Il MIT ha nominato Jinhua Zhao alla guida del Department of Urban Studies and Planning dal 1 luglio 2026, portando l’AI urbana nella direzione di un dipartimento che lavora su città, trasporti e politiche pubbliche.
Per chi lavora con l’AI, la notizia conta perché sposta il baricentro dal laboratorio al municipio. Zhao non viene presentato dal MIT solo come studioso dei trasporti, ma come figura che unisce scienza comportamentale, policy pubbliche, mobilità autonoma e strumenti computazionali per decidere come funzionano le città quando i sistemi intelligenti entrano nelle infrastrutture.
Perché la nomina conta
Secondo il MIT News, Zhao succede a Christopher Zegras, che guidava il DUSP dal 2020. Il passaggio non riguarda soltanto un cambio amministrativo. Il DUSP forma pianificatori urbani, ricercatori e funzionari che lavorano con governi, agenzie di trasporto e organizzazioni internazionali. Quando un profilo come Zhao ne assume la guida, il MIT segnala quale tipo di competenza considera centrale: non l’AI come prodotto software, ma l’AI come capacità istituzionale.
Il dato più concreto è il MIT Mobility Forum, nato come lista interna e cresciuto fino a riunire oltre 200 professionisti, policymaker e ricercatori ogni settimana. Zhao lo usa come ponte fra ricerca accademica e decisioni operative: reti ferroviarie, autorità dei trasporti, ministeri e amministrazioni che devono scegliere oggi come integrare sistemi autonomi, dati urbani e modelli previsionali.
Il suo profilo ufficiale al DUSP MIT conferma questa traiettoria: Zhao lavora su metodi computazionali per percepire, prevedere, orientare e regolare i comportamenti di viaggio. In parole meno accademiche, studia come le persone si muovono e come una città può progettare incentivi, servizi e regole senza affidarsi solo a intuizioni politiche o a dati vecchi.
Come funziona l’AI urbana di Zhao
L’AI urbana non coincide con una dashboard piena di dati o con una flotta di robotaxi. Nel lavoro di Zhao, il punto tecnico sta nell’unire tre livelli: dati sui comportamenti di mobilità, modelli che stimano scenari futuri e istituzioni che devono trasformare quelle stime in regole. La componente di machine learning serve a leggere pattern nei flussi di trasporto, ma il risultato utile arriva solo quando un’amministrazione sa cambiare orari, tariffe, corsie, priorità infrastrutturali o criteri di accesso.
Il MIT cita esempi concreti: Transport for London, la Mass Transit Railway di Hong Kong, Japan Railways, la MBTA di Boston, la Chicago Transit Authority e l’autorità dei trasporti dell’area di Washington. Zhao ha lavorato anche su strategie per i veicoli autonomi a Singapore e in Medio Oriente. Questo conta perché l’AI nella mobilità non entra in città come un’app. Entra tramite appalti, standard tecnici, regole di sicurezza e compromessi fra efficienza, equità e controllo pubblico.
“The technology is moving faster than the institutions designed to govern it.”
La frase, attribuita a Zhao dal MIT, è il centro della notizia. Il problema non è solo costruire modelli migliori. Il problema è decidere chi li usa, con quali dati, sotto quale responsabilità e con quale capacità di correggere errori. La domanda che i comunicati universitari non mettono al centro è più dura: chi risponde quando un sistema AI ottimizza il traffico ma penalizza chi vive lontano dal centro o dipende dal trasporto pubblico?
Il collegamento con lavoro e competenze
La nomina parla anche al dibattito sull’AI nel lavoro. Zhao è lead principal investigator di Mens, Manus, and Machina, iniziativa MIT nata nel 2023 dentro il programma SMART a Singapore. M3S studia AI, automazione e robotica non come sostituti astratti delle persone, ma come sistemi che cambiano competenze, organizzazione del lavoro e sviluppo urbano.
Il programma dichiara tre temi di ricerca: interfacce fisiche e digitali con fondazioni AI, sviluppo del capitale umano e crescita economica, dinamiche uomo-macchina nella progettazione dei compiti e nell’allocazione delle risorse. È un lessico tecnico, ma il punto è chiaro: l’AI non cambia solo il singolo lavoro d’ufficio. Cambia come una città distribuisce opportunità, tempi di spostamento, accesso ai servizi e produttività.
Nei comuni italiani, dove molti uffici tecnici lavorano con risorse limitate, l’adozione di sistemi AI per mobilità, energia e servizi pubblici rischia di arrivare prima delle competenze necessarie per governarla.
Questo apre una distinzione pratica. Un’amministrazione può acquistare un sistema predittivo per i flussi di traffico, ma senza criteri di audit, trasparenza dei dati e responsabilità politica resta dipendente dal fornitore. Può usare algoritmi per il trasporto pubblico, ma se non misura impatto su periferie, anziani, studenti e lavoratori pendolari, scambia efficienza media per servizio migliore.
Il valore non starà solo nel vendere strumenti AI, ma nel costruire capacità di governo attorno agli strumenti. Chi progetta soluzioni per smart city, mobilità o servizi pubblici dovrà spiegare come il modello decide, quali dati usa e quale problema istituzionale risolve. Senza questa parte, l’AI resta automazione elegante su processi fragili.
Fonti citate
- Jinhua Zhao named head of the Department of Urban Studies and Planning , MIT News, 11 giugno 2026.
- Jinhua Zhao , MIT Department of Urban Studies and Planning, consultato il 12 giugno 2026.
- Mens, Manus, and Machina (M3S) , MIT SMART, consultato il 12 giugno 2026.