Introduzione: perché parlare di algoritmi negli appalti?
Negli ultimi anni la pubblica amministrazione è sempre più affacciata a soluzioni automatizzate per gestire processi complessi, dalla valutazione di offerte alla distribuzione di risorse umane. Se da un lato la digitalizzazione promette velocità e riduzione degli errori, dall’altro si aprono nuovi rischi legati a discriminazioni, mancanza di trasparenza e protezione dei dati. Il confronto tra Canada e Italia, due paesi con tradizioni giuridiche diverse, mette in luce come le sfide siano più strutturali che normative.
Il caso canadese: Chinook e l’automazione delle domande di visto
Il progetto Chinook, lanciato dal governo federale canadese, è un sistema informatico basato su un foglio Excel potenziato da macro. Il suo scopo è velocizzare la valutazione di richieste di visto temporaneo, permessi di studio e di lavoro. Non si tratta di intelligenza artificiale generativa, ma di un algoritmo di punteggio‑sede che assegna priorità in base a criteri predefiniti (età, livello di istruzione, esperienza lavorativa, ecc.).
Grazie a Chinook, i tempi medi di risposta sono scesi da 45 a 12 giorni, con un risparmio stimato di 2,3 milioni di dollari all’anno in costi operativi. Tuttavia, il sistema è stato criticato per la scarsa trasparenza dei criteri di punteggio: i richiedenti non possono vedere quale peso ha ciascun fattore, creando incertezza e percezione di arbitrarietà.
L’esperienza italiana: la mobilità dei docenti nella “Buona Scuola”
In Italia, la legge 107/2015 ha introdotto un meccanismo di assegnazione dei posti per i docenti neoassunti, basato anch’esso su un foglio Excel con macro. L’algoritmo calcola un punteggio combinando dati anagrafici, titoli di studio, esperienza e disponibilità territoriale. L’obiettivo era garantire una distribuzione equa dei nuovi insegnanti tra le scuole, evitando concentrazioni regionali.
Il risultato è stato un notevole incremento nella velocità di collocamento, ma sono emerse problematiche analoghe a quelle canadesi: la logica di calcolo è stata mantenuta riservata al Ministero, impedendo a sindacati e istituti scolastici di verificare la correttezza del processo. Inoltre, la proprietà intellettuale del software è stata affidata a un fornitore esterno, limitando la possibilità di audit indipendenti.
Classificazione dei sistemi: da “software” a “algoritmo pubblico”
Una delle difficoltà comuni è la mancanza di una classificazione chiara dei sistemi automatizzati. In Canada, le autorità hanno introdotto la categoria “sistema di supporto decisionale” (DSS) per distinguere tra semplici strumenti di calcolo e soluzioni basate su AI. L’Italia, invece, non ha ancora una definizione normativa specifica, trattando tutti gli strumenti informatici come “software amministrativo”.
Questa ambiguità influisce sui requisiti di trasparenza: i DSS richiedono una documentazione pubblica dei criteri di ponderazione, mentre i software tradizionali possono essere protetti da segreto industriale. La mancanza di una classificazione univoca rende difficile applicare principi di responsabilità e audit.
Trasparenza vs. proprietà intellettuale: il dilemma centrale
Entrambi i casi evidenziano il conflitto tra l’esigenza di rendere pubblici i criteri di valutazione e la protezione della proprietà intellettuale dei fornitori. In Canada, il governo ha optato per una licenza open‑source limitata, consentendo l’accesso al codice solo a soggetti accreditati. In Italia, il contratto con il provider prevede clausole di riservatezza che vietano la divulgazione del codice sorgente.
Queste scelte hanno conseguenze operative: la mancanza di trasparenza può alimentare contenziosi legali, mentre la protezione IP può ostacolare la capacità di altri enti pubblici di riutilizzare soluzioni già testate, aumentando i costi complessivi.
Azioni concrete per migliorare il quadro italiano
- Definire una classificazione normativa: introdurre, a livello di Codice degli Appalti, una distinzione chiara tra “strumenti di calcolo” e “algoritmi decisionali”, con requisiti di pubblicazione per la seconda categoria.
- Adottare standard di trasparenza: pubblicare, sul portale dedicato, i parametri di ponderazione, le soglie di punteggio e le motivazioni delle decisioni automatizzate.
- Garantire audit indipendenti: prevedere la revisione periodica da parte di autorità di controllo o università, con rapporti pubblici sui risultati.
- Equilibrare IP e open‑source: negoziare con i fornitori clausole che prevedano la condivisione del codice sorgente in forma limitata, sufficientemente dettagliata per consentire verifiche senza compromettere segreti commerciali.
- Formare il personale: creare percorsi di formazione per funzionari pubblici sulla gestione e valutazione di algoritmi, includendo aspetti etici e giuridici.
Conclusioni: verso una governance algoritmica più consapevole
Il confronto tra Canada e Italia dimostra che l’efficacia di un algoritmo pubblico dipende più da un quadro di governance chiaro che da una tecnologia avanzata. La classificazione dei sistemi, la trasparenza dei criteri e la gestione equilibrata della proprietà intellettiale sono i pilastri su cui costruire processi di appalto più equi e sostenibili. Implementare le raccomandazioni proposte non solo ridurrà i rischi di contenzioso, ma aumenterà la fiducia dei cittadini nei confronti delle decisioni automatizzate, garantendo al contempo una migliore efficienza nella spesa pubblica.