La sentenza del Consiglio di Stato, sez. III, del 20 ottobre 2025 n. 8092, offre una lettura lucida ed equilibrata del ruolo dell’intelligenza artificiale nelle offerte tecniche.
Il contenzioso nasce anche dall’uso dichiarato di “ChatGPT‑4/OpenAI” da parte dell’aggiudicataria in vari sottocriteri. L’impresa terza classificata ha sostenuto che quelle tecnologie non sarebbero state in grado di svolgere le funzioni promesse e che, di riflesso, la commissione avrebbe attribuito punteggi sproporzionati. Il giudice respinge: il punteggio non è dipeso in modo determinante dall’IA e la valutazione della commissione è stata plurifattoriale, coerente e istruita, dunque insindacabile salvo illogicità manifeste.
È un passaggio importante perché sposta il focus dal “nome della tecnologia” al risultato complessivo dell’offerta. Il Collegio ricorda che il sindacato giurisdizionale, specie in tema di anomalia, è esterno: non ricalcola rese e punteggi, ma verifica che il percorso valutativo sia ragionevole e motivato. E qui due elementi pesano molto.
Primo: la commissione non ha premiato l’IA in quanto tale; ha valutato più dimensioni dell’offerta, e su almeno un criterio chiave (il modello organizzativo) ha perfino attribuito un punteggio più alto a chi non aveva previsto l’uso dell’IA.
Secondo: chi contesta la fattibilità tecnica deve farlo con dimostrazioni specifiche e verificabili; pareri assertivi o letture “di principio” non bastano a scardinare una valutazione tecnica coerente.
Il messaggio agli operatori è chiaro: l’IA può legittimamente entrare in gara, ma come mezzo per conseguire outcome misurabili (tempi, qualità, affidabilità, tracciabilità), non come etichetta che garantisce punti.
Il messaggio alle stazioni appaltanti non è meno netto: l’innovazione va valutata per ciò che produce e per come si integra in processi, governance e tutele (privacy, sicurezza, controllo umano), non per il brand o l’hype.
In questa chiave, la decisione fa argine al “tech‑washing”: proclamare tecnologia senza prova di efficacia non regge, ma, simmetricamente, non è compito del giudice sostituirsi alla commissione quando l’istruttoria è stata seria e il bilanciamento tra fattori risulta ragionevole.
Si potrebbe obiettare che il rischio opposto—sottovalutare il potenziale di efficienza dell’IA—rimane. È vero: in alcuni servizi ad alta intensità organizzativa (come le pulizie ospedaliere), algoritmi di supporto alla programmazione, al controllo qualità o alla reportistica possono incidere davvero su costi e standard. La sentenza non chiude a questa prospettiva; invita, piuttosto, a incardinarla su evidenze: casi d’uso, test d’accettazione, indicatori di performance, piani di integrazione con ruoli e responsabilità. Così si tutela sia l’innovazione utile sia la par condicio.
Per trasformare questo approccio in pratica amministrativa, ecco due accorgimenti:
> per i capitolati: chiedere risultati e prove, non slogan tecnologici. Definire KPI [1] di servizio (accuratezza dei controlli, tempi di presa in carico, qualità dei report), prevedere collaudi funzionali e audit periodici, chiarire ruolo del controllo umano e presìdi su dati e privacy.
> per le offerte: documentare che cosa l’IA fa davvero (benchmark, ambienti di prova, tassi d’errore), come si integra nel processo (escalation, logging, fallback manuale) e con quali garanzie (sicurezza, conformità, continuità operativa).
In definitiva, l’IA entra a pieno titolo nelle gare pubbliche, ma alle condizioni di sempre: utilità dimostrata, misurabilità, coerenza con l’interesse pubblico [2].
Note
[1] KPI = Key Performance Indicator: è un indicatore numerico usato per misurare in modo oggettivo la qualità e l’efficacia di un servizio offerto, sia in ambito pubblico sia privato. In pratica, il KPI di servizio definisce uno standard prestazionale che il fornitore deve raggiungere: può riferirsi a tempi di risposta, accuratezza delle attività, livello di soddisfazione degli utenti, percentuale di interventi eseguiti nei tempi concordati, conformità alle norme, ecc..
[2] Ecco alcuni esempi di KPI di servizio e clausole di collaudo “AI-ready” pensati per appalti di pulizia e sanificazione in cui si impiegano soluzioni digitali, sensori o intelligenza artificiale.
Questi strumenti aiutano a garantire che l’innovazione dichiarata sia effettivamente al servizio degli obiettivi di qualità, efficienza e sicurezza richiesti dal contratto.
Esempi di KPI “AI-ready” per pulizia e sanificazione
1. Accuratezza rilevamento stato igienico (AI-based)
- Percentuale di aree effettivamente pulite rilevate dai sistemi smart rispetto alle aree pianificate (>98%).
- Confronto tra segnalazioni AI e verifiche manuali (“falsi positivi/negativi”).
2. Riduzione dei tempi di risposta
- Tempo medio tra segnalazione automatica di necessità di pulizia (da sensore o AI) e intervento effettivo (<30 minuti per aree critiche).
3. Efficienza predittiva
- Numero di interventi preventivi programmati da AI che hanno evitato l’accumulo di sporco o criticità igieniche (target: >90% rispetto agli eventi rilevati ex post).
- Tempo medio tra due interventi predittivi in aree ad alto rischio (MTCP – Mean Time to Cleaning Prediction).
4. Risparmio risorse/ottimizzazione
- Riduzione dei consumi di detergenti, acqua o energia grazie a pianificazioni AI rispetto a baseline storiche (-15% in 12 mesi).
- Percentuale di interventi “on demand” attivati da AI rispetto al totale delle pulizie (obiettivo: almeno 30%).
5. Soddisfazione dell’utente finale
- Risultati di survey periodiche su comfort e percezione di pulizia (target: >85% soddisfatti).
- Numero di reclami su aree gestite con AI < 2% dei casi.
6. Reportistica e tracciabilità
- Percentuale di dati ambientali (umidità, particolato, residui) raccolti e archiviati correttamente (>99% rispetto agli obiettivi di raccolta)
- Frequenza di generazione e invio report automatici (es. settimanale/mensile) su performance e anomalie.
Clausole di collaudo e verifica “AI-ready” da inserire nel contratto
- Collaudo funzionale iniziale: “Il sistema AI/IoT sarà considerato accettato solo se, durante il collaudo, dimostrerà di rilevare almeno il 95% delle condizioni di sporco/anomalia simulate e generare segnalazioni accurate entro 5 minuti dall’evento.”
- Verifiche periodiche di performance: “Ogni trimestre, il fornitore presenterà un report certificato dei KPI concordati (accuratezza, tempi di risposta, risparmi), validato tramite controlli a campione della stazione appaltante.”
- Meccanismi di fallback: “In caso di malfunzionamento/errore dell’AI, dovrà essere garantito il passaggio immediato a procedure manuali, con notifica automatica all’amministrazione.”
- Auditabilità e trasparenza: “Il fornitore garantirà la tracciabilità di tutte le decisioni automatizzate (log accessibili, spiegazione delle scelte AI, conservazione dati per almeno 12 mesi).”
- Penali e incentivi legati ai KPI: “Il mancato raggiungimento di uno o più KPI comporterà penali percentuali sull’importo della rata mensile; il superamento stabile di almeno 3 KPI comporterà riconoscimento di bonus.”
- Clausola di aggiornamento tecnologico: “Il sistema AI sarà aggiornato almeno annualmente secondo i progressi tecnologici di settore, previa verifica congiunta dei risultati.”
Scrivi un commento
Accedi per poter inserire un commento