L’intelligenza artificiale sta uscendo dalla fase dei progetti sperimentali per entrare nella gestione quotidiana delle città. Pianificazione urbana, mobilità, infrastrutture, energia, servizi pubblici e risposta alle emergenze sono alcuni degli ambiti in cui gli algoritmi possono analizzare quantità crescenti di dati e trasformarle in decisioni operative. Il passaggio decisivo, però, riguarda la capacità di integrare queste soluzioni in sistemi urbani complessi, facendo dialogare applicazioni, reti, sensori, piattaforme e digital twin.
È su questo terreno che l’International Telecommunication Union (Itu) punta ora ad accelerare il lavoro sugli standard. Ramy Ahmed Fathy e Jun Seob Lee, co-presidenti del nuovo Focus Group on AI for Smart Sustainable Cities and Communities, spiegano come l’adozione dell’AI stia portando le amministrazioni verso una nuova fase della trasformazione digitale.
Fathy è Chief of International Cybersecurity della National Telecom Regulatory Authority egiziana, Lee fa parte dell’Electronics and Telecommunications Research Institute della Corea del Sud. Secondo i due esperti, l’AI può migliorare l’analisi di dati complessi, rendere più efficienti i servizi pubblici, ottimizzare le infrastrutture e aiutare le città ad affrontare problemi ambientali e sociali. Per ottenere risultati su scala urbana occorrono però sistemi interoperabili, affidabili e trasparenti, inseriti in un quadro che mantenga al centro le esigenze delle persone.
Indice degli argomenti
Dalla smart city alla città governata dall’AI
Il salto rispetto alla prima generazione di smart city riguarda soprattutto il livello di integrazione. Negli anni passati molte amministrazioni hanno sviluppato singoli progetti digitali: sistemi intelligenti per il traffico, illuminazione connessa, sensoristica ambientale, piattaforme per la gestione dei rifiuti, videosorveglianza, servizi digitali per i cittadini. L’AI introduce la possibilità di collegare queste diverse fonti informative e utilizzare i dati per prevedere eventi, adattare i servizi e coordinare processi in tempo reale.
L’evoluzione si intreccia con la diffusione dei digital twin, cioè rappresentazioni digitali dinamiche di infrastrutture, edifici o intere aree urbane, alimentate dai dati provenienti dal mondo fisico. A questo si aggiungono l’Internet of Things, il cloud, l’edge computing e reti di comunicazione capaci di collegare un numero crescente di dispositivi distribuiti sul territorio.
L’Itu ha già dedicato a questo scenario la guida Autonomous cities and AI: The next frontier of urban transformation, pubblicata nel luglio 2026 nell’ambito dell’iniziativa United for Smart Sustainable Cities (U4SSC). Il documento analizza la convergenza fra AI, sistemi autonomi, digital twin, IoT, robotica e connettività avanzata e descrive l’evoluzione verso ambienti urbani capaci di rilevare condizioni, apprendere dai dati, formulare previsioni e gestire progressivamente alcuni servizi con un livello crescente di automazione.
Questa trasformazione allarga anche il perimetro delle infrastrutture necessarie. La qualità delle applicazioni dipende infatti dalla capacità di raccogliere e trasmettere informazioni con continuità, elaborarle con tempi compatibili con il servizio e renderle utilizzabili da piattaforme differenti. Connettività, capacità di calcolo, cloud, edge, sensoristica e gestione dei dati diventano componenti dello stesso ecosistema urbano.
Interoperabilità, il nodo da sciogliere per crescere
La diffusione di applicazioni AI sviluppate da soggetti diversi rischia di produrre un nuovo livello di frammentazione. Una città può utilizzare piattaforme differenti per mobilità, energia, sicurezza, ambiente, servizi amministrativi e gestione delle infrastrutture. Se ciascun sistema utilizza modelli dati, interfacce e procedure proprie, collegare le diverse componenti diventa costoso e complesso.
Per Fathy e Lee è proprio l’interoperabilità uno dei requisiti principali per portare l’AI oltre la dimensione dei singoli progetti. Le amministrazioni devono poter integrare le nuove applicazioni con le infrastrutture digitali già esistenti e farle funzionare in maniera affidabile anche quando aumenta il numero dei servizi coinvolti.
Il problema riguarda tanto la tecnologia quanto i dati. I sistemi devono sapere come scambiarsi informazioni, interpretarle correttamente e applicare regole coerenti su accesso, qualità, sicurezza e responsabilità. È una questione destinata a diventare ancora più rilevante con l’affermazione dell’AI agentica, nella quale software capaci di svolgere autonomamente sequenze di attività potrebbero interagire con piattaforme e servizi urbani differenti.
L’interoperabilità serve inoltre a evitare che le amministrazioni rimangano vincolate a soluzioni verticali difficili da integrare o sostituire. Architetture aperte e interfacce condivise possono rendere più semplice aggiungere nuovi servizi, cambiare fornitori e riutilizzare dati e infrastrutture per applicazioni differenti.
L’Itu sta lavorando da tempo su questo fronte. Un rapporto U4SSC dedicato alle piattaforme decentralizzate per le smart city, pubblicato nel febbraio 2026, affronta per esempio i requisiti relativi a dati e Api e il passaggio verso architetture in grado di supportare scambi sicuri e scalabili fra sistemi differenti, includendo temi come sovranità dei dati, interoperabilità e governance.
Qualità dei dati e fiducia diventano requisiti infrastrutturali
Un sistema urbano basato sull’intelligenza artificiale dipende dalla disponibilità di informazioni affidabili. Sensori difettosi, dati incompleti, dataset non aggiornati o informazioni raccolte secondo criteri incompatibili possono ridurre la qualità delle decisioni prodotte dagli algoritmi.
Fathy e Lee richiamano quindi una serie di questioni che le città dovranno affrontare insieme all’adozione delle tecnologie: qualità e disponibilità dei dati, trasparenza, accountability, bias, accessibilità e affidabilità dei sistemi su larga scala. A queste si aggiungono il livello delle competenze, la capacità istituzionale delle amministrazioni, gli investimenti necessari e le differenze fra territori nella possibilità di accedere alle tecnologie e agli specialisti.
La questione acquista un peso particolare nei servizi che incidono direttamente sulla vita delle persone. Un algoritmo utilizzato per regolare il traffico può produrre conseguenze diverse da un sistema impiegato per orientare interventi di sicurezza, gestire infrastrutture critiche o definire priorità nell’erogazione di un servizio pubblico. Crescendo il livello di automazione, diventano quindi più importanti la possibilità di verificare il funzionamento dei sistemi e l’individuazione delle responsabilità.
L’infrastruttura digitale urbana non può essere valutata soltanto sulla base della capacità di elaborazione o della velocità con cui circolano i dati. Servono meccanismi che consentano di sapere quali informazioni sono state utilizzate, come vengono trattate, quali sistemi prendono parte a una decisione e dove rimane necessario l’intervento umano.
Un Focus Group per preparare gli standard
Per costruire questa base comune, nel maggio 2026 l’Itu-T Study Group 20, dedicato a Internet of Things, digital twin e smart sustainable cities and communities, ha istituito il Focus Group on AI for Smart Sustainable Cities and Communities. Il gruppo è concepito come una piattaforma globale aperta a città, governi, imprese, università, organizzazioni internazionali e organismi che si occupano di standardizzazione.
Il suo compito riguarda le attività di pre-standardizzazione necessarie a integrare l’AI nei sistemi urbani. Nel perimetro rientrano requisiti tecnici, interfacce, meccanismi di coordinamento e framework che dovrebbero consentire alle tecnologie di intelligenza artificiale di operare insieme a IoT, digital twin e piattaforme per le città intelligenti.
La prima riunione si è tenuta a Tampere, in Finlandia, il 10 e 11 settembre. Sei working group e 18 task group lavoreranno su 43 obiettivi tecnici e di pre-standardizzazione, con l’obiettivo di produrre specifiche e rapporti che potranno alimentare successivamente l’attività normativa dell’Itu-T Study Group 20.
Il programma copre un perimetro molto ampio. Una prima area riguarda terminologia, tassonomie, strategie di adozione e analisi delle lacune negli standard. Un secondo filone è dedicato ai casi d’uso, ai requisiti e alle architetture di riferimento, includendo energia, servizi a basse emissioni, monitoraggio delle acque, resilienza alle catastrofi, infrastrutture critiche, commercio e logistica.
Un altro gruppo lavorerà specificamente sull’interoperabilità delle infrastrutture e dei servizi, sulle architetture dei dati urbani, sui data space e sui meccanismi di governance. Saranno inoltre affrontati la gestione del ciclo di vita dell’AI, la valutazione della readiness delle città e i sistemi di benchmarking. Accessibilità, inclusione e sostenibilità costituiscono un ulteriore asse di lavoro, segnalando che l’impatto dell’intelligenza artificiale dovrà essere misurato anche in termini sociali e ambientali.
Dall’AI generativa agli agenti autonomi
Il lavoro sugli standard arriva in una fase in cui il concetto stesso di intelligenza artificiale applicata alle città sta rapidamente cambiando. Il Forum on AI and Citiverse, organizzato il 9 e 10 settembre a Tampere da Itu, UN-Habitat e amministrazione cittadina, ha affrontato l’evoluzione dell’AI generativa, dell’AI agentica, dell’intelligenza spaziale e dei sistemi fisici intelligenti.
Il termine “citiverse” viene utilizzato in questo contesto per descrivere l’integrazione crescente fra ambiente urbano fisico e dimensione digitale. Digital twin, dati interoperabili, intelligenza artificiale e tecnologie immersive possono creare rappresentazioni sempre più aggiornate della città e offrire una base comune a servizi differenti.
L’AI generativa può essere impiegata, per esempio, nell’interazione fra cittadini e amministrazioni o nell’analisi di grandi quantità di documenti. L’AI agentica amplia ulteriormente il campo, perché introduce sistemi in grado di pianificare attività, utilizzare strumenti e interagire con altre applicazioni con un maggiore grado di autonomia. L’intelligenza spaziale punta invece a consentire ai sistemi di comprendere meglio ambienti fisici e relazioni fra oggetti, persone e infrastrutture.
In un contesto urbano queste tecnologie possono combinarsi con sensori, robotica e sistemi di controllo. Il risultato può essere un passaggio dall’AI che analizza la città all’AI che partecipa direttamente alla gestione di alcuni suoi processi. È proprio questa evoluzione a rendere più urgente disporre di architetture condivise, regole di sicurezza e procedure per controllare le interazioni fra sistemi differenti.
Mobilità, energia e infrastrutture fra i primi casi d’uso
I casi già analizzati dall’Itu mostrano quanto sia ampio il campo di applicazione. La guida sulle città autonome pubblicata dall’organizzazione raccoglie esperienze che riguardano Valencia, Songdo, Shenzhen, Dubai, Calgary, Budapest, Pechino e altri centri urbani. I progetti comprendono mobilità autonoma, gestione intelligente della segnaletica, pianificazione urbana e integrazione di sistemi AI con le infrastrutture cittadine.
Il settore dei trasporti rappresenta uno dei laboratori più avanzati perché combina grandi quantità di dati, infrastrutture fisiche e necessità di prendere decisioni rapidamente. Informazioni provenienti da veicoli, semafori, telecamere, trasporto pubblico e sensori stradali possono essere elaborate per adattare i flussi di traffico e intervenire in caso di congestioni o incidenti.
Una logica analoga può essere applicata alle reti energetiche e idriche. L’AI può utilizzare dati provenienti dagli impianti e dalle infrastrutture per individuare anomalie, prevedere la domanda e programmare interventi. Anche la gestione delle emergenze può beneficiare della combinazione fra dati in tempo reale, modelli previsionali e sistemi di comunicazione.
La possibilità di collegare questi ambiti introduce però una dipendenza crescente dalla continuità delle infrastrutture digitali. Una città in cui servizi essenziali utilizzano intensivamente AI e dati ha bisogno di reti resilienti, capacità di elaborazione distribuita e sistemi progettati per continuare a funzionare anche in presenza di guasti o attacchi informatici.
Il rischio di un nuovo divario digitale
La diffusione delle smart city ha già mostrato forti differenze nella capacità dei territori di investire in infrastrutture e competenze. L’AI potrebbe amplificarle. Fathy e Lee parlano esplicitamente di un nuovo digital divide legato alla disponibilità di tecnologie, risorse economiche ed expertise necessarie per implementare sistemi avanzati.
Per una grande città dotata di data platform consolidate, reti capillari e strutture tecniche interne può essere relativamente semplice sperimentare modelli avanzati. Per amministrazioni più piccole, costruire l’infrastruttura e governare fornitori, dati e algoritmi può risultare molto più difficile.
Gli standard internazionali possono ridurre almeno parte di questa barriera, perché consentono di riutilizzare architetture, modelli e specifiche senza dover costruire ogni progetto da zero. Possono inoltre favorire mercati più interoperabili, nei quali prodotti e piattaforme sviluppati da soggetti differenti siano più facilmente integrabili.
Resta comunque necessario sviluppare competenze interne alla pubblica amministrazione. Acquistare una piattaforma AI non equivale a disporre della capacità di governarla. Le città devono essere in grado di valutare i dati utilizzati, comprendere i limiti dei sistemi, definire responsabilità, misurare i risultati e verificare nel tempo che le tecnologie continuino a rispondere agli obiettivi del servizio pubblico.
Verso un modello di città centrato sulle persone
Il lavoro dell’Itu si inserisce in un percorso più ampio portato avanti insieme a UN-Habitat attraverso United for Smart Sustainable Cities. Nel corso del forum di Tampere è stata avviata anche una consultazione per sviluppare un nuovo toolbox di principi e framework dedicati alle smart city nell’era dell’AI. Una prima versione è prevista in occasione dello Smart City Expo World Congress di Barcellona, in programma dal 3 al 5 novembre 2026.
L’iniziativa riprende l’impostazione già adottata da U4SSC nel framework per le città centrate sulle persone, che considera le tecnologie digitali strumenti al servizio di inclusione, resilienza e qualità della vita e non obiettivi autonomi della trasformazione urbana.
Con l’AI questa impostazione diventa ancora più rilevante. L’automazione consente di intervenire più rapidamente e di utilizzare una quantità di informazioni difficilmente gestibile attraverso processi tradizionali, ma aumenta anche il numero delle decisioni affidate a sistemi software e la complessità delle catene tecnologiche che sostengono i servizi.
Fathy e Lee sintetizzano il percorso indicando la necessità di mantenere l’innovazione urbana “centrata sulle persone, sostenibile e degna della fiducia del pubblico”.
Per le città, quindi, la prossima fase della smart city non dipenderà soltanto dalla disponibilità dei modelli di intelligenza artificiale più avanzati. A determinare la possibilità di usarli su scala urbana saranno anche reti, infrastrutture di calcolo, qualità dei dati, interoperabilità, sicurezza, competenze e standard comuni. È su questo livello meno visibile, ma indispensabile per collegare tecnologie e servizi, che si giocherà una parte rilevante della trasformazione delle città nei prossimi anni.
Partecipa alla community