IA nel lavoro

IA generativa e valutazione AGID: un nuovo approccio alla scelta software

L’adozione dell’intelligenza artificiale generativa nella Pubblica Amministrazione apre scenari inediti per la digitalizzazione dei processi decisionali.

21 Maggio, 2025

In questo articolo

In questo articolo analizziamo un caso d’uso concreto: l’impiego della funzionalità deep search di un sistema Gen-IA per esplorare il mercato dei software di gestione degli spazi universitari e supportare la redazione della valutazione comparativa richiesta dalle Linee Guida AGID. Un modello operativo replicabile che unisce rigore normativo, efficienza e innovazione.

Introduzione: verso una PA data-driven

Nel contesto dell’innovazione digitale della Pubblica Amministrazione (PA), la capacità di raccogliere, analizzare e sintetizzare grandi volumi di informazioni si configura come leva strategica per accelerare l’introduzione di nuovi servizi. L’intelligenza artificiale generativa (Gen-IA), attraverso strumenti evoluti come la funzionalità deep search, rappresenta oggi un supporto efficace per superare i limiti insiti nelle pratiche tradizionali di analisi documentale.

Il caso: attivare un servizio di gestione spazi in Ateneo

In ambito universitario, emerge frequentemente l’esigenza di attivare servizi dedicati all’assegnazione e alla prenotazione degli spazi (occupancy & booking management). Il primo passo di tale processo prevede l’analisi del mercato delle soluzioni software disponibili, al fine di effettuare una valutazione comparativa delle piattaforme in termini di architettura, interoperabilità, modello di licensing, integrazione con sistemi esistenti (ad esempio, BIM), e funzionalità specifiche di gestione degli spazi.

Gen-IA e deep search: uno strumento per l’analisi di prodotto

La valutazione comparativa è stata avviata a partire da un prompt strutturato, finalizzato a individuare piattaforme – open source o commerciali – in grado di supportare la gestione delle assegnazioni di postazioni all’interno di uffici condivisi, con visibilità sugli spazi disponibili e possibilità di storicizzazione delle occupazioni. Tra i requisiti aggiuntivi è stata evidenziata la necessità di integrazione con strumenti già adottati, quali il software Booked e le piattaforme BIM per la modellazione architettonica.

La funzionalità deep search è stata impiegata per effettuare interrogazioni parallele su fonti eterogenee e specialistiche: documentazione tecnica, portali ufficiali, white paper, pagine di supporto e casi d’uso. A differenza di un motore di ricerca tradizionale, questa modalità consente di accedere a informazioni di dettaglio, ad esempio: supporto per autenticazione tramite Active Directory, presenza di API pubbliche, gestione dello storico delle assegnazioni, visualizzazione di modelli BIM in formato IFC.

La deep search ha chiesto informazioni aggiuntive per procedere con un’analisi più mirata:

“Per aiutarti al meglio, potresti confermare o chiarire alcuni punti?

  1. Qual è il numero indicativo di spazi e postazioni da gestire? Questo aiuta a valutare la scalabilità delle soluzioni.
  2. Hai preferenze tecnologiche o vincoli (es. database, linguaggi, hosting on-premise vs cloud)?
  3. Che tipo di integrazione è richiesta con il software Booked? Dev’essere sostituito o solo integrato?
  4. Puoi confermare se la soluzione BIM è usata solo per modellazione o anche per facility management? (per evitare sovrapposizioni)
  5. Vuoi che includa anche opzioni che offrono API o SDK per personalizzazioni?

Appena chiariti questi punti, procederò con l’analisi e confronto delle piattaforme più adatte, distinguendo tra open source e commerciali, e includendo la valutazione in base alle linee guida AgID come richiesto.”

L’utilizzo di una piattaforma Gen-IA con funzionalità deep search ha consentito di:

  • esaminare documentazione tecnica e commerciale di soluzioni software;
  • estrarre funzionalità chiave, requisiti di sistema e modelli di licensing;
  • costruire tabelle comparative tra alternative disponibili;
  • valutare il livello di conformità ai requisiti della PA (accessibilità, sicurezza, interoperabilità).

Questo approccio ha permesso di ridurre sensibilmente i tempi di analisi e di aumentare la precisione nella fase preliminare di esplorazione del mercato.

Dall’analisi alla valutazione comparativa (Linee guida AGID)

Al termine dell’analisi, i contenuti informativi raccolti sono stati riorganizzati secondo la struttura di valutazione definita dall’art. 68 del Codice dell’Amministrazione Digitale (CAD). Il risultato è stato un documento strutturato e pronto per essere allegato alla determina a contrarre, in conformità con le Linee Guida AGID sull’acquisizione e il riuso di software da parte delle pubbliche amministrazioni.

Il prompt utilizzato per la generazione del documento finale è stato il seguente:

“Puoi organizzare la relazione di analisi nella forma di una valutazione comparativa come prevista dalla Linee guida su acquisizione e riuso di software per le pubbliche amministrazioni di AgID (https://docs.italia.it/italia/developers-italia/lg-acquisizione-e-riuso-software-per-pa-docs/it/stabile/acquisizione-software/valutazione-comparativa.html)”

Il documento di output si è articolato in cinque sezioni principali:

  1. Macro-fase 1 – Individuazione delle esigenze
  2. Macro-fase 2 – Analisi delle soluzioni a riuso PA / Open source
  3. Macro-fase 3 – Analisi delle soluzioni proprietarie (categorie E / D)
  4. Valutazione sui criteri dell’art. 68 del CAD
  5. Conclusioni e raccomandazioni

Ogni sezione è stata corredata da tabelle comparative e da valutazioni puntuali rispetto ai criteri normativi.

Vantaggi e prospettive

L’approccio descritto assicura trasparenza, tracciabilità e completa documentazione del processo decisionale, semplificando l’attività dei referenti IT e degli uffici acquisti. Si delinea così un modello operativo replicabile che coniuga rigore normativo, efficienza e innovazione, contribuendo alla costruzione di una PA più moderna, responsabile e orientata ai dati.

Nuovi appunti e sperimentazioni, anche via email.

Articoli, risorse e aggiornamenti sulle mie attività di formazione e divulgazione: applicazioni dell’IA nel lavoro e nella vita quotidiana, esperimenti creativi e nuove domande da esplorare.

Niente spam. Ti scrivo solo quando ho qualcosa di utile.

Michele Fiaschi

Michele Fiaschi

Michele Fiaschi si occupa da oltre vent’anni di trasformazione digitale alla Scuola Normale Superiore. Svolge attività di formazione sull’intelligenza artificiale, in particolare per la pubblica amministrazione. Su questo sito condivide esperienze, riflessioni e sperimentazioni, anche creative.

Continua a leggere

Dalla stessa rubrica

Illustrazione di mani che collaborano attorno a un documento sull’IA, con appunti e simboli di idee e verifica.

IA generativa nella PA: il corso con l’Unione Valdera

Cinque edizioni in presenza, tra marzo e ottobre 2026, per esplorare opportunità, rischi e usi dell’IA generativa nella PA. Un’esperienza di formazione e confronto con il personale dell’Unione Valdera e dei Comuni, accompagnata da feedback incoraggianti e dalla voglia di approfondire.

Interfaccia di sviluppo con componenti web e variabili CSS durante il porting a Bootstrap Italia 3 assistito dall’intelligenza artificiale.

Bootstrap Italia 3 e AI: un porting assistito

Un’esperienza concreta di migrazione a Bootstrap Italia 3 con il supporto di Claude Code, fonti tecniche interrogabili e test di accessibilità. Un progetto che mostra dove l’AI accelera il lavoro e perché metodo e supervisione restano centrali.

Illustrazione descrittiva del concetto di web archiving con uso di IA

Archivio digitale attivo e Web archiving: come l’IA ha trasformato un sito legacy in un servizio moderno, senza rifarlo da zero

Quando un sito viene dismesso per ragioni di sicurezza e non può essere staticizzato, il suo patrimonio informativo rischia di andare perduto. In questa sperimentazione abbiamo usato Codex, con supervisione tecnica, come acceleratore della reingegnerizzazione: dall’aggiornamento di PHP e MySQL all’analisi delle vulnerabilità e all’applicazione delle patch necessarie per riportare online il servizio.