Ubaldo Comite

Negli ultimi anni, la diffusione delle tecnologie di Intelligenza Artificiale (IA) ha influenzato alcune funzioni della Pubblica Amministrazione (PA). Un potenziale impatto della grande capacità computazionale e predittiva dell’IA riguarda il suo utilizzo nel contrasto alla corruzione e alle frodi. Grazie ad una review sistematica della letteratura di natura multidisciplinare, il presente articolo intende identificare i principali fattori tecnologici, di contesto e organizzativi che possono favorire l’impiego dell’IA in questo ambito, superando la scarsa integrazione di questi fattori attualmente riscontrabile in letteratura. Nel farlo, l’articolo intende contribuire tanto al dibattito scientifico quanto fornire implicazioni di policy. Il protocollo di ricerca ha restituito un campione finale di 45 articoli analizzato qualitativamente secondo il framework TOE (Technology-Organization-Environment). I risultati evidenziano un panorama eterogeneo di tecnologie impiegate, la cui efficacia dipende da fattori organizzativi quali: la qualità dei dati, intesa come la capacità delle amministrazioni di raccogliere, standardizzare e rendere accessibili informazioni complete e affidabili, l’infrastruttura interna, la governance, e le competenze; e ambientali quali: regolamentazione, diffusione della corruzione e impegno politico. In conclusione, sebbene vi sia un forte ottimismo sul potenziale dell’IA, l’efficacia dipende criticamente dalla qualità e accuratezza dei dati di input, dalla trasparenza degli algoritmi per mitigare i bias e dalla necessità di adattare le soluzioni ai contesti locali. In recent years, the spread of Artificial Intelligence (AI) technologies has begun to impact certain functions of Public Administration (PA). One potential application of AI’s significant computational and predictive capabilities is its use in combating corruption and fraud. Through a systematic review of multidisciplinary literature, this article aims to identify the main technological, contextual, and organizational factors that can support the use of AI in this field, addressing the current lack of integration among these factors in the literature. In doing so, the article seeks to contribute both to the academic debate and to provide policy implications. The research protocol yielded a final sample of 45 articles, which were qualitatively analyzed and classified using the TOE (Technology-Organization-Environment) framework. The results reveal a heterogeneous landscape of technologies employed. Their effectiveness is driven by organizational factors, including data quality (which is defined as the capacity to collect and provide complete and reliable data), internal infrastructure, governance, and skills, as well as environmental factors such as regulation, the prevalence of corruption, and political commitment. In conclusion, although there is strong optimism about the potential of AI, its effectiveness critically depends on the quality and accuracy of input data, the transparency of algorithms to mitigate bias, and the need to adapt solutions to local contexts. Ces dernières années, la diffusion des technologies d’Intelligence Artificielle (IA) a commencé à toucher certaines fonctions de l’Administration Publique (AP). L’une des applications potentielles des capacités computationnelles et prédictives de l’IA concerne son utilisation dans la lutte contre la corruption et la fraude. À travers une revue systématique de la littérature multidisciplinaire, cet article vise à identifier les principaux facteurs technologiques, contextuels et organisationnels pouvant favoriser l’usage de l’IA dans ce domaine, en dépassant le manque actuel d’intégration de ces facteurs dans la littérature. Ce faisant, l’article entend contribuer au débat scientifique tout en proposant des implications en matière de politiques publiques. Le protocole de recherche a permis de recueillir un échantillon final de 45 articles, analysés qualitativement selon le cadre TOE (Technologie-Organisation-Environnement). Les résultats mettent en évidence la diversité des technologies employées, dont l’efficacité dépend de facteurs organisationnels tels que la qualité des données (définie comme la capacité des administrations à collecter, normaliser et rendre accessibles des informations complètes et fiables), l’infrastructure interne, la gouvernance et l’expertise ; et de facteurs environnementaux tels que la réglementation, la prévalence de la corruption et l’engagement politique. En conclusion, bien qu’un fort optimisme entoure le potentiel de l’IA, son efficacité dépend de manière critique de la qualité et de la précision des données d’entrée, de la transparence des algorithmes pour atténuer les biais, et de la nécessité d’adapter les solutions aux contextes locaux.