Non è possibile condividere, riutilizzare o sfruttare ciò che non è noto e regolamentato. In un momento in cui tutti gli enti pubblici desiderano partecipare all'economia dei dati, implementare casi d'uso dell'intelligenza artificiale o aderire agli Spazi dati europei, il primo passo rimane il più difficile da compiere. E questo primo passo ha un nome: la governance dei dati.
La tentazione di collegare tutto e perché è un errore
Quando un'amministrazione decide di rendere pubblici i propri dati o di alimentare un catalogo aziendale, la tentazione è forte: collegare direttamente i sistemi transazionali o i data lake a un portale pubblico e consentire l'accesso a cittadini, aziende o funzionari.eresSat se ne occupa. Sembra veloce, sembra efficiente, sembra moderno.
Tuttavia, esporre dati grezzi, senza un preventivo lavoro di inventario, pulizia e arricchimento semantico, è la ricetta perfetta per tre problemi che conosciamo bene nel settore pubblico: incongruenze che minano la fiducia, rischi legali derivanti da un'esposizione impropria dei dati personali e, infine, repository che nessuno utilizza perché nessuno capisce cosa contengono. Costruire un ecosistema di dati interoperabile non è un problema tecnico di esportazione, ma un percorso strategico che trasforma il caos informativo in un reale valore pubblico.
Pensate in termini di domini, non di sistemi.
Il percorso inizia, paradossalmente, allontanandosi dalla tecnologia. Prima di analizzare database o implementare strumenti, un'organizzazione deve comprendere il proprio panorama informativo attraverso i cosiddetti Domini Informativi: raggruppamenti di dati attorno a un'area tematica coerente e delimitata, come mobilità, salute, istruzione, sostenibilità o servizi sociali.
Definire questi ambiti ci permette di rispondere alla domanda fondamentale di ogni governance: chi è responsabile di queste informazioni? Quando la responsabilità viene assegnata alle aree aziendali e non ai reparti IT, garantiamo che la governance sopravviva ai cambiamenti organizzativi e alle inevitabili migrazioni di sistema. È il passo che ci permette di abbattere i silos e di muoverci verso modelli di governance federata, come quelli proposti dal paradigma Data Mesh.
L'inventario tecnico e il ruolo dell'intelligenza artificiale
Ora che la mappa delle responsabilità è stata stilata, è tempo di mettersi al lavoro.eresL'inventario tecnico delle risorse dati: sistemi, tabelle, file, API, repository di documenti. Svolgere questo lavoro manualmente in un'organizzazione di media complessità – e le amministrazioni lo sono – è impraticabile. L'automazione non è un'opzione, è una necessità. Gli strumenti di auto-scoperta (crawler di dati) che si connettono ai database per estrarre schemi e metadati sono essenziali per mantenere aggiornato il registro.
Tuttavia, è fondamentale ricordare una delle insidie più comuni della governance dei dati: la tecnologia è una condizione necessaria, ma mai sufficiente. Acquistare una piattaforma di catalogo non equivale ad avere una governance efficace. I responsabili della gestione dei dati e i leader aziendali devono fornire il contesto che nessuno strumento è in grado di dedurre autonomamente.
È qui che l'intelligenza artificiale generativa sta cambiando le regole del gioco. Laddove un tempo era necessario decifrare il significato di un campo tecnico oscuro, oggi gli strumenti basati sull'IA analizzano strutture, dati di esempio e documentazione frammentaria per proporre mappature semantiche automatiche. L'IA non solo aiuta a creare glossari aziendali, ma può anche incrociare la domanda dei consumatori con l'inventario esistente e suggerire quali combinazioni di risorse hanno il maggior potenziale per diventare prodotti dati pronti per il consumatore.
Da risorsa grezza a prodotto dati
Disporre di un inventario automatizzato e gestito è un traguardo importante, ma l'inventario è uno strumento per uso interno. Non tutto ciò che inventiamo merita di essere catalogato o pubblicato. È necessario un processo di selezione e progettazione che trasformi le risorse grezze in veri e propri prodotti di dati.
Un prodotto dati è sempre progettato pensando al consumatore e quindi raramente sarà un còpia La forma esatta di una tabella. La sua creazione è un esercizio di curatela: tradurre il linguaggio tecnico in vocabolario aziendale, collegare ogni campo a un glossario aziendale inequivocabile, applicare trasformazioni strutturali, aggregare microdati per generare utili indicatori statistici e, spesso, unire più risorse per fornire un contesto completo.
Questa trasformazione è inscindibile dalla privacy by design. Prima di qualsiasi pubblicazione, è imperativo applicare tecniche di miglioramento della privacy (PET), come l'anonimizzazione o la pseudonimizzazione, per mitigare i rischi etici e legali. Solo in questo modo si ottiene un contenuto standardizzato, confezionato in modo sicuro e accompagnato da metriche di qualità e contratti d'uso chiari.
DCAT-AP-ES: la lingua comune per parlare al mondo
Una volta creati i prodotti dati, è necessario renderli accessibili. Il catalogo dei prodotti dati è il servizio abilitante, ma affinché il nostro catalogo non rimanga un'entità isolata, deve utilizzare un linguaggio universale. È qui che entra in gioco l'adozione di DCAT-AP-ES e dei suoi derivati settoriali.
Questo profilo applicativo, in quanto standard strutturale per i metadati, è ciò che garantisce l'interoperabilità. Permette di descrivere non solo il contenuto del prodotto dati, ma anche chi lo modifica, con quale frequenza viene aggiornato e con quali licenze viene distribuito (attraverso vocabolari come ODRL). L'adozione di questo standard rappresenta la porta d'accesso agli Spazi Dati Europei. Un catalogo ben strutturato su questa base cessa di essere un semplice strumento di ricerca file per diventare il fondamento della fiducia digitale: consente l'identità verificabile, l'osservabilità e, in definitiva, l'automazione delle transazioni tra organizzazioni.
Verso un'intelligenza artificiale agentiva e mercati della conoscenza
Il percorso non si conclude con la pubblicazione. Le organizzazioni che dominano questa catena produttiva stanno gettando le basi per un futuro immediato in cui il catalogo si evolverà in un vero e proprio mercato della conoscenza. In questo scenario, i fruitori del nostro catalogo non saranno più solo analisti umani: saranno agenti di intelligenza artificiale e contratti intelligenti in grado di individuare informazioni in ecosistemi federati, comprenderne i vincoli legali, negoziare l'accesso ad esse e comporre risposte complesse in modo autonomo e controllato.
Per la pubblica amministrazione, questo orizzonte non è fantascienza: è la logica conseguenza di un buon lavoro svolto in precedenza.
Conclusione: non c'è dirittoeres
L'entusiasmo di partecipare agli Spazi Dati, di condividere informazioni con altre amministrazioni o di implementare casi d'uso avanzati di intelligenza artificiale non deve farci dimenticare i principi fondamentali. Saltare la fase interna di analisi e governance è il modo più sicuro per creare silos insostenibili ed esporre le nostre organizzazioni a rischi legali e reputazionali.
L'automazione e l'intelligenza artificiale ci offrono oggi una scorciatoia preziosa per gestire le risorse tecniche con una velocità e una portata impensabili solo pochi anni fa. Tuttavia, il passaggio dall'inventario tecnico al catalogo aziendale continua a richiedere un approccio incentrato sull'utente, rigore nella progettazione del prodotto e impegno verso gli standard aperti.
I dati cessano di essere una passività tecnica nascosta su un server quando percorrono l'intero tragitto: dominio → inventario → Prodotto → catalogare → ecosistemaSolo allora diventa una risorsa affidabile e gestibile, pronta a connettersi con il mondo.
Noi dell'AOC crediamo che questa sia la strada che tutte le amministrazioni catalane debbano intraprendere se vogliono essere protagoniste – e non semplici spettatrici – dell'economia dei dati. Ed è una strada che non si può percorrere da soli: richiede standard comuni, infrastrutture condivise e una visione nazionale che ponga la governance dei dati al centro della trasformazione digitale del settore pubblico.
È così che, attraverso la Smart Local Governments Network, stiamo già lavorando per rendere questo percorso accessibile a tutti gli enti locali, indipendentemente dalle loro dimensioni e capacità tecniche. L'obiettivo è mettere a disposizione del mondo locale alcuni strumenti minimi, comuni e riutilizzabili per la governance dei dati: modelli di riferimento, criteri metodologici, vocabolari condivisi, linee guida per l'inventario e la catalogazione e servizi comuni che evitino a ciascuna amministrazione di dover partire da zero. Per i comuni, le province e gli enti dipendenti, questo sforzo congiunto deve significare meno incertezza, meno dispersione, meno dipendenza da soluzioni chiuse e maggiore capacità effettiva di trasformare i propri dati in conoscenza, servizi pubblici migliori e politiche più intelligenti al servizio dei cittadini.
Nota: Questo articolo è ispirato all'articolo di Carlos Alonso Pena, Direttore di Divisione presso la Direzione Generale dei Dati, ha pubblicato su LinkedIn nel maggio 2026 un articolo dal titolo "Dai dati nascosti alle risorse nascoste: il percorso verso i prodotti dati".
