Intelligenza Artificiale e spesa pubblica: il vero limite è come…

Gli appalti pubblici in Europa rappresentano circa il 14–15% del PIL.

Non si tratta di una semplice funzione amministrativa, ma di una leva economica che incide direttamente sulla produttività e sull'innovazione. È qui che si misurerà, in ultima analisi, l'effettiva utilità dell'intelligenza artificiale nella pubblica amministrazione.

Il limite principale dell'IA nella spesa pubblica non è tecnologico. Risiede nella capacità delle istituzioni pubbliche di definire correttamente i problemi, strutturare efficacemente la domanda e gestire l'esecuzione dei contratti durante tutto il ciclo di approvvigionamento. Laddove l'appalto rimane un esercizio puramente formale di conformità, l'IA produce solo risultati marginali: progetti pilota, applicazioni frammentate e un impatto operativo limitato. Laddove invece l'appalto diventa una leva strategica, l'IA può ridurre i costi, accorciare i processi e migliorare l'efficienza amministrativa.

La portata della spesa pubblica rende gli appalti una variabile macroeconomica piuttosto che una procedura burocratica. In tutti i paesi europei, una quota significativa della spesa pubblica transita attraverso le gare d'appalto, eppure le dinamiche competitive rimangono spesso deboli: in molti casi, circa un terzo delle gare attrae un solo offerente, la partecipazione delle PMI resta limitata e i criteri di aggiudicazione continuano a privilegiare il prezzo rispetto al valore a lungo termine. Il problema non è quanto spendono i governi, ma come lo spendono.

In Italia, la debolezza strutturale è nota: una pubblica amministrazione storicamente concentrata più sulla conformità procedurale che sui risultati misurabili. Il rischio è introdurre tecnologie avanzate senza ridisegnare i processi sottostanti. In queste condizioni, l'IA tende a sovrapporsi a sistemi non pienamente ottimizzati, generando solo limitati guadagni di produttività.

Il nodo centrale è quindi la costruzione stessa della domanda pubblica. I governi non dovrebbero prescrivere soluzioni tecniche a priori; dovrebbero definire chiaramente problemi, indicatori di performance e responsabilità contrattuali. Ciò richiede team multidisciplinari, l'uso sistematico di metodologie basate sul costo dell'intero ciclo di vita e un monitoraggio continuo dell'esecuzione per tutta la durata dei contratti.

Un appalto efficace alloca il capitale pubblico in modo più efficiente, riduce il lock-in tecnologico e aumenta la contendibilità del mercato, consentendo una spending review basata non su tagli indiscriminati ma sulla qualità e sull'efficacia della spesa.

I confronti internazionali sono istruttivi. Alcuni paesi usano sempre più spesso la domanda pubblica come leva per lo sviluppo industriale e tecnologico, mentre l'Europa continua a scontrarsi con una complessità procedurale e una frammentazione che indeboliscono la capacità di esecuzione. Per questo motivo, la priorità non dovrebbe essere moltiplicare le iniziative sull'IA, ma rafforzare la capacità di acquisto delle pubbliche amministrazioni: quadri d'appalto standardizzati, requisiti di interoperabilità, clausole contrattuali su data governance e strategie di uscita, e modelli di valutazione basati sul costo totale anziché solo sul prezzo iniziale.

L'IA crea valore quando applicata a processi chiari e misurabili. È molto meno efficace quando viene acquisita come una soluzione orizzontale generica senza un'integrazione operativa. Il fattore determinante non è la potenza pura del modello, ma la qualità della capacità di committenza pubblica.

Il problema, dunque, non è tecnologico. È istituzionale. Senza sistemi di appalto efficaci, l'intelligenza artificiale rischia di diventare una spesa sofisticata con un impatto limitato. Con forti capacità di acquisto, può diventare un driver strutturale di produttività.

Questa è la vera distinzione: tra uno Stato che acquista conformità e uno Stato che acquista risultati.

di Marco Mizzau