L’uso dell’intelligenza artificiale nelle bonifiche ambientali migliora la valutazione del rischio, la stima dei costi e il dialogo tra istituzioni, imprese e assicurazioni. Changes ne ha parlato con Alessio Tommaso Fusco.
Il degrado del territorio è il risultato di attività industriali, agricoltura intensiva, urbanizzazione, attività minerarie e, in alcuni casi, di processi naturali. Gli inquinanti che ne derivano mettono a rischio la salute umana, gli ecosistemi e le risorse idriche, generando al tempo stesso costi economici molto elevati.
Oggi le bonifiche ambientali stanno entrando in una nuova fase: sensori, modelli predittivi e algoritmi di intelligenza artificiale promettono di accelerare i tempi, ridurre gli errori e migliorare la trasparenza dei processi decisionali. Per il settore assicurativo questo significa poter valutare meglio i rischi, stimare i costi con maggiore precisione e prevenire il contenzioso.
L’integrazione di tecnologie di Geospatial Intelligence basate su IA consente infatti un’analisi più rapida e puntuale dei siti contaminati. Secondo la Struttura del Commissario Unico alle Bonifiche, la sfida principale resta la corretta valutazione dei rischi che gli inquinanti pongono agli ecosistemi.
Su questi temi abbiamo intervistato il tenete colonnello dei Carabinieri, Alessio Tommaso Fusco, subcommissario alle bonifiche delle discariche abusive e capo Divisione logistica, comunicazione e coordinamento delle strutture di supporto al commissario unico nazionale alle bonifiche.
Quali sono le applicazioni e i benefici?
L’Intelligenza Artificiale sta migliorando in modo significativo la pianificazione e l’efficacia delle bonifiche ambientali. Il suo utilizzo aumenta la certezza tecnica, riduce tempi e costi e contribuisce a contenere il contenzioso. Dopo le prime applicazioni informatiche dei primi anni Duemila, come il software Risk Net, oggi strumenti molto più avanzati – dai droni ai sistemi di analisi multicriterio – sono considerati indispensabili già nella fase di pre-caratterizzazione dei siti.
Grazie agli strumenti predittivi e analitici basati su IA è possibile ridurre sensibilmente tempi, costi e dispute legali. I modelli di machine learning consentono di stimare le concentrazioni di sostanze pericolose analizzando dati storici, informazioni geologiche e cartografiche, permettendo di prevedere valori anche in punti non direttamente campionati. Questo approccio riduce il numero di prelievi necessari e ottimizza i costi delle indagini ambientali.
Gli algoritmi migliorano anche i piani di monitoraggio e campionamento, suggerendo dove e quanti campioni prelevare, trovando un equilibrio più efficace tra precisione e risorse disponibili e riducendo sia campionamenti ridondanti sia incompleti. Ne derivano minori contestazioni tecniche e una maggiore solidità dei progetti.
Un ulteriore beneficio riguarda il supporto alla scelta delle tecnologie di bonifica: i sistemi basati su IA analizzano scenari multipli, confrontano costi, efficacia e impatti ambientali e individuano le combinazioni di intervento più appropriate. Il monitoraggio in tempo reale, attraverso sensori IoT integrati con algoritmi predittivi, permette infine di rilevare tempestivamente deviazioni dai parametri attesi, riducendo errori, varianti progettuali e contestazioni successive.
L’IA consente anche di prevedere i rischi legali e finanziari grazie all’analisi dei dati storici di contenzioso, aiutando a individuare i siti con una maggiore probabilità di dispute post-bonifica e supportando autorità e assicurazioni nella pianificazione delle garanzie e dei fondi di riserva. Tutto questo contribuisce a tutelare gli operatori e a gestire in modo più efficiente le risorse.
Quali sono invece le criticità e i nodi da sciogliere che intralciano o rallentano le bonifiche?
Le criticità sono numerose e ben documentate anche dal IV Rapporto ISPRA sullo stato delle bonifiche dei siti contaminati in Italia, pubblicato e richiamato sul nostro sito istituzionale. I principali ostacoli riguardano la lunghezza e la complessità degli iter amministrativi, spesso aggravati da una forte eterogeneità e da una qualità non sempre adeguata dei dati disponibili.
A questi fattori si aggiungono la durata dei procedimenti e la complessità delle contaminazioni, che rendono difficile una pianificazione efficace degli interventi. In molti casi vengono ancora utilizzate tecnologie di bonifica non allineate agli standard più aggiornati, con un ricorso prevalente a tecniche datate. Inoltre, l’approccio alla sostenibilità risulta talvolta inadeguato nel giudizio delle tecnologie adottate, rallentando ulteriormente l’innovazione nel settore.
Quali standard o protocolli servirebbero per rendere interoperabili i dati tra istituzioni, operatori e assicurazioni?
Per rendere le bonifiche realmente assicurabili servono standard chiari e omogenei. La standardizzazione rappresenta una leva fondamentale per accelerare i processi e attrarre capitali privati. È necessario innanzitutto garantire certezza normativa sul perimetro delle responsabilità, definire standard tecnici nazionali per la caratterizzazione dei siti e per i progetti di bonifica, oltre a criteri condivisi per la stima dei costi e dei tempi di intervento.
Solo con un quadro comune e interoperabile sarà possibile favorire la collaborazione tra istituzioni, operatori e assicurazioni, riducendo le incertezze e aumentando la fiducia negli investimenti.
Ritiene che l’adozione di strumenti predittivi possa ridurre il contenzioso tra imprese, enti pubblici e assicurazioni?
Sì, l’adozione di strumenti predittivi può ridurre in modo significativo il contenzioso nelle bonifiche, purché vengano rispettate alcune condizioni. L’analisi preventiva del rischio, basata su modelli predittivi che integrano dati storici e geospaziali, consente di stimare con maggiore precisione l’entità della contaminazione e i costi di bonifica, riducendo le incertezze tra i diversi soggetti coinvolti.
Le simulazioni e gli scenari predittivi permettono di progettare interventi più robusti e aderenti alla reale complessità dei siti, diminuendo le contestazioni tecniche dopo l’esecuzione dei lavori. La standardizzazione dei dati e la tracciabilità delle analisi aumentano la trasparenza delle scelte progettuali e operative, fornendo basi oggettive in caso di dispute legali.
Infine, prevedere le criticità prima dell’avvio dei lavori consente di ridurre varianti progettuali e proroghe, che rappresentano spesso una delle principali fonti di contenzioso nei procedimenti di bonifica.
