Le Nazioni Unite hanno avviato con Google la costruzione di UN System Data Commons, una nuova infrastruttura destinata a riunire in un unico ambiente dati statistici prodotti da diverse agenzie dell’ONU e a renderli più facilmente utilizzabili sia dalle persone sia dai sistemi di intelligenza artificiale. La piattaforma è basata su Data Commons, il progetto open source sviluppato da Google per collegare dataset pubblici provenienti da fonti differenti all’interno di un unico knowledge graph, e sostituisce il precedente portale UNData, fondato soprattutto su modalità di consultazione più tradizionali. L’obiettivo è ridurre la frammentazione tra fonti, formati, metriche, periodi temporali e confini geografici differenti, così che analisti e ricercatori possano interrogare dati provenienti da più organizzazioni senza dover prima dedicare settimane o mesi alla normalizzazione manuale dei dataset. Google descrive il risultato come un knowledge graph “AI-ready” capace di integrare automaticamente indicatori, serie storiche e informazioni geografiche in un’unica struttura collegata.
UN System Data Commons introduce anche un’interfaccia di ricerca in linguaggio naturale che consente di formulare direttamente domande sui dati, oltre alla possibilità di navigare per località o per temi come salute ed educazione. Il sistema può quindi rispondere a interrogazioni che combinano più variabili, per esempio sull’accesso all’acqua potabile e la frequenza scolastica, sull’elettrificazione o sull’evoluzione dell’aspettativa di vita, mostrando dati e visualizzazioni interattive. Un elemento centrale è la tracciabilità della provenienza: ogni statistica mantiene il collegamento alla relativa fonte ONU e viene validata con statistici ed esperti tecnici delle organizzazioni partecipanti. Questo permette anche a strumenti AI che utilizzano la piattaforma di risalire al dataset originale invece di affidarsi esclusivamente a informazioni memorizzate durante l’addestramento o recuperate tramite una ricerca Web non strutturata.
La nuova infrastruttura supporta inoltre il Model Context Protocol, o MCP, che consente ad applicazioni e agenti AI di collegarsi direttamente alle sorgenti dati esterne e recuperare informazioni aggiornate durante l’esecuzione. In questo modo un agente può cercare statistiche ufficiali, combinarle tra più domini e trasformarle in grafici, infografiche o bozze di report senza basarsi soltanto sul contenuto già presente nei parametri del modello. Google ha mostrato, per esempio, un flusso nel quale un sistema AI collegato ai dati ONU individua indicatori relativi all’impatto del programma statunitense PEPFAR in Africa e combina informazioni su infezioni da HIV, mortalità per AIDS e aspettativa di vita. Google sottolinea comunque che la disponibilità di dati verificati non elimina la necessità della revisione umana, soprattutto quando si utilizzano statistiche ufficiali in contesti nei quali definizioni, periodi di riferimento o differenze metodologiche possono cambiare il significato dell’analisi.
La partnership nasce anche da un problema emerso nei test condotti da UNICEF sui principali modelli linguistici. Secondo João Pedro Azevedo, chief statistician dell’organizzazione, un benchmark condotto su sei modelli e oltre 133.000 risposte relative a indicatori di sviluppo globale ha prodotto un’accuratezza media del 21,2%. I sistemi esaminati comprendevano 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. Circa tre risposte su cinque non fornivano nemmeno un valore numerico utilizzabile, spesso perché i modelli tendevano a formulare risposte prudenti o evasive, mentre nei casi in cui restituivano un numero la ripetibilità risultava limitata: ponendo nuovamente le stesse domande agli stessi modelli circa due giorni dopo, il valore coincideva soltanto in circa metà dei casi nei quali entrambi i tentativi avevano prodotto una risposta numerica. La metodologia completa del benchmark non è stata ancora pubblicata né sottoposta a peer review, per cui i risultati vanno interpretati come un’indicazione preliminare dei limiti attuali nel recupero affidabile di statistiche globali, non come una classifica definitiva tra i modelli coinvolti.
Il problema assume maggiore rilievo perché una quota crescente di persone utilizza già assistenti generativi come porta d’accesso alle informazioni statistiche. UNICEF ha rilevato che, tra il 1° gennaio e il 14 settembre 2026, il traffico diretto al proprio sito da risposte di ChatGPT è aumentato del 67% su base annua; questi referral rappresentavano il 6,4% delle sessioni complessive, mentre l’organizzazione stima che, considerando insieme i diversi assistenti AI, circa una visita su dieci al proprio sito possa ormai provenire da sistemi generativi. In questo scenario, una risposta apparentemente plausibile ma basata su un valore errato, su un periodo non aggiornato o su un indicatore definito in modo differente può essere facilmente incorporata in analisi, presentazioni o report senza che l’utente risalga alla fonte originale. UN System Data Commons interviene quindi soprattutto sul livello infrastrutturale, cercando di fornire a persone e agenti un percorso standardizzato verso dati ufficiali accompagnati da provenienza, definizioni e contesto.
Al lancio, 26 entità del sistema ONU hanno aderito all’iniziativa e la piattaforma include già dati provenienti da quasi 20 organizzazioni. L’obiettivo dichiarato è arrivare entro il 2027 a includere l’80% dei dataset statistici disponibili nell’intero sistema delle Nazioni Unite. Google.org ha inoltre fornito 2 milioni di dollari destinati allo sviluppo delle competenze e al supporto tecnico per l’infrastruttura principale. La piattaforma viene eseguita su un’istanza governata dalle Nazioni Unite e il progetto è stato impostato affinché, una volta completata la fase di costruzione e trasferimento delle competenze, l’ONU possa gestirla, mantenerla ed espanderla autonomamente. Questo aspetto separa quindi la tecnologia open source fornita da Google dalla governance operativa dei dati, che rimane in capo alle organizzazioni delle Nazioni Unite.
L’architettura di Data Commons è pensata proprio per gestire il problema delle statistiche che descrivono concetti simili ma utilizzano nomenclature, unità o strutture differenti. Le informazioni vengono collegate in un grafo nel quale luoghi, indicatori, popolazioni, periodi temporali e fonti sono rappresentati come entità correlate, consentendo al sistema di attraversare più dataset senza richiedere all’utente di conoscere in anticipo dove sia pubblicata ogni variabile. L’aggiunta di MCP trasforma questa struttura anche in una sorgente interrogabile direttamente dagli agenti: invece di ricevere un unico valore grezzo, un’applicazione può recuperare il dato insieme a editore, definizione, unità di misura, area geografica e periodo di riferimento e utilizzare queste informazioni all’interno del proprio flusso di lavoro. L’affidabilità finale continua però a dipendere dalla qualità e dalla coerenza con cui le singole agenzie aggiornano dati e metadati, motivo per cui il progetto comprende un lavoro di armonizzazione che va oltre la semplice pubblicazione di un nuovo motore di ricerca.
La piattaforma è già accessibile attraverso il dominio data.un.org e continuerà ad aggiungere nuovi dataset e funzionalità nel corso del prossimo anno. Il progetto sposta quindi l’attenzione dalla sola capacità dei modelli di generare risposte alla qualità dell’infrastruttura che fornisce loro i dati: invece di tentare di ottenere statistiche globali affidabili soltanto migliorando il modello, ONU e Google stanno costruendo un livello comune nel quale le informazioni ufficiali possono essere interrogate, collegate e citate direttamente. L’obiettivo non è rendere automaticamente corretta qualsiasi analisi generata dall’AI, ma fornire agli agenti una base dati strutturata e verificabile sulla quale eseguire ricerche e analisi con un legame esplicito alle fonti originali.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)