamento e la tracciabilità del suo utilizzo». Il comma 2 stabilisce che l’IA opera «in funzione strumentale e di supporto all’attività provvedimentale, nel rispetto dell’autonomia e del potere decisionale della persona che resta l’unica responsabile». Il comma 3 impone le necessarie misure tecniche, organizzative e formative.

La tracciabilità non coincide con la conoscibilità: la prima riguarda ciò che l’amministrazione registra del proprio utilizzo; la seconda riguarda anche informazioni sul funzionamento che, soprattutto nei servizi proprietari, dipendono dal fornitore.

Per questa ragione l’adempimento comincia già al momento in cui il sistema viene acquisito ed impone al RUP adeguate cautele in fase di determinazione del capitolato tecnico.

5. Le applicazioni documentate e i limiti che vi corrispondono

Il Public Sector Tech Watch della Commissione europea ha censito 1.617 casi di adozione di tecnologie emergenti nel dataset 2024, cui si sono aggiunti nel 2025 altri 245 casi in 21 Paesi. 

L’amministrazione italiana con l’esperienza più documentata è l’INPS. Il XXV Rapporto annuale dell’Istituto, presentato nel luglio 2026, censisce cinquantanove sistemi di intelligenza artificiale in uso, classificati secondo le categorie delle linee guida AgID: undici per analisi e classificazione di testo, uno di orchestrazione, quattordici per decisioni basate su dati, due per suggerimenti e raccomandazioni, trentuno per la generazione di contenuto. 

Il progetto più maturo riguarda la classificazione e lo smistamento automatico della posta elettronica certificata dell’INPS. Il sistema analizza il testo, individua l’argomento e instrada il messaggio alla struttura competente.

Nel periodo aprile 2021 – aprile 2026 ha analizzato circa 5,4 milioni di PEC, instradandone automaticamente 3,8 milioni, con un tasso di smistamento automatico del 70,4 per cento e un’accuratezza dell’87 per cento.

Nel dicembre 2021 il progetto ha ricevuto un riconoscimento dell’IRCAI, centro per l’intelligenza artificiale promosso dall’UNESCO. Sul piano giuridico ricorre la figura dell’algoritmo di mero supporto delineata dalla sentenza n. 4857 del 2025.

Un ulteriore impiego riguarda l’IA generativa per la verifica documentale: nella prestazione Estate INPSieme, tra febbraio e settembre 2025, il sistema ha esaminato circa 207.000 documenti con precisione del 100 per cento, richiamo del 90 per cento e una quota di falsi positivi del 2 per cento, dato che comunque conferma come una parte dei documenti rilevanti sfugga al sistema e debba essere intercettata dall’istruttoria umana.

Il quarto ambito è l’assistente virtuale, costruito su un’architettura a due livelli: un masterbot generalista che classifica la domanda e indirizza, e skillbot specializzati che rispondono sulle singole prestazioni.

La soluzione ChatAI@INPS copre tredici prestazioni, pari al settanta per cento delle richieste informative. Qui il limite è l’articolo 50 dell’AI Act e un profilo che le amministrazioni sottovalutano: la responsabilità per l’informazione errata fornita al cittadino resta dell’amministrazione, non del fornitore del modello.

Il quinto ambito è il più delicato e riguarda gli indici di affinità per l’incrocio tra domanda e offerta di lavoro sulla piattaforma SIISL, introdotti con il messaggio INPS n. 1358 del 5 aprile 2024. Il sistema calcola la vicinanza semantica tra il profilo del lavoratore e l’offerta, e l’Istituto lo qualifica come indicatore orientativo, lasciando la scelta all’utente e alle agenzie per il lavoro. L’adozione di strumenti di questa natura richiede sempre una verifica sulla ricorrenza della clausola prevista dall’articolo 6, paragrafo 3, ultimo comma relativa ai sistemi che prevedano la profilazione. 

Un sesto ambito, praticato dalle amministrazioni fiscali di tutta Europa, è la selezione delle posizioni da sottoporre a controllo. In Italia il sistema VeRA dell’Agenzia delle entrate incrocia l’Archivio dei rapporti finanziari con l’Anagrafe tributaria per elaborare liste selettive, sulla base dell’articolo 1, commi 681 e seguenti, della legge n. 160 del 2019; il Garante per la protezione dei dati personali, con il provvedimento n. 276 del 30 luglio 2022, ne ha condizionato l’impiego a pseudonimizzazione, minimizzazione e pubblicazione di un estratto della valutazione d’impatto. In Francia il progetto CFVR della Direzione generale delle finanze pubbliche ha portato la quota di controlli programmati mediante analisi dei dati dal 22 per cento del 2019 al 44,1 per cento del 2021. In entrambi i casi vale comunque la regola per cui il sistema seleziona chi verificare e non stabilisce che cosa si accerta.

Nel cosiddetto caso SyRI il tribunale dell’Aia, con sentenza del 5 febbraio 2020, ha ritenuto sproporzionato e contrario all’articolo 8 CEDU il sistema con cui l’amministrazione olandese profilava i beneficiari di prestazioni sociali. La valutazione dell’utilità va accompagnata da quella dell’impatto sulla persona.

6. Sistemi di allerta e profilazione

Meritano attenzione specifica i sistemi di early warning impiegati per individuare situazioni di rischio: abbandono scolastico, fragilità sociale, probabilità che una posizione richieda un controllo. L’obiettivo può essere legittimo e persino protettivo, mentre è la struttura dell’output a determinare il regime applicabile.

Quando il sistema elabora dati di persone fisiche e attribuisce un profilo o una probabilità individuale, opera la disciplina della profilazione. L’articolo 6, paragrafo 3, dell’AI Act consente di considerare non ad alto rischio taluni sistemi pur ricompresi nell’allegato III, ovvero quelli destinati a un compito procedurale limitato, al miglioramento di un’attività umana già completata, all’individuazione di schemi decisionali o a un compito preparatorio ma stabilisce all’ultimo comma che il sistema è sempre considerato ad alto rischio se effettua profilazione di persone fisiche. La clausola non ammette eccezioni.

Il modello più difendibile è quello in cui l’output apre un’istruttoria professionale: il sistema segnala, il funzionario verifica, il responsabile decide. 

7. Lezioni dalla giurisprudenza recente

Il T.a.r. per la Calabria, Catanzaro, con la sentenza 29 luglio 2025, n. 1300, ha annullato l’esclusione di un progetto da una procedura per contributi culturali fondata sull’esito di un software di comparazione testuale, adottata senza adeguata verifica umana.

La vicenda mostra che un risultato tecnicamente corretto rispetto alla funzione per cui il software è stato progettato può rivelarsi inadeguato rispetto alla funzione amministrativa nella quale viene impiegato.

Il T.a.r. per la Sicilia, Catania, sez. III, con la sentenza 22 aprile 2026, n. 1157, ha annullato un’aggiudicazione in una gara nella quale il sistema aveva concorso alla formazione dei punteggi tecnici e l’amministrazione, a fronte di un errore di calcolo dimostrato dalla ricorrente, non era stata in grado di spiegare l’iter logico-matematico seguito. Il collegio ha subordinato la legittimità della digitalizzazione alla possibilità, riconosciuta «all’Amministrazione procedente prima e ai privati, ove necessario, poi», di ripercorrere la sequenza di passaggi compiuti dal software.  Il rischio di un’adozione acritica degli strumenti dell’automazione può essere quello di creare aree dell’agire amministrativo inaccessibili alla stessa amministrazione procedente.

8. La sorveglianza umana e il modello della proposta di provvedimento

La riserva di umanità impone un contributo umano capace di controllare, validare ovvero smentire la decisione automatizzata, «a garanzia dell’imputabilità della scelta al titolare del potere autoritativo» (Cons. Stato, sez. VI, n. 881 del 2020). Il fondamento costituzionale risiede nell’articolo 28 della Costituzione, quello legislativo più diretto rimanda all’individuazione del responsabile del procedimento prevista dalla L. 241/90. Il rischio che va rifuggito è proprio quello che la riforma sul procedimento amministrativo ha consentito di superare di una spersonalizzazione dei provvedimenti amministrativi.

La sorte del provvedimento privo di contributo decisionale umano resta discussa: se ne prospetta di volta in volta l’inesistenza per difetto di imputabilità, la nullità per carenza di volontà riferibile all’amministrazione, l’annullabilità per violazione di legge o l’inefficacia ai sensi dell’articolo 21-quater della legge n. 241/1990 (Durante, 2024). 

Particolarmente utile all’amministrazione è il modello che configura la decisione elaborata dal sistema come una proposta di provvedimento (Ponte, 2025). Esso si inserisce sul meccanismo dell’articolo 5, comma 1, e dell’articolo 6 della legge n. 241/1990, in forza dei quali l’organo competente all’adozione dell’atto finale non può discostarsi dalle risultanze istruttorie se non motivando.

L’output del sistema non coincide con la determinazione conclusiva, ma viene sottoposto a verifica del responsabile del procedimento; la proposta può inoltre essere comunicata all’interessato, anche mediante il preavviso di rigetto dell’articolo 10-bis, consentendogli di presentare osservazioni e di chiedere il riesame in caso di errore nei presupposti di fatto o di diritto. In questo modo il contraddittorio procedimentale funge da sorveglianza umana sul contenuto del provvedimento.

Motivare la scelta di non recepire l’output resta arduo quando la regola algoritmica ha struttura aperta e sfugge a un controllo di ragionevolezza: circostanza che rafforza l’esigenza di pretendere già in sede di acquisizione del software gli elementi che rendono l’esito comprensibile.

9. Formazione, automation bias e shadow AI

Tra gli obblighi che gravano sull’amministrazione, quello formativo presenta una caratteristica distintiva: è già pienamente operativo e non è stato differito.

L’articolo 4 dell’AI Act, applicabile dal 2 febbraio 2025, impone a fornitori e utilizzatori di adottare misure per assicurare, nella misura del possibile, un livello sufficiente di alfabetizzazione in materia di IA del personale che se ne occupa, tenendo conto delle sue conoscenze e del contesto d’uso; l’articolo 14, comma 3, della legge n. 132/2025 vi si salda imponendo le necessarie misure formative.

La formazione opera come condizione di effettività degli altri obblighi. L’articolo 26 dell’AI Act richiede che la sorveglianza umana sia affidata a persone dotate della «competenza, della formazione e dell’autorità necessarie». La norma stessa fa dipendere dalla competenza la possibilità del controllo. 

Il fenomeno più insidioso è quello che la letteratura specialistica descrive come automation bias, ossia l’eccessivo affidamento sull’output automatizzato con svalutazione delle informazioni che lo contraddicono (Parasuraman e Manzey, 2010).

Gli studi sull’automation bias segnalano che l’addestramento generico incide poco sulla tendenza ad accettare l’output, mentre risultano efficaci la conoscenza dei limiti e delle modalità di errore del sistema specifico e l’esercizio strutturato della verifica. Occorre dunque formare sul sistema effettivamente in uso, sui casi in cui sbaglia e sul modo di accorgersene, inclusi bias ed allucinazioni. Sul piano organizzativo possono risultare utili campionamenti e specifici controlli di qualità.

Altrettanto attuale ed insidioso è il fenomeno della shadow AI, ossia l’uso non autorizzato, da parte del dipendente, di sistemi di IA in violazione della normativa dell’ente o delle linee guida da questo adottate. Inserire in un servizio esterno documenti non pubblici o dati personali introduce un trattamento privo di base giuridica. È opportuno pertanto dotarsi di una policy interna che distingua gli strumenti autorizzati, stabilisca quali dati possano essere trattati e renda disponibili ambienti istituzionali idonei o soluzioni tecniche efficaci per l’utilizzo sicuro dei sistemi di intelligenza artificiale.

10. Che cosa deve dimostrare il fascicolo

Un procedimento che impiega l’IA dovrebbe poter essere ricostruito attraverso la consultazione del fascicolo. Risulta pertanto opportuno e necessario documentare quale sistema è stato utilizzato e in quale versione; per quale finalità; quali dati sono stati elaborati; quali criteri o soglie hanno orientato l’elaborazione; quale output è stato prodotto; quale verifica umana è stata svolta; quale incidenza ha avuto l’output sulla decisione finale.

La documentazione contemporanea tutela l’amministrazione, poiché in sua assenza la difesa del provvedimento si riduce a una ricostruzione ex post.

Sul versante probatorio, la produzione dei log da cui risulti l’assenza di anomalie dimostra il corretto funzionamento del sistema e sposta su chi contesta l’onere della prova.

11. Dati personali, DPIA e FRIA

L’amministrazione che impiega il sistema nel procedimento è titolare del trattamento.

Il regolamento (UE) 2016/679 richiede una base giuridica, misure di sicurezza adeguate e, ove ricorrano i presupposti, una DPIA ex articolo 35. Gli articoli 13, 14 e 15 impongono di informare dell’esistenza di un processo decisionale automatizzato e di fornire informazioni significative sulla logica utilizzata.

La FRIA dell’articolo 27 dell’AI Act riguarda invece i deployer che siano organismi di diritto pubblico o erogatori di servizi pubblici, va svolta anteriormente al primo utilizzo di un sistema ad alto rischio e considera l’impatto sui diritti fondamentali nel complesso. Le due valutazioni, pur restando distinte per presupposti e contenuto, andrebbero comunque coordinate 

12. Il procurement e l’appropriazione dell’algoritmo

Nella generalità dei casi l’algoritmo non è prodotto direttamente in house dall’amministrazione. La sua acquisizione avviene mediante procedura di evidenza pubblica e successiva verifica di conformità dell’articolo 116 del codice dei contratti pubblici attestante la rispondenza del prodotto agli scopi prestabiliti. 

Ne discende la rilevanza decisiva della fase di acquisizione. L’articolo 30, comma 2, del d.lgs. n. 36/2023 impone di assicurare la disponibilità del codice sorgente, della documentazione e di ogni altro elemento utile a comprenderne le logiche, e di introdurre negli atti di indizione clausole di assistenza e manutenzione per la correzione degli errori dell’automazione; il comma 5 impone la pubblicazione in «Amministrazione trasparente» dell’elenco delle soluzioni utilizzate. Nella stessa direzione muovono le bozze di linee guida dell’AgID su sviluppo e procurement, adottate per la consultazione con determinazione n. 43 del 10 marzo 2026.

13. Gli strumenti per prepararsi ai vincoli

Il percorso dell’INPS è istruttivo anche sul piano organizzativo, perché l’Istituto non si è limitato ad adottare sistemi. Con il messaggio n. 1384 dell’8 aprile 2024 ha adottato la direttiva del direttore generale n. 8 del 2024, prima disciplina interna sull’implementazione dei sistemi di IA, accompagnata da un documento di strategia; ha costruito un inventario dei propri sistemi; pubblica indicatori di funzionamento; ha affidato all’internal audit una verifica dedicata, avviata nel 2025 con il censimento delle applicazioni e la classificazione del rischio. Quattro strumenti replicabili da qualunque amministrazione, a qualunque scala.

L’inventario è il primo passo e non richiede alcuna norma nuova, perché l’articolo 30, comma 5, del codice dei contratti impone già di pubblicare l’elenco delle soluzioni tecnologiche utilizzate. I modelli esistono: Amsterdam ed Helsinki hanno pubblicato nel 2020 i primi registri comunali degli algoritmi; i Paesi Bassi hanno istituito nel dicembre 2022 un registro nazionale che a febbraio 2026 conta 1.353 descrizioni pubblicate da 505 organizzazioni; il Regno Unito ha reso obbligatorio dal febbraio 2024, per i dipartimenti centrali, uno standard di registrazione della trasparenza algoritmica. Va conosciuto anche il limite dello strumento: i registri tendono a includere gli impieghi meno controversi e a lasciare fuori i sistemi di controllo, producendo un senso di sicurezza non giustificato.

Per la valutazione d’impatto esiste già uno strumento nazionale. La bozza di linee guida dell’AgID per l’adozione dell’IA nella pubblica amministrazione, adottata con la determinazione n. 17 del 17 febbraio 2025, contiene tre allegati operativi dedicati alla valutazione del livello di maturità dell’ente, alla classificazione del rischio e alla valutazione d’impatto, e prevede una valutazione semplificata anche per i sistemi a basso rischio.

Il documento aggancia l’adozione dell’IA agli strumenti di programmazione esistenti, dal piano integrato di attività e organizzazione al responsabile per la transizione al digitale e al responsabile della protezione dei dati.

L’iter non risulta concluso e il valore resta orientativo; l’amministrazione che vi si attiene oggi si trova comunque preparata quando la valutazione d’impatto sui diritti fondamentali diverrà esigibile.

La sperimentazione controllata ha ora una sede istituzionale. L’articolo 57 dell’AI Act impone a ciascuno Stato membro di rendere operativo almeno uno spazio di sperimentazione normativa; in Italia è previsto dagli schemi di decreto attuativi della legge n. 132/2025, approvati in esame preliminare il 10 giugno 2026. Per l’amministrazione che intenda avviare un progetto su materia sensibile, è la strada da percorrere in luogo della sperimentazione informale.

14. Il quadro italiano in movimento

La legge n. 132/2025 va letta in coordinamento con l’AI Act. L’articolo 3 introduce i principi generali, tra cui la centralità della persona e la sorveglianza umana; l’articolo 14 disciplina l’uso da parte della PA; l’articolo 15 riserva al magistrato l’interpretazione della legge, la valutazione dei fatti e l’adozione dei provvedimenti; l’articolo 20 individua le autorità nazionali, attribuendo all’AgID le funzioni di promozione, notifica e accreditamento degli organismi di valutazione della conformità e all’Agenzia per la cybersicurezza nazionale la vigilanza, con i relativi poteri ispettivi e sanzionatori.

I decreti legislativi di attuazione restano in itinere: il Consiglio dei ministri, il 10 giugno 2026, ne ha approvato in esame preliminare due schemi, sui quali il Garante per la protezione dei dati personali ha reso i pareri il 14 luglio 2026, chiedendo di precisare il ruolo della supervisione umana e di assicurare che il responsabile della decisione disponga di informazioni e poteri sufficienti a contestare o modificare l’output. 

15. Conclusioni

Per usare l’intelligenza artificiale in modo sostenibile servono tre cose insieme: tecnologia adeguata, regole organizzative e responsabilità umana. L’esperienza delle amministrazioni che hanno già percorso questa strada indica che la differenza la fa la capacità dell’ente di censire i propri sistemi, misurarli e spiegarli, più che la potenza del modello.

La linea che emerge dalla disciplina europea, dalla legge n. 132/2025 e dalla giurisprudenza amministrativa è una linea di servizio, non di delega. Lo strumento informatico conserva posizione servente rispetto al procedimento, che resta il modus operandi dell’esercizio del potere autoritativo. Il salto di qualità consiste nel costruire uffici capaci di impiegare strumenti potenti conservando la capacità di motivare, verificare e rispondere delle proprie decisioni.

>> In tema di AI e Pa segnaliamo il master online Intelligenza artificiale per la Pubblica Amministrazione, Strategie, opportunità e governo dei dati, 40 ore (10 incontri live con esame finale), Altalex Formazione e il volume L’intelligenza artificiale nella giustizia e nella pubblica amministrazione dopo la legge 132/2025 e la nuova responsabilità algoritmica (Trentini Antonella, Manzi Oreste, CEDAM) che offre una mappa ragionata delle sfide che l’IA pone a giuristi, magistrati e pubblici amministratori.

Riferimenti essenziali

Legge 7 agosto 1990, n. 241, artt. 1, 3-bis, 5, 6, 10-bis e 21-quater. Legge 6 novembre 2012, n. 190. Legge 23 settembre 2025, n. 132, artt. 3, 14, 15, 20 e 24. Regolamento (UE) 2024/1689, artt. 1, 3, 4, 5, 6, 26, 27, 50 e 113 e allegato III. Regolamento (UE) 2026/1744 dell’8 luglio 2026. Regolamento (UE) 2016/679, artt. 13, 14, 15, 22 e 35. D.lgs. 31 marzo 2023, n. 36, artt. 19, 30, 35 e 116. D.lgs. 12 luglio 2024, n. 103, art. 9. D.lgs. 7 marzo 2005, n. 82, artt. 41, 68, 69 e 71. Consiglio di Stato, sez. VI, 8 aprile 2019, n. 2270; sez. VI, 13 dicembre 2019, nn. 8472, 8473 e 8474; sez. VI, 4 febbraio 2020, n. 881; Adunanza plenaria n. 4 del 2021; sez. IV, 4 giugno 2025, n. 4857. T.a.r. Calabria, Catanzaro, 29 luglio 2025, n. 1300, e n. 1473 del 2026. T.a.r. Sicilia, Catania, sez. III, 22 aprile 2026, n. 1157. Corte di giustizia UE, 7 dicembre 2023, C-634/21, SCHUFA Holding; 27 febbraio 2025, C-203/22, Dun & Bradstreet Austria. Rechtbank Den Haag, 5 febbraio 2020, ECLI:NL:RBDHA:2020:865.

In dottrina: N. Durante, La discrezionalità amministrativa ed i vizi del procedimento amministrativo nell’epoca dell’intelligenza artificiale, 2024; G. Gallone, Riserva di umanità, intelligenza artificiale e funzione giurisdizionale, 2024; G. Marena, Algoritmo e discrezionalità amministrativa, 2026; F. A. Pasquale, The black box society, Cambridge, 2015; C. Polidori, Procedimento amministrativo e algoritmi, 2025; D. Ponte, Intelligenza artificiale: la giustizia degli algoritmi, 2025; D. Simeoli, L’automazione dell’azione amministrativa nel sistema delle tutele di diritto pubblico, in A. Pajno, F. Donati, A. Perrucci (a cura di), Intelligenza artificiale e diritto: una rivoluzione?, II, Bologna, 2022; R. Parasuraman e D. H. Manzey, Complacency and Bias in Human Use of Automation, in Human Factors, vol. 52, n. 3, 2010.

Le opinioni espresse nel presente contributo sono formulate a titolo esclusivamente personale e non impegnano in alcun modo l’Amministrazione di appartenenza.