L’Albania ha annunciato l’ingresso in Consiglio dei ministri di una “ministra” virtuale basata su intelligenza artificiale, Diella, con un mandato esplicito: rendere trasparenti e non corruttibili gli appalti pubblici. È il primo esperimento al mondo di un membro di governo non umano. L’obiettivo politico è chiaro; la fattibilità tecnica e la cornice legale sono la vera partita.
Cosa sappiamo, verificato
Secondo le fonti ufficiali e internazionali, Diella:
- nasce come assistente virtuale di e-Albania (il portale servizi), attiva da mesi e sviluppata in cooperazione con Microsoft; ora “sale di grado” con funzioni sul procurement.
- è descritta come il “primo membro di gabinetto creato dall’AI”, con il compito di valutare i bandi e arrivare, a tappe, alla centralizzazione/automazione dell’assegnazione delle gare.
- ha un perimetro istituzionale ancora controverso: lo status giuridico di “ministra” non è pacifico, l’opposizione parla di incostituzionalità; un voto parlamentare esplicito sul ruolo non è (ancora) definito.
Il mandato anti-corruzione: dal proclama ai flussi di lavoro
Il punto di attacco è il ciclo di vita delle gare: programmazione, pubblicazione, ricezione offerte, valutazione, aggiudicazione, esecuzione e controlli. Dai discorsi ufficiali emerge che Diella opererà soprattutto in:
- Screening di ammissibilità: controlli documentali, conflitti di interesse, blacklist, anomalie su tempi/costi.
- Valutazione tecnica/economica: punteggi coerenti con i criteri di bando, ranking delle offerte, rilevazione di outlier.
- Tracciabilità decisionale: log completi su ogni passaggio, archivio versioni, report per audit interni/esterni.
- Trasparenza pubblica: dashboard su risultati e motivazioni sintetiche delle scelte, con tempi, ribassi, varianti in corso d’opera.
Nota: questo è il modello operativo atteso in base al mandato dichiarato; i dettagli implementativi non sono stati ancora pubblicati in documentazione tecnica ufficiale.
Sotto il cofano: un’architettura plausibile
Dalle informazioni disponibili (e dalle best practice in govtech) è verosimile uno stack a più livelli:
- Integrazione dati: collegamenti a e-Procurement nazionale, registro imprese, casellari sanzioni, basi UE (ESPD, TED), con normalizzazione e deduplica.
- Motore regole + ML:
- Rule engine per i vincoli hard (requisiti minimi, cause di esclusione, soglie).
- Modelli ML per risk scoring, individuazione di cartelli/rotazioni anomale, clustering di varianti.
- LLM mediato (per riassunti e spiegazioni, non per “decidere”): il modello linguistico genera motivi sintetici, ma il punteggio ufficiale viene dal rule engine/ML.
- Explainability: SHAP/feature importance per le parti ML; card decisionale firmata digitalmente con hash dei dataset/versioni modello.
- Governance del modello: lifecycle MLOps, versionamento, registri di addestramento, red-team periodici, canale di contestazione per gli operatori economici.
Questa impostazione è coerente con il proposito governativo di togliere discrezionalità agli umani senza creare una “scatola nera”: i criteri di gara restano normativi, l’AI applica e spiega. (Quadro ricostruito su base comparativa e sulle dichiarazioni pubbliche; specifiche ufficiali non ancora pubblicate.)
Il nodo legale: chi firma davvero?
In UE l’aggiudicazione è un atto amministrativo che richiede responsabilità soggettiva. Tradotto: un umano deve firmare. Le fonti indicano un percorso “step-by-step”: Diella elabora e propone, l’amministrazione ratifica (o motiva il dissenso). Senza una norma ad hoc, l’AI non può essere titolare dell’atto; per questo il dibattito a Tirana è acceso.
Rischi reali (e come mitigarli)
- Bias e lock-in: se lo sviluppo è legato a un unico fornitore, il rischio di dipendenza tecnologica è alto. Serve portabilità (formati aperti, API) e audit di terza parte.
- Trasparenza dei dati: dataset incompleti o sporchi → decisioni distorte. Occorrono data pipeline certificabili e pubblicazione di dataset non sensibili per scrutiny civico.
- Contenzioso: imprese escluse potranno impugnare le aggiudicazioni: fondamentale un dossier esplicativo per gara (regole applicate, pesi, motivi).
- Sicurezza: supply-chain e prompt injection sui moduli LLM. Misure: segregazione reti, policy di contenuti e monitoring continuo.
Leggi anche La corsa ai data center AI: un investimento senza precedenti
Cosa guardare nei prossimi 6–12 mesi
- Decreti attuativi: chi è il responsabile del procedimento quando propone Diella?
- KPI pubblici: tempi medi di aggiudicazione, percentuale gare con un solo offerente, ricorsi, varianti in corso d’opera.
- Documentazione tecnica: model card, risk assessment, policy di explainability.
- Interoperabilità UE: allineamento con prassi eProcurement europee e controlli ex-post.
Conclusione
Se Tirana trasforma l’annuncio in procedure verificabili, con audit indipendenti e firma umana responsabile, Diella può diventare un benchmark per piccoli/medi paesi che vogliono ridurre la corruzione di front-office e back-office negli appalti. Senza queste garanzie, rischia di restare una vetrina politica esposta a ricorsi e sfiducia pubblica.