L'errore non si assorbe
Un importo sbagliato diventa un atto da annullare, un rimborso, un contenzioso: il danno non si ripara riprovando.
Esecuzione deterministica, compliance algoritmica, conformità normativa.
WESTIGen trasforma regole scritte in servizi eseguibili. Stesso dato, stesso risultato, e ogni risultato risale al comma che lo ha prodotto.
Legge il testo normativo e ne estrae le regole in un formato di Testo Unico, sotto guida e sorveglianza di una persona.
Esegue quella conoscenza senza improvvisare, e non aggiunge nulla che non sia dichiarato.
Non è un aggettivo enfatico per dire «importante». È una condizione che si riconosce da tre segni che stanno insieme, e dove ci sono tutti e tre l'affidabilità non può essere una speranza riposta in chi scrive il software.
Un importo sbagliato diventa un atto da annullare, un rimborso, un contenzioso: il danno non si ripara riprovando.
La stessa situazione valutata due volte deve dare lo stesso esito: è ciò che distingue una regola applicata da un giudizio improvvisato.
E per contestare deve poter vedere quale regola si è applicata, con quali dati e in quale ordine.
Capitolo 1 · Il campo, i settori in cui si presenta e che cosa costa un errore →
La tecnologia cambia così in fretta che quasi nessuno riesce più a distinguere due cose molto diverse: i risultati che si ottengono con una semplice richiesta a un modello, e i risultati che richiedono ricerca e non si possono inventare con un prompt. Confonderle porta a promettere l'impossibile o a non credere al possibile.
Preferiamo dire dove passa la linea. Da una parte c'è quello che WESTIGen fa già oggi, ed è collaudato. Dall'altra c'è un problema aperto, su cui sta lavorando la ricerca internazionale, e noi con essa.
Se si parte dal testo unico del regolamento, oppure dalle specifiche funzionali del problema, la generazione del servizio eseguibile è un percorso industriale: si compie, si ripete e si collauda.
Questa parte non è una promessa: è in esercizio.
Portare un fascicolo di documenti a un testo unico nel modo più automatizzato possibile, con affidabilità elevata, è il problema che oggi non è risolto. È territorio di ricerca, e lo diciamo per quello che è.
Qui non promettiamo: stiamo lavorando, e siamo vicini.
Il punto non è che i sistemi di AI generativa «a volte sbagliano». Sbagliano continuamente: il problema vero è sapere quando sbagliano.
Capitolo 2 · Lo stato dell'arte per esteso, con la linea disegnata e l'anello di controreazione →
Enti pubblici che applicano leggi, banche che applicano regolamenti, imprese che seguono procedure certificate: tutti applicano regole esplicite attraverso software, e quel software è quasi sempre opaco. Quattro conseguenze, tutte visibili a chi il servizio lo subisce.
Il software tributario contiene errori di calcolo e di applicazione delle regole, e nessuno può leggere la regola che la macchina esegue davvero.
La affitta da un fornitore, senza alcun modo di leggerla: paga un servizio di cui non conosce le regole.
La legge cambia il giorno della pubblicazione in Gazzetta. Il software cambia al ritmo del contratto di manutenzione.
Nessuno gli dice come si è arrivati a quell'importo, e quindi non ha appigli né per capirlo né per contestarlo.
Il problema è il modello, non la qualità dei singoli fornitori. Finché le regole si traducono in codice con un lavoro su misura che nessuno può ispezionare, ogni traduzione richiede un atto di fede.
L'intelligenza artificiale moderna si regge su due approcci nati in epoche diverse, con pregi e limiti opposti. Non sono in competizione: sono complementari, e il modo in cui si combinano decide se un servizio è affidabile oppure no.
Impara da enormi quantità di testo e risponde in modo fluente su qualunque materia. È bravissima a leggere documenti, riconoscerne la struttura e proporne una forma.
Veloce e versatile. Inaffidabile nel calcolo.
Esprime il sapere come regole esplicite e leggibili, e le applica con logica deterministica. Sa spiegare ogni passaggio del proprio ragionamento.
Esatta e ispezionabile. Costosa da costruire.
WESTIGen nasce da un principio netto: usare ciascuna per ciò che sa fare meglio. La generativa costruisce la base di conoscenza, la simbolica la applica.
Da qui in avanti i colori di questo sito vogliono dire sempre queste quattro cose.
Capitolo 3 · Il fondamento scientifico per esteso, con i riferimenti in letteratura →
Quando un servizio applica regole in un contesto critico l'esattezza è un requisito, spesso di legge. Lì i modelli generativi hanno tre limiti documentati in letteratura, e nessuno dei tre è un difetto di gioventù.
Un modello presenta affermazioni plausibili ma false con lo stesso tono con cui ne presenta di esatte, e chi legge non ha modo di distinguerle.
Calcolare due volte la stessa imposta e ottenere due risultati diversi non è un errore inaccettabile: è un atto amministrativo illegittimo.
E ciò che non si può ispezionare non si può contestare, mentre il cittadino ha diritto di sapere perché gli viene chiesto proprio quell'importo.
Sono limiti inerenti all'approccio statistico. Si affrontano con l'architettura del sistema, non aspettando la prossima generazione di modelli.
L'informatica ha da tempo una risposta al bisogno di esattezza: i sistemi basati sulla conoscenza, dove le regole sono dichiarate e un motore le applica in modo deterministico. Una cosa sola ne ha impedito la diffusione, e la letteratura la chiama knowledge acquisition bottleneck: costruire e mantenere una base di conoscenza richiedeva anni di lavoro di specialisti rari. La tecnologia per eseguire le regole era matura; quella per produrle non esisteva.
Oggi esiste, e la ricerca chiama questa convergenza intelligenza artificiale neuro-simbolica. WESTIGen la mette in pratica come processo di produzione con tre ruoli che non si scambiano mai.
Legge gli atti e ne estrae le regole, prima nel testo unico e poi nella base di conoscenza. Non calcola e non decide.
Esegue quella conoscenza senza improvvisare: ciò che non è nella base di conoscenza non entra nel risultato.
Validano le interpretazioni e approvano i passaggi delicati, lasciando una traccia di chi ha deciso che cosa.
La base di conoscenza è l'unica autorità su ciò che il servizio sa. Quando una disposizione ammette più letture, il software non ne sceglie una in silenzio: la scelta viene resa esplicita, consegnata al motore e messa agli atti. Ciò che sta fuori dalla base di conoscenza sta fuori dal sistema, e allora una lacuna della norma resta una lacuna dichiarata invece di diventare un'invenzione plausibile.
Quando la norma cambia si aggiorna la conoscenza. Il software non si riscrive.
Il motore registra il percorso di esecuzione mentre esegue, non lo ricostruisce dopo. È la differenza fra una traccia e una spiegazione a posteriori.
Esempio illustrativo di traccia, nella forma in cui il motore la produce.
regola superficie imponibile fonte D.Lgs. 507/1993, art. 62 c. 1 valore 118 mq regola categoria di utenza fonte Delibera C.C. 14/2026, all. A, cat. 2.2 valore domestica, 3 occupanti regola quota variabile fonte Delibera C.C. 14/2026, art. 5 c. 2 valore 87,40 EUR lacuna riduzione per compostaggio: il regolamento non fissa la percentuale --> rimessa al responsabile del tributo
Il processo di produzione ha quattro stadi, e ognuno si verifica prima che cominci il successivo. È qui che passa la linea fra ciò che è collaudato e ciò che è ancora ricerca: il primo passaggio è il problema aperto, tutto il resto è industriale.
Legge, decreto, delibere, allegati: la materia prima arriva sparsa fra più atti, e portarla a un testo unico in modo automatizzato e affidabile è il problema che oggi non è risolto.
Che cosa la norma richiede, a chi si applica, quali casi ed eccezioni copre: un documento leggibile, che le persone rivedono e approvano. In alternativa si parte dalle specifiche funzionali del problema.
Quel documento diventa conoscenza dichiarativa: definizioni, regole, parametri, vincoli.
Il prodotto finito: dialoga con l'utente, raccoglie i fatti che servono e applica la norma attraverso il motore deterministico.
Un archetipo non è un modello in cui sostituire i valori: è la conoscenza di dominio da cui si generano servizi nuovi. Un requisito locale imprevisto manda un modello in un vicolo cieco; per un archetipo è semplicemente un altro caso da costruire. È questo che ne fa una fabbrica, e non una linea che sforna sempre lo stesso pezzo.
Capitolo 4 · Il processo di produzione e l'archetipo, per esteso →
Sei componenti, ciascuno con un compito che non invade quello degli altri.
Qui i servizi si scrivono, si provano e si versionano, assistiti da un'AI generativa che lavora dentro i limiti della base di conoscenza.
Il cuore simbolico e deterministico, condiviso da tutti i servizi, con suite di regressione che ne verificano la stabilità a ogni aggiornamento.
Porta i servizi agli utenti finali con autenticazione, controlli d'accesso e separazione fra sviluppo ed esercizio.
Gli stessi servizi lavorano su interi archivi: una regola definita una volta regge sia lo sportello sia l'audit su tutto il territorio.
Un servizio può chiamare un modello linguistico come strumento, per leggere un documento o estrarre un dato, ma l'esito rientra sempre nel flusso deterministico.
I servizi girano su infrastruttura gestita e scalabile, con presidio operativo.
Pubblicare un WES lo rende immediatamente disponibile online. Nessun progetto di installazione, nessun ambiente da allestire, nessun fornitore da coordinare: da «ha superato i collaudi» a «i cittadini lo stanno usando» c'è un passo solo.
Quattro presìdi, e nessuno dei quattro è una dichiarazione d'intenti.
Giudici automatici indipendenti verificano struttura, coerenza e comportamento contro esiti attesi, e il verdetto è legato all'impronta crittografica dell'artefatto giudicato: se cambia un byte, il verdetto non lo copre più.
Ciò che la base di conoscenza non copre viene segnalato come lacuna e rimesso a chi ha l'autorità per risolverla. Il sistema non inventa mai una risposta.
Quali regole si sono attivate, con quali dati e in quale ordine. Il motore registra il percorso mentre esegue: una ricostruzione a posteriori è un racconto, una registrazione è una prova.
Poiché ogni regola cita la propria fonte, la traccia espone l'intero percorso dal comma al risultato, e la verifica si ripete a ogni cambio di norma.
Una sola capacità, esprimere la norma come regole eseguibili con la traccia completa dell'esecuzione, dà trasparenza al cittadino, controllo all'ente e verificabilità a chi ispeziona, senza bisogno di tre sistemi diversi.
Una cosa sola è un prodotto. Le altre quattro sono filoni di ricerca attiva a livello prototipale, e le chiamiamo così perché è quello che sono. Due riguardano la fiscalità locale, due la cybersicurezza nazionale, e il prodotto una procedura tecnica che con le norme non ha nulla a che vedere: domini che non si somigliano in nulla, costruiti con la stessa piattaforma e lo stesso metodo.
| Nome | Che cos'è | Che cosa è oggi |
|---|---|---|
| AVATAR | Il procedimento che agevola il sopralluogo dopo un disastro — incendio, alluvione, allagamento — anche a utenti non esperti, con garanzia dello standard qualitativo e dei risultati. A condurlo è l'inferenza del motore, non un modello generativo. | Prodotto |
| TARI | La tassa sui rifiuti. La stessa conoscenza regge due usi distinti: il calcolo spiegato al cittadino e l'audit con cui l'ente verifica come il tributo viene applicato sul proprio territorio. | Prototipo |
| IMU | L'imposta sugli immobili: motore di calcolo costruito col metodo WESTIGen e sottoposto a collaudi sistematici. | Prototipo |
| ACN-CLASS | Perimetro e classificazione NIS2: il procedimento di classificazione dei soggetti rientranti nella normativa europea di cybersicurezza, come recepita dal D.Lgs. 138/2024. | Prototipo |
| ACN-ASSESS | La valutazione delle misure di sicurezza richieste dal quadro NIS2, sulla base della determinazione dell'Agenzia per la Cybersicurezza Nazionale. | Prototipo |
Capitolo 7 · Il prodotto e i filoni, raccontati per esteso →
È un pregio, non un limite. L'AI generativa produce il materiale; le persone validano le interpretazioni, approvano i passaggi critici e giudicano gli esiti dei collaudi. È il principio dell'uomo nel ciclo, ed è ciò che rende il risultato difendibile davanti a un cittadino, a un revisore o a un giudice: per ogni decisione c'è una persona identificabile che ne risponde.
La sorveglianza umana costa, ed è oggi la principale inefficienza rimasta nel processo di produzione. La piattaforma lavora per ridurre quel costo con verifiche automatiche, collaudi ripetibili e riuso della conoscenza, mantenendo la sorveglianza. Nell'applicazione di norme pubbliche, toglierla non renderebbe il sistema più efficiente: lo renderebbe meno affidabile.
Quattro direzioni, tutte già aperte da ciò che esiste oggi.
Ovunque una regola esplicita governi un processo critico: fiscalità, edilizia, welfare, cybersicurezza, compliance bancaria e assicurativa, protocolli clinici, sicurezza industriale.
L'architettura ad archetipi fa sì che ogni modello nazionale generi un catalogo di servizi locali, e la conoscenza vale di più a ogni ente che la adotta.
Verificare il software esistente e dimostrarne gli errori con evidenze tracciabili ha valore per l'ente di per sé, anche se poi non adotta un servizio WESTIGen.
Fonti citate, interpretazioni documentate, verdetti legati agli artefatti, persone nei punti di decisione: serve a chiunque si chieda come adottare l'AI generativa senza esporsi alla sua inaffidabilità.
Ogni passo misurato, ogni prodotto collaudato. L'esecuzione esatta, cioè comportamento deterministico, compliance algoritmica e conformità normativa, diventa una proprietà del processo invece di dipendere dalla giornata del programmatore.
Il modulo non si carica? Aprilo qui.