Giovedì 28 maggio 2026
8.30 - 8.55 Prove Tecniche
9.00 - 13.00 | 14.30 - 16.30 Svolgimento Corso

Documentazione:
Slide a cura del docente + Attestato di partecipazione

Il corso è progettato per fornire ai partecipanti gli strumenti operativi e le competenze metodologiche necessarie per integrare l'Intelligenza Artificiale generativa nei processi legati alle gare d'appalto, con un approccio fortemente orientato alla pratica e immediatamente replicabile sul lavoro quotidiano.
Il percorso alterna momenti teorici essenziali — necessari per usare gli strumenti AI in modo consapevole e non superficiale — a esercitazioni concrete su documentazione di gara reale, coprendo le tre tipologie principali di affidamento: servizi, forniture e lavori. Particolare attenzione è dedicata ai limiti dei modelli, alle metodologie anti-errore e al quadro normativo di riferimento (GDPR, AI Act, Provvedimenti del Garante, NIST AI RMF).
Non verrà trattato l'argomento dell'Offerta Tecnica.

1. Intro all'AI nelle Gare d'Appalto
   Comprendere il ruolo dell'AI nei processi di gara e i benefici operativi concreti. Inquadramento iniziale: dove l'AI porta valore reale — analisi documentale, sintesi, estrazione requisiti, supporto alla redazione — e dove invece non va usata. Obiettivi del corso e impostazione metodologica del percorso d'aula.
2. Come Funzionano gli LLM
   Le basi per usare i modelli di linguaggio in modo consapevole. Si mostrerà da dove nasce la scintilla di intelligenza dei moderni LLM — architettura transformer, predizione token-by-token, ruolo del training e del fine-tuning — senza tecnicismi inutili ma con il livello di dettaglio necessario per saper scegliere e usare lo strumento giusto.
   Si analizzeranno similarità e differenze tra i principali provider:
   • OpenAI con ChatGPT
   • Google con Gemini
   • Anthropic con Claude
   • e strumenti con focus diverso come Perplexity (search-augmented)
   Si mostrerà inoltre come automatizzare la produzione documentale: generazione e popolamento di file Excel, documenti Word e presentazioni a partire da input strutturati, applicato al ciclo di vita della gara.
3. Limiti e Metodologie Anti-Errore
   Si discuteranno le limitazioni strutturali dei modelli di linguaggio (ChatGPT e affini) — allucinazioni, contesto limitato, knowledge cutoff, sensibilità al prompt, bias — e si mostrerà concretamente dove sbagliano con esempi reali tratti da documentazione di gara: invenzioni di riferimenti normativi, citazioni imprecise di articoli del Codice dei Contratti, incoerenze su importi e scadenze.
   A ogni limite verrà associato un presidio operativo: cosa controllare, come verificare, quali pattern di prompt riducono il rischio.
4. Prompt Engineering
   È lo step più importante nell'avvicinarsi alla generative AI ed è ciò che separa un uso casuale da un uso professionale. Si spiegheranno le principali tecniche per sfruttare a pieno gli strumenti AI — zero-shot, few-shot, Chain-of-Thought, role prompting, decomposizione, structured output.
   Le tecniche non verranno mostrate in astratto: ciascuna sarà immediatamente calata nel contesto della documentazione di gara — estrazione requisiti dal disciplinare, analisi del capitolato tecnico, riepilogo prescrizioni del bando, redazione di paragrafi dell'offerta tecnica.
5. Introduzione a NotebookLM
   Organizzare documenti e informazioni in un'unica base di conoscenza interrogabile. Caratteristiche distintive di NotebookLM rispetto ai chatbot generalisti: ancoraggio alle fonti caricate, citazioni verificabili, riduzione delle allucinazioni. Setup, gestione delle fonti e flussi di lavoro tipici.
6. Caso Studio
   Parte estremamente pratica attraverso NotebookLM, in cui si analizzeranno 3 gare in parallelo — una di servizi, una di forniture e una di lavori — mostrando come un sistema basato su AI possa velocizzare e facilitare la comprensione della documentazione di gara nei suoi tre principali domini.
   L'esercitazione si baserà su un processo completamente replicabile dai partecipanti: l'approccio è infatti standardizzato per dominio (servizi / forniture / lavori) e tutta la documentazione operativa verrà fornita attraverso un prompt book dedicato, che i partecipanti potranno portare con sé e riutilizzare immediatamente nel proprio lavoro quotidiano sulle gare reali.
7. Compilazione del DGUE
   Si mostrerà come rendere l'AI una guida operativa nella compilazione del Documento di Gara Unico Europeo, calibrata sugli obiettivi e sul profilo del partecipante: lettura ragionata delle parti del DGUE, identificazione dei requisiti di partecipazione applicabili al proprio caso, evidenziazione delle dichiarazioni richieste e delle criticità ricorrenti, con indicazioni puntuali su come rispondere correttamente sezione per sezione in base al proprio contesto aziendale.
8. Spunti per l'Offerta Tecnica
   Brevi cenni all'utilizzo dell'AI come supporto alla strutturazione dell'offerta tecnica: lettura dei criteri di valutazione, mappatura dei punteggi, supporto alla stesura di paragrafi tecnici nel rispetto del perimetro definito dalla lex specialis della singola gara.
9. Data Security
   Si tratteranno i principali riferimenti normativi e framework di riferimento per l'uso dell'AI nelle Pubbliche Amministrazioni e nelle imprese che partecipano a gare:
   • GDPR (Reg. UE 2016/679) — trattamento dei dati personali
   • AI Act (Reg. UE 2024/1689) — classificazione del rischio dei sistemi AI e obblighi conseguenti
   • Provvedimento del Garante per la Protezione dei Dati Personali in materia di sistemi AI
   • NIST AI Risk Management Framework (AI RMF 1.0) — guida strutturata per aiutare le organizzazioni a gestire i rischi unici dei sistemi AI e a promuoverne l'affidabilità
   Si tratteranno i principali riferimenti normativi e framework di riferimento per l'uso dell'AI nelle Pubbliche Amministrazioni e nelle imprese che partecipano a gare:
10. Conclusioni
    Tutto sarà accompagnato da un approccio pratico e non solo astratto: come scegliere un provider, come gestire documentazione riservata o sotto NDA, come impostare una governance interna minima, quali dati non vanno mai dati in pasto a un LLM consumer.

Dott. Vincenzo Orrei - AI Engineer | Data scientist