Come l'FDA sta creando un'infrastruttura dati sicura e pronta per l'AI su Databricks for Government

Modernizzare una piattaforma dati federale è un po' come guidare una portaerei mentre si ricostruisce il motore in mezzo all'oceano: la missione non può fermarsi, anche mentre i sistemi sottostanti vengono trasformati. Questa è la sfida che la U.S. Food and Drug Administration (FDA) ha descritto nella sua sessione del Data + AI Summit su Come la FDA sta scalando l'AI sicura con Databricks for Government.

Per la FDA, la posta in gioco è insolitamente alta. Un americano su tre è interessato da una decisione della FDA ogni giorno, l'agenzia regola 20 centesimi di ogni dollaro speso dai consumatori negli Stati Uniti e i suoi oltre 16.000 dipendenti lavorano in 200 uffici e laboratori che coprono più di 300 categorie di prodotti. In questo contesto, i dati non sono una funzione di back-office; sono un imperativo per la salute pubblica.

Ecco perché il dibattito sull'AI nel settore pubblico sta cambiando. La domanda non è più se le agenzie debbano usare l'AI, ma come possano renderla operativa in modo sicuro in ambienti che richiedono una governance forte, verificabilità e conformità fin dal primo giorno. Questo blog illustra i componenti fondamentali necessari per supportare carichi di lavoro AI sicuri e mission-critical in ambienti FedRAMP e IL5: pattern di sicurezza infrastructure-as-code, accesso controllato ai modelli, lineage e verificabilità, e le configurazioni di rete necessarie per connettere Unity Catalog alle giuste origini dati.

Perché l'AI sicura nel settore pubblico inizia con la prontezza della piattaforma

Le agenzie governative operano spesso nel rispetto di requisiti tra i più severi al mondo. Databricks on AWS GovCloud è progettato per carichi di lavoro regolamentati che elaborano e analizzano dati soggetti a controllo delle esportazioni (ITAR/EAR), dati regolamentati da FedRAMP High, DoD IL5, o che elaborano altre informazioni sensibili come cartelle cliniche e sistemi finanziari federali che non possono essere gestiti in un ambiente cloud standard.

Ma la conformità da sola non è tutto. L'aspetto più importante è la rapidità nel generare valore. In questa sessione, Databricks ha presentato un'architettura di riferimento per la sicurezza e un modello di distribuzione basato su Terraform, progettati per aiutare i clienti a configurare rapidamente un ambiente protetto, pronto per la produzione e per gli audit, con controlli integrati come PrivateLink, chiavi gestite dal cliente e il profilo di sicurezza di conformità.

La sfida della FDA: modernizzare senza interrompere la missione

Il percorso di modernizzazione della FDA è iniziato con un problema comune: dati isolati in silos, duplicazione degli sforzi, pipeline incoerenti e troppi costi operativi distribuiti su più centri e programmi. Analisti e scienziati dedicavano troppo tempo a trovare e riconciliare i dati invece di trarne informazioni utili. Allo stesso tempo, il divario tra la missione scientifica e regolatoria dell'agenzia e ciò che la sua infrastruttura poteva supportare si stava ampliando.

La risposta dell'agenzia è stata la creazione di HALO (Harmonized AI and Lifecycle Operations for Data), la sua piattaforma dati aziendale, come base sicura, governata e pronta per l'AI. Dopo aver iniziato il suo percorso con Databricks nel 2020 con la modernizzazione di un ambiente legacy, il passaggio della FDA a Databricks on AWS GovCloud nel 2025 ha sbloccato i vantaggi di Unity Catalog e altre funzionalità nell'ambiente Databricks. Unity Catalog ha fornito alla FDA un unico livello di governance aperto per dati e AI, consentendo di scoprire, gestire e condividere in modo sicuro asset affidabili tra diverse aree geografiche, formati e strumenti, con minore complessità e costi ridotti, migliorando al contempo il time-to-insight.

L'architettura adottata dalla FDA è multi-tenant: diversi centri di regolamentazione condividono una base comune di piattaforma pur mantenendo i propri spazi sicuri e governati. Nella sessione, la FDA l'ha descritta come un modello a condominio, in cui tutti condividono l'infrastruttura ma ogni inquilino ha la propria serratura e le proprie policy. Con Unity Catalog, è diventato molto più semplice condividere i dati tra i vari centri senza perdere il controllo della governance.

Tre tappe fondamentali che hanno cambiato la traiettoria

Nel percorso della FDA, tre tappe fondamentali hanno definito la trasformazione. La prima è stata la sponsorizzazione dell'autorizzazione FedRAMP High, il prerequisito che ha sbloccato tutto il resto. La seconda è stata la migrazione ad AWS GovCloud. La terza è stata Unity Catalog, che ha fornito all'agenzia la base di governance necessaria per un'AI sicura e scalabile.

La portata di queste tappe fondamentali è ciò che rende la storia particolarmente interessante. La FDA ha migrato oltre 5.000 utenti e più di 8.000 job e pipeline senza tempi di inattività, consentendo a scienziati e analisti di continuare il proprio lavoro senza interruzioni mentre l'agenzia ricostruiva le fondamenta sottostanti. Ha inoltre rifattorizzato più di 1.000 pipeline di dati e oltre 4.000 notebook nell'ambito della migrazione a Unity Catalog.

La FDA utilizza l'elaborazione serverless di Databricks, il model serving, Unity Catalog e Genie per modernizzare centinaia di dashboard legacy in esperienze interattive basate sull'AI, eliminando il debito tecnico e accelerando l'impatto sulla missione.

L'impatto: cosa ha offerto la modernizzazione all'atto pratico

Per la FDA, non si è trattato solo di una pulizia dell'infrastruttura. È stata una svolta operativa tangibile. L'agenzia ha dichiarato che, in pochi mesi, ha integrato otto centri e 30 programmi sulla sua piattaforma dati aziendale e ha consolidato più di 40 origini dati che spaziano tra sistemi di applicazione e di invio. Questo consolidamento ha migliorato la collaborazione all'interno dell'agenzia, aumentato la trasparenza e rafforzato la sua postura di sicurezza.

Ha anche prodotto vantaggi operativi quantificabili. Secondo la FDA, i SQL warehouse hanno migliorato i tempi di risposta delle query di oltre il 30% per i carichi di lavoro BI, i costi di elaborazione sono scesi di oltre il 20%, il tempo dedicato a provisioning, gestione dei permessi e condivisione dei dati è diminuito di oltre il 75% e i costi operativi generali sono calati di oltre il 35%.

L'adozione da parte degli utenti racconta la stessa storia. La FDA è partita con circa 500 utenti nel 2020, è cresciuta fino a oltre 6.000 utenti sulla piattaforma e prevede che questo numero supererà i 10.000 entro il 2028.

Abilitare un'AI responsabile per il lavoro di regolamentazione

Uno dei temi più importanti da sottolineare è che il programma di modernizzazione della FDA non riguardava l'AI fine a se stessa. Si trattava di abilitare un'AI responsabile in un contesto normativo federale. L'agenzia ha integrato Halo con Elsa, la sua piattaforma AI aziendale, per supportare l'innovazione dell'AI su scala, con casi d'uso dell'AI già in produzione, in fase pilota e più di 10 in corso di sviluppo.

Un esempio emblematico è MARS, l'iniziativa della FDA per modernizzare e accelerare la presentazione delle domande di autorizzazione. MARS utilizza Databricks integrato con Elsa per aiutare i revisori ad analizzare enormi volumi di informazioni strutturate e non strutturate associate alle domande per farmaci e dispositivi, inclusi i risultati dei trial clinici, i dati sulla sicurezza e l'etichettatura. L'obiettivo è far pervenire le informazioni giuste al revisore giusto più rapidamente, ridurre il tempo dedicato alla preparazione dei dati e supportare decisioni normative più informate.

Altrettanto importante, la FDA ha sottolineato l'approccio "human-in-the-loop": l'AI svolge il lavoro di base e amplia le competenze di scienziati e revisori, ma non li sostituisce.

Lezioni per altre agenzie che scalano l'AI in modo sicuro

Il percorso della FDA offre diverse lezioni utili per tutto il settore pubblico. In primo luogo, il coinvolgimento degli stakeholder non è un evento isolato, ma un impegno continuo, poiché ogni centro ha esigenze, tempistiche e tolleranze al rischio differenti. In secondo luogo, la pianificazione della sicurezza deve iniziare presto perché, in un ambiente FedRAMP High, ogni decisione architetturale ha implicazioni a valle.

La FDA ha inoltre sottolineato l'importanza di progettare puntando alla flessibilità anziché scrivere configurazioni a codice fisso (hard-coding), adottando migrazioni graduali anziché passaggi radicali e immediati (big-bang), e considerando una solida partnership con i fornitori come una risorsa operativa piuttosto che come una semplice casella da spuntare in fase di acquisto.

Il messaggio conclusivo della sessione è stato particolarmente chiaro. L'autorizzazione è un acceleratore. La governance è il prerequisito per l'AI. E la modernizzazione su larga scala può procedere più rapidamente quando i team eseguono flussi di lavoro critici in parallelo anziché attendere la perfezione.

Un modello per un'AI pronta per la missione

La storia della FDA dimostra che l'AI sicura nel settore pubblico non consiste nell'aggiungere modelli a sistemi legacy. Si tratta di costruire una base di dati governata, un'architettura sicura e la disciplina operativa necessarie per rendere l'AI utile in contesti ad alto rischio.

Per i leader del settore pubblico, questo potrebbe essere l'insegnamento più importante di tutti. Quando la governance è integrata fin dall'inizio, la modernizzazione fa molto di più che ridurre il debito tecnico. Crea le fondamenta per mettere l'AI nelle mani di scienziati, analisti e decisori in modo sicuro e responsabile a supporto della missione.

Scopri di più

Guarda la sessione Come la FDA sta scalando l'AI sicura con Databricks for Government presentata al Data + AI Summit, 2026

• Esplora il Databricks Security and Trust Center
• Consulta le best practice di sicurezza di Databricks
• Segui il blog Security and Trust
• Scarica il Databricks AI Security Framework (DASF)

(Questo post sul blog è stato tradotto utilizzando strumenti basati sull'intelligenza artificiale) Post originale