Il Politecnico di Milano e la FAO hanno firmato un memorandum d'intesa per portare la GeoAI nella pianificazione agricola dei Paesi che pesano di più sulla mappa della fame. L'iniziativa Hand-in-Hand dell'agenzia ONU coinvolge oggi 84 Stati ed è il terreno operativo dove l'accordo dovrà dimostrare di funzionare. Sullo sfondo, una stima FAO ferma: 673 milioni di persone affamate nel mondo nel 2024, pari all'8,2% della popolazione.
L'accordo PoliMi-FAO: cosa prevede
L'intesa è stata siglata il 15 aprile 2026 da Dejan Jakovljevic, direttore e Chief Information Officer di Digital FAO, e da Donatella Sciuto, rettrice del Politecnico di Milano. A occuparsi della parte tecnica sarà il Dipartimento di Ingegneria Civile e Ambientale, che porterà competenze in Geographic Information Science e sistemi territoriali sviluppate negli ultimi anni dall'ateneo. Il piano operativo congiunto, descritto nel comunicato ufficiale FAO sul memorandum, sarà aggiornato periodicamente e copre quattro fronti dichiarati: sviluppo di strumenti digitali avanzati per la pianificazione agricola, gestione efficiente delle risorse naturali, monitoraggio del territorio con supporto decisionale e capacity building nei Paesi partner. La FAO consoliderà inoltre la propria infrastruttura geospaziale integrandola con la GeoAI, ossia la combinazione di telerilevamento, dati territoriali e modelli predittivi applicata a colture, suoli e risorse idriche. Si tratta di un'estensione delle applicazioni che stanno emergendo in molti settori, dal salto di qualità portato dai grandi modelli linguistici fino alle infrastrutture intelligenti.
Il banco di prova: 673 milioni di affamati nel 2024
Il MoU arriva mentre il rapporto SOFI 2025, pubblicato da FAO, IFAD, UNICEF, WFP e WHO, conta 673 milioni di persone in stato di fame nel 2024, l'8,2% della popolazione mondiale. Il dato globale scende rispetto al picco del 2022 (8,7%) e segna 22 milioni di affamati in meno in due anni, ma nasconde una frattura geografica che il numero medio non racconta. In Africa la fame riguarda 307 milioni di persone, oltre il 20% della popolazione del continente, e il trend continua a salire. In Asia occidentale i 39 milioni di affamati corrispondono al 12,7%, anch'essi in aumento. In Asia meridionale e in America Latina il dato scende, rispettivamente al 6,7% e al 5,1%. Le proiezioni ONU al 2030 sulla fame nel mondo stimano 512 milioni di persone in malnutrizione cronica, di cui quasi il 60% in Africa: esattamente i territori dove la Hand-in-Hand Initiative concentra il proprio lavoro e dove la GeoAI dovrà funzionare sul campo, non solo nei dashboard di Roma. A questo si aggiungono 2,3 miliardi di persone in insicurezza alimentare moderata o severa nel 2024, il 28% della popolazione mondiale, 335 milioni in più rispetto al 2019. Il MoU si misura su questo perimetro, non sul lavoro di laboratorio.
GeoAI nella pratica: 84 Paesi e 2 milioni di layer
La piattaforma geospaziale della FAO accede oggi a oltre 2 milioni di livelli informativi, dai dati di telerilevamento ai modelli climatici fino agli indicatori socioeconomici a scala subnazionale. L'iniziativa Hand-in-Hand, di cui la piattaforma è il motore analitico, copre 84 Paesi tra Africa, Asia, Europa, America Latina e Medio Oriente, e nel corso dell'ultimo forum d'investimento ha mobilitato 15,9 miliardi di dollari in opportunità agroalimentari, una scala che si avvicina ad altri grandi accordi miliardari sull'AI firmati in ambito tecnologico. La presenza del PoliMi serve a far compiere alla GeoAI un passaggio specifico: dal cruscotto centrale alla pianificazione operativa dei ministeri agricoli locali. Sono già attivi progetti in Nepal sulle filiere agrifood, in Perù sulle patate native e nel Sud Sudan sulla risicoltura di Aweil. La sfida tecnica è duplice: localizzare gli algoritmi su contesti dove i dati di terreno sono scarsi e formare personale che sappia usare i modelli senza dipendere dal supporto esterno. Il Data Lab della FAO, che già usa AI per colmare i buchi nei dataset ufficiali, è il punto naturale di innesto. Lo stesso approccio, cioè integrare AI in sistemi fisici reali, lo si vede in altri ambiti come l'asfalto autoriparante sperimentato da Google.
Il prossimo nodo è il piano di lavoro congiunto: la scelta dei Paesi pilota, dei dataset prioritari e dei profili da formare dirà se l'accordo entrerà nei processi decisionali dei ministeri agricoli, o se resterà nel perimetro dei comunicati di aprile.
Domande frequenti
Che cos'è la GeoAI e come verrà utilizzata nell'accordo tra Politecnico di Milano e FAO?
La GeoAI è la combinazione di telerilevamento, dati territoriali e modelli predittivi applicata alla pianificazione agricola. Nell'accordo, sarà utilizzata per sviluppare strumenti digitali avanzati, gestire le risorse naturali, monitorare il territorio e rafforzare le competenze locali nei Paesi partner.
Quali sono gli obiettivi principali dell'accordo tra PoliMi e FAO?
L'accordo mira a implementare soluzioni GeoAI in 84 Paesi per supportare la pianificazione agricola, migliorare la gestione delle risorse naturali, monitorare il territorio e offrire formazione (capacity building) agli operatori locali. L'obiettivo ultimo è contribuire alla lotta contro la fame nelle aree più colpite.
Perché la GeoAI è considerata un banco di prova nella lotta contro la fame?
La GeoAI dovrà dimostrare la sua efficacia operativa nei Paesi dove la fame è più diffusa, passando dalla teoria alle applicazioni concrete nei processi decisionali dei ministeri agricoli. Il successo sarà misurato sulla capacità di ridurre la fame attraverso una migliore pianificazione e gestione delle risorse agricole.
Quali Paesi e progetti sono già coinvolti nell'iniziativa Hand-in-Hand della FAO?
Attualmente, l'iniziativa coinvolge 84 Paesi in Africa, Asia, Europa, America Latina e Medio Oriente. Tra i progetti attivi ci sono quelli in Nepal sulle filiere agrifood, in Perù sulle patate native e in Sud Sudan sulla risicoltura di Aweil.
Quali sono le principali sfide tecniche nell'implementazione della GeoAI nei Paesi partner?
Le sfide includono la localizzazione degli algoritmi in contesti con dati di terreno scarsi e la formazione di personale locale in grado di utilizzare i modelli in autonomia, senza dipendere dal supporto esterno.
Quali risultati si attendono dall'accordo tra PoliMi e FAO nel medio-lungo termine?
Si punta a un'integrazione efficace della GeoAI nei processi decisionali dei ministeri agricoli locali, a un miglioramento della pianificazione agricola e alla riduzione della fame nei Paesi coinvolti. Il successo dipenderà dalla scelta di Paesi pilota, dataset prioritari e profili da formare.
