300.000 dollari l’anno a veicolo di sola licenza AI: le lezioni del GAO
5 min di lettura
Il Congresso americano ha incaricato il Government Accountability Office — l’ufficio indipendente che verifica come lo Stato spende il denaro pubblico — di controllare come le agenzie federali comprano intelligenza artificiale. La risposta, pubblicata il 13 aprile 2026, è il rapporto GAO-26-107859: un caso concreto dopo l’altro, che chiunque acquisti oggi un sistema AI — in un ministero, in una grande azienda, in un ospedale — dovrebbe leggere prima di firmare il prossimo contratto. Non perché riguardi solo gli Stati Uniti, ma perché documenta, con nomi e cifre, gli stessi errori che si ripetono ovunque quando un’organizzazione compra una tecnologia che non ha ancora gli strumenti per valutare.
Il contesto spiega l’urgenza: secondo il Chief Information Officer federale, l’uso dell’AI nelle agenzie americane è più che raddoppiato dal 2023 al 2024, e il Congresso ha stanziato circa 1,7 miliardi di dollari per iniziative di intelligenza artificiale in tutto il governo. Il GAO ha analizzato 44 contratti e accordi siglati tra settembre 2018 e febbraio 2025, approfondendone 13 in quattro agenzie — Difesa (DOD), Sicurezza interna (DHS), General Services Administration (GSA) e Veterans Affairs (VA). La conclusione centrale non riguarda un singolo fornitore o un singolo contratto: nessuna delle quattro agenzie aveva una politica che imponesse di raccogliere sistematicamente le lezioni apprese dai propri acquisti AI. Ogni ufficio ricomincia da zero, ogni volta.
L’errore da mezzo miliardo di dollari l’anno
L’esempio più netto viene dall’Esercito, nello stesso comparto che unisce meccanica e software dei programmi della difesa. Il veicolo da combattimento a equipaggio ridotto XM-30, pensato per sostituire il Bradley, prevede un sistema di puntamento assistito da intelligenza artificiale. Per la sola licenza software, i responsabili del programma hanno ricevuto proposte intorno ai 300.000 dollari l’anno per veicolo — cifra che, applicata alla flotta prevista, avrebbe significato oltre 500 milioni di dollari l’anno solo in canoni di licenza, prima ancora di contare il costo dei veicoli stessi. Gli stessi funzionari la definiscono «esorbitante». Il punto non è se lo sia davvero: è che nessuno, al momento di valutare la proposta, aveva un termine di paragone. Senza una raccolta strutturata di prezzi e condizioni praticati altrove nello stesso governo, ogni ufficio negozia alla cieca — e chi vende lo sa.
Il sistema che sparisce senza lasciare traccia
Il Department of Veterans Affairs aveva avviato una prova operativa per individuare segnali di rischio suicidario nei messaggi dei veterani, affidata al fornitore SoKAT. A gennaio 2023 l’ha ritirata: secondo i funzionari, non migliorava a sufficienza le soluzioni già in uso da giustificarne il costo aggiuntivo. Una decisione ragionevole. Il problema è cosa non è successo dopo: nessuno ha documentato perché lo strumento non ha funzionato, quali requisiti erano sbagliati, cosa cercare la prossima volta. Il GAO la definisce un’occasione persa, perché la stessa amministrazione gestisce altri programmi AI attivi sulla prevenzione del suicidio tra i veterani, che avrebbero potuto usare esattamente quell’esperienza. La conoscenza è scomparsa insieme al contratto.
Cosa invece funziona
Il rapporto cita anche due esempi positivi, ed è istruttivo che condividano lo stesso principio. Il programma Maven del Pentagono lavora con metodo agile — pianificazione settimanale, cicli di 90 giorni — aggiungendo requisiti via via che la capacità reale del sistema si dimostra sul campo, invece di scriverli tutti in anticipo su un sistema ancora sconosciuto. USAi, la piattaforma della GSA che dà a quindici agenzie accesso a modelli di Google, Meta, Anthropic e OpenAI per testarli prima di adottarli su scala, sta passando da un modello gratuito a uno a consumo: si paga quello che si usa davvero, non una licenza fissa negoziata prima di sapere se il sistema serve. In entrambi i casi il principio è lo stesso che applichiamo a ogni prova operativa su un caso d’uso reale: si verifica prima di impegnarsi su scala, e si paga in base a un risultato misurato, non a una promessa.
Le quattro raccomandazioni, e una scadenza di questo mese
Il GAO ha raccomandato a Difesa, DHS, GSA e Veterans Affairs di aggiornare le rispettive politiche interne per imporre la raccolta sistematica delle lezioni apprese e la loro condivisione in un archivio comune gestito dalla GSA. Tutte e quattro le agenzie hanno concordato. Il DHS si è impegnato ad aggiornare la propria guida operativa sugli acquisti AI entro luglio 2026 — questo stesso mese. È la stessa distanza che si ritrova in ogni settore regolato tra annunciare un principio e renderlo verificabile: una raccomandazione accettata non è ancora una policy in vigore, e una policy in vigore non è ancora un archivio popolato di casi reali.
Cosa fare, prima di firmare il prossimo contratto AI
La lezione non è americana, né soltanto pubblica. Vale per un ente pubblico italiano quanto per l’ufficio acquisti di una grande azienda che valuta un fornitore AI per la prima volta:
- Fissate un termine di paragone sui costi prima di negoziare: quanto pagano altri per una capacità comparabile, e come si misura il costo nel tempo, non solo alla firma.
- Verificate su un caso reale, in piccolo, prima di firmare un contratto pluriennale: è la differenza tra XM-30 e USAi.
- Documentate anche gli acquisti che non funzionano, non solo quelli riusciti: la lezione di un fallimento vale quanto quella di un successo, se qualcuno la scrive.
- Procuratevi competenze tecniche indipendenti per valutare un’offerta AI prima di firmare, non dopo che il contratto è già in corso.
- Scrivete nel contratto una via d’uscita: portabilità dei dati, reversibilità, nessun blocco tecnologico — lo stesso principio che le linee guida italiane sul procurement AI stanno per rendere obbligatorio nella pubblica amministrazione.
Chi ha già attraversato la stessa curva d’apprendimento — comprare tecnologia critica da un fornitore che può cambiare condizioni in corsa — conosce il costo di non avere queste risposte pronte prima della crisi, non durante.
Volete strutturare l’acquisto del vostro prossimo sistema AI su una prova operativa verificabile, con costi misurati e dati che restano vostri, invece che su una promessa del fornitore? Parliamone in una sessione di trenta minuti.