Sperimentazione del sistema AIRAS basato su IA generativa per l’allertamento meteo-idrologico

L’aumento significativo degli eventi meteo-idrogeologici in Italia impone una revisione degli strumenti a supporto del sistema di allertamento. Sebbene esista un impianto normativo maturo e una rete tecnico-istituzionale strutturata, la gestione quotidiana delle allerte mostra ancora limiti evidenti: dispersione dei documenti, difficoltà di accesso alle informazioni operative, tempi decisionali rallentati e scarsa integrazione tra fonti eterogenee. Questa tesi analizza in modo critico l’assetto attuale, evidenziando come la complessità del materiale tecnico (bollettini, piani comunali, report post-evento) renda difficile per amministrazioni e sindaci orientarsi durante un’emergenza. Per affrontare queste inefficienze viene proposto AIRAS, un sistema sperimentale basato su tecniche di intelligenza artificiale in grado di indicizzare documenti istituzionali, interpretarli e renderli interrogabili attraverso un’interfaccia conversazionale. L’obiettivo è fornire un accesso immediato e contestuale alle informazioni realmente rilevanti per il decisore, trasformando documenti statici in contenuti dinamici e consultabili in tempo reale. La sperimentazione condotta su materiale proveniente da Regione Piemonte, Comune di Bardonecchia e Comune di Zola Predosa mostra come AIRAS possa facilitare la sintesi, la consultazione e il confronto tra scenari diversi, pur evidenziando i limiti naturali di un prototipo non ancora validato operativamente. Il lavoro discute infine le prospettive future del sistema, evidenziando come soluzioni di AI possano contribuire a modernizzare il processo decisionale e a rafforzare la capacità di risposta delle istituzioni nelle emergenze meteo-idro.