11 Maggio 2026
6 ' di lettura
Salva pagina in PDF

I processi di digitalizzazione, insieme alla diffusione dell’intelligenza artificiale (AI) e della datafication, stanno trasformando profondamente il funzionamento dei sistemi di welfare (van Gerven & Van Lancker 2026). Per comprendere a pieno il ruolo di queste tecnologie è utile guardare al welfare come a un ecosistema territoriale complesso, fondato sull’interazione tra attori pubblici, Terzo Settore, imprese e comunità (Bynner et al. 2026). In questa visione, infatti, le tecnologie digitali rappresentano una infrastruttura abilitante, il cui impatto dipende dalla qualità delle relazioni e dalla capacità di coordinamento tra gli attori coinvolti.

In tale prospettiva si inserisce il concetto di Digital Welfare State, secondo cui tecnologie digitali, sistemi algoritmici e analisi dei dati vengono progressivamente integrati nei processi di gestione, decisione ed erogazione delle politiche sociali, contribuendo a ridefinire le modalità attraverso cui lo Stato organizza e distribuisce le prestazioni (van Toorn et al. 2024). In pratica, grazie all’utilizzo di dataset su larga scala – come i registri di popolazione – e di metodi statistici avanzati, le amministrazioni pubbliche sono oggi in grado di elaborare grandi quantità di dati e di tradurli in informazioni utili per orientare le politiche di welfare. In questo contesto, i sistemi algoritmici supportano una gamma sempre più ampia di pratiche: dall’automazione delle procedure amministrative fino all’impiego di modelli avanzati capaci di analizzare dataset complessi e di apprendere nel tempo.

AI e welfare in Italia: cosa cambierà?

Questi strumenti permettono non solo di interpretare i bisogni sociali, ma anche di simulare scenari e prevedere l’impatto delle politiche pubbliche, rafforzando la capacità decisionale delle istituzioni. Questa combinazione tra approccio evidence-based e tecnologie digitali può contribuire allo sviluppo di interventi sempre più mirati, secondo il principio della cosiddetta “individualizzazione di massa”, in cui le politiche sociali vengono personalizzate su larga scala (van Gerven & Van Lancker 2026). Al contempo bisogna però considerare come in questo caso il welfare non sia organizzato più soltanto in risposta a bisogni dichiarati, ma sempre più in base a bisogni inferiti dai dati, introducendo una dimensione probabilistica nell’accesso ai diritti, in cui le decisioni si basano sempre di più su correlazioni e modelli statistici.

Una prospettiva, quella del Digital Welfare State, che è ovviamente fortemente influenzata dalle evoluzioni sempre più rapide e profonde dell’intelligenza artificiale.

L’IA nello Stato dell’investimento sociale

Questa evoluzione del welfare si inserisce nel paradigma dello Stato dell’investimento sociale1 spostando l’attenzione dalla protezione dei rischi alla loro prevenzione. In questo modello, il welfare combina servizi ad accesso universalistico, come istruzione e sanità, con interventi categoriali, rivolti a specifici gruppi o individui, secondo una logica che integra azioni di lungo periodo e risposte immediate ai bisogni conclamati. In tale quadro, l’intelligenza artificiale consente di analizzare big data per identificare con maggiore precisione i destinatari delle politiche, intervenire precocemente e ottimizzare l’allocazione delle risorse pubbliche. Il welfare tende così a diventare più predittivo, capace non solo di rispondere ai bisogni, ma anche di anticiparli.

Questa articolazione introduce però alcune riflessioni sulle logiche alla base della identificazione di chi ha diritto al sostegno pubblico. Il tema del merito (deservingness), ossia la definizione di chi è considerato legittimo destinatario delle politiche sociali, tende a spostarsi da basi prevalentemente politiche e normative verso criteri tecnici e indicatori osservabili filtrati da algoritmi sempre più complessi. In questo senso, la tecnologia non si limita a supportare le decisioni, ma contribuisce attivamente a ridefinire chi è ritenuto “meritevole” di sostegno e secondo quali condizioni (van Gerven & Van Lancker 2026).

Alla luce di questi due spunti centrali – l’individualizzazione di massa e la deservingness – di seguito si propone una riflessione sulle principali opportunità e sui rischi connessi alla digitalizzazione del welfare, che ci pare particolarmente rilevante alla luce della rapidità con cui l’intelligenza artificiale sta permeando le nostre vite.

Tra opportunità…

Le tecnologie digitali possono rappresentare un punto di forza in termini di efficienza amministrativa, capacità preventiva e riduzione del fenomeno del non-take-up2. In questo senso, un’esperienza significativa è rappresentata dalle recenti scelte operative dell’INPS, anche in linea con gli indirizzi del PNRR, quale attore centrale nella transizione digitale del welfare italiano.

Come viene affrontato il non-take-up in Italia?

In questo caso, l’integrazione dell’intelligenza artificiale è concepita come parte di un processo che combina innovazione, equità e tutela dei diritti, all’interno di una cornice di governance pubblica. L’automazione consente di semplificare e velocizzare l’erogazione dei servizi, mentre l’analisi dei dati permette di individuare più precocemente situazioni di bisogno e di costruire interventi più mirati.

In questo contesto, assume particolare rilevanza l’attenzione a tre dimensioni: la governance pubblica dei dati, la trasparenza e la spiegabilità degli algoritmi, e la proattività dei servizi, orientata ad anticipare i bisogni e ridurre le asimmetrie informative.

In sintesi, un approccio data-driven, se adeguatamente governato, può quindi favorire un accesso più ampio alle prestazioni, ad esempio attraverso meccanismi automatizzati di identificazione dei beneficiari. Perché questo accada restano centrali le questioni legate alla qualità dei dati – in termini di affidabilità, interoperabilità e sicurezza – nonché all’accessibilità dei servizi, che devono essere comprensibili e utilizzabili da tutti. È inoltre fondamentale considerare la loro effettiva fruibilità da parte delle operatrici e degli operatori, al fine di integrare tali innovazioni nelle pratiche amministrative quotidiane.

… e rischi

Accanto a queste opportunità emergono però tre criticità rilevanti in termini di trasparenza, neutralità e accountability.

Innanzitutto, gli algoritmi si basano su grandi quantità di dati che possono riflettere e amplificare disuguaglianze e bias già presenti nella società, soprattutto quando derivano da fonti non rappresentative, come i social media. Ciò solleva rilevanti questioni di rappresentatività e relative ai data invisibles, portando all’esclusione di gruppi come migranti, donne e soggetti in condizioni marginali, che, lasciando poche tracce nei dati digitali, rischiano di rimanere invisibili nei processi decisionali e nelle politiche di welfare (Borromeo et al. 2026). Inoltre, venendo al secondo punto, la complessità delle condizioni di vita e la multidimensionalità dei fenomeni sociali ed economici rischia di essere ridotta a indicatori semplificati, con possibili effetti sulla qualità e sull’equità delle decisioni. Infine, con riferimento al terzo punto, l’opacità dei processi decisionali e la standardizzazione delle decisioni può ridurre lo spazio per il giudizio umano, limitando la capacità di cogliere la specificità delle situazioni individuali.

Istruzioni per l’uso delle intelligenze artificiali nella programmazione sociale

Pertanto, in questo scenario, il rischio è quello di rafforzare dinamiche di esclusione, in particolare nei confronti dei gruppi meno rappresentati nei dati. Un esempio emblematico di queste criticità è il caso del sistema SyRI (Systeem Risico Indicatie) nei Paesi Bassi (ne avevamo parlato qui, ndr). Introdotto nel 2014 per contrastare le frodi nel welfare, il sistema costruiva profili di rischio sociale a partire dall’incrocio di informazioni su reddito, lavoro, benefici sociali e altre variabili, con l’obiettivo di rendere più efficiente l’azione pubblica e rafforzare la capacità di prevenzione.

Secondo quanto emerso, SyRI operava in modo opaco e utilizzava dati spesso raccolti per finalità diverse, sollevando dubbi in termini di proporzionalità e tutela della privacy. Inoltre, la sua applicazione prevalente in contesti caratterizzati da maggiore vulnerabilità socio-economica ha messo in luce il rischio di discriminazioni indirette, legate all’utilizzo di indicatori territoriali standardizzati.

Questo caso è diventato un punto di riferimento nel dibattito internazionale nel 2020 quando il Tribunale dell’Aia, ha dichiarato illegale il sistema, ritenendo che non garantisse un adeguato bilanciamento tra l’obiettivo di contrasto alle frodi e la tutela dei diritti fondamentali, in particolare al rispetto del diritto alla vita privata (Bekker 2021).

La necessità di una nuova governance

L’evoluzione verso un welfare sempre più data-driven e gestito mediante il ricorso a algoritmi e intelligenze artificiali non rappresenta solo un cambiamento tecnologico, ma solleva dunque questioni rilevanti sul piano delle politiche sociali.

Se l’intelligenza artificiale può contribuire a migliorare l’efficienza e la capacità di intercettare i bisogni, allo stesso tempo rischia di rendere meno trasparenti i criteri di accesso alle prestazioni, incorporandoli in sistemi difficilmente comprensibili e, quindi, contestabili. In assenza di adeguate garanzie e di una raccolta dei dati rappresentativa e trasparente, queste tecnologie possono contribuire a rafforzare dinamiche di esclusione e a indebolire il rapporto di fiducia tra cittadini e istituzioni.

In questo scenario, la sfida non riguarda tanto l’adozione degli strumenti digitali, quanto la loro governance: la capacità di garantirne trasparenza, accountability e un’attenta valutazione degli effetti distributivi delle politiche. In questa direzione, una governance efficace dovrebbe articolarsi lungo alcune direttrici chiave: standard condivisi per dati e algoritmi, strumenti di monitoraggio e valutazione attenti anche a equità e inclusione, confronto tra gli attori del welfare e un’integrazione equilibrata tra strumenti digitali e giudizio umano. Un ambito in cui senza dubbio possono fornire un contributo fattivo anche diversi attori di secondo welfare.

Per approfondire:

Note

  1. Lo Stato dell’investimento sociale è un modello di welfare che mira a rafforzare le competenze e le capacità degli individui lungo l’intero arco della vita, al fine di prepararli ad affrontare i rischi sociali, migliorare le loro opportunità di vita e promuovere coesione e inclusione sociale (Hemerijck, 2013).
  2. Il fenomeno del non-take-up indica la mancata fruizione di prestazioni sociali da parte di individui che, pur avendone diritto, non le richiedono o non vi accedono. Su Percorsi di Secondo Welfare abbiamo raccolto qui alcuni contributi sul tema.