ROMAGNABIKE store

L’Italia cresce nella mobilità elettrica, ma resta sotto la media Ue. L’intelligenza artificiale può colmare il divario su ricarica intelligente, reti e batterie. L’EU AI Act classifica come “ad alto rischio” i sistemi che incidono sulla sicurezza: un vincolo che può diventare un’opportunità per competenze e produttività, il nodo strutturale segnalato dall’OCSE.

L’Italia corre, ma resta indietro. Nel primo semestre 2026 le auto elettriche rappresentano l’8% delle nuove immatricolazioni, contro il 21% della media Ue. Le immatricolazioni BEV crescono a doppia cifra rispetto all’anno precedente, ma il ritardo infrastrutturale pesa: l’Italia è ultima tra i grandi mercati europei per colonnine ad alta potenza (8% contro il 12% della media EU-5) e per densità di punti di ricarica (2 ogni 1.000 veicoli, contro 3,5). È qui che l’intelligenza artificiale può spostare l’ago: non sostituendo le colonnine che mancano, ma rendendo più efficienti quelle che ci sono e la rete che le alimenta.

L’IA sta già cambiando le regole. La frontiera più matura è la ricarica intelligente e bidirezionale. Progetti come RiBiFlex – coordinato da DazeTechnology con Maps S.p.A. – sviluppano algoritmi predittivi per stimare la disponibilità dei veicoli elettrici, la produzione fotovoltaica e ottimizzare i flussi di carica e scarica verso la rete. Il principio è semplice: un’auto elettrica parcheggiata è una batteria mobile; l’IA decide quando conviene caricarla e quando restituire energia, leggendo i prezzi di mercato in tempo reale. Un consorzio guidato da Braga Moro, con il supporto di BXT per gli algoritmi AI e il CSMT dell’Università di Brescia, ha ottenuto 3,8 milioni di euro da Regione Lombardia per il progetto EV4ER, con l’obiettivo di incrementare l’autoconsumo fino al 25%. Sul fronte infrastrutturale, Powy (prima rete indipendente di ricarica pubblica) e la deep-tech WaveLAB testano sensori Edge AI al NOI Techpark di Bolzano per contrastare i parcheggi abusivi negli stalli e trasformare ogni colonnina in un nodo intelligente che prevede i flussi di ricarica. Ci sono poi FlexyGrid, che aggrega colonnine, accumuli e pompe di calore con una piattaforma AI e blockchain accreditata sui tre progetti pilota dei mercati locali della flessibilità (RomeFlex, MiNDFlex, EDGE), e Witty, che sviluppa software per la ricarica intelligente delle batterie

Il nodo regolatorio: cosa impone l’EU AI Act

L’AI Act non vieta l’IA nella mobilità, ma la sottopone a una disciplina proporzionata al rischio. La distinzione è netta. Un sistema che ottimizza la rete, prevede il carico o migliora l’esperienza utente in una colonnina non ha una funzione di sicurezza diretta e resta a rischio limitato o minimo: valgono obblighi di trasparenza e buone pratiche, non l’intero apparato dei sistemi ad alto rischio. Discorso diverso per i sistemi che incidono direttamente sulla sicurezza fisica. L’AI Act classifica come ad alto rischio i sistemi usati come componenti di sicurezza nella gestione di infrastrutture digitali critiche – come il traffico stradale o la fornitura di elettricità – perché un malfunzionamento può mettere a rischio vite umane e causare perturbazioni sociali ed economiche. Rientrano in questa categoria, ad esempio, i sistemi che monitorano il traffico e regolano i semafori o che riconoscono oggetti pesanti su ponti e banchine, perché proteggono direttamente l’integrità fisica delle persone e delle infrastrutture. Anche i sistemi embedded nei veicoli come “componenti di sicurezza” – dall’assistenza al mantenimento della corsia alla gestione della batteria – sono considerati ad alto rischio ai sensi dell’Allegato 1, che include esplicitamente i veicoli tra i prodotti soggetti a legislazione di sicurezza Ue. Per questi sistemi scattano obblighi stringenti: qualità dei dati, trasparenza, tracciabilità, supervisione umana e valutazione di conformità. Le scadenze sono state però diluite: per i sistemi ad alto rischio “stand-alone” l’applicazione è slittata a dicembre 2027, per quelli integrati in prodotti regolamentati (come le auto) a agosto 2028. Il rinvio non cambia la sostanza: chi sviluppa IA per la mobilità elettrica deve progettare la conformità fin da subito.

Il vero collo di bottiglia: dati, competenze e produttività. La mobilità elettrica è un caso paradigmatico del nodo italiano segnalato dall’OCSE: la produttività ristagna perché le imprese investono poco in ricerca e innovazione (1,4% del PIL contro il 2,7% OCSE) e hanno un ritardo nelle competenze manageriali e digitali. L’IA può aumentare l’efficienza delle reti e delle colonnine, ma senza dati interoperabili e senza personale in grado di governare i modelli, l’adozione resta frammentata. Il settore trasporti è inoltre sempre più esposto al rischio cyber: in Italia gli incidenti nel comparto Transportation/Storage sono cresciuti del 134,6% nel 2025 rispetto all’anno precedente. L’AI Act, con i suoi requisiti di robustezza e cybersicurezza per i sistemi ad alto rischio, non è solo un costo di compliance: è un incentivo a costruire infrastrutture digitali più solide, cioè la precondizione perché la mobilità elettrica diventi un volano di produttività e non solo un mercato di nicchia.

L’Italia ha l’occasione di usare l’IA per compensare il ritardo fisico nelle colonnine con l’intelligenza del sistema: reti che parlano con le auto, colonnine che anticipano la domanda, batterie che diventano risorsa per la rete. Ma perché questo accada servono due cose che l’AI Act rende esplicite: regole chiare sulla sicurezza e competenze diffuse per applicarle. Senza le seconde, anche il quadro normativo più sofisticato resta un adempimento; con le seconde, può diventare il punto di partenza per quella crescita della produttività che l’OCSE indica come la priorità mancante dell’economia italiana.

progetto per integrare agenti di IA conformi all’EU AI Act nella formazione certificata online di Bikeacademy (BBAcademy – Bicycle & Business Academy), la scuola tecnica e professionale a supporto della bike industry. Il progetto parte da un vincolo preciso: nella formazione professionale l’IA non è un accessorio neutro. Può decidere chi accede a un corso, come si valuta un risultato, quale percorso è adatto a una persona. Per questo l’AI Act la tratta con particolare attenzione

Bikeacademy sta progettando la conformità “by design”

L’Articolo 4 dell’AI Act impone a fornitori e deployer di sistemi di IA di adottare misure idonee a garantire un livello sufficiente di AI literacy per il personale e per chiunque operi per loro conto nell’uso dei sistemi. L’obbligo è pienamente efficace dal 2 febbraio 2025, e le FAQ della Commissione europea chiariscono che la formazione – frequente e specifica – è il mezzo principale per assolverlo

Il punto più delicato per Bikeacademy riguarda la classificazione dei sistemi. L’Allegato III dell’AI Act considera ad alto rischio i sistemi di IA usati nell’istruzione e nella formazione professionale per: determinare l’accesso o l’ammissione a istituti e programmi; valutare i risultati dell’apprendimento; valutare il livello di istruzione adeguato per una persona; monitorare e rilevare comportamenti vietati durante gli esami. La ratio è esplicita: questi sistemi possono determinare il percorso educativo e professionale di una persona e incidere sulla sua capacità di guadagnarsi da vivere.

La distinzione operativa è quindi netta:

• Agenti di supporto (tutor che spiega, orienta, ripete, propone esercizi senza decidere l’esito) possono restare a rischio limitato, con obblighi di trasparenza: l’utente deve sapere che sta interagendo con un’IA.
• Agenti che valutano, ammettono o certificano ricadono nell’alto rischio. Richiedono gestione del rischio, qualità dei dati, documentazione tecnica, registrazione degli eventi, supervisione umana effettiva e informativa preventiva agli studenti. Le scadenze per l’applicazione piena sono state diluite – dicembre 2027 per i sistemi stand-alone e agosto 2028 per quelli integrati in prodotti regolamentati – ma la progettazione conforme va avviata subito.-

Un ulteriore divieto riguarda l’inferenza delle emozioni negli istituti di istruzione: è vietata, salvo motivi medici o di sicurezza, per la sua natura invasiva e lo squilibrio di potere nel contesto educativo.

Il progetto propone un ecosistema di agenti differenziato per funzione e rischio, in modo che la conformità non blocchi l’innovazione ma la orienti.

Agente 1 – “Tutor tecnico”

Funzione. Supporta lo studio dei moduli tecnici (meccanica della bici, materiali, trasmissione, officina, e-bike) con spiegazioni, esempi, simulazioni di diagnosi e domande di autoverifica. Non produce valutazioni certificative.

Misure di conformità.

• Trasparenza rafforzata: interfaccia che dichiara in modo permanente “Stai interagendo con un assistente IA” e un pulsante “Perché mi stai dicendo questo?” che mostra le fonti del materiale didattico usato.
• Human-in-the-loop “di secondo livello”: le risposte dell’agente sui contenuti tecnici sono validate a campione dai docenti di Bikeacademy; ogni segnalazione di errore apre una revisione umana.
• Registro delle interazioni (prompt, risposte, fonti, azioni dell’utente) conservato per la rendicontazione e il miglioramento continuo.
• Nessuna profilazione emotiva: l’agente non deduce stati d’animo, non usa toni manipolatori e non adatta il contenuto in base a presunte emozioni.

Agente 2 – “Valutatore assistito”

Funzione. Corregge bozze di esercizi, prove pratiche simulate e quiz, propone un punteggio provvisorio e una restituzione formativa. La certificazione finale resta in capo a un valutatore umano.

Misure di conformità.

• Supervisione umana effettiva (Art. 14): il valutatore umano vede il punteggio suggerito, le motivazioni, i passaggi logici dell’agente e può accettare, modificare o respingere la valutazione. Nessun certificato è emesso senza una decisione umana esplicita.
• Qualità e provenienza dei dati: set di valutazione costruito sui materiali didattici di Bikeacademy, con verifica della copertura dei diversi profili di studente e test di equità per genere, età, provenienza e disabilità.
• Documentazione tecnica e log immutabili: ogni valutazione conserva la versione del modello, il prompt, l’output e l’intervento umano, per soddisfare i requisiti di registrazione e tracciabilità.
• Informativa preventiva: prima dell’uso, lo studente riceve una spiegazione chiara del ruolo dell’IA nella valutazione e dei suoi diritti, compreso il diritto a chiedere la revisione umana.

Agente 3 – “Orientatore di percorso”

Funzione. Suggerisce percorsi formativi successivi (es. dopo la manutenzione di base, un modulo su sospensioni o e-bike) sulla base delle competenze acquisite.

Misure di conformità. Se il suggerimento non vincola l’accesso e si limita a proporre opzioni, può essere trattato come rischio limitato con trasparenza. Se invece l’agente determina l’ammissione a un percorso certificato o influenza materialmente il livello di formazione a cui lo studente può accedere, va trattato come alto rischio. In quel caso serve una valutazione d’impatto sui diritti fondamentali prima dell’uso, come previsto per i deployer di sistemi ad alto rischio nel settore dell’istruzione.

Il cantiere di conformità: cosa costruire prima di attivare gli agenti

Inventario e classificazione dei casi d’uso

Prima di scrivere una riga di codice, Bikeacademy deve mappare ogni funzione dell’agente rispetto all’Allegato III. La domanda guida non è “l’IA è utile?”, ma “questa funzione può incidere sull’accesso, sulla valutazione o sul percorso di una persona?”. La risposta determina il regime: trasparenza o alto rischio.

AI literacy per docenti, tutor e studenti

L’Articolo 4 richiede un livello sufficiente di alfabetizzazione, calibrato su competenze, esperienza e contesto. Il progetto prevede tre percorsi distinti:

• Docenti e valutatori: capacità di comprendere gli output dell’agente, riconoscere allucinazioni e bias, esercitare la supervisione umana in modo consapevole, documentare le decisioni.
• Personale di supporto e tutor: uso corretto degli agenti, gestione delle escalation, informativa agli studenti.
• Studenti: modulo breve e obbligatorio prima dell’accesso agli agenti, su cosa fa l’IA, quali sono i limiti, come chiedere la revisione umana, quali dati vengono trattati.

La formazione deve essere frequente e specifica, non un evento una tantum: le FAQ della Commissione indicano che i programmi di alfabetizzazione devono includere formazione ricorrente.

Ogni agente deve essere presentato con una scheda pubblica che risponda a poche domande essenziali: a cosa serve, cosa non fa, chi decide davvero, quali dati usa, come si chiede l’intervento umano, come si segnala un errore. Per l’agente di valutazione, l’informativa deve essere preventiva e comprensibile anche a chi non ha competenze tecniche.

Supervisione umana come processo, non come pulsante

La supervisione umana prevista dall’AI Act non è la presenza di una persona che “dà un’occhiata”. È un processo progettato: il valutatore deve avere il tempo, le informazioni e l’autorità per intervenire. Il progetto prevede:

• campioni obbligatori di valutazioni riviste umanamente;
• soglie di allerta quando l’agente è incerto o quando la distribuzione dei punteggi si discosta dalla media storica;
• canale di escalation per lo studente che contesta una valutazione assistita;
• audit trimestrale degli interventi umani, per verificare che non si riducano a una ratifica formale.

I materiali di Bikeacademy sono tecnici e settoriali, ma la valutazione assistita deve essere testata per non riprodurre svantaggi sistematici. Il progetto prevede test di equità sui set di validazione e un riesame periodico. Resta fermo il divieto di inferenza emotiva durante le attività formative e di esame.–

Indicatori di successo (KPI)

• Conformità: 100% degli agenti classificati e documentati prima dell’attivazione; 100% delle valutazioni certificate con supervisione umana registrata.
• Alfabetizzazione: ≥ 90% di docenti, tutor e studenti coinvolti completa il percorso entro la Fase 1; test di comprensione con soglia minima concordata.
• Qualità della supervisione: tasso di modifiche umane alle valutazioni dell’agente monitorato e non inferiore a una soglia fisiologica (se è troppo basso, la supervisione è probabilmente solo formale).
• Equità: assenza di scostamenti statisticamente significativi nei punteggi assistiti tra gruppi protetti nei test di validazione.
• Esperienza utente: riduzione del tempo di restituzione formativa, senza aumento dei reclami; soddisfazione degli studenti rispetto alla chiarezza dell’informativa.

Rischi principali e mitigazioni

• Rischio di “automation bias”: studenti e docenti si fidano ciecamente dell’agente. Mitigazione: interfaccia che mostra sempre l’incertezza e le fonti; supervisione umana con potere reale di modifica; formazione specifica sul bias.
• Rischio di classificazione errata: un agente nato come “tutor” inizia a suggerire percorsi vincolanti e scivola nell’alto rischio senza aggiornare la conformità. Mitigazione: registro dei sistemi IA riesaminato a ogni rilascio rilevante; “maniglia normativa” che blocca nuove funzioni finché non sono classificate.
• Rischio di supervisione apparente: il valutatore umano ratifica sempre il punteggio dell’agente. Mitigazione: audit degli interventi, campioni ciechi, rotazione dei valutatori, metriche di dissenso.
• Rischio di ritardo rispetto alle scadenze: l’AI Act non aspetta. Mitigazione: partire dagli agenti a rischio limitato (Tutor) per costruire competenze e processi, mentre si prepara la conformità dell’agente ad alto rischio.

Bikeacademy non ha bisogno di scegliere tra innovare e conformarsi. Ha bisogno di progettare la conformità come parte dell’innovazione. L’agente Tutor a rischio limitato può partire prima, costruire alfabetizzazione e fiducia, e generare dati per migliorare il sistema. L’agente Valutatore ad alto rischio richiede più tempo e più rigore, ma è anche quello che può dare a #Bikeacademy un vantaggio competitivo reale: una certificazione assistita dall’IA credibile perché governata da umani, documentata e trasparente. In un settore – la formazione professionale – dove l’AI Act considera l’IA capace di incidere sul percorso di vita delle persone, la conformità non è un costo accessorio: è la condizione per usare l’IA senza erodere la fiducia che una certificazione deve per definizione garantire.

Fabrizio Fantini

BIKEACADEMY.EU

#BIKEACADEMY #ROMAGNABIKE #FINMOB