ONU e Google: UN System Data Commons per l'era degli agenti AI

Il nuovo UN System Data Commons sostituisce il portale UNData e rende più semplice consultare le statistiche delle diverse agenzie dell’ONU. È possibile cercare le informazioni utilizzando il linguaggio naturale, sia da parte di un utente sia da parte di un sistema AI. La piattaforma si basa sulla tecnologia open source Data Commons di Google e supporta MCP (Model Context Protocol), lo standard che permette agli agenti di AI di accedere direttamente a fonti di dati esterne.

Come promemoria, per AI agentica si intende quella categoria di sistemi capaci di agire in autonomia per portare a termine un compito. Ventisei entità delle Nazioni Unite si sono impegnate a utilizzare questa piattaforma, e i dati di quasi venti di esse sono disponibili fin dal suo lancio. Cogliamo questa occasione per rendere i nostri dati compatibili con l’intelligenza artificiale, ha dichiarato Shantanu Mukherjee, direttore ad interim della Divisione di statistica delle Nazioni Unite.

UN System Data Commons: l’ONU porta i suoi dati nell’era dell’AI agentica

Secondo un test condotto dall’UNICEF su sei grandi modelli linguistici, la precisione media delle risposte è stata del 21,2% su oltre 133.000 domande relative agli indicatori di sviluppo mondiale. Il panel era composto da GPT-4o e GPT-4o-mini, Claude Sonnet 4.5 e Claude Haiku 4.5, Gemini 2.5 Flash e Gemini 2.0 Flash, ha precisato João Pedro Azevedo, statistico capo dell’UNICEF, durante una conferenza stampa virtuale. Lo statistico ha inoltre segnalato che circa tre risposte su cinque non hanno fornito alcun valore numerico utilizzabile, poiché i modelli hanno il più delle volte risposte vaghe. Due giorni dopo, una seconda serie di domande identiche è stata sottoposta alle versioni inizialmente testate dei modelli. Tra le risposte che hanno fornito una cifra in entrambi i passaggi, il valore è risultato identico in circa un caso su due.

Questo test è un documento di lavoro interno all’UNICEF, in fase di preparazione per una revisione scientifica, e non è ancora stato sottoposto a valutazione tra pari. Secondo l’agenzia, la metodologia, il codice e i dati del test saranno pubblicati al momento dell’uscita dell’articolo.

L’UNICEF ha dichiarato che il traffico generato dagli assistenti AI verso il proprio sito di dati è nettamente aumentato quest’anno. Il sito registra oltre sei milioni di visite mensili, uno dei più frequentati dell’agenzia. Le visite provenienti da link citati nelle risposte di ChatGPT sono aumentate del 67% tra il 1° gennaio e il 14 settembre. Quest’anno, il 6,4% delle sessioni del sito è provenuto da questi link, e gli assistenti AI generano ormai, secondo le stime dell’agenzia, circa una visita su dieci verso questo sito.

Il rollout di UN System Data Commons sarà graduale

Il dispiegamento della piattaforma è tuttavia progressivo. Secondo l’ONU, l’obiettivo è integrare l’80% degli insiemi di dati statistici del sistema delle Nazioni Unite entro il 2027. Due milioni di dollari sono stati messi a disposizione da Google.org per il potenziamento delle capacità della piattaforma e la realizzazione della sua infrastruttura di base, ha spiegato Prem Ramaswami, responsabile del team Data Commons di Google.

Il sistema è ospitato su un’istanza gestita dall’ONU ed è destinato a essere mantenuto e gestito in modo indipendente da quest’ultima. Abbiamo adottato un approccio di ‘formazione dei formatori’ durante tutto il dispiegamento, e abbiamo già constatato una rapida crescita delle competenze del team del sistema delle Nazioni Unite, ha spiegato il responsabile del team Data Commons di Google.

L’automazione non elimina la necessità della verifica umana

Durante una dimostrazione, Google ha chiesto a un sistema di AI connesso ai dati dell’ONU tramite MCP di valutare l’impatto del Pepfar. Questo programma americano finanzia la lotta contro l’AIDS in Africa. Il sistema ha identificato statistiche delle Nazioni Unite sulle infezioni da HIV e sull’aspettativa di vita, poi le ha utilizzate per produrre un’infografica, in modo che l’utente non sia costretto a cercare e incrociare personalmente gli insiemi di dati sottostanti.

Un sistema AI alimentato da dati autorevoli non produce necessariamente conclusioni a loro volta autorevoli. Poiché i modelli possono interpretare erroneamente le sfumature, è sempre preferibile che un essere umano verifichi i risultati prima di citarli o pubblicarli, ha avvertito Prem Ramaswami.