IA e gare d'appalto 2026: che cosa sa fare e che cosa sbaglia
IA e gare pubbliche in Italia nel 2026: analisi dei documenti di gara, criteri, offerta tecnica, prompt utili, rischi e perché ChatGPT non trova gli avvisi.
Aggiornato il 5 settembre 2026
Verificato il 5 settembre 2026.
Nel 2026 la domanda non è più se usare un modello linguistico per rispondere alle gare pubbliche, ma dove porta un guadagno reale e dove fa perdere punti, o l'appalto. La linea di separazione è netta: l'IA è eccellente nel leggere, riassumere e riformulare documenti che le vengono forniti, ed è pessima nell'andare a cercare da sola gli avvisi pubblicati questa settimana.
Che cosa fanno davvero le imprese con l'IA
Cinque usi ricorrono sistematicamente tra chi partecipa con regolarità.
Analisi della documentazione di gara. Un fascicolo supera spesso le centinaia di pagine distribuite su cinque o sei file. Un modello capace di leggere PDF lunghi ne estrae in pochi minuti l'oggetto esatto, la suddivisione in lotti, la durata, le penali, i documenti da produrre e i punti critici dello schema di contratto.
Sintesi e decisione se partecipare. Il riassunto di un bando in un formato fisso — stazione appaltante, oggetto, termine, importo a base di gara, requisiti di accesso — permette di scremare una pila di avvisi molto più in fretta.
Estrazione dei criteri di aggiudicazione. Il disciplinare di gara descrive punteggi, sub-criteri e metodo di attribuzione, a volte in tabella, a volte in un paragrafo sepolto a pagina dodici. L'estrazione strutturata di quei criteri, con i relativi punteggi, diventa poi l'indice dell'offerta tecnica.
Redazione dell'offerta tecnica. L'uso più diffuso e più rischioso. L'IA serve a produrre una traccia calcata sui criteri, a riformulare paragrafi di offerte precedenti e a verificare che nessun requisito del capitolato resti senza risposta. È pessima nell'inventare il valore aggiunto, che viene dall'impresa.
Monitoraggio e classificazione. Una volta recuperati gli avvisi da una fonte aggiornata, un modello li ordina per pertinenza, assegna codici CPV e individua i duplicati. La parola importante è «una volta recuperati».
Che cosa l'IA fa bene, che cosa fa male
| Compito | L'IA generalista | Perché |
|---|---|---|
| Riassumere una documentazione di gara allegata | Bene | Il testo è sotto i suoi occhi, il compito è di compressione |
| Estrarre criteri, punteggi e date da un disciplinare | Bene | Estrazione strutturata, da verificare riga per riga |
| Tradurre un'attività in codici CPV | Bene | La nomenclatura è pubblica e stabile |
| Generare sinonimi del lessico delle stazioni appaltanti | Molto bene | Non serve alcun dato fresco |
| Classificare e ordinare avvisi già raccolti | Bene | Classificazione su testo fornito |
| Riformulare e strutturare un'offerta tecnica | Accettabile, con rilettura | Il contenuto deve venire dall'impresa |
| Trovare gli avvisi pubblicati questa settimana | Male | Accesso parziale alle piattaforme, risultati scaduti |
| Indicare un importo a base di gara non pubblicato | Male | Invenzione pura |
| Citare una norma, un articolo del Codice o una sentenza | Rischioso | Fonti plausibili ma false |
| Scrivere da sola un'offerta da caricare così com'è | Male | Risposta generica, valutata come tale |
Il punto cieco: trovare gli avvisi recenti
È il limite peggio compreso. Gli assistenti generalisti, ChatGPT e Perplexity inclusi, hanno un accesso molto parziale alle piattaforme di pubblicazione. Interrogati con «trovami le gare in corso per la manutenzione informatica in Lombardia», restituiscono soprattutto procedure vecchie, spesso già chiuse.
Tre ragioni tecniche. Le piattaforme di approvvigionamento digitale sono indicizzate male: i contenuti stanno dietro moduli di ricerca, sessioni e JavaScript, e in Italia sono centinaia. La finestra utile di una gara è breve, spesso da una a cinque settimane, e sotto soglia una manifestazione di interesse può chiudersi in dieci giorni, mentre un indice si aggiorna più lentamente. Infine, le fonti affidabili sono banche dati e API: la piattaforma di pubblicità legale dell'ANAC alimenta la banca dati nazionale con dati aperti, il TED espone una API di ricerca, diverse piattaforme regionali pubblicano flussi RSS completi, e nessuna di queste viene interrogata da un assistente generalista.
Da qui la regola: il modello interviene dopo la scoperta, mai per la scoperta.
Tre rischi concreti
Le referenze inventate
Un modello produce testo plausibile, non testo verificato. In un'offerta tecnica questo si traduce in numeri di norma inesistenti, certificazioni attribuite all'impresa che non possiede, referenze di commesse immaginarie o articoli del Codice citati con il numero sbagliato. Una referenza falsa non è solo un errore di forma: nelle dichiarazioni di gara può essere letta come dichiarazione non veritiera, con conseguenze sull'esclusione e sull'annotazione nel casellario. Ogni dato di fatto prodotto da un modello va verificato da una persona che lo conosce.
La risposta generica
Un testo generato senza materia propria dell'impresa si riconosce dalle formule intercambiabili e dall'assenza di dettagli operativi. I criteri qualitativi premiano esattamente l'opposto: risorse umane nominate, cronoprogramma quantificato, metodologia applicata alla sede, misure adattate al fabbisogno descritto nel capitolato. Una risposta fluida ma sostituibile perde punti proprio dove si decide la gara, tanto più negli appalti in cui il punteggio economico è limitato per legge e la qualità pesa oltre due terzi del totale.
La riservatezza del fascicolo
La documentazione contiene talvolta planimetrie, dati di esercizio o indirizzi di sedi sensibili, e la risposta in preparazione contiene la vostra strategia commerciale e i prezzi. Tre precauzioni minime: verificare che il fornitore non usi i dati inviati per addestrare i propri modelli, preferire un'offerta professionale con impegno contrattuale su questo punto, e togliere dai documenti ciò che non è necessario. Alcuni disciplinari contengono clausole di riservatezza che vietano la diffusione a terzi, e un servizio online è un terzo.
Prompt che funzionano
Queste tre formulazioni puntano ai compiti in cui il modello è forte: il dato gli viene fornito, oppure è stabile.
Sintesi di un avviso. Incollare il testo dell'avviso, poi imporre un formato fisso.
Questo è un bando di gara. Restituisci soltanto, in elenco:
stazione appaltante, oggetto in una frase, natura (lavori / forniture / servizi),
procedura, suddivisione in lotti, termine di presentazione delle offerte,
durata del contratto, criteri di aggiudicazione con i punteggi, documenti richiesti.
Se un'informazione non è presente nel testo, scrivi "non indicato".
Non aggiungere nessuna informazione che non figuri nel testo.
L'ultima istruzione è la più importante: riduce il riempimento dei vuoti per invenzione.
Mappatura CPV. Utile per costruire un profilo di monitoraggio.
Per l'attività "{attività}", elenca i codici CPV pertinenti, dal più largo
al più preciso, con per ciascuno la dicitura ufficiale e un punteggio da 1 a 5
sulla probabilità che una stazione appaltante lo usi per questo fabbisogno.
Aggiungi i codici vicini da escludere per evitare rumore. Rispondi in JSON.
Verificate poi i codici nel navigatore CPV ufficiale: un modello produce facilmente un codice dal formato corretto ma inesistente.
Espansione dei sinonimi. La ricerca delle piattaforme è letterale: cercare «servizi informatici» non restituisce un avviso intitolato «conduzione dei sistemi». Generare le varianti del lessico delle stazioni appaltanti è ciò che un modello fa meglio.
Sei il responsabile unico del progetto di un comune italiano. Per l'attività
"{attività}", elenca da 15 a 20 formulazioni che useresti nell'oggetto di un
avviso, gergo amministrativo incluso, poi i termini vicini da escludere.
Rispondi in JSON.
La posizione delle stazioni appaltanti
L'Italia è uno dei pochi Paesi in cui il codice degli appalti disciplina espressamente l'automazione. L'articolo 30 del decreto legislativo n. 36 del 2023 (verified 2026-09-05) invita le stazioni appaltanti ad automatizzare le proprie attività, anche con l'intelligenza artificiale, e fissa tre principi per le decisioni assunte con automazione: conoscibilità e comprensibilità, per cui ogni operatore economico ha diritto di sapere che esiste un processo decisionale automatizzato che lo riguarda e di ricevere informazioni significative sulla logica usata; non esclusività della decisione algoritmica, per cui deve esistere un contributo umano capace di controllare, validare o smentire la decisione; non discriminazione algoritmica. La stessa norma impone, quando l'ente acquista o sviluppa queste soluzioni, la disponibilità del codice sorgente e della documentazione, e la pubblicazione nella sezione «Amministrazione trasparente» dell'elenco delle soluzioni tecnologiche utilizzate.
Da questo derivano due conseguenze pratiche per un'impresa. Se sospettate che una valutazione sia stata assistita da uno strumento automatico, avete titolo per chiedere informazioni sulla logica applicata, e la decisione non può essere interamente algoritmica. Se vendete soluzioni di questo tipo, aspettatevi clausole su codice sorgente, documentazione e manutenzione correttiva degli errori derivanti dall'automazione.
Sul versante opposto, non esiste oggi alcuna disciplina che regoli l'uso dell'IA da parte dei concorrenti nella redazione dell'offerta. Si applicano i regimi esistenti: i principi della contrattualistica pubblica, la responsabilità per le dichiarazioni rese, la normativa sui dati personali e il regolamento europeo sull'intelligenza artificiale (regolamento UE 2024/1689). La prudenza consiste nel trattare l'IA come uno strumento di redazione interno di cui l'impresa resta interamente responsabile, esattamente come un elaboratore di testi o un consulente esterno, e nel leggere il disciplinare prima di rispondere, perché nulla impedisce a una stazione appaltante di introdurre proprie prescrizioni.
Scoutee applica la stessa separazione: la raccolta degli avvisi avviene su fonti datate e strutturate, il modello interviene solo dopo, per classificare e riassumere ciò che è stato realmente pubblicato.