La digitalizzazione delle procedure di gara è tra le tematiche più rilevanti affrontate dal nuovo Codice degli appalti pubblici – il decreto legislativo 36/2023 – il quale riordina sistematicamente e innova in modo significativo la materia, dedicandovi un’intera parte del Codice (Libro I, Parte II). D’altronde, la digitalizzazione del settore pubblico è fra gli obiettivi principali del PNNR, missione 1, che con riferimento alle procedure di gara prevede di “definire le modalità per digitalizzare le procedure per tutti gli appalti pubblici e concessioni e definire i requisiti di interoperabilità e interconnettività” (M1C1-70) nonché di realizzare un sistema nazionale di e-procurement interoperabile con i sistemi gestionali delle pubbliche amministrazioni (M1C1-75).
L’obiettivo dichiarato è la completa digitalizzazione dell’intero “ciclo di vita dei contratti pubblici” (art. 19 del Codice), inteso come l’insieme di tutte le attività che si susseguono dalla programmazione alla definizione del fabbisogno e fino alla completa esecuzione del contratto, e che rappresenta uno dei compiti più onerosi per le amministrazioni, sia in termini di tempi che di risorse impiegate. Questa previsione ha una portata dirompente in quanto stabilisce, come obiettivo programmatico, lo svolgimento “in digitale” di ciascuna fase della catena di approvvigionamento pubblico.
Digitalizzazione procedure di gara, cosa cambia nel 2024
Dal primo gennaio 2024 le disposizioni in tema di digitalizzazione del ciclo di vita degli appalti sono divenute pienamente efficaci: le novità riguardano in particolare l’operatività dell’ecosistema di approvvigionamento digitale o “e-procurement”, tramite l’utilizzo di piattaforme certificate e la Banca Dati Nazionale dei Contratti Pubblici (“BDNCP”)[1]. La disciplina dell’e-procurement prevede l’utilizzo di piattaforme telematiche fra loro interoperabili come mezzo ordinario per la gestione del ciclo di vita dei contratti, con l’obiettivo di realizzare un portale unico per gli appalti[2].
Di particolare interesse, inoltre, anche le previsioni sull’automazione del ciclo di vita dei contrattipubblici, che menzionano espressamente il possibile utilizzo di sistemi di intelligenza artificiale (IA) per la gestione delle gare.
Le nuove norme si applicheranno a tutte le procedure iniziate dal 1° gennaio 2024 (anche per le procedure di affidamento comprese nel PNRR), mentre quelle iniziate fino al 31 dicembre 2023 si seguiranno le indicazioni della Delibera ANAC del 13 dicembre 2023 n. 582[3].
Le piattaforme digitali certificate
A partire dal primo gennaio, stazioni appaltanti e operatori economici sono tenuti ad utilizzare piattaforme digitali di approvvigionamento “certificate” per la conduzione dell’intero ciclo di vita dei contratti pubblici: dalla programmazione e progettazione, sino all’affidamento e all’esecuzione dei contratti. A titolo esemplificativo, tramite queste piattaforme interoperabili con la BDNCP gli operatori economici potranno accedere alla documentazione di gara, trasmettere dati e documenti, presentare il Documento di gara unico europeo e le offerte; le stazioni appaltanti, invece, potranno richiedere il CIG[4], effettuare controlli tecnici, contabili ed amministrativi dei contratti in fase di esecuzione.
Al momento, le piattaforme digitali di approvvigionamento certificate su tutto il territorio nazionale sono 46, e talune sono operative solamente per alcune delle “fasi” del ciclo di vita dei contratti. Ad ogni modo, le amministrazioni che ne sono ancora sprovviste potranno utilizzare le piattaforme messe a disposizione da altri enti, come altre stazioni appaltanti, centrali di committenza o soggetti aggregatori, regioni o provincie autonome (che a loro volta possono ricorrere a gestori esterni che garantiscono il funzionamento e la sicurezza delle piattaforme)[5]. Nonostante ciò, numerosi operatori stanno riscontrando problemi nell’utilizzo delle nuove piattaforme digitali per gli acquisti, ad esempio nella procedura per la richiesta dei CIG (codici identificativi di gara)[6].
La Banca Dati Nazionale dei Contratti Pubblici
Sempre a partire dal 1° gennaio 2024 è operativa anche la nuova BDNCP – composta da n. 6 sezioni – che rende disponibili le informazioni e i servizi per l’effettiva gestione digitale del ciclo di vita dei contratti pubblici e garantisce il rispetto degli obblighi di pubblicità e trasparenza. Tale banca dati infatti ha accesso a (ed è alimentata da) le informazioni contenute in altre banche dati gestite da amministrazioni (quali l’anagrafe delle persone fisiche e giuridiche, il registro delle imprese, il Ministero della Giustizia e l’Agenzia delle Entrate), società pubbliche e concessionari di pubblici servizi che detengono dati necessari al ciclo di vita digitale dei contratti, ed interagisce altresì con le piattaforme di approvvigionamento digitale utilizzate dalle singole stazioni appaltanti e centrali di committenza, rendendo disponibili a tutti i soggetti interessati i dati e le informazioni necessari alla gestione delle procedure.
L’uso di procedure automatizzate
Una norma che merita particolare attenzione per la sua portata innovativa è il nuovo articolo 30 del Codice in tema di “uso di procedure automatizzate nel ciclo di vita dei contratti pubblici”. Con decisione automatizzata si possono intendere tutte le decisioni inerenti a questioni sorte durante la procedura di appalto prese da un algoritmo ai sensi di precisi e predeterminati criteri.
Attraverso questo nuovo articolo il Codice sembra sostenere con forza l’implementazione di tali tecnologie – a partire dalla fase di valutazione delle offerte – prevedendone “ove possibile” l’utilizzo al fine di migliorare l’efficienza e l’efficacia delle procedure di gara e menzionando espressamente soluzioni tecnologiche quali l’intelligenza artificiale. Trattasi in ogni caso di disposizione volta a disciplinare il futuro (prossimo?), come anche puntualizzato dalla relazione introduttiva al Codice, in quanto “allo stato, nell’ambito delle procedure di gara sono utilizzati per lo più algoritmi non di apprendimento, utilizzati per il confronto automatico di alcuni parametri caratterizzanti le offerte e conoscibili”.
Tuttavia, non si può escludere che, a breve, la disponibilità di grandi quantità di dati possa consentire l’addestramento di algoritmi di apprendimento da applicare alle procedure di gara più complesse: da qui l’utilità dell’inserimento di una disciplina che richiami espressamente anche i principi destinati a governare l’utilizzo di tali sistemi. Ed infatti l’art. 30 stabilisce alcune norme tecniche che dovrebbero garantire trasparenza e sicurezza nell’utilizzo. Si prevede in particolare che le stazioni appaltanti debbano rendere disponibile il codice sorgente e ogni documento necessario a comprendere le logiche di funzionamento del sistema automatizzato, e debbano introdurre clausole di gara che assicurino le attività di assistenza e manutenzione necessarie a correggere eventuali errori derivanti dall’automazione. Inoltre, le decisioni automatizzate devono essere conoscibili e comprensibili e vi deve sempre essere un contributo umano capace di “controllare, validare ovvero smentire” tali decisioni.
Procedure automatizzate e AI: gli utilizzi
L’art. 30 del nuovo Codice apre numerose opportunità per le amministrazioni in tema di digitalizzazione, dando il “via libera” allo sviluppo di sistemi automatizzati che utilizzano anche l’intelligenza artificiale applicabili, in potenza, a tutte le attività di gara, pre e post aggiudicazione.
Sistemi di intelligenza artificiale potrebbero in primo luogo coadiuvare il lavoro degli operatori nella pianificazione delle gare e nella valutazione delle offerte. A questo proposito si riscontra la presenza di molteplici ricerche che sperimentano l’utilizzo di queste tecnologie nell’ambito degli appalti pubblici[7]. Fra quelle più utili in termini aumento dell’efficienza nella gestione delle gare vi sono senza dubbio gli algoritmi predittivi che sfruttano sistemi di IA, in particolare tecnologie di apprendimento automatico o machine learning (ML).
A cosa servono gli algoritmi predittivi
Gli algoritmi predittivi funzionano tramite funzioni di ML che rilevano modelli nei dati storici della catena di approvvigionamento, ovvero i punti critici e i fattori più cruciali nella determinazione della corretta quantità di forniture, come per esempio i rischi non prevedibili, la logistica e l’ottimizzazione delle procedure. Tramite sistemi di ML, la macchina apprende dai dati su cui si basa e può condurre analisi senza una struttura definita ed istruzioni specifiche a cui fare riferimento. Sistemi di questo tipo possono potenzialmente essere molto efficienti per la pianificazione dei quantitativi o delle basi d’asta nelle gare d’appalto di forniture, in modo tale da raggiungere una maggior efficienza nella programmazione.
Il caso: e-procurement per la Sanità
Un settore che potrebbe trarre particolare vantaggio dall’utilizzo di queste tecnologie è il settore sanitario, per una migliore individuazione delle quantità di farmaci/dispositivi medici da acquistare e della relativa base d’asta. Ed infatti, quando il fabbisogno di prodotti farmaceutici e medicali viene sottostimato, le strutture sanitarie si trovano sovente a dover acquistare prodotti al di fuori della gara (anche mediante acquisti diretti) e con costi maggiori. Le stesse problematiche possono verificarsi nel caso di aste deserte – fenomeno non infrequente in questo settore – quando l’aspirazione delle stazioni appaltanti di ottenere economie di scala con prezzi troppo bassi porta i fornitori a non partecipare alle gare in quanto il presso fissato dall’amministrazione non consentirebbe loro di trarre alcun guadagno in caso di aggiudicazione della fornitura[8].
Algoritmi per la previsione del fabbisogno e dei prezzi di aggiudicazione
Un algoritmo previsionale è stato oggetto dello STEINBOCC Project (STima dEI fabbisogNi di gara: variaBili di impattO e prediCtive data analytiCs), una ricerca condotta dai ricercatori dell’Healthcare Datascience LAB della LIUC-Università Cattaneo, in collaborazione con EGUALIA (industrie dei generici, biosimilari e value added medicines)[9]. In particolare, questa ricerca ha sviluppato un algoritmo previsionale, accessibile tramite un’interfaccia web, adattabile per diversi principi attivi e utilizzabile gratuitamente dagli enti appaltanti regionali e dalle aziende farmaceutiche per identificare i futuri fabbisogni o dimensionare gli acquisti delle future gare.
Un altro algoritmo previsionale oggetto di recenti ricerche, potenzialmente utile anche in ambito sanitario, è lo “stimatore” del prezzo di aggiudicazione dell’appalto, che si propone di individuare il prezzo ottimale rappresentante la base d’asta, sotto il quale aumenta la probabilità di gare deserte. Alcune ricerche sullo stimatore di pezzo sono state compiute dall’Università di Oviedo[10] che ha proposto un meccanismo di ML per l’individuazione della base d’asta delle gare di fornitura dei farmaci. Riguardo invece la stima del prezzo effettivamente pagato dalle amministrazioni, tale stima è resa particolarmente complicata dalla imprevedibilità del mercato oltre che dal potenziale intervento di modificazioni del contratto in corso di esecuzione che incidano, direttamente o indirettamente, sui costi della fornitura.
Lo scenario futuro
Nonostante le criticità, presenti e future, che interesseranno il percorso di digitalizzazione del ciclo di vita degli appalti, le novità introdotte dal Codice non possono che essere viste con particolare favore. Allo stesso modo, la scelta di menzionare espressamente il possibile utilizzo di sistemi decisionali automatizzati, compresi quelli che sfruttano l’IA, apre la strada alla progettazione e sviluppo di nuove tecnologie specificamente destinate al contesto degli appalti pubblici, seppur trattasi di prospettive legate al prossimo futuro.
Da un lato, infatti, il Codice nel citare il possibile “uso di procedure automatizzate” anche a fini decisionali non ne individua la tipologia né fornisce particolari indicazioni o esemplificazioni a riguardo, limitandosi ad indicare le cautele da adottare dal punto di vista tecnico per garantire trasparenza e sicurezza nell’utilizzo delle nuove tecnologie. Dall’altro, l’utilizzo di veri e propri algoritmi di apprendimento automatico – in luogo di semplici sistemi per il confronto automatico di dati e parametri (ad es., algoritmi per la selezione automatica della migliore offerta in gare aggiudicate secondo il criterio del prezzo più basso) – pone numerosi interrogativi sia sul come questi algoritmi potrebbero operare nel contesto della “discrezionalità amministrativa” che governa e indirizza numerose scelte degli enti, sia sulle eventuali responsabilità derivanti dalle decisioni prese tramite sistemi automatizzati e di AI, in particolare quando il loro utilizzo impatti in maniera diretta e rilevanti sugli stessi operatori economici che partecipano alle gare.
Una prima, possibile quanto parziale, risposta a tale interrogativo potrebbe rinvenirsi nello stesso art. 30, ove è previsto come necessario, nel processo decisionale che utilizza un algoritmo, l’intervento dell’uomo a fini di controllo e validazione delle decisioni assunte dal sistema automatizzato. Se ne potrebbe dedurre che proprio tale contributo umano possa garantire il permanere di discrezionalità nella scelta dell’amministrazione, se necessario per la specifica attività coinvolta, così come la possibile individuazione di un “responsabile” delle decisioni assunte con il contributo di queste nuove soluzioni tecnologiche. Ad ogni modo, naturalmente, la questione è ben più ampia e complessa, e le relative problematiche che ne deriveranno saranno diversamente declinate in relazione alla tipologia di algoritmo ed al contesto concreto di utilizzo nell’ambito delle singole procedure di gara.
Note
[1] In particolare, l’art. 225, comma 2 del nuovo Codice prevede che acquistino efficacia dal 1° gennaio 2024 le disposizioni di cui agli articoli 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 35, 36, 37, comma 4, 81, 83, 84 e 85, 99, 106, comma 3, ultimo periodo, 115, comma 5, 119, comma 5, e 224, comma 6; nonché l’articolo 4, comma 1, lettera c) e all’articolo 6, comma 1, lettera c) dell’allegato II 4.
[2] Tale sistema dovrebbe consentire agli operatori economici e alle stazioni appaltanti, in particolare, di redigere e acquisire atti in formato digitale, pubblicare e trasmettere dati alla Banca dati nazionale dei contratti pubblici, accedere a tutta la documentazione di gara, presentare le offerte e il documento di gara unico europeo, effettuare i controlli tecnici, contabili e amministrativi sui contratti in fase di esecuzione.
[3] Per rendere possibile la transizione, le pubbliche amministrazioni hanno dovuto dotarsi di tutti gli strumenti necessari, e l’ANAC ha prodotto una serie di delibere e comunicazioni con indicazioni operative. Fra queste, v. Delibera Anac 20 giugno 2023 n. 261; Delibera Anac 20 giugno 2023 n. 264; Comunicato del Presidente Anac del 19 settembre 2023; Delibera Anac 13 dicembre 2023 n. 582; Delibera Anac 19 dicembre 2023 n. 601; Delibera Anac 19 dicembre 2023 n. 606.
[4] Intesa MIT – ANAC – Delibera 13 dicembre 2023 n. 582.
[5] Art. 25 co. 2 Codice Appalti.
[6] “Appalti: Leli (Fare), flop piattaforme acquisti digitalizzati in sanità” (link) su Il Sole 24 Ore / Sanità24 del 23 gennaio 2023.
[7] García Rodríguez MJ and others, “Bidders Recommender for Public Procurement Auctions Using Machine Learning: Data Analysis, Algorithm, and Case Study with Tenders from Spain” (link); García Rodríguez MJ and others, “Collusion Detection in Public Procurement Auctions with Machine Learning Algorithms” (link); Torres-Berru Y and López Batista VF, “Data Mining to Identify Anomalies in Public Procurement Rating Parameters” (link) .
[8] Su questi temi “L’evoluzione del sistema di acquisto di farmaci e dispositivi” (link) documento sviluppato dalla Società Italiana di Farmacia Ospedaliera e dei Servizi Farmaceutici delle Aziende Sanitarie (SIFO) con il contributo di imprese ed associazioni del settore; si veda in particolare il Cap. 9.
[9] “Farmaci: un algoritmo per gestire le gare d’appalto e scongiurare le carenze” (link) su Il Sole 24 ore/ Sanità24 del 7 giugno 2023.
[10] “Public Procurement Announcements in Spain: Regulations, Data Analysis, and Award Price Estimator Using Machine Learning” (link).
