AI agentica nel procurement pubblico: come cambia il ciclo degli acquisti

Il dibattito sull’applicazione dell’intelligenza artificiale al procurement pubblico si è concentrato prevalentemente sull’AI generativa: la capacità di redigere documenti di gara, valutare le offerte, verbalizzare. Si tratta di opportunità di efficientamento reali, ma parziali. La vera discontinuità non viene da un “copilota” che aiuta il singolo funzionario a svolgere il proprio compito più velocemente, ma dall’automazione end-to-end dell’intero ciclo di acquisto. Entra qui in gioco non tanto l’AI generativa, quanto quella agentica.

Un agente AI non assiste un processo; lo esegue. Laddove l’AI generativa risponde a una domanda o produce un testo, un agente cosiddetto “orchestrale” coordina altri agenti che gestiscono sequenze di attività specifiche, interroga sistemi, prende decisioni entro soglie predefinite, apre workflow, sollecita attori e propaga le informazioni attraverso l’organizzazione senza che un operatore umano debba intervenire a ogni passaggio.

AI agentica nel procurement pubblico: dal supporto all’esecuzione

Ci si può rendere conto della differenza osservando la differenza tra applicazione dell’AI generativa o agentica sul ciclo di acquisto di un bene di un’azienda sanitaria pubblica nella sua interezza: predisposizione del budget alla riconciliazione periodica con i fornitori, la raccolta dei fabbisogni, indagine di mercato, gara, aggiudicazione, inizio della fornitura, gestione del ciclo passivo della fornitura e fatturazione. Provando ad elencarle si arriva ad oltre quaranta attività distinte, ciascuna con le proprie regole, i propri sistemi di riferimento, i propri attori coinvolti.

Su ciascuna di queste attività, l’AI generativa offre un contributo circoscritto: propone, ad esempio, la bozza della decisione a contrarre, personalizza il disciplinare e supporta la redazione del capitolato, identifica le incongruenze tra offerta e capitolato, aiuta a valutare le offerte e segnala anomalie nei requisiti di ammissione, estrae i dati dalle fatture e ordinativi elettronici. Contributi utili, che però lasciano invariata la struttura frammentata del processo.

Agenti orchestrali nel ciclo di acquisto

Un Budget Planning Agent, per contro, interroga ERP, contabilità, magazzino e scadenziario contratti, costruisce la bozza di budget e segnala le voci sottofinanziate; un Three-Way-Match Agent riconcilia ordine, documento di trasporto e fattura anche in presenza di consegne parziali, approva i match privi di anomalie e apre un workflow di eccezione solo per gli scostamenti fuori tolleranza; uno Scadenziario Contract Agent monitora le date chiave di tutti i contratti attivi, stima il lead time necessario per avviare la nuova procedura e attiva il processo di rinnovo senza che il RUP debba ricordarsene. Un CIG Agent può inoltre compilare l’ANAC Form e richiedere un CIG, parte sicuramente più meccanica e a basso valore aggiunto.

AI agentica e procurement pubblico: il valore per le aziende sanitarie

In una singola azienda sanitaria, dove le procedure di gara si contano a centinaia ogni anno tra farmaci, dispositivi, servizi e manutenzioni, e dove il personale dell’ufficio acquisti è strutturalmente sottodimensionato rispetto al carico amministrativo, questo cambiamento ha un valore concreto e misurabile.

Il guadagno, però, non è solo di efficienza intesa come risparmio di tempo sulle attività correnti. È forse e soprattutto un guadagno di efficacia, nella misura in cui l’automazione libera capacità del personale da dedicare alle fasi più critiche sotto il punto dell’espressione del “giudizio”, ma anche di gestione del rapporto con i vari portatori di interesse: l’analisi dei fabbisogni e la gestione del contratto, intesa non come gestione “amministrativa” ma “sostanziale” della fornitura.

Fabbisogni e gestione sostanziale del contratto

La prima fase non è semplicemente la valutazione quantitativa di cosa comprare, ma qualitativa su come rispondere al meglio ai fabbisogni espressi dagli utilizzatori (personale sanitario), dai pazienti e in generale dall’azienda e dal SSR in altre parole identificare il valore che si vuole conseguire e definire gli obiettivi di risultato.

La seconda fase vede la gestione del rapporto con il fornitore per cercare di risolvere le situazioni critiche, valutare che le ipotesi iniziali espresse nel capitolato si mantengano tali nel corso della durata del contratto.

Significa allineare tutte le parti che intervengono nella fornitura (dal personale di magazzino, alla caposala, fino all’utilizzatore, oltre al personale amministrativo, il personale del fornitore) – sapendo che in un contesto di contratti centralizzati e di aziende sanitarie che hanno anche una dimensione territoriale rilevante si tratta di un’articolazione complessa – per verificare se quanto comprato produce effettivamente il valore atteso.

Troppo spesso queste fasi sono sistematicamente sacrificate nella pratica quotidiana del procurement pubblico, non per mancanza di consapevolezza della loro importanza, ma per mancanza di tempo e personale. Un ciclo di acquisto in cui gli agenti gestiscono la burocrazia e gli operatori si concentrano sul merito è una prospettiva concreta, non una proiezione utopica.

Le condizioni per l’AI agentica nel procurement pubblico

La prospettiva, tuttavia, si scontra con alcune condizioni abilitanti che nel contesto pubblico sono tutt’altro che scontate. La prima riguarda i dati. L’AI agentica funziona quando può interrogare sistemi che parlano tra loro, con dati strutturati, aggiornati e coerenti tra una fonte e l’altra. La realtà della maggior parte delle aziende sanitarie pubbliche è diversa: i dati esistono, ma sono organizzati a silos, replicando le divisioni organizzative tra economato, farmacia, bilancio, direzioni sanitarie, con standard di classificazione eterogenei e qualità variabile. La digitalizzazione del ciclo di vita degli acquisti attraverso le piattaforme di e-procurement ha prodotto un primo strato di dato strutturato, ma non ha risolto la frammentazione tra sistemi.

Processi da mappare prima dell’automazione

La seconda condizione riguarda i processi. L’AI agentica automatizza processi: sequenze definite di attività con input, output e regole di transizione chiari. Il procurement pubblico, come si è già scritto su queste pagine, è storicamente governato da procedimenti amministrativi, non da processi. La distinzione non è semantica: il procedimento è orientato alla legittimità formale dell’atto; il processo è orientato al risultato. Automatizzare un procedimento mal disegnato produce errori più veloci, non efficienza. Perché l’AI agentica possa funzionare è necessario un lavoro preliminare di mappatura e ridisegno delle sequenze operative che non può essere delegato alla tecnologia stessa.

Governance e responsabilità dell’operatore umano

La terza condizione è organizzativa. Agenti che orchestrano flussi tra sistemi, sollecitano approvazioni, bloccano pagamenti o aprono procedure di gara operano in spazi decisionali che oggi appartengono a persone fisiche con responsabilità amministrativa. Definire dove finisce l’autonomia dell’agente e dove inizia la responsabilità dell’operatore umano non è un problema tecnico: è un problema di governance che richiede scelte esplicite, adeguamento dei presidi di controllo interno e una nuova cultura organizzativa del dato.

La sperimentazione è possibile e auspicabile, ma non può prescindere da questa chiarezza. Le piattaforme di e-procurement e la progressiva digitalizzazione del fascicolo di gara sono il punto di partenza necessario; non sono, da soli, il cambiamento.