Dal dato alla decisione: quando un’informazione diventa evidenza
Tre settori diversi mostrano lo stesso problema:
possiamo ricostruire la catena che porta dall’informazione alla decisione?
24 settembre 2026 · 6 minuti di lettura
Quando una fonte non basta
Un dato può essere corretto. Una fonte può essere autorevole.
Una procedura può essere formalmente documentata.
Eppure, nessuna di queste condizioni garantisce da sola che la
decisione successiva sia verificabile.
Il problema emerge nel passaggio tra ciò che una fonte dimostra
e ciò che qualcuno decide di affermare, raccomandare o fare
sulla base di quella fonte.
Una statistica sull’agricoltura, una raccomandazione prodotta
dall’intelligenza artificiale in fabbrica e una valutazione economica
all’interno di una procedura amministrativa sembrano casi molto diversi.
La domanda, però, è la stessa:
possiamo ricostruire la catena che porta dall’informazione
alla decisione?
01 · Dal dato al claim
Quando il dato non coincide con ciò che affermiamo
Il 53,7% rilevato da ISTAT può essere statisticamente corretto nel
perimetro definito dalla rilevazione. Quando quel numero viene
trasformato nell’affermazione secondo cui più della metà delle aziende
agricole sarebbe “circolare”, cambia la natura del claim.
Non basta più verificare il numero. Occorre ricostruire:
fonte → metodo → dato → interpretazione → claim.
L’autorevolezza della fonte originaria non si trasferisce automaticamente
alle affermazioni costruite successivamente sul dato.
In ambito industriale, sistemi AI-based possono contribuire alla
manutenzione predittiva, alla pianificazione e alla formulazione di
raccomandazioni operative. La qualità della previsione, però, è soltanto
una parte del problema.
Se una raccomandazione influenza una decisione reale, occorre poter
ricostruire quali dati siano stati utilizzati, quale sistema abbia
prodotto il risultato, quali controlli siano intervenuti e quale persona
avesse l’autorità di confermare, modificare o interrompere l’azione.
La catena diventa:
fonte → dato → elaborazione → raccomandazione → decisione →
azione → responsabilità.
Non si tratta di chiedere all’AI di essere infallibile.
Si tratta di poter comprendere perché una determinata azione sia stata
intrapresa e chi ne mantenga l’autorità.
Quando l’evidenza entra nella procedura amministrativa
Nelle procedure relative alle concessioni demaniali, la determinazione
dell’indennizzo del concessionario uscente può richiedere valutazioni
economiche e documentazione tecnica, inclusa la perizia asseverata nei
casi previsti.
Qui l’evidenza non serve soltanto a descrivere una situazione:
entra nella costruzione della decisione amministrativa.
Diventano centrali quattro domande:
chi ha prodotto la valutazione? Su quali elementi documentali?
Secondo quali criteri? Quali passaggi consentono a un soggetto terzo
di ricostruire il risultato?
Il caso è specialistico, ma il principio è generale: più un’evidenza
incide su una decisione, maggiore diventa l’esigenza di conservarne
provenienza, metodo e responsabilità.
Agricoltura, AI industriale e concessioni demaniali sembrano avere poco
in comune. Eppure mostrano tre momenti della stessa trasformazione.
Un dato diventa interpretazione.
Un’interpretazione può diventare raccomandazione.
Una raccomandazione o una valutazione può diventare decisione.
A ogni passaggio aumenta la distanza dalla fonte originaria.
Ed è proprio in quella distanza che diventa necessario conservare
l’evidenza. Non per accumulare documenti, ma per poter rispondere,
anche successivamente, a una domanda molto semplice.
Una domanda da portare con sé
Su quali basi abbiamo deciso?
Se non possiamo ricostruire fonti, trasformazioni, controlli e
responsabilità, possedere il dato originario potrebbe non essere
sufficiente a rendere verificabile la decisione.
Strumento operativo
12 domande per capire se un’organizzazione governa davvero l’AI
Se domani un cliente, un dipendente, un’autorità o un partner chiedesse
perché un sistema AI ha prodotto un determinato risultato,
l’organizzazione saprebbe ricostruire dati in ingresso, versione dello
strumento, output prodotto, controllo svolto e decisione finale?
La checklist Cognitive Logic permette una prima autovalutazione di
responsabilità, dati, controlli, evidenze, tracciabilità e autorità umana.