Che cosa succede quando geologi, fisici, informatici e ingegneri cominciano a sperimentare l’intelligenza artificiale generativa nelle proprie pratiche di lavoro?
Succedono molte cose: entusiasmo, errori, scoperte e lezioni inattese.
Nel maggio 2024, l’INGV ha istituito un gruppo di lavoro dedicato all’intelligenza artificiale generativa. L’obiettivo non era semplicemente scegliere uno strumento o inseguire l’ultima novità tecnologica, ma capire in quali condizioni l’AI potesse diventare realmente utile per la ricerca e per le attività dell’Istituto.
Questa esperienza, durata un anno, è ora raccontata nel nostro articolo pubblicato su Annals of Geophysics:
Exploring the Adoption of Generative AI in Geoscientific Workflows at INGV: A Structured Qualitative Case Study from the GdL AI Working Group
Dalle promesse ai casi d’uso
La discussione sull’intelligenza artificiale rischia spesso di rimanere astratta. Si parla di modelli sempre più grandi, prestazioni, benchmark e scenari futuri. Ma per un’istituzione scientifica la domanda più concreta è un’altra:
In quali attività quotidiane questi strumenti possono davvero aiutare?
Per rispondere, il gruppo di lavoro ha esplorato diversi casi d’uso legati alle Scienze della Terra:
- l’interpretazione macrosismica;
- l’analisi di documenti storici sui terremoti;
- l’interazione in linguaggio naturale con i servizi web sismologici;
- il supporto alla scrittura e alla revisione di codice scientifico.
Non si è trattato di sostituire competenze e procedure esistenti, ma di capire dove l’AI potesse inserirsi in modo utile e controllabile.
Dove l’AI può essere utile
L’esperienza ha mostrato che l’AI generativa può offrire un supporto concreto soprattutto quando aiuta a:
- trasformare materiale non strutturato in informazioni organizzate;
- rendere più accessibili infrastrutture e servizi tecnici complessi;
- accelerare lo sviluppo e la revisione del software scientifico;
- ridurre il tempo necessario per esplorare documentazione e codice.
Questi vantaggi non derivano semplicemente dalla capacità dei modelli di “dare risposte”. Emergono quando l’AI viene inserita all’interno di un flusso di lavoro progettato con attenzione.
La qualità del risultato dipende infatti dalla qualità dei dati, dalla formulazione del problema, dal contesto fornito al modello e dalla capacità di verificare criticamente ciò che viene prodotto.
L’esperto resta al centro
Uno dei risultati più importanti del progetto è anche uno dei più semplici: l’intelligenza artificiale non elimina la necessità del giudizio esperto.
Le risposte dei modelli possono essere utili, ma non sono automaticamente corrette. Devono essere controllate, interpretate e, quando necessario, corrette.
Per questo il principio dell’human in the loop non è soltanto una precauzione etica. È una condizione operativa per ottenere risultati scientificamente affidabili.
In ambito geofisico, una risposta plausibile ma errata può avere conseguenze importanti. La supervisione umana serve quindi a mantenere il legame tra l’output prodotto dal modello e il significato scientifico del problema affrontato.
L’adozione non è solo tecnologica
L’esperienza dell’INGV mostra anche che introdurre l’AI in un’organizzazione non significa semplicemente mettere nuovi strumenti a disposizione delle persone.
Servono formazione, regole condivise, attenzione alla privacy, valutazione dei rischi e una governance capace di accompagnare la sperimentazione.
Occorre inoltre interrogarsi sulla sovranità tecnologica: dove vengono elaborati i dati? Quali informazioni vengono condivise? Da quali infrastrutture dipendiamo? Possiamo mantenere il controllo sui processi e sulle conoscenze che affidiamo ai modelli?
Queste domande sono particolarmente importanti nella ricerca scientifica, dove dati, software e competenze costituiscono una parte essenziale dell’infrastruttura pubblica della conoscenza.
Imparare prima di adottare
Il valore principale di questo primo anno non sta nell’aver trovato una risposta definitiva sull’intelligenza artificiale.
Sta nell’aver costruito uno spazio istituzionale per sperimentare, confrontarsi e imparare.
L’adozione responsabile dell’AI non può essere affidata soltanto all’iniziativa individuale, né può seguire esclusivamente la velocità con cui il mercato introduce nuovi strumenti.
Deve essere accompagnata da pratiche condivise e da una cultura capace di riconoscere sia le opportunità sia i limiti della tecnologia.
L’AI generativa può rafforzare alcuni flussi di lavoro scientifici. Ma soltanto quando viene documentata, criticamente supervisionata e inserita in un quadro più ampio di responsabilità istituzionale.
La domanda, in fondo, non è soltanto che cosa l’intelligenza artificiale sia capace di fare.
È anche come vogliamo imparare a usarla.

Commenti