Looking for a Shorter Overview?
AI Summary
Key Moments
Collaborazione ONU-Google
Le Nazioni Unite si uniscono a Google per creare la piattaforma UN System Data Commons per dati statistici AI-ready.Problemi di accuratezza AI
Benchmark UNICEF evidenzia bassa affidabilità nel recupero di dati certificati da modelli AI.Crescita del traffico AI
Assistenti AI generativi aumentano notevolmente le visite ai dati UNICEF e alle statistiche ONU.Importanza del controllo umano
Nonostante dati autorevoli, è cruciale che un umano interpreti e verifichi i risultati AI.L’ONU si affida a Google per rendere i suoi dati globali pronti per gli agenti AI
Le Nazioni Unite hanno annunciato giovedì una collaborazione con Google per rendere più semplice, per i sistemi di intelligenza artificiale, accedere e utilizzare il vasto patrimonio di statistiche globali dell’ONU.
La nuova piattaforma, chiamata UN System Data Commons, è costruita sulla base di Data Commons, l’infrastruttura open source di Google. Consente di cercare dati statistici provenienti da diverse agenzie ONU usando query in linguaggio naturale, superando il vecchio portale UNData, che richiedeva ricerche e navigazione in uno schema più tradizionale da database. Il sistema è inoltre compatibile con il Model Context Protocol (MCP), lo standard che permette ai sistemi di AI di collegarsi direttamente a fonti dati esterne.
Perché serve: gli AI assistant faticano con i dati autorevoli
Sempre più persone si rivolgono agli strumenti di AI per ottenere risposte, ma molti modelli non riescono ancora a recuperare in modo affidabile dati certificati. In un benchmark condotto dall’UNICEF su sei modelli linguistici di grandi dimensioni, analizzando oltre 133.000 risposte su indicatori di sviluppo globale, l’accuratezza media è stata appena del 21,2%, ha spiegato João Pedro Azevedo, chief statistician dell’agenzia, durante un briefing virtuale.
Il test ha incluso GPT-4o e GPT-4o-mini di OpenAI, Claude Sonnet 4.5 e Claude Haiku 4.5 di Anthropic, e Gemini 2.5 Flash e Gemini 2.0 Flash di Google, ha riferito Azevedo a TechCrunch.
- Circa tre risposte su cinque non fornivano alcun numero utilizzabile, spesso perché i modelli evitavano di sbilanciarsi.
- Ripetendo le stesse domande sugli stessi modelli due giorni dopo, quando un numero veniva fornito in entrambe le occasioni, solo in circa la metà dei casi coincideva.
Si tratta di un working paper dell’UNICEF in fase di preparazione per la sottomissione a una rivista scientifica e non ancora peer-reviewed. L’organizzazione prevede di pubblicare metodologia, codice e dati a corredo dell’articolo.
Traffico in crescita dagli assistenti generativi
Quest’anno l’UNICEF ha registrato un forte aumento di traffico verso il proprio sito dati da parte di assistenti di AI generativa. Il portale supera i 6 milioni di visite al mese ed è tra i più consultati dell’agenzia. Dal 1° gennaio al 14 settembre, i click provenienti da link inclusi nelle risposte di ChatGPT sono cresciuti del 67% su base annua, ha detto Azevedo. Nel complesso, tali referral hanno rappresentato il 6,4% delle sessioni, e l’UNICEF stima che gli assistenti AI siano ormai responsabili di circa una visita su dieci.
Che cosa prevede l’UN System Data Commons
Secondo l’ONU, 26 entità del sistema si sono impegnate a partecipare a Data Commons, con dati di quasi 20 organizzazioni disponibili al lancio. L’obiettivo è portare sulla piattaforma l’80% dei dataset statistici dell’intero sistema ONU entro il 2027.
“Siamo ordini di grandezza più avanti in termini di scala, ampiezza e flessibilità, collegando per la prima volta così tante agenzie del sistema ONU”, ha dichiarato Shantanu Mukherjee, direttore ad interim della Divisione Statistica dell’ONU. “E cogliamo questo momento per rendere i nostri dati anche AI-ready.”
Il ruolo di Google e l’architettura tecnica
Google.org ha stanziato 2 milioni di dollari per il rafforzamento delle capacità e ha fornito supporto tecnico per costruire l’infrastruttura centrale della piattaforma. Prem Ramaswami, a capo del team di Google Data Commons, ha dichiarato a TechCrunch che il sistema è ospitato su un’istanza governata dall’ONU e che, nel tempo, l’operatività e la scalabilità saranno gestite in modo indipendente dalle Nazioni Unite.
“Abbiamo adottato un approccio ‘train-the-trainer’ durante tutto il rollout, e abbiamo già visto il team ONU salire rapidamente di livello”, ha spiegato Ramaswami.
Lanciato nel 2018, Data Commons nasce per organizzare dataset pubblici di fonti diverse all’interno di un quadro comune. Lo scorso anno Google ha aggiunto il supporto per MCP, consentendo agli agenti AI di interrogare direttamente Data Commons per ottenere statistiche e relative fonti.
Tracciabilità delle fonti e uso con gli agenti AI
La piattaforma dell’ONU mantiene il collegamento puntuale tra ogni statistica e la sua fonte originaria, permettendo di risalire dal dato recuperato da un sistema AI alla fonte ufficiale dell’ONU. Un aspetto cruciale, come ha rimarcato Azevedo, man mano che cresce la dipendenza degli utenti dagli strumenti di intelligenza artificiale per cercare e interpretare informazioni.
Oltre a facilitare l’estrazione di singoli indicatori, Google ha mostrato come un sistema AI collegato ai dati ONU tramite MCP possa:
- combinare più indicatori in automatico;
- generare dashboard e grafici;
- produrre analisi testuali coerenti,
senza che l’utente debba cercare e integrare manualmente i dataset di base.
In una dimostrazione, è stato chiesto a un sistema AI di valutare l’impatto del PEPFAR (il Piano di Emergenza del Presidente degli Stati Uniti per la Lotta all’AIDS) in Africa. L’agente ha individuato statistiche ONU pertinenti — come infezioni da HIV, mortalità per AIDS e aspettativa di vita — e le ha usate per creare un’infografica.
Il limite critico: l’interpretazione resta umana
Disporre di dati autorevoli non rende automaticamente autorevoli le conclusioni di un modello. Come sottolinea Ramaswami, i modelli possono fraintendere le sfumature: è quindi essenziale che un essere umano riveda sempre i risultati prima di citarli o pubblicarli.
