Collusione nelle gare: che cosa l'IA può vedere nelle offerte perdenti

Una gara si chiude con quattro offerte. Un fornitore vince, il prezzo rientra nello stanziamento e il processo appare competitivo. Guardando soltanto quel fascicolo, può non esserci nulla di chiaramente anomalo.

È proprio questo che rende difficile individuare la turbativa d'asta. Le imprese possono coordinare chi vincerà, presentare offerte volutamente non competitive, non partecipare a determinate gare o alternarsi nell'assegnazione mantenendo l'apparenza della concorrenza. Il singolo responsabile acquisti vede un evento; lo schema sospetto può emergere solo attraverso molte gare, molti concorrenti e più stazioni appaltanti.

L'8 settembre 2026 la britannica Competition and Markets Authority ha proposto un approccio molto più basato sui dati. Il contesto economico è importante: gli appalti pubblici britannici valgono circa 400 miliardi di sterline all'anno, la collusione può aumentare i prezzi del 20 per cento o più e la CMA stima un possibile costo annuale tra circa uno e oltre tre miliardi di sterline secondo le proprie ipotesi. Per gli acquisti, però, la lezione più interessante riguarda i dati necessari per trovare questi schemi.

L'offerta vincente mostra solo una parte della concorrenza

L'attenzione del processo di acquisto va naturalmente al vincitore. Il prezzo era competitivo? L'offerta rispetta la specifica? La decisione di aggiudicazione è difendibile? Per individuare schemi collusivi, le offerte perdenti possono essere altrettanto importanti perché il segnale sta spesso nella relazione tra i partecipanti.

Tre imprese possono comparire ripetutamente insieme. Una vince mentre le altre due presentano prezzi più alti, poi il vincitore cambia alla gara successiva. Esistono molte spiegazioni legittime, dalla capacità alla geografia o ai costi. Ma se rotazioni, distanze di prezzo o partecipazioni si ripetono in modo difficile da spiegare, può valere la pena approfondire.

Una sola gara non dimostra nulla. L'informazione emerge quando i dati delle offerte vengono confrontati nel tempo e tra acquirenti diversi, motivo per cui la CMA insiste sulla conservazione delle offerte perdenti in formato coerente e leggibile dalle macchine.

L'IA aumenta la scala dell'analisi sistematica

Storicamente molte indagini sui cartelli sono partite da segnalazioni, denunce o prove emerse dopo che esisteva già un sospetto. L'analisi dei dati aggiunge una strada diversa: cercare schemi ricorrenti in una quantità di gare che nessun singolo professionista potrebbe confrontare manualmente.

Il Bid Rigging Intelligence Tool della CMA, BRIT, combina competenze nel contrasto ai cartelli e scienza dei dati. È in fase pilota con enti pubblici britannici, tra cui i ministeri dell'Istruzione, del Lavoro e della Giustizia, e la CMA riferisce che i progetti hanno iniziato a generare piste investigative.

È un uso interessante dell'IA negli acquisti perché il sistema non tenta di sostituire la valutazione di una singola gara. Estende la visibilità su migliaia di osservazioni e segnala dove l'attenzione di specialisti può essere giustificata.

Uno schema sospetto non è una prova di colpevolezza

Questa distinzione deve rimanere netta. Offerte simili, gruppi ricorrenti di fornitori o vincitori che si alternano possono avere spiegazioni innocenti. Uno strumento di analisi non dimostra un accordo illecito perché ha rilevato un'anomalia.

BRIT serve a individuare schemi sospetti e a generare piste. Investigazione, prove, valutazione giuridica e garanzie procedurali vengono dopo. Anche negli acquisti una stranezza dovrebbe portare a conservare i dati e coinvolgere il percorso legale o di concorrenza previsto, non ad accusare il fornitore durante una riunione.

La CMA avverte espressamente gli acquirenti pubblici di non discutere i sospetti con i fornitori, perché un avvertimento può rendere più difficile l'indagine. Questa regola dovrebbe essere già prevista nel processo interno.

Il vero collo di bottiglia può essere la qualità dei dati

La parte più forte dell'argomento della CMA è anche la meno spettacolare: un'analisi sofisticata non serve se mancano i dati giusti. Nel Regno Unito le offerte perdenti non vengono raccolte sistematicamente in una forma centrale, coerente e leggibile dalle macchine, limitando l'analisi su scala pubblica.

Molte imprese private hanno lo stesso problema. Le gare storiche sono distribuite tra piattaforme, posta elettronica, fogli di calcolo e cartelle locali; i nomi dei fornitori non sono uniformi e alcuni sistemi conservano la graduatoria finale ma non i dettagli di chi non ha vinto.

La progettazione dei dati diventa quindi una capacità degli acquisti. Ciò che non viene conservato bene oggi non potrà essere analizzato per individuare schemi domani.

La visibilità tra più acquirenti cambia ciò che si può osservare

Un acquirente vede A perdere contro B e non nota nulla. Un altro vede A perdere contro C, un terzo B perdere contro C. Ogni evento può essere normale. Un insieme di dati più ampio può invece mostrare partecipazioni ripetute, rotazioni dei vincitori o relazioni di prezzo che meritano un'analisi specialistica.

Questo è uno dei motivi per cui dati centralizzati o interoperabili hanno valore oltre l'analisi della spesa. Rendono possibili domande che un singolo fascicolo non può risolvere.

Mostrano anche il problema più generale descritto nel nostro articolo sul giudizio nell'uso dell'IA negli acquisti: un sistema può segnalare uno schema degno di attenzione senza stabilire che cosa significhi. Il professionista deve conoscere il confine dell'evidenza prima di agire.

Anche con un'analisi automatizzata migliore resta necessaria disciplina

L'automazione non elimina la necessità di conoscere i segnali di rischio, conservare correttamente i documenti, proteggere la concorrenza e coinvolgere al momento giusto gli specialisti legali o antitrust. Né un quadro privo di anomalie dimostra che il mercato sia sano.

Voice2Evolve non è uno strumento per individuare cartelli. Il collegamento con la conversazione arriva più tardi, quando un professionista deve contestare un comportamento insolito senza accusare, portare internamente una preoccupazione al livello appropriato o resistere alla tentazione di trasformare un segnale in una conclusione.

L'IA può rendere più visibili gli schemi nascosti. Non può trasformare un'indicazione statistica in una prova, né togliere agli acquisti la responsabilità di gestirla correttamente.

Le offerte perdenti contano perché la collusione è costruita per nascondersi dentro una concorrenza apparentemente normale. A volte l'informazione che spiega davvero il mercato è proprio quella che, dopo l'aggiudicazione, sembrava non servire più.

Fonti

• UK Competition and Markets Authority (8 settembre 2026). Rigged bids, real costs: a case for urgent action on bid rigging in UK public procurement.
• Sarah Cardell, CMA (8 settembre 2026). Rigged bids, real costs: the case for tackling bid rigging in public procurement.