L’offerta economicamente più vantaggiosa e le opportunità dell’intelligenza artificiale

L’offerta economicamente più vantaggiosa e le opportunità dell’intelligenza artificiale

Federico Fidanza

2025

Questo breve contributo nasce da un’unica, semplice premessa: i metodi numerici utilizzati per determinare l’offerta economicamente più vantaggiosa sono spesso selezionati senza la dovuta ponderazione, giacché la prassi ha portato a privilegiare i metodi di più agevole comprensione e semplice utilizzo. Come si tenterà di mostrare, partendo da questa premessa, le condizioni (tecnologiche) sembrano mature per consentire un’evoluzione più rispondente alle esigenze delle moderne stazioni appaltanti.

Sia consentita, innanzitutto, una breve digressione, per evidenziare la non neutralità dei sistemi di attribuzione dei punteggi (di seguito anche “sistemi classificatori”). Tra i sistemi classificatori più rilevanti ve ne sono alcuni che occupano una posizione di particolare centralità: i sistemi elettorali. Un sistema elettorale può essere definito come un sistema – un insieme di regole – che, a partire da un input costituito dalle preferenze espresse dagli elettori, restituisce come output l’allocazione dei seggi tra le forze politiche in competizione. Ad ogni forza politica è attribuito un “punteggio” (il numero di seggi), e sulla base dei vari punteggi è possibile stilare una graduatoria.

È ben noto che il percorso input-output (la traduzione dei voti in seggi) è tutt’altro che univoco e che i sistemi elettorali possono differire sotto varie caratteristiche (è rilevante persino la partizione geografica dei votanti, come mostrano l’elaborazione e diffusione delle celebri tecniche di c.d. gerrymandering). La divergenza tra sistemi maggioritari uninominali e sistemi proporzionali permise, del resto, al giurista e politologo Maurice Duverger, l’elaborazione della c.d. “legge di Duverger”, secondo cui i sistemi elettorali maggioritari si accompagnano a sistemi bipartitici, mentre i sistemi proporzionali favoriscono la nascita di sistemi multipartitici. E anche all’interno della categoria dei sistemi proporzionali, non è affatto automatico definire con esattezza l’algoritmo di computo dei seggi da assegnare (si vedano, in tal proposito, le diverse tecniche elaborate da Sir Thomas Hare, Alexander Hamilton e Victor Joseph Auguste D’Hondt).

È evidente, qui, l’importanza dei sistemi classificatori e l’impatto della selezione di un sistema classificatorio rispetto ad altri: la scelta del sistema elettorale risulta cruciale per ogni collettività organizzata, poiché il ricorso a un sistema o a un altro sistema può dar forma a ecosistemi politici del tutto diversi.

 Calando il discorso nel mondo dei contratti pubblici, lo stesso accade con i criteri di attribuzione dei punteggi per la determinazione dell’offerta economicamente più vantaggiosa. Come noto, ai sensi dell’art. 108 del Codice dei Contratti Pubblici, le stazioni appaltanti devono di regola selezionare l’offerta non solo sulla base del prezzo ma considerando anche altri criteri quantitativi e/o qualitativi, che consentano di selezionare i beni più adatti alle esigenze e agli utilizzi ricercati. Ciò comporta che generalmente nelle procedure di selezione vi sia la necessità di valutare le offerte pervenute sulla base di più criteri, con sistemi di scelta appunto “multicriteri”. Come si illustrerà con un semplice esempio pratico, qualora vi siano più criteri la scelta del sistema di attribuzione dei punteggi può risultare determinante.

 Si immagini, per semplicità, una gara in cui vi siano solo due criteri di attribuzione dei punteggi: 25 punti su 100 per il prezzo (ribasso percentuale rispetto alla base d’asta) e 75 punti per un solo criterio tecnico (numero di modelli proposti). Sempre per semplicità, si immagini che siano state presentate esclusivamente due offerte, come segue:

Concorrente

Ribasso

Modelli proposti

Alfa

2%

10

Beta

10%

8

 

La traduzione di questi input (valori per ciascun criterio) in punteggi (uno per ciascun criterio e uno globale) può avvenire in infiniti modi diversi. A tal proposito è utile riprendere le Linee guida ANAC n. 2 del 21 settembre 2016, recanti “Offerta economicamente più vantaggiosa” (che, pur emanate nel vigore del vecchio Codice e non ai sensi del D.Lgs 36 del 2023, rappresentano comunque un’utile guida), le quali indicano, inter alia, il criterio dell’interpolazione lineare, come da seguente estratto (p. 11):


Si tratta, sostanzialmente, di una semplice proporzione: nell’ambito di ciascun criterio si attribuisce il valore 1 all’offerta migliore e un punteggio proporzionalmente minore alle altre offerte. Ad esempio, nel caso di specie i punteggi attribuiti sarebbero i seguenti:

Concorrente

Criterio economico

Criterio tecnico

Alfa

0,2

1

Beta

1

0,8

 

Adottando, poi, il c.d. metodo aggregativo-compensatore (di cui alle medesime Linee guida) si otterrebbero i seguenti punteggi totali:

Concorrente

Punteggio economico

Punteggio tecnico

Punteggio totale

Alfa

5

75

80

Beta

25

60

85

 

D’altra parte, però, invece del metodo dell’interpolazione lineare si potrebbe utilizzare una lieve variante dello stesso, contemplata dalle Linee guida ANAC (una “formula non lineare”; p. 12)

Selezionando, ad esempio, α uguale a 2 (la scelta di α è a discrezione della stazione appaltante e deve essere operata a seconda degli obiettivi perseguiti, come indicato dalle stesse Linee guida), le precedenti tabelle sarebbero sostituite dalle seguenti:

Concorrente

Criterio economico

Criterio tecnico

Alfa

0,04

1

Beta

1

0,64

 

Concorrente

Punteggio economico

Punteggio tecnico

Punteggio totale

Alfa

1

75

76

Beta

25

48

73

 

Come si vede, dunque, la semplice scelta del criterio di aggiudicazione può ribaltare il risultato di una procedura di gara: se con l’utilizzo del metodo dell’interpolazione lineare e del metodo aggregativo-compensatore si arriverebbe all’aggiudicazione a favore di Beta, sostituire l’interpolazione lineare con una formula non lineare porterebbe all’aggiudicazione a favore di Alfa. È (anche) per questo motivo, del resto, che pubblicità e trasparenza dei criteri di aggiudicazione sono così fondamentali.

Proseguendo ancora, ciò significa che la scelta dei criteri di aggiudicazione dovrebbe assurgere al rango di scelta primaria, da effettuare con particolare cura e cautela per via delle sue implicazioni dirette sui risultati di gara. In accordo con questa evidenza, le (già citate) Linee guida dell’ANAC contemplano una varietà di metodi di attribuzione dei punteggi:

o   con riferimento ai criteri quantitativi: interpolazione lineare, metodo bilineare, formule non lineari e formule indipendenti;

o   con riferimento ai criteri qualitativi: coefficienti discrezionali e confronto a coppie;

o   per l’attribuzione dei punteggi globali e la formazione delle graduatorie: metodo aggregativo-compensatore, metodo ELECTRE e metodo TOPSIS.

La prassi sul punto è, però, quanto più distante da quanto auspicato dalle Linee guida. Se, infatti, queste ultime suggeriscono di utilizzare, di volta in volta, i metodi (e le combinazioni di metodi) ritenuti più adatti, risultano in realtà quasi assenti i metodi meno classici, come, soprattutto, i metodi ELECTRE e TOPSIS. Le conseguenze sono tutt’altro che insignificanti, se si considera che tali metodi sono stati elaborati in maniera scientifica al fine di consentire scelte e valutazioni quanto più rispondenti alle esigenze dei decisori.

Si consideri, ad esempio, il metodo ELECTRE, elaborato in Francia nella metà del secolo scorso (“ELECTRE” sta per ELimination Et Choix Traduisant la REalité, “eliminazione e scelta che esprimono la realtà”). Si tratta di un sistema di valutazione multicriterio che punta a stabilire, per ogni coppia di offerte, se una possa essere considerata “dominante” rispetto all’altra, attraverso l’utilizzo dei concetti di “concordanza” e “discordanza” (che esprimono i rapporti di preferenza tra coppie di offerte). Rispetto al metodo aggregativo-compensatore, ELECTRE (e analogamente TOPSIS) offre la possibilità di escludere offerte che, pur valide su molti aspetti, presentano carenze gravi in uno o più criteri chiave, oltre a garantire una maggiore flessibilità e una migliore capacità di rispecchiare i desiderata della parte pubblica.

A cosa si deve, allora, la scarsa diffusione di questo metodo? La ragione, si sospetta, è semplice: esso è giudicato complesso e poco comprensibile, quasi indecifrabile, e dunque da rifuggire a vantaggio del più confortante e familiare metodo aggregativo-compensatore. Il che non è del tutto errato, come può agevolmente verificare il lettore volenteroso semplicemente scorrendo il passaggio delle Linee guida ANAC dedicato al punto (pp. 17-18); è anche tale complessità, del resto, che ha suggerito allo scrivente di evitare esempi chilometrici su questo numero della Rivista.

Se tali motivazioni risultano comprensibili, dall’altro si ritiene, però, che l’avvento dell’intelligenza artificiale e la sua diffusione nelle stazioni appaltanti possano superare questa situazione, consentendo, finalmente, l’ingresso nelle procedure pubbliche di criteri più elaborati.

Da un lato, infatti, software di intelligenza artificiale (e anche software meno avanzati, per la verità) sono pienamente capaci di utilizzare (e spiegare!) il metodo ELECTRE, il metodo TOPSIS o altri metodi multicriterio, così come sono capaci di individuare e consigliare il metodo migliore da utilizzare a seconda della situazione concreta.

Dall’altro lato, è lo stesso legislatore del nuovo Codice che ha inserito, all’articolo 30, il principio per il quale “[p]er migliorare l’efficienza le stazioni appaltanti e gli enti concedenti provvedono, ove possibile, ad automatizzare le proprie attività ricorrendo a soluzioni tecnologiche, ivi incluse l’intelligenza artificiale e le tecnologie di registri distribuiti, nel rispetto delle specifiche disposizioni in materia”. Non va poi dimenticato che nel corso del 2024 il Governo ha presentato un disegno di legge in base al quale, in particolare, “[l]e pubbliche amministrazioni utilizzano l’intelligenza artificiale allo scopo di incrementare l’efficienza della propria attività, di ridurre i tempi di definizione dei procedimenti e di aumentare la qualità e la quantità dei servizi erogati ai cittadini e alle imprese, assicurando agli interessati la conoscibilità del suo funzionamento e la tracciabilità del suo utilizzo” (art. 13 del DDL S. 1146, recante Disposizioni e delega al Governo in materia di intelligenza artificiale).

A scanso di equivoci, non si propone qui di delegare l’IA a valutare le offerte e attribuire i punteggi, ché si violerebbero, in tal modo, i principi vigenti in materia (per i quali la discrezionalità della pubblica amministrazione può essere spesa esclusivamente dai funzionari, che si assumono le responsabilità delle proprie scelte, e non da apparati tecnologici). Ci si limita a segnalare, semplicemente, la possibilità di sfruttare i progressi tecnologici per dare finalmente attuazione a disposizioni che, nel tempo, hanno trovato scarsa applicazione a causa della loro complessità e non facile comprensibilità matematica. Ricordando, comunque, che ogni attribuzione algoritmica di punteggi non potrà prescindere da un’accurata supervisione umana (in coerenza con il principio di esclusività, richiamato dall’art. 30, co. 3, lett. b) del Codice e all’art. 13, co. 2, del DDL citato).

Se, in definitiva, è opportuno innovare l’attività delle pubbliche amministrazioni attraverso l’uso dell’intelligenza artificiale, la materia dei metodi di attribuzione dei punteggi potrebbe rivelarsi un valido campo di prova.

Vuoi rimanere costantemente aggiornato sui nostri corsi e approfondimenti?

Iscrivendoti, presti il consenso alla nostra privacy policy e a ricevere e-mail promozionali


Fidanza Consulting s.r.l. a socio unico

-

Cap. soc.: € 10.000 i.v.

-

Via Guelfa, 14 — 50129 Firenze

-

P. IVA: 07525840489

-

REA: FI - 709471

Fidanza Consulting s.r.l. a socio unico

Cap. soc.: € 10.000 i.v.

Via Guelfa, 14 — 50129 Firenze

P. IVA: 07525840489

REA: FI - 709471