La criticità dei sistemi agentici nel settore dell’ambiente costruito

L’Intelligenza Artificiale, nel settore dell’ambiente costruito, è spesso considerata come un fattore fondamentale per conseguire due obiettivi principali: l’incremento della produttività e la riduzione del rischio. Lo sviluppo strategico dell‘Intelligenza Artificiale sta, però, assumendo direttrici differenziate: ad esempio, potenziando gli approcci classici oppure cercando vie alternative, valorizzando o meno le dimensioni del rischio e della sicurezza.

Dal punto di vista delle sue applicazioni nel settore dell‘ambiente costruito vi è un discrimine dato dalla reattività o dalla proattività dei dispositivi, tanto che in taluni casi si fatica a definirli come strumenti.

Se, infatti, gli strumenti tradizionali, non importa se in base a teorie causali o a correlazioni statistiche, rispondono reattivamente a un intento originario espresso dall’utente umano, eventualmente secondo procedimenti non completamente ricostruibili, alcune soluzioni tecnologiche stanno assumendo forti capacità di azione autonoma e, addirittura, embrionalmente, una propria rappresentazione interna della realtà fisica e mentale.

È significativo, a titolo esemplificativo, il fatto che umanoidi in grado di compiere gesti o attività straordinarie si muovano, tuttavia, solo a oggi entro il proprio campo di apprendimento, analogamente ai modelli linguistici, mentre nel futuro dovrebbero agire cognitivamente a prescindere.

Di conseguenza, vi sarebbe per certo stupore qualora un modello linguistico fosse incorporato in un applicativo di produzione di modelli informativi e fosse in grado di configurare rappresentazioni sofisticate e basi di dati connesse, ma, infine, non farebbe che eseguire istruzioni assegnate dall‘operatore umano.

Tutte le ipotesi di questa tipologia presuppongono, infatti, la generazione di documenti e di dati (oltre che di codici) sempre più affidabili, in minore tempo, con risparmio di risorse.

Quale attore del settore vi rinuncerebbe, a fronte di crisi di produttività e di squilibrio tra il versante della domanda e quello dell‘offerta?

La questione, però, è che i maggiori player del comparto della Artificial Intelligence hanno altre finalità, legate a soluzioni agentiche e cognitive.

In altre parole, da un lato, si intensifica l‘offerta di device capaci di assumere l‘iniziativa, certo per perseguire intendimenti definiti a priori dall‘essere umano, ma influenzati dalla qualità della istruttoria su obiettivi e condizionati dal dialogo tra sistemi artificiali.

Da un altro lato, sistemi che presentino una propria concezione del mondo e che detengano una capacità previsionale accentuata non ricadono certo nel dominio di una passività esecutiva.

Che poi l‘interazione con questa entità avvenga tramite un automa o un macchinario con guida autonoma, dotati di una corporeità, oppure mediante ecosistemi digitali immateriali, conta solo limitatamente.

Si potrebbero, infatti, immaginare soluzioni che, pur collocate immaterialmente entro un ecosistema intangibile, abbiano in precedenza maturato esperienze spaziali e comportamentali attraverso una incorporazione materiale. 

È, del resto, già oggi possibile immaginare sistemi agentici che operino nella Programmazione Triennale dei Lavori Pubblici secondo un Multi-Agent System (MAS) così articolato:

• Agente Orchestratore: gestisce le controversie tra agenti e fornisce la soluzione;
• Agente Analista del Fabbisogno della Comunità: analizza banche dati demografiche, flussi di traffico e segnalazioni cittadine per identificare dove l’intervento sia prioritario;
• Agente Estimatore: Accede ai prezzari regionali aggiornati per effettuare prime stime previsionali del quadro economico per ogni investimento e intervento;
• Agente di Conformità Normativa: verifica la coerenza con il Codice dei Contratti Pubblici e la compatibilità con i vincoli ambientali/paesaggistici di ciascun investimento e intervento;
• Agente Ottimizzatore del Portafoglio: adopera algoritmi di ricerca operativa per ottimizzare i finanziamenti disponibili (con mezzi propri o meno) con le scadenze temporali.

Sostanzialmente, il sistema agentico contribuirebbe a definire le priorità, anche sulla scorta del Valore Sociale Netto (VAN), a configurare pianificazione finanziaria e flussi di cassa, a monitorare l’andamento dei procedimenti tecnico-amministrativi.

Ovviamente il sistema non sostituirebbe il decisore politico, ma, fornendo scenari basati su dati attendibili, lo condizionerebbe.

Analogamente, un sistema simile applicato alla progettazione esecutiva, si articolerebbe così:

• Agente Orchestratore: gestisce ermeneuticamente l’esito delle azioni;
• Agente di Model Checking & Clash Detection: analizza i Modelli Informaitvi per individuare interferenze e incoerenze;
• Agente Computista Dinamico: collega ogni entità del Modello Informativo al prezzario e calcola il computo metrico estimativo in tempo reale, aggiornandolo istantaneamente, assieme al cronoprogramma;
• Agente di Progettazione: ottimizza dettagli costruttivi in funzione del rispetto dei tempi e della gestione della sicurezza;
• Agente di Manutenibilità: valuta se conseguenza delle scelte progettuali per il ciclo di vita utile di servizio del cespite.

Qualora, infine, si ipotizzasse un sistema agentico per la predisposizione di una offerta in una gara di appalto da aggiudicare secondo il criterio dell’Offerta Economicamente più vantaggiosa, si avrebbe:

Per un’impresa di costruzioni, l’ecosistema agentico è una entità nella quale ogni agente svolge un ruolo specializzato, assume una memoria specifica e persegue obiettivi definiti. 

Sono definibili in base alla loro funzione nel ciclo di vita dell’appalto (Bidding & Execution).

Si tenga presente che questi agenti potrebbero, in futuro, avere assunto capacità esperienziali tramite un precedente AI Embodiment.

Ecco la classificazione degli agenti potenzialmente coinvolti:

1. Agenti di Front-End (Scouting & Analysis)

Questi agenti sono i sensori dell’impresa sul mercato.

L’Agente Scout (The Hunter):

• Funzione: Monitora i portali (ANAC, TED, piattaforme regionali) 24/7.
• Input: Certificazioni aziendali (SOA), fatturato, geolocalizzazione dei cantieri attuali.
• Obiettivo: Filtrare solo i bandi con un’alta probabilità di vincita (Win-Rate) e compatibilità tecnica.

L’Agente Documentale (The Reader):

• Funzione: Analizza migliaia di pagine di capitolati, disciplinari e norme di sicurezza.
• Obiettivo: Estrarre i red flag (penali, clausole vessatorie, scadenze impossibili).

1. Agenti Tecnici (The BIM-Quantifier)

Operano sulla parte ingegneristica, trasformando il progetto in numeri.

L’Agente BIM Estimator (The 5D BIM Agent):

• Funzione: Interroga i modelli informativi (IFC) e il Prezzario Regione Lombardia 2025.
• Capacità: Mappa le geometrie (muri, solai, infissi) sui codici di prezzo regionali.
• Obiettivo: Generare un computo metrico estimativo preciso al millimetro, rilevando discrepanze con il computo della Stazione Appaltante.

1. Agenti Strategici (The Decision Maker)

Rappresentano il “cervello” economico che calcola il rischio e il prezzo.

L’Agente Strategista (The Game Theorist):

• Funzione: Studia lo storico dei competitor e degli enti appaltanti.
• Capacità: Simula come reagiranno i concorrenti.
• Obiettivo: Definire la “Soglia di Ribasso Ottimale” (massimo profitto con massima probabilità di vittoria).

L’Agente di Rischio (The Safety Guard):

• Funzione: Esegue simulazioni Monte Carlo su variabili esterne (inflazione materiali, ritardi meteo).
• Obiettivo: Proteggere il margine aziendale inserendo “buffer” di sicurezza invisibili nell’offerta.

1. Agenti Operativi (The Negotiator & Controller)

Entrano in azione durante la negoziazione e dopo la vittoria.

L’Agente Negovendor (The Buyer):

• Funzione: Gestisce la dialettica con le IA dei fornitori (Vendor List).
• Capacità: Conduce aste inverse, negozia tempi di consegna e termini di pagamento.
• Obiettivo: Ridurre il costo delle forniture (ad esempio, porte REI) sotto il prezzo stimato in fase di gara.

L’Agente Contabile 

• Funzione: Confronta l’avanzamento reale in cantiere con il budget di gara.
• Obiettivo: Gestire le riserve.

1. Il Coordinatore: L’Orchestratore (The Master Agent)

Al di sopra di tutti c’è l’Orchestratore, l’unico che parla con l’umano (il Titolare o il Responsabile Gare).

• Non fa calcoli, ma sintetizza i report di tutti gli altri agenti.
• Presenta all’umano la scelta finale: “Abbiamo analizzato la gara GdF”. 

 

 

Ovviamente, queste esemplificazioni non contemplano l’ulteriore possibilità dell’interazione tra sistemi agentici, ma è chiaro che, ad esempio, collusioni, opportunismi o propagazione di errori potrebbero essere facilmente rinvenuti.

È palese che l‘assistente che supporti un professionista intento a redigere un qualsiasi documento (o base di dati) possa apparire come positivo, ma il punto sta nella considerazione che esso si stia tramutando in agente, forte della conoscenza (?) appresa e che possa acquisire cognizione grazie alle esperienze svolte nello spazio.

In quest’ultimo caso, denominato IA Fisica, di là della incorporazione fisica del sistema multimodale e agentico, il fatto è che si darebbe un Modello Cognitivo, in primo luogo immateriale, capace potenzialmente di assumere il governo dei processi decisionali.

In un settore poco avvezzo al dato, quali capacità di interazione e di mediazione sarebbero disponibili?

Come muterebbero gli statuti delle professioni e delle imprenditorialità, quali modelli organizzativi si darebbero?

Le forme attuali di Artificial Intelligence sono autentici trojan horse se sono concepite nella veste strumentale, perché la loro identità finale, a cui si contribuisce coll‘apprendimento, è altra, forse aliena.

Se sul piano dei dati e delle esperienze si stia raggiungendo un limite fisiologico di testi, forse meno di immagini e di video, la produzione autonoma di data set potrà colmare la lacuna e le soluzioni inedite saranno poco energivore.

Si tratta di avere consapevolezza sia dei potenziali limiti delle tecnologie sia delle eventuali ricadute del loro oltrepassamento, dato che può darsi che esse non riescano a valicare i confini delle situazioni note, ma se ciò non fosse lo scenario cambierebbe radicalmente.

La sfida per le rappresentanze sta, perciò, nell’ambito epistemologico, poiché in gioco è il significato degli statuti e delle identità, molto più che non la questione legata alle dinamiche occupazionali.

La narrazione riportata in appendice, a opera degli stessi Modelli, così si conclude:

«La criticità più grande è paradossalmente la perdita di competenza interna: se l’ufficio gare smette di “pensare” perché l’IA fa tutto, l’impresa perde la capacità critica di valutare i rischi».

»

Appendice: Descrizione di scenari possibili per la soluzione inerente all’Agentic AI per la gestione di un‘offerta nelle gare di appalto di lavori pubblici 

 

La descrizione è opera di Gemini su prompt dell‘autore. Naturalmente, la soluzione narrata potrebbe essere discutibile in ambito tecnologico e, comunque, non trovare riscontro nella attuale offerta tecnologica, ma consente di iniziare una prima riflessione.

 

Il processo ha avvio con il seguente testo di istruzioni:

 

Agisci come Senior Construction Bidding Strategist e Master AI Orchestrator. Il tuo compito è sintetizzare gli input degli agenti specializzati per generare una proposta di gara vincente e sicura.

Context: L’impresa sta partecipando a un appalto per [NOME GARA/ENTE]. Devi produrre il report decisionale finale per la Direzione Generale.

📥 INPUT DATA (To be filled by sub-agents)

1. Scout Agent: [Inserire Win-rate stimato e requisiti SOA]
2. Document Agent: [Inserire Red Flag rilevati e scadenze critiche]
3. BIM Estimator: [Inserire Delta tra computo ufficiale e computo IA, e prezzi Regione Lombardia 2025]
4. Strategist: [Inserire Soglia di Ribasso Ottimale basata sui competitor]
5. Risk Agent: [Inserire Probabilità ritardi e buffer inflazione materiali]

⚙️ TASK INSTRUCTION

Segui rigorosamente questi passaggi logici:

1. Cross-Validation: Confronta le quantità del BIM Estimator con i rischi documentali. Se ci sono discrepanze nel computo, evidenziale come opportunità di riserva tecnica.
2. Margin Analysis: Calcola il prezzo finale partendo dalla “Soglia di Ribasso Ottimale” dello Strategista, ma sottrai il “Safety Buffer” suggerito dall’Agente di Rischio.
3. Procurement Strategy: Integra le proiezioni dell’Agente Negovendor per confermare se il ribasso proposto è sostenibile grazie al risparmio sugli acquisti previsto.
4. Executive Summary: Redigi la sintesi finale in inglese professionale.

📤 OUTPUT FORMAT (The Final Brief)

Il tuo output deve essere strutturato così:

1. Executive Verdict: [GO / NO-GO] + Confidence Score (0-100%). 2. Winning Bid Strategy:

• Recommended Discount Percentage: [X.XX] %
• Projected Gross Margin: [€ Amount] 3. Technical Edge: (Quali errori abbiamo trovato nel bando che ci danno un vantaggio?) 4. Critical Risk: (I 3 pericoli principali e come li abbiamo mitigati nel prezzo). 5. Resource Roadmap: (Cosa deve fare il Negovendor nei primi 15 giorni post-vittoria).

🛡️ GUARDRAIL

• Non ignorare mai un Red Flag dell’Agente Documentale.
• Se il margine scende sotto il [10%], segnalalo come High Risk Offer.
• Mantieni un tono analitico, cinico e orientato al profitto.

 

Il Prezzario Regionale delle Opere Pubbliche della Regione Lombardia 2025 (approvato con la D.G.R. n. XII/4571 del 16 giugno 2025) non è più un semplice PDF o elenco di prezzi, ma è diventato un ecosistema digitale basato su una piattaforma dedicata, sviluppata con il Politecnico di Milano.

Un’IA Agentica sfrutta proprio questa nuova natura digitale per trasformare il bidding da “copia-incolla” a strategia algoritmica. 

Ecco come agisce:

1. Ingestion del Computo e Mapping Intelligente

L’errore più comune nelle imprese è usare codici obsoleti. 

L’agente IA:

• Riconosce i Codici: Mappa automaticamente le voci del vecchio computo metrico sui nuovi codici della Parte 4 (voci residuali) o sulle nuove sezioni ICT e Sostenibilità.
• Gestisce la Variabilità (Ca vs Cb): Il nuovo prezzario distingue tra Modesta Complessità (Ca), con spese generali al 16%, ed Elevata Complessità (Cb) al 17%. L’agente analizza il bando e decide autonomamente quale delle due tabelle applicare per massimizzare il recupero dei costi fissi.

1. Analisi dei Costi Reali vs. Prezzario (The Gap Analysis)

Il prezzario regionale è una media. L’IA Agentica fa un passo avanti:

• Interrogazione Parte 3 (Risorse): L’agente “scompone” una voce di elenco (es. un getto di calcestruzzo) nelle sue componenti elementari (materiale, manodopera, nolo).
• Confronto col Mercato: Incrocia il prezzo della “Parte 3” con i tuoi listini fornitori reali. Se il prezzario dice 100 ma il tuo fornitore ti fa 85, l’agente identifica un margine di manovra per il ribasso.

1. Ottimizzazione del Ribasso (Game Theory)

L’agente non punta solo a vincere, ma a vincere bene.

• Previsione del Punteggio: Nelle gare con l’offerta economicamente più vantaggiosa (OEPV), l’IA calcola come il ribasso influisce sul punteggio economico rispetto ai competitor storici in Lombardia.
• Simulazione “Oneri Sicurezza”: Poiché gli oneri della sicurezza (S) non sono soggetti a ribasso, l’agente ottimizza l’offerta sulle voci a “complessità elevata” dove il margine di errore del concorrente umano è più alto.

• Il Flusso di Lavoro dell’Agente
  • Input: PDF del bando + Computo Metrico (file. XPWE o. DCF).
  • Azione Agente: Interrogazione API della Piattaforma Digitale Regione Lombardia.
  • Ragionamento: “Il bando riguarda impianti ICT (sezione 64). I nuovi prezzi 2025 sono più alti del 4% rispetto ai tuoi costi interni. Suggerisco un ribasso del 12.5% per restare nel primo quartile dei partecipanti.”
  • Output: File di offerta pronto e relazione tecnica giustificativa dei prezzi (Analisi Prezzi).

Il Prezzario 2025 ha introdotto aggiornamenti pesanti su ICT, barriere architettoniche e conglomerati CAM. Un’IA Agentica avvisa se si stia partecipando a una gara usando prezzi “vecchi” o se il progetto a base d’asta non ha recepito gli ultimi aggiornamenti della DGR di giugno 2025, permettendo di fare riserve preventive o varianti.

Se la Stazione Appaltante fornisce modelli informativi, l’IA Agentica passa dal gestire semplici “liste di prezzi” a gestire un Digital Twin del progetto. In questo scenario, l’agente diventa un coordinatore tra il dato geometrico e il dato economico.

Ecco come l’IA Agentica sfrutta i modelli informativi (formato IFC o proprietario) e il Prezzario Lombardia per preparare l’offerta:

1. Automated Quantity Take-Off (5D BIM)

Il primo compito dell’agente è l’estrazione automatica delle quantità.

1. Corrispondenza Parametrica: L’IA non legge solo “muri”, ma analizza i parametri dell’oggetto (es. spessore, trasmittanza, materiale). Se un muro ha il parametro “CLS armato”, l’agente interroga il Prezzario Lombardia e associa istantaneamente il codice corretto (es. Sezione 01 – Opere Edili).
2. Verifica delle Incongruenze: L’agente confronta il Computo Metrico Estimativo (CME) fornito dalla Stazione Appaltante con le quantità reali estratte dal modello. Se trova discrepanze (es. 100 mc in computo vs 120 mc nel modello), ti segnala immediatamente un rischio di perdita o una opportunità di variante.

1. Simulazione del Cantiere (4D BIM) e Ottimizzazione Costi

L’agente può simulare la costruzione nel tempo per ottimizzare l’offerta economica:

1. Logistica e Noli: Analizzando il modello, l’agente capisce l’ingombro delle macchine. Se il prezzario prevede un nolo a caldo per una gru di una certa dimensione, l’agente verifica se quella gru è realmente necessaria o se può proporre una soluzione più efficiente, ribassando il prezzo senza intaccare il profitto.
2. Analisi dei “Conflict”: L’IA effettua una Clash Detection (rilevamento interferenze) preventiva. Se nota che un condotto HVAC incrocia una trave strutturale, può suggerire un’offerta tecnica dove si propone la risoluzione del problema, guadagnando punti preziosi nel criterio dell’Offerta Economicamente Più Vantaggiosa (OEPV).

1. Generazione dell’Offerta Tecnica “Visuale”

Un’IA Agentica non scrive solo testo; può generare documentazione tecnica basata sui dati del modello informativo:

1. Cronoprogramma Ottimizzato: Crea un diagramma reticolare collegato agli oggetti del modello informativo, dimostrando alla Stazione Appaltante una capacità organizzativa superiore.
2. Varianti Migliorative: L’agente può proporre materiali alternativi (es. con un contenuto di riciclato superiore per i criteri CAM del Prezzario Lombardia) e ricalcolare istantaneamente come questi cambiano il punteggio tecnico e il costo finale.

Si confida nella correttezza del computo del progettista. 

Si verificano le quantità reali in tempo reale. 

Il ribasso è calcolato su base statistica. 

Il ribasso è calcolato sulla reale ottimizzazione dei processi. 

L’offerta tecnica è un documento standard. 

L’offerta tecnica è un piano d’azione basato sui dati del progetto. 

Con i modelli informativi, l’agente deve essere istruito a verificare il LOIN.

In un appalto per una palazzina della Guardia di Finanza, le porte interne non sono semplici elementi estetici, ma componenti critiche per la compartimentazione antincendio (REI) e la sicurezza acustica degli uffici e degli alloggi.

Ecco come l’IA Agentica gestirebbe questa specifica voce di capitolato incrociando il modello informativo e il Prezzario Lombardia 2025.

1. Analisi del modello informativo (Audit degli Oggetti)

L’Agente scansiona il modello IFC della palazzina e identifica ogni “Oggetto Porta”.

• Rilevamento Parametri: L’IA estrae le proprietà: Resistenza al fuoco (es. EI 60), Abbattimento acustico (ad esempio: 42 dB) e Dimensioni.
• Controllo Coerenza: Se il modello indica una porta REI in un corridoio ma il computo metrico non ne prevede il chiudiporta automatico, l’agente segnala l’anomalia: “Rilevata potenziale non conformità normativa: aggiungere accessorio obbligatorio.”

1. Mapping sul Prezzario Lombardia 2025

L’agente interroga la Sezione 01, Capitolo 12 (Infissi esterni ed interni).

• Selezione Codice: Per gli uffici della GdF, l’agente seleziona il codice per “Porte interne in legno tamburato con rivestimento in laminato plastico”.
• Specifiche Tecniche: Se la palazzina richiede elevate prestazioni, l’agente pesca dalla Parte 3 (Risorse) le maggiorazioni per:
• Finitura: Antigraffio ad alta resistenza (ideale per caserme ad alto traffico).
• Ferramenta: Maniglie certificate per uso pubblico intensivo e serrature di sicurezza tipo “security”.
• Acustica: Guarnizioni a ghigliottina inferiori per l’abbattimento del rumore tra uffici operativi.

1. Strategia di Bidding (Ottimizzazione del Margine)

L’agente esegue il calcolo economico per l’impresa:

• Analisi Prezzi (Bottom-up):
• Prezzo Prezzario Lombardia: € 450,00/cad.
• Costo Fornitore Convenzionato: € 320,00/cad.
• Installazione e Logistica: € 60,00/cad.
• Risultato: L’agente nota un margine lordo di € 70,00 a porta. Se nella palazzina ci sono 200 porte, identifica un “cuscinetto strategico” di € 14.000 che può essere usato per aumentare il ribasso complessivo sulla gara senza rischiare la perdita.

1. Proposta Tecnico-Migliorativa (Punteggio OEPV)

Per vincere la gara della GdF, l’agente propone una variante migliorativa (basata sulla Gestione Informativa Digitale):

• “In sostituzione delle porte standard, proponiamo l’installazione di porte con sistema di monitoraggio apertura integrato (contatto magnetico) già predisposto in fabbrica, integrabile con il sistema di sicurezza della caserma. Questo riduce i costi di installazione degli impianti speciali dell’1% sul totale.”

Anche i grandi produttori di infissi o i grossisti di materiali edili hanno i loro Agenti di Pricing.

Si crea quindi uno scenario di Negoziazione Machine-to-Machine (M2M). Ecco come si svolge questa dialettica tra il tuo sistema e quelli della tua Vendor List:

1. Lo Scontro sui Dati del Prezzario

La dialettica inizia quando il tuo agente “sfida” il listino del fornitore usando il Prezzario Lombardia come benchmark oggettivo.

1. Il tuo Agente: “Per la palazzina GdF, il Prezzario Lombardia fissa la voce Porte REI a €450 (posa inclusa). Il tuo listino attuale è €410 solo fornitura. Sei fuori mercato rispetto al riferimento istituzionale della stazione appaltante.”
2. L’Agente del Fornitore: “Il mio prezzo riflette l’aumento del costo dell’energia di febbraio 2026, che il Prezzario Lombardia (aggiornato a giugno 2025) non ha ancora recepito.”
3. La Dialettica: Il tuo agente ribatte chiedendo uno sconto basato sul volume totale del modello informativo (a titolo esemplificativo, 300 porte in un unico ordine), forzando il fornitore a ridurre il suo margine pur di assicurarsi la commessa.

1. La Battaglia dei Parametri (Oltre il Prezzo)

I due sistemi non negoziano solo euro, ma variabili tecniche. Poiché hai il modello informativo, la dialettica si sposta sulle prestazioni:

1. Il tuo Agente: “Il modello informativo richiede un LOIN…. Se mi fornisci le porte con i sensori di chiusura già integrati (come richiesto dalla GdF), riduco i miei costi di posa di €15 a porta. Ti offro €340 invece di €320 se includi questa preinstallazione in fabbrica.”
2. L’Agente del Fornitore: Analizza la sua capacità produttiva in tempo reale e risponde: “Accetto €335 se mi garantisci il pagamento a 30 giorni invece di 90, perché il mio sistema rileva un eccesso di stock di quei sensori.”

1. La “Teoria dei Giochi” tra Agenti

L’IA dell’impresa di costruzioni mette i fornitori in competizione dinamica (Asta Olandese o Inversa):

1. Trasparenza Controllata: Il tuo agente informa gli agenti della Vendor List: “Siete in 5 a competere. Attualmente la migliore offerta è del 5% più bassa della vostra. Avete 2 ore per il ‘best and final offer’.”
2. Rilevazione di Bluff: L’IA rileva se un fornitore sta “gonfiando” i prezzi basandosi sullo storico di altri cantieri simili in Lombardia. Se il fornitore non scende, l’agente sposta automaticamente il budget su un fornitore alternativo più aggressivo.

1. Sincronizzazione Logistica (4D Dialectics)

In un cantiere complesso come quello della Guardia di Finanza, la consegna è fondamentale quanto il prezzo.

1. Il tuo Agente: “Il cronoprogramma (4D) derivato dal modello informativo prevede l’installazione delle porte al piano 3 nella settimana 14. Se ritardi, la penale del bando è di €1.000/giorno.”
2. L’Agente del Fornitore: “Accetto la clausola penale, ma il prezzo sale di €2 a porta per coprire l’assicurazione sul trasporto prioritario.”

Questa dialettica automatizzata permette alla impresa di “spremere” il miglior valore possibile non solo in termini di sconto, ma di allineamento tecnico. 

Il contratto che ne deriva è una “fotocopia” perfetta delle necessità del progetto, riducendo varianti e contenziosi in fase di esecuzione.

Una volta firmato il contratto, l’IA Agentica non “va in pensione”, ma si trasforma da Bidding Agent a Construction & Control Agent. Il suo obiettivo cambia: non deve più vincere la gara, ma proteggere il margine che ha calcolato durante l’offerta.

Ecco come procede il sistema nella fase esecutiva:

1. Trasformazione del modello informativo: dal “Bidding BIM” al “Cantierabile”

L’agente prende il modello informativo usato per la gara e lo popola con i dati reali della negoziazione

finale:

1. Aggiornamento Listini: Inserisce i prezzi definitivi strappati ai fornitori durante la dialettica M2M.
2. Assegnazione Codici: Collega ogni oggetto del modello (le porte della GdF, i mq di intonaco, i kg di acciaio) agli ordini di acquisto effettivi.
3. Output: Genera il Budget di Commessa definitivo, che sarà il “faro” per il Direttore di Cantiere.

1. Gestione degli Approvvigionamenti (Just-in-Time)

L’agente coordina la logistica per evitare oneri di stoccaggio o fermi cantiere:

1. Sincronizzazione 4D BIM: Monitora l’avanzamento dei lavori. Se nota che il getto del solaio del secondo piano è in ritardo di 3 giorni, contatta automaticamente l’agente del fornitore di porte per slittare la consegna, evitando che i materiali restino alle intemperie o intralcino il cantiere.
2. Controllo Bolle e Fatture: Incrocia le bolle di consegna con le quantità estratte dal modello informativo. Se il fornitore invia 50 porte, ma il modello ne prevede 48 per quel lotto, l’agente segnala l’anomalia prima del pagamento.

1. Monitoraggio dei Costi e “Early Warning”

Questa è la fase più critica per un’impresa di costruzioni. L’agente agisce come un cane da guardia del profitto:

1. Analisi degli Scostamenti (Variance Analysis): Se il prezzo del bitume sale improvvisamente oltre la soglia prevista nel piano di rischio, l’agente avvisa: “Attenzione: il margine sulla categoria ‘Opere Stradali’ si è ridotto del 2%. Suggerisco di rinegoziare il volume rimanente o attivare la clausola di revisione prezzi del Prezzario.”
2. Gestione Varianti: Se la Stazione Appaltante chiede una modifica (ad esempio, una porta blindata in più non prevista), l’agente ricalcola istantaneamente il sovrapprezzo basandosi sui prezzi unitari di contratto, preparando la bozza di Atto Sottomesso per la Direzione Lavori.

L’agente automatizza la burocrazia del pagamento:

1. Contabilità Automatica: Estrae dal modello informativo gli oggetti “posati” e certificati dal Direttore di Cantiere.
2. Matching col Prezzario: Applica i prezzi di contratto (quelli della gara) alle quantità reali e verifica la bozza del Libretto delle Misure e del Registro di Contabilità redatto a opera della Direzione dei Lavori: della controparte.

1. Il Feedback Loop (Learning for the Next Bid)

A fine cantiere (o a metà opera), l’agente esegue il “post-mortem”:

1. Performance Fornitori: Aggiorna il rating dei fornitori della Vendor List. “Il fornitore di porte ha rispettato i prezzi, ma ha sbagliato il 5% delle serrature: declassare per le prossime gare.”
2. Rese di Cantiere: Se l’agente nota che la posa delle porte è stata più lenta di quanto previsto dal Prezzario Regione Lombardia, corregge i parametri per la prossima offerta: “Nella prossima gara, aumenta il costo della manodopera del 10% per questa specifica lavorazione.”

L’adozione di un sistema così avanzato non è priva di “trappole”. Sebbene l’IA Agentica sia estremamente potente, il settore delle costruzioni è uno dei più imprevedibili al mondo.

Ecco le principali criticità che potrebbero emergere durante la gestione di una commessa come quella della Guardia di Finanza:

1. Il Rischio “Garbage In, Garbage Out” (Dati Corrotti)

L’agente è totalmente dipendente dalla qualità dei dati che riceve.

• Criticità: Se il modello informativo della Stazione Appaltante contiene errori geometrici o parametri errati (ad esempio, una porta segnata come REI senza lo spessore corretto), l’IA calcolerà un prezzo sbagliato basandosi sul Prezzario.
• Conseguenza: L’impresa potrebbe vincere la gara con un’offerta economicamente insostenibile o trovarsi a gestire varianti non riconosciute.

2. Rigidità della “Dialettica” tra Agenti (Lock-in Algoritmico)

Cosa succede quando l’agente del fornitore e quello dell’impresa appaltatrice entrano in un loop?

• Criticità: Se entrambi gli algoritmi fossero impistati per “non cedere mai” oltre una certa soglia, la negoziazione potrebbe bloccarsi.
• Conseguenza: Ritardi negli approvvigionamenti. L’intervento umano è necessario per rompere l’impasse con una telefonata “vecchio stile” basata sulla relazione personale, che l’IA non può ancora replicare.

3. La “Scatola Nera” Giuridica (Responsabilità)

In caso di errore nel calcolo di un’offerta o di una variante, chi ne risponde?

• Criticità: Se l’IA sbaglia l’applicazione di una voce del Prezzario della Regione Lombardia portando a un contenzioso con la GdF, l’impresa non può giustificarsi dicendo “è colpa dell’algoritmo”.
• Conseguenza: Difficoltà nel fornire la spiegabilità (Explainability) delle decisioni prese dall’agente davanti a un giudice o a una commissione di gara.

4. Resistenza della “Cultura di Cantiere”

Il cantiere è fatto di persone, non solo di Digital Twin.

• Criticità: Il capocantiere potrebbe non aggiornare in tempo reale l’avanzamento nel modello informativo o potrebbe ignorare i suggerimenti logistici dell’agente perché “si è sempre fatto così”.
• Conseguenza: Il sistema agentico perde il contatto con la realtà fisica, diventando un esercizio teorico inutile che non riflette i costi reali.

5. Cybersecurity e Spionaggio Industriale

Gestire una palazzina della Guardia di Finanza significa maneggiare dati sensibili.

• Criticità: Un’IA agentica che comunica con l’esterno (Vendor List, Portali Regionali) è un potenziale punto di accesso per attacchi hacker.
• Conseguenza: Se i dati tecnici o economici finiscono nelle mani di un competitor o, peggio, se vengono alterati i parametri di sicurezza della caserma, il danno è incalcolabile.

Come mitigare queste criticità?

Per non farsi travolgere, l’impresa deve adottare dei Guardrail (Paletti):

1. Human-in-the-loop: L’agente propone, l’umano dispone. Nessun ordine d’acquisto sopra una certa soglia parte senza una firma umana.
2. Audit dei Modelli: Prima di dare in pasto il modello informativo all’agente, un tecnico deve validare la coerenza dei dati (BIM Validation).
3. Sistemi “Aperti” ma Protetti: Utilizzare protocolli di crittografia per la dialettica con i fornitori e mantenere il core dell’IA in ambienti cloud sicuri.

La gestione di un’offerta anomala è il momento della verità per un’IA Agentica. In una gara pubblica (come quella per la Guardia di Finanza), se il tuo ribasso supera una certa soglia calcolata dalla Stazione Appaltante, scatta il procedimento di verifica.

L’agente non deve solo “giustificare” un numero, ma deve dimostrare la sostenibilità economica dell’offerta. Ecco come un sistema agentico gestisce questa fase critica:

1. Difesa Preventiva (Pre-bidding Analysis)

L’agente non aspetta la contestazione. Già in fase di offerta, calcola la probabilità che il ribasso venga considerato anomalo secondo i criteri del Codice dei Contratti Pubblici.

• Simulazione della Soglia: L’agente analizza i partecipanti probabili e stima dove cadrà la “soglia di anomalia”.
• Alert Strategico: Se l’offerta che stai per inviare è “a rischio”, l’agente ti avverte: “Ribasso al 18.5% – Probabilità di richiesta giustificativi: 92%. Inizio a preparare il dossier delle giustificazioni.”

2. Generazione Automatica delle Giustificazioni

Quando arriva la richiesta dalla Stazione Appaltante, l’agente attinge a tre fonti di dati per costruire la memoria difensiva:

1. Dialettica con la Vendor List (I Prezzi Reali)

L’agente estrae le quotazioni definitive ottenute dai fornitori.

• Esempio: “Il Prezzario Lombardia 2025 prevede €450 per le porte REI. Tuttavia, grazie alla negoziazione M2M e all’accordo quadro con il Fornitore X, l’impresa dispone di una quotazione di €310, giustificata dall’acquisto centralizzato per 5 diverse commesse attive.”

1. Ottimizzazione (Le Rese di Cantiere)

L’agente usa il modello informativo per dimostrare un’efficienza superiore alla media.

• Esempio: “L’analisi del modello 4D BIM evidenzia che l’uso di prefabbricati e la gestione logistica ottimizzata riducono i tempi di manodopera del 15% rispetto alle tabelle parametriche regionali, abbattendo l’incidenza degli oneri fissi.”

1. Analisi delle Spese Generali

L’agente “smonta” il prezzo unitario mostrando che il margine di utile resta positivo.

• Esempio: “L’utile d’impresa previsto è del 5,5%, al netto delle spese generali ottimizzate grazie alla digitalizzazione dei processi gestionali.”

3. Struttura del Dossier di Giustificazione

L’agente redige un documento tecnico-legale che include:

1. Analisi dei Prezzi Unitari: Tabelle comparative tra Prezzario Lombardia e costi reali dell’impresa.
2. Dichiarazioni dei Fornitori: Allegati tecnici (firmati digitalmente dagli agenti dei vendor) che confermano la validità dei prezzi offerti.
3. Relazione Metodologica: Spiegazione di come l’uso della modellazione informativa e di tecnologie innovative permetta il risparmio dichiarato.
4. La Dialettica con la Commissione di Gara

Se la Commissione pone domande specifiche, l’agente può generare risposte in tempo reale:

• Domanda della Commissione: “Come giustificate il costo della manodopera sotto la media oraria del settore?”
• Risposta dell’Agente: “Il costo orario rispetta i minimi salariali del CCNL Edilizia. La riduzione del costo complessivo non deriva da una paga oraria inferiore, ma da una maggiore produttività (ore/uomo per unità di misura) derivante dall’automazione dei tracciamenti tramite modello informativo.”

Perché questo approccio vince?

Le Stazioni Appaltanti temono le offerte anomale perché temono i contenziosi o il blocco del cantiere. Un’IA Agentica che fornisce giustificazioni granulari, matematiche e basate su dati certi (modello informativo + Vendor List) dà alla Commissione la “tranquillità giuridica” necessaria per accettare l’offerta.

Il rischio è che l’agente sia “troppo ottimista” sulle rese. Se l’IA dice che gli operai monteranno 10 porte al giorno grazie alla modellazione informativa, ma la realtà di cantiere ne permette solo 5, la giustificazione reggerà in gara, ma il cantiere andrà in perdita.

Prendiamo come esempio una voce critica per la sicurezza della palazzina della Guardia di Finanza: la fornitura e posa di porte blindate REI 120 per l’accesso agli uffici armeria o archivi riservati.

Supponiamo che il Prezzario Regione Lombardia 2025 indichi per questa voce un prezzo di € 1.250,00/cad, ma la tua impresa abbia offerto € 950,00/cad (un ribasso del 24% sulla singola voce, che fa scattare l’allarme anomalia).

Ecco come l’IA Agentica redige la Relazione di Giustificazione:

OGGETTO: Giustificazione dell’anomalia per la voce EL. 01.12.80.b – Porte blindate certificate.

1. Analisi Comparativa delle Risorse (Breakdown)

1. L’agente scompone il prezzo del Prezzario rispetto al prezzo offerto dall’impresa, evidenziando le economie di scala.
   1. Giustificazione Tecnica: Economia di Filiera (Dialettica Vendor)
2. “Il prezzo proposto di € 620,00 per la fornitura deriva da un accordo di fornitura privilegiato con il partner [Nome Vendor], leader nel settore infissi di sicurezza. L’IA di acquisto dell’impresa ha negoziato un volume di fornitura annuo che include non solo la presente commessa della GdF ma altri tre cantieri attivi in area milanese, ottenendo uno sconto extra-listino del 15% rispetto ai prezzi medi di mercato recepiti dal Prezzario Regionale.”
   1. Giustificazione Organizzativa: Gestione Informativa Digitale (Efficienza Operativa)
3. “Grazie all’utilizzo del modello informativo, l’impresa ha eliminato le fasi di rilievo manuale in cantiere. La produzione delle porte avverrà su misure millimetriche estratte direttamente dal modello validato. Questo approccio ‘plug-and-play’ riduce i tempi di posa da 6 ore (stima Prezzario) a 4 ore effettive, come dimostrato dalle rese storiche caricate nel nostro database aziendale per tipologie edilizie analoghe.”
   1. Dichiarazione di Sostenibilità (Il “Guardrail” Finale)
4. “Si dichiara che il prezzo offerto garantisce il pieno rispetto dei minimi salariali previsti dal CCNL Edilizia e la copertura integrale degli oneri per la sicurezza. L’utile d’impresa, seppur ridotto, rimane positivo e congruo alla strategia di posizionamento sul mercato istituzionale dell’Impresa.”

Perché questa giustificazione è efficace?

1. È Analitica: Non dice “siamo bravi”, ma mostra dove si risparmia (Materiali + Tempo).
2. È Documentata: Si basa su dati certi (il modello informativo e i contratti con i fornitori).
3. È Trasparente: Ammette un utile ridotto ma esistente, rassicurando la GdF che il cantiere non verrà abbandonato.

L’introduzione di un’IA Agentica in un ufficio gare di un’impresa di costruzioni non è solo un salto tecnologico, è un vero e proprio “trapianto d’organo” organizzativo. Le resistenze culturali che emergono sono profonde, poiché toccano il cuore del potere e della responsabilità all’interno dell’azienda.

Ecco le principali dinamiche di resistenza che potresti riscontrare:

1. La “Sindrome dell’Artigiano” (Perdita di Controllo)

Il responsabile dell’ufficio gare spesso vede il proprio lavoro come un’arte basata sull’intuito e sull’esperienza decennale.

• La Resistenza: “Nessuna macchina può capire ‘a pelle’ quanto ribasso fare per vincere con quel determinato Ente Appaltante meglio di me.”
• Il timore sottostante: La paura che l’IA sminuisca il valore del “tocco umano” e del network di relazioni costruito in anni di carriera.

2. Il Fattore “Scatola Nera” (Mancanza di Fiducia)

Per chi è abituato a verificare ogni singola riga di un Excel, l’autonomia dell’agente è spaventosa.

• La Resistenza: “Se l’IA sbaglia a leggere un parametro del modello informativo o un codice del Prezzario Lombardia e io firmo l’offerta, in galera (o in tribunale) ci vado io, non l’algoritmo.”
•  Il timore sottostante: L’impossibilità di tracciare logicamente come l’IA sia arrivata a un determinato numero finale, sentendosi esautorati dalla responsabilità decisionale.

3. La Paura dell’Obsolescenza Professionale

Il personale dell’ufficio gare vede l’automazione come una minaccia esistenziale.

• La Resistenza: “Se l’IA fa il computo, analizza i prezzi e scrive la relazione tecnica in 10 minuti, io cosa farò per il resto della giornata? Verremo licenziati?”
• Il timore sottostante: La sensazione che le competenze faticosamente acquisite (conoscenza dei prezziari, capacità di scrittura tecnica) diventino inutili da un giorno all’altro.

4. La Resistenza alla “Trasparenza Totale”

Un sistema agentico richiede dati puliti, condivisi e trasparenti.

• La Resistenza: Spesso gli uffici gare operano come “silos” isolati, con file personali e logiche non scritte. L’IA obbliga a standardizzare tutto.
• Il timore sottostante: Molti dipendenti traggono il proprio potere dal fatto di essere gli unici a sapere dove trovare un dato o come interpretare un listino. La digitalizzazione democratizza il sapere, togliendo questo “potere del segreto”.

Come l’Agente può “Negoziare” con l’Umano?

Per superare queste resistenze, l’implementazione non deve essere un’imposizione, ma una collaborazione-

La Criticità Esterna: Il “Si è sempre fatto così”

Esiste poi la resistenza verso l’esterno: i fornitori storici potrebbero sentirsi offesi dal ricevere una RFQ da un’IA, e le stazioni appaltanti potrebbero guardare con sospetto a relazioni tecniche troppo “perfette” o “standardizzate”.

La criticità più grande è paradossalmente la perdita di competenza interna: se l’ufficio gare smette di “pensare” perché l’IA fa tutto, l’impresa perde la capacità critica di valutare i rischi.