Analisi dei documenti della gara di appalto e predisposizione dell’offerta nei processi per l’affidamento dei contratti pubblici tramite IA

Vi è, in premessa, da dire che è presumibile che, ben presto, si smorzerà, parzialmente, l’entusiasmo da parte delle parti in causa (principalmente, nel caso presente, dei concorrenti nei processi di affidamento dei servizi e dei lavori) per l’Intelligenza Artificiale Generativa poiché è immaginabile che il ricorso a questo tipo di dispositivi migliori qualitativamente, ma pure quantitativamente, la capacità di analizzare i documenti di gara e di predisporre le offerte metodologicamente, ma, altresì, originando da modelli fondazionali comuni o simili, è possibile che conduca a un innalzamento del livello in termini di mediocrità (nel senso letterale), rendendo sempre meno distinguibili e competitive le proposte dei candidati.

Qualora poi si passi alla Intelligenza Artificiale Agentica, accanto alla convergenza algoritmica, si darà la collusione algoritmica, che potrebbe sancire l’instaurazione di logiche involontarie di perdita di controllo: si pensi ai fenomeni di scheming, di misalignment e di reward hacking.

Tra l’altro, i Modelli Linguistici fondazionali, addestrati specificamente, tendono a descrivere proposte suggestive di cui non hanno comprensione effettiva del mondo reale, rimanendo nell’alveo delle logiche linguistiche: il che potrebbe far sì che le proposte avanzate non abbiano un effettivo corrispettivo nella capacità dei concorrenti di porle in essere, specie per gli aspetti tecnici e metodologici nel contesto delle Offerte Economicamente Più Vantaggiose.

D’altra parte, per certi versi, i Modelli Linguistici tendono a operare in termini di distribuzioni probabilistiche, ma sono tendenzialmente privi di una comprensione causale: per questa ragione, si avanza l’ipotesi dei cosiddetti Modelli Mondiali, in antitesi ai Modelli Linguistici, utilizzati, peraltro, ancora, in quel caso, in modo ibrido e in funzione accessorie.

In ogni maniera, la distinzione tra documento e dato, tra dato strutturato o meno, parzialmente viene meno con l’introduzione delle soluzioni sopra menzionate.

Ovviamente, la diffusione capillare dei Modelli Linguistici di Grandi Dimensioni come assistenti implicherà, o potrebbe implicare, una progressiva atrofizzazione delle competenze dei soggetti coinvolti nella preparazione semi automatica delle offerte tecniche ed economiche.

Questo fatto sarà amplificato dai sistemi multi agentici, che richiedono, appunto la specificazione stretta di obiettivi o di vincoli per limitare il grado di indipendenza e di autonomia degli stessi.

Resta, tuttavia, il fatto che attualmente la preparazione delle offerte nel settore appaia tendenzialmente manuale, frammentata, lenta e dipendente da conoscenza tacita dispersa tra persone e tra documenti.

Un recente paper scientifico (che stima nel bid preparation process un costo sino al 2% del fatturato totale di una organizzazione) ha proposto un Proof of Concept di applicazione della Intelligenza Artificiale Generativa sul tema, in cui figurano:

• l’impiego di un Modello Linguistico Massivo per l’estrazione dei requisiti dai bandi di gara e per la generazione testuale;
• l’utilizzo del semantic retrieval su offerte storiche dell’organizzazione, in termine specialmente di similarità del coseno nelle basi di dati vettoriali;
• la creazione di un archivio strutturato dei documenti di gara prodotti, tale per cui sia sempre possibile la verifica delle fonti;
• la revisione umana finale in modalità human-in-the-loop.

Di fatto, si propone un approccio solo parzialmente automatizzato e, in ogni caso, soggetto a validazione umana.

Le conclusioni che si possono trarre è che questi dispositivi sembrano efficaci e attendibili come copiloti, specialmente per l’analisi dei documenti di gara e per la rielaborazione dei contenuti delle offerte sottoposte in precedenza dall’organizzazione, ma non paiono certo essere in grado di configurare autonomamente soluzioni metodologiche originali, anche sotto il profilo delle allucinazioni e dell’inventività dei Modelli Linguistici.

In definitiva, ciò che conta al momento è che l’organizzazione sia costretta ad analizzare con attenzione i propri processi di gestione della preparazione delle offerte e a valorizzare le esperienze pregresse.

Nella prima situazione, si tratta di riprendere l’approccio al Sistema di Gestione per la Qualità, per normalizzare procedure e processi gestionali, in vista di una loro potenziale semi automazione.

Nella seconda evenienza, l’impresa di costruzioni acquisisce la consapevolezza della nozione del riuso della conoscenza.

Più che un incremento qualitativo, ci si attende, dunque, una velocizzazione delle attività propedeutiche.

Appaiono infatti, praticabili il retrieval semantico vettoriale, il few-shot prompting e la generazione di testo lungo, ma rimangono inesplorati temi cruciali come la gestione di dati e di testi non alfanumerici e, soprattutto, metodi di automazione del pricing che, peraltro, in altre ricerche, avevano evidenziato problematiche di convergenza e di collusione, oltre che di selezione ottimizzata di bandi in funzione delle caratteristiche della organizzazione.

Accantonata, per ora, la possibilità di replacement, della sostituzione, occorre comprendere in che misura possa darsi l’augmentation, pertanto, le modalità di potenziamento delle risorse umane dedicate: occorre considerare l’approccio alla Intelligenza Artificiale Generativa come motore di industrializzazione dell’offerta tecnica, sotto controllo umano.

La lettura strutturata della lex specialis e la sua affinità con offerte precedenti, sembrano, quindi, risultare le prestazioni più performanti, vale a dire la ingestion e il matching, mentre la redazione testuale iniziale resta al di sotto della versione producibile da soggetti umani, per quanto costituisca un canovaccio sempre utile.

A proposito della ricerca semantica nell’archivio storico dell’impresa occorre sottolineare l’uso dei data base vettoriali, progettati per memorizzare e per cercare contenuti in base alla somiglianza semantica.

D’altra parte, un Modello Linguistico di Grandi Dimensioni è in grado di accertare, ad esempio, se:

• il cronoprogramma sia coerente con la metodologia; 
• le risorse promesse in offerta coincidano con l’organigramma, con i CV e con l’elenco delle attrezzature; 
• le migliorie narrative non sconfinino in prestazioni aggiuntive non ammissibili; 
• i riferimenti a CAM, a salute e a sicurezza, a digitalizzazione, a requisiti ambientali, ad accessibilità e a clausole sociali siano presenti dove richiesti; 
• i costi della manodopera dichiarati e l’impostazione del ribasso non generino rischi di anomalia.

Qualora l’impresa di costruzioni possa avvalersi di una conoscenza approfondita della stazione appaltante sarebbe possibile anche nutrire il sistema con criteri, sub-criteri e storici delle precedenti commissioni aggiudicatrici.

Ovviamente, si tratta, a questo punto, di comprendere quale sia la convenienza della singola impresa di costruzioni nel procedere in maniera condivisa e collaborativa con altre o meno, specie se delle stesse caratteristiche e se operanti sugli stessi mercati locali.

La gestione della riservatezza relativa allo storico di impresa potrebbe essere resa praticabile da modelli on-premise o private cloud nei casi sensibili.

La questione è se queste imprese si limitino a condividere soluzioni per il parsing della lex specialis, per l’estrazione dei criteri, per la verifica di conformità, per la produzione di liste di riscontro formali, e di altro, ma non mettano in comune le basi documentali e le analitiche delle stazioni appaltanti.

In caso alternativo, si avrebbe, appunto una convergenza algoritmica, con decadimento differenziale.

Esisterebbe, poi, una memoria condivisa capace di trasformare contenuti competitivi altrui in un vantaggio che sia proprio.

Difficilmente si potranno condividere le offerte tecniche storiche, le basi dei prezzi, l’analisi dei prezzi, l’analisi dei costi indiretti; le logiche di gestione dei ribassi e dell’utile, i dati di produttività, la valutazione di procedere, le librerie di prompt.

Occorre, allora, domandarsi come sia immaginabile potenziare la gestione delle offerte da parte di più imprese concorrenti senza compromettere le regole della concorrenzialità.

Vi sono almeno tre casi ipotizzabili:

• diverse imprese di costruzioni concorrenti utilizzano gli stessi dispositivi di Intelligenza Artificiale Generativa;
• diverse imprese di costruzioni concorrenti utilizzano soluzioni diverse di Intelligenza Artificiale Generativa;
• anche la stazione appaltante adopera una soluzione di Intelligenza Artificiale Generativa simile o differente da quella di una o più concorrenti.

Come detto, occorre scongiurare la possibilità che i dati proprietari siano acquisiti dai concorrenti, che, soprattutto, il sistema generativo indirettamente utilizzi pattern derivanti da altre imprese, che le offerte, come detto, divengano omogenee, che si generi un allineamento competitivo improprio.

Ovviamente, i rischi principali risiedono nel caso in cui più imprese concorrenti utilizzino le stesse soluzioni di Intelligenza Artificiale Generativa, mentre meno problematico potrebbe rivelarsi la circostanza in cui i dispositivi siano differenti.

Qualora sia anche la stazione appaltante a ricorrervi, ricorrono criticità relative a trasparenza e ad auditabilità, specie se sono utilizzate le medesime tecnologie, causando prossimità tecnica tra i due ecosistemi.

Una dimensione dell’impresa significativa con una ampia base documentale e una soluzione ben progettata può facilitare ritorni maggiori rispetto a imprese minori dotate di  soluzioni meno efficienti, aumentando il divario organizzativo tra gli operatori economici.

Al contempo, evoluzioni ulteriori verso soluzioni di Intelligenza Artificiale Agentica implicano una delega a uno o più agenti sul ragionamento operativo su più passaggi, sull’adozione di strumenti esterni e sull’esecuzione di workflow con supervisione limitata.

Si propone, di seguito, una esemplificazione elementare della analisi di un bando e di un disciplinare, svolta con il Modello Lingustico Massivo.

 

Fonte	Campo	Dato / Contenuto Iniziale	Uso Analitico	Uso GenAI	Rischio / Presidio
🟦 Bando	Tipo procedura	Aperta telematica (art. 71 D.Lgs. 36/23)	Definisce perimetro competitivo e regime	Parsing automatico scheda gara	Basso
🟦 Bando	Natura appalto	Lavori, CPV 45200000	Qualifica mercato e requisiti disciplinare	Classificazione automatica repository	Basso
🟦 Bando	Valore stimato	€ 45.059.917,47 (netto IVA)	Inquadramento soglia e scala org.	Inserimento automatico in dashboard	Basso
🟦 Bando	Termine offerte	31/07/2024 ore 14:00 UTC	Dato chiave per timeline produzione	Creazione piano attività e reminder	Basso
🟦 Bando	Piattaforma	Acquisti in rete / PA	Identifica canale e vincoli caricamento	Checklist telematica e verifica tech	Basso
🟦 Bando	Lotto	Lotto unico / LOT-0001	Rafforza lettura unitarietà intervento	Classificazione	Basso
🟦 Bando	Documenti	Link …	Conferma disciplinare come fonte primaria	Retrieval dei documenti collegati	Medio
🟩 Disciplinare	Oggetto	Restauro e nuova costruzione	Inquadra complessità e mix conservazione	Matching automatico lavori analoghi	Medio
🟩 Disciplinare	Vincoli	“Palazzina” (D.Lgs. 42/2004)	Segnala sensibilità su heritage e metodo	Recupero testi su contesti vincolati	Alto
🟩 Disciplinare	Aggiudicazione	OEPV (Qualità/Prezzo)	Base per strategia offerta tecnica	Costruzione matrice criteri/punteggi	Medio
🟩 Disciplinare	CAM	Conforme DM 23/06/2022	Introduce vincoli ambientali tecnici	Checklist CAM e recupero evidenze	Medio-Alto
🟩 Disciplinare	Lotti	Motivata da unitarietà e tempi	Lettura scala organizzativa	Solo classificazione	Basso
🟩 Disciplinare	Durata procedura	Massimo 9 mesi (Allegato I.3)	Timeline attesa e gestione bid effort	Timeline automatica	Basso
🟩 Disciplinare	RUP	Arch. …	Chiarimenti, governance e tracciabilità	Popolamento automatico scheda	Basso
🟩 Disciplinare	Consegna aree	Riserva SA consegna parziale aree	Clausola alto impatto su cronoprogramma	Segnalazione “Warning Rosso”	Alto)
🟩 Disciplinare	Interferenze	Lavori di bonifica/demolizione in corso	Lettura rischio e cantierizzazione	Draft assistito “gestione interferenze”	Alto
🟩 Disciplinare	Espropri	Procedimento espropriativo in corso	Impatta affidabilità programmazione	Warning automatico in matrice rischi	Alto
🟩 Disciplinare	Struttura doc.	Sezioni requisiti, avvalimento, subappalto	Costruzione compliance matrix	Parsing strutturato per sezioni	Basso
🟩 Disciplinare	Regole Tech	Responsabilità operatore su caricamento	Impatta su checklist finale di consegna	Agente/checklist telematica	Basso
🟩 Disciplinare	Elenco Allegati	CSA, Schema contratto, Progetto, ecc.	Mappa delle fonti ancora da analizzare	Retrieval mirato allegati/elaborati	Medio
🟩 Disciplinare	Offerta Tecnica	Sezione autonoma	Ingresso per matrice OEPV	Drafting assistito criteri/subcriteri	Medio
🟩 Disciplinare	Offerta Economico Temporale	Sezione autonoma (Cap. 18)	Separa area tecnica da area numerica	Supporto istruttorio (no decisione)	Alto
🟩 Disciplinare	Calcolo punteggi	Metodi attribuzione (Sez. 20)	Base per scoring simulation	Analisi assistita (non conclusiva)	Medio-Alto
🟩 Disciplinare	Driver Strategici	GID / As-built / Esperienze analoghe	Driver centrali per strategia OEPV	Retrieval CV, referenze, casi BIM	ALTO
⬛ Codice	Principi	Risultato, Concorrenza, Trasparenza	Validazione interpretativa senso gara	Quadro di controllo normativo	Basso
⬛ Codice	Disciplina OEPV	Art. 108 D.Lgs. 36/23	Cornice normativa per offerta tecnica	Supporto interpretativo	Medio

 

A seguito dell’analisi effettuata, l’impresa dovrebbe usare la propria base dati e la propria base dati vettoriale relativa a offerte pregresse similari: con l’ausilio di un Modello Linguistico di Grandi Dimensioni, ecco l’esito di un processo simulato:

 

1. Ref-021 — “Nuovo Polo Uffici Agenzia Entrate – Firenze”
   Nuova costruzione, 39,8 M€, 14.900 mq, BIM, IFC, piattaforma cantiere, As-built 
2. Ref-044 — “Riqualificazione Palazzo storico sede Prefettura – Parma”
   Restauro vincolato, 2,1 M€ porzione vincolata, BIM, documentazione condivisa 
3. Off-118 — Offerta tecnica “Caserma Guardia di Finanza – nuova sede”
   Uffici pubblici, più corpi di fabbrica, cronoprogramma complesso 
4. Proc-009 — Procedura interna “Gestione consegna parziale aree e aree interferite” 
5. BIM-014 — Template oGI con ruoli, processi, ACDat, modellazione, coordinamento 
6. CV-031 — BIM Manager certificato UNI 11337-7 con esperienza in appalti pubblici 
7. CV-044 — Site manager con esperienza in immobili vincolati e cantieri in esercizio 
8. QLT-006 — Procedura qualità per controllo subappaltatori e monitoraggio avanzamento 
9. ENV-004 — Procedura CAM cantieri pubblici 
10. LL-019 — Lesson learned “bonifiche e demolizioni in appalto precedente con avvio parziale nuovo contratto” 

L’esito complessivo per un criterio specifico sarebbe questo:

Criterio A.1 — Nuova costruzione

Referenze candidate

• Ref-021 — Polo Uffici Agenzia Entrate – Firenze 
• Off-118 / Ref-032 — Caserma / sede Guardia di Finanza 

Motivo
Ottimo fit su:

• destinazione d’uso pubblica; 
• dimensione comparabile; 
• BIM + IFC; 
• piattaforme digitali; 
• As-built 

Rischi

• verificare se importo e superficie sono abbastanza vicini; 
• verificare quota realmente eseguita in RTI 

Criterio A.2 — Storico vincolato

Referenze candidate

• Ref-044 — Palazzo storico Prefettura – Parma 
• Ref-051 — Restauro sede ente pubblico vincolata 

Motivo
Ottimo fit su:

• vincolo; 
• destinazione pubblica; 
• BIM di cantiere; 
• As-built 

Rischi

• evitare referenze troppo piccole; 
• verificare analogia reale della lavorazione 

Criterio B.2 / B.3

Asset documentali candidati

• Proc-009 consegna parziale aree 
• LL-019 bonifiche/demolizioni pregresse 
• BIM-014 oGI template 
• QLT-006 controllo subappaltatori 
• Platform-003 monitoraggio digitale RUP/DL/CSE

Ad esempio, per un criterio specifico, il prompt potrebbe così suonare:

Trova nel repository interventi di nuova costruzione eseguiti negli ultimi 10 anni, con destinazione d’uso assimilabile a poli amministrativi, sedi di uffici pubblici o complessi istituzionali, di superficie lorda vicina a 16.000 mq e importo lavori vicino a 45 milioni di euro, con utilizzo di BIM, interoperabilità IFC, piattaforme digitali di cantiere e produzione di As-built.

Filtri metadata

• tipo_intervento = nuova costruzione 
• destinazione_uso in [uffici pubblici, polo amministrativo, sede istituzionale, caserma, agenzia pubblica] 
• BIM = sì 
• IFC = sì 
• as_built = sì 
• anno >= ultimi 10 anni 

Ranking

1. similarità semantica con criterio A.1 
2. vicinanza di importo 
3. vicinanza di superficie 
4. similitudine destinazione d’uso 
5. presenza contemporanea BIM + IFC + piattaforma + As-built 

Output atteso

• shortlist di 5 referenze 
• 2 “best candidates” 
• chunk riusabili con: 
  • descrizione opera 
  • dati quantitativi 
  • modalità BIM 
  • strumenti di coordinamento digitale 

Ecco come un Modello Linguistico Massivo propone la redazione del prompt atto alla redazione di un testo provvisorio per un determinato criterio.

Sei un assistente di supporto alla redazione di offerte tecniche per gare pubbliche di lavori.

Devi redigere una bozza del criterio A.1 utilizzando esclusivamente le evidenze contenute nei materiali recuperati dal repository aziendale.

Non inventare dati, non ampliare esperienze, non attribuire all’impresa attività o risultati non presenti nei materiali.

Se un’informazione utile non è supportata dai documenti, omettila.

Scrivi in stile tecnico-professionale, chiaro, sobrio, orientato al criterio valutativo.

Non usare formule enfatiche o promozionali generiche.

CONTESTO GARA

Procedura aperta per lavori di rifunzionalizzazione, restauro, risanamento conservativo e nuova costruzione dell’immobile denominato “Ex Caserma” a Brescia.

Criterio di aggiudicazione: offerta economicamente più vantaggiosa.

Nel criterio A.1 sono valorizzate esperienze pregresse di nuova costruzione con elementi di analogia rispetto all’intervento oggetto di gara, anche con riferimento a:

– destinazione d’uso assimilabile a poli amministrativi, uffici pubblici, sedi istituzionali;

– dimensione e importo dell’intervento;

– utilizzo del BIM;

– interoperabilità IFC;

– uso di piattaforme digitali di cantiere;

– produzione e gestione dell’As-built.

OBIETTIVO

Redigi il testo della sezione A.1 mettendo in evidenza fino a 2 interventi di nuova costruzione che risultino i più pertinenti rispetto al criterio.

Per ciascun intervento:

– descrivi sinteticamente l’opera;

– evidenzia gli elementi di analogia con la gara;

– metti in risalto eventuale uso di BIM, IFC, piattaforme digitali e As-built;

– mantieni il testo rigorosamente aderente ai dati documentati.

VINCOLI

1. Usa solo i due interventi più forti tra quelli forniti nei materiali.
2. Non parlare di restauro storico o immobili vincolati, salvo se strettamente necessario e secondario: questa sezione riguarda la nuova costruzione.
3. Non citare importi, superfici, anni, ruoli o strumenti se non presenti nei materiali.
4. Se un intervento è stato eseguito in RTI o con ruolo non totalitario, esplicitalo in modo corretto.
5. Non usare espressioni come “perfettamente analogo”, “identico”, “assolutamente sovrapponibile” se non supportate.
6. Non inserire valutazioni legali o conclusioni sul punteggio.
7. Non fare elenco puntato salvo dove richiesto nel formato finale.

MATERIALI RECUPERATI DAL REPOSITORY

[DOC 1 – Ref-021]

Titolo: Nuovo Polo Uffici Agenzia Entrate – Firenze

Tipo: scheda referenza

Dati chiave:

– nuova costruzione

– destinazione d’uso: uffici pubblici

– importo lavori: 39,8 milioni euro

– superficie lorda: 14.900 mq

– BIM utilizzato in fase esecutiva

– interoperabilità IFC presente

– piattaforma digitale di cantiere utilizzata per condivisione documentale e avanzamento

– produzione As-built a fine lavori

– ruolo impresa: mandataria RTI con esecuzione prevalente opere civili e coordinamento operativo

Estratti rilevanti:

“Il progetto ha riguardato la realizzazione di un complesso destinato a uffici pubblici articolato in più corpi di fabbrica con aree esterne, parcheggi e impianti.”

“La gestione informativa è stata sviluppata in ambiente BIM con interoperabilità IFC e condivisione su piattaforma digitale di cantiere accessibile ai soggetti autorizzati.”

“A completamento dell’intervento è stato aggiornato il corredo informativo As-built.”

[DOC 2 – Ref-032]

Titolo: Nuova sede Guardia di Finanza – Modena

Tipo: scheda referenza

Dati chiave:

– nuova costruzione

– destinazione d’uso: sede istituzionale / uffici operativi

– importo lavori: 43,6 milioni euro

– superficie lorda: 16.400 mq

– BIM presente

– piattaforma collaborativa per controllo avanzamento e documentazione

– As-built presente

– IFC non esplicitamente menzionato

– ruolo impresa: appaltatore singolo

Estratti rilevanti:

“L’intervento ha comportato la realizzazione di una nuova sede destinata a funzioni amministrative e operative, con articolazione distributiva complessa.”

“L’organizzazione del processo realizzativo è stata supportata da strumenti digitali di coordinamento e monitoraggio.”

“La documentazione finale comprendeva gli aggiornamenti informativi di fine lavori.”

 

[DOC 3 – Off-118]

Titolo: Offerta tecnica per nuova sede pubblica multifunzionale

Tipo: chunk offerta tecnica precedente

Estratti riusabili:

“La proposta metodologica valorizza la capacità dell’operatore di trasferire in nuovi interventi complessi l’esperienza maturata in commesse accomunate da destinazione pubblica, articolazione funzionale, coordinamento multidisciplinare e gestione informativa digitale.”

“Particolare rilievo assume l’aver già operato in contesti in cui la qualità del coordinamento tra progettazione esecutiva, realizzazione e aggiornamento informativo finale costituisce fattore decisivo per la corretta consegna dell’opera.”

[DOC 4 – BIM-014]

Titolo: Template interno BIM/IFC/As-built

Tipo: procedura/standard interno

Estratti riusabili:

“L’interoperabilità IFC consente la fruibilità del dato tra ambienti e applicativi differenti.”

“La gestione As-built viene strutturata come aggiornamento progressivo del patrimonio informativo di commessa fino alla consegna finale.”

ISTRUZIONI DI SELEZIONE

Seleziona prioritariamente gli interventi che massimizzano:

– analogia di destinazione d’uso;

– vicinanza dimensionale;

– vicinanza economica;

– presenza di BIM;

– presenza di piattaforma digitale;

– presenza di As-built;

– presenza di IFC, se documentata.

FORMATO DI OUTPUT

Produci:

1. Titolo sezione: “Criterio A.1 – Esperienze in interventi di nuova costruzione”
2. Un paragrafo introduttivo di massimo 120 parole
3. Due sottoparagrafi, uno per ciascun intervento selezionato, di massimo 180 parole ciascuno
4. Una breve chiusura finale di massimo 80 parole che sintetizzi gli elementi di maggiore coerenza con la gara
5. Dopo il testo, aggiungi una sezione separata intitolata “Check fonti” con:

   – interventi usati

   – dati certi usati

   – dati non utilizzati perché non sufficientemente supportati

IMPORTANTE

Se l’informazione IFC non è documentata per uno dei due interventi, non attribuirla.

Se ritieni che uno dei due interventi sia meno forte su un aspetto, compensa valorizzando solo gli elementi realmente provati.

Qualora l’istruzione fosse rivolta a soluzione agentica, ecco la versione simulata.

OBIETTIVO GENERALE

Preparare la bozza del criterio A.1 della gara “Ex Caserma” utilizzando esclusivamente evidenze interne documentate, con focus su esperienze di nuova costruzione analoghe per destinazione d’uso, dimensioni, importo, BIM, interoperabilità IFC, piattaforme digitali di cantiere e As-built.

CONTESTO GARA

Procedura aperta per lavori di rifunzionalizzazione, restauro, risanamento conservativo e nuova costruzione dell’immobile denominato “Ex Caserma”.

Il criterio A.1 richiede la valorizzazione di esperienze pregresse di nuova costruzione, con particolare rilievo per:

– analogia di destinazione d’uso con poli amministrativi / uffici pubblici / sedi istituzionali;

– analogia dimensionale e di importo;

– utilizzo del BIM;

– interoperabilità IFC;

– piattaforme digitali di cantiere;

– produzione As-built.

REGOLE GENERALI

– Non inventare alcun dato.

– Non usare contenuti non presenti nei documenti recuperati.

– Non attribuire all’impresa ruoli o prestazioni non provati.

– Se una referenza è in RTI, indicarlo correttamente.

– Non formulare giudizi sul punteggio.

– Ogni claim deve essere tracciabile a una fonte recuperata.

– La bozza finale deve essere sottoposta a verifica prima dell’uso.

WORKFLOW AGENTICO

AGENT 1 – CRITERION ANALYZER

Compito:

– analizzare il criterio A.1;

– identificare i fattori premianti;

– trasformare il criterio in requisiti di retrieval.

Output richiesto:

– elenco strutturato dei driver di ricerca:

1. nuova costruzione
2. destinazione d’uso assimilabile
3. dimensioni comparabili
4. importo comparabile
5. BIM
6. IFC
7. piattaforma digitale
8. As-built

AGENT 2 – REPOSITORY RETRIEVER

Compito:

– interrogare il repository aziendale sulla base dei driver prodotti da Agent 1;

– recuperare massimo 10 documenti e massimo 20 chunk rilevanti.

Filtri:

– nuova costruzione

– lavori pubblici o assimilabili

– ultimi 10 anni

– priorità a destinazione d’uso pubblica o istituzionale

– priorità a BIM / piattaforma / As-built

Output richiesto:

– elenco documenti candidati;

– chunk rilevanti;

– metadati chiave per ciascun risultato.

AGENT 3 – EVIDENCE RANKER

Compito:

– assegnare un punteggio a ciascuna referenza candidata;

– selezionare le 2 più forti.

Criteri di ranking:

– 35% analogia funzionale

– 20% analogia dimensionale

– 15% analogia economica

– 10% BIM

– 5% IFC

– 5% piattaforma digitale

– 5% As-built

– 5% qualità documentale

Output richiesto:

– classifica delle referenze;

– scelta delle 2 referenze migliori;

– giustificazione sintetica della selezione;

– elenco dei limiti delle referenze escluse.

AGENT 4 – FACT EXTRACTOR

Compito:

– estrarre dai 2 documenti selezionati solo i fatti documentati utilizzabili nel testo finale.

Per ogni referenza estrarre:

– nome intervento

– tipo di opera

– destinazione d’uso

– importo

– superficie

– ruolo dell’impresa

– BIM sì/no

– IFC sì/no

– piattaforma digitale sì/no

– As-built sì/no

– eventuali frasi-prova riusabili

Output richiesto:

– tabella fatti certi per referenza;

– lista claim non supportati o dubbi.

AGENT 5 – DRAFT WRITER

Compito:

– redigere la bozza del criterio A.1 utilizzando solo la tabella dei fatti certi prodotta da Agent 4.

Formato richiesto:

1. titolo sezione
2. paragrafo introduttivo max 120 parole
3. sottoparagrafo referenza 1 max 180 parole
4. sottoparagrafo referenza 2 max 180 parole
5. chiusura finale max 80 parole

Stile:

– tecnico, sobrio, non promozionale;

– orientato al criterio;

– niente superlativi non documentati;

– niente dati non verificati.

AGENT 6 – CLAIM VERIFIER

Compito:

– verificare ogni frase della bozza prodotta da Agent 5;

– controllare che ogni claim sia supportato da almeno una fonte;

– segnalare frasi da rivedere.

Output richiesto:

– bozza annotata con status:

  – VERIFIED

  – PARTIALLY VERIFIED

  – UNSUPPORTED

– elenco correzioni obbligatorie.

AGENT 7 – BID RISK CHECKER

Compito:

– controllare che il testo non ecceda rispetto al criterio A.1;

– segnalare rischi di overclaim, falsa analogia, improprio trasferimento di esperienza, confusione tra nuova costruzione e restauro.

Output richiesto:

– elenco rischi residui;

– semaforo finale:

  – verde

  – giallo

  – rosso

HUMAN APPROVAL GATE

Il testo finale non può essere esportato come bozza ufficiale se non dopo validazione di:

– responsabile ufficio gare

– referente tecnico

– responsabile BIM (se richiamato nel testo)

OUTPUT FINALE DEL WORKFLOW

Restituire:

1. bozza A.1
2. check fonti
3. warning su punti da validare
4. referenze escluse e motivo esclusione

È palese come vi siano vantaggi non banali, ma si tratta di soppesare attentamente le modalità con cui l’impresa possa operare correttamente.