AI generativa e partecipazione alle gare d’appalto: strategie operative, norme e opportunità 2025

L’uso di modelli linguistici di ultima generazione (es. GPT-4) sta assumendo rilievo nella preparazione e gestione delle gare d’appalto. In Italia, le opportunità sono concrete, soprattutto alla luce del nuovo Codice dei Contratti Pubblici (D.Lgs. 36/2023), che solleva interesse su benefici, rischi e obblighi legali. Il testo che segue propone un’esplorazione di queste tematiche, illustrando le potenzialità della tecnologia, le implicazioni normative e gli usi possibili. È un percorso pensato per imprese, funzionari pubblici, specialisti di procurement e chiunque voglia capire l’impatto dell’Intelligenza Artificiale nelle procedure di gara.

1. AI generativa e partecipazione alle gare d’appalto: scenario iniziale e sfide

2. Dalla ricerca bandi all’analisi documentale con i Large Language Models

3. Redigere l’offerta: come l’AI generativa riduce tempi e refusi

4. Quadro giuridico 2025: Codice dei Contratti e obblighi sull’AI

5. Governance etica: evitare bias e proteggere i dati sensibili

6. Il modello Rhythm Blues AI: integrazione cross-funzionale e ROI

7. Nuove professionalità: prompt engineer e AI data analyst in gara

8. Prospettive 2030: vertical LLM e portali e-procurement intelligenti

9. Conclusioni: bilanciare automazione e competenza umana

10. FAQ: risposte rapide su rischi, vantaggi e compliance

AI generativa e partecipazione alle gare d’appalto

AI generativa e partecipazione alle gare d’appalto: scenario iniziale e sfide

La partecipazione alle gare d’appalto, pubbliche o private, è cruciale per imprese di ogni settore. Oggi, le procedure richiedono competenze ampie: non basta produrre documenti conformi, bisogna rispondere a requisiti dettagliati, interfacciarsi con piattaforme telematiche e seguire normative in costante evoluzione. In questo panorama, l’avvento dei modelli di Intelligenza Artificiale generativa (ad esempio GPT-4, Claude, PaLM) sta suscitando grande interesse, poiché può semplificare analisi e stesure complesse, facilitando la partecipazione alle gare. Nel contesto italiano, AI generativa e partecipazione alle gare d’appalto formano ormai un binomio strategico per affrontare procedure articolate e oneri elevati, soprattutto negli appalti pubblici disciplinati dal nuovo Codice dei Contratti Pubblici (D.Lgs. 36/2023). Molte PMI rinunciano a partecipare per mancanza di risorse destinate all’analisi dei disciplinari e alla compilazione di documenti.

L’IA generativa risulta di sostegno, perché sintetizza testi normativi lunghi, individua i passaggi chiave dei capitolati e suggerisce formulazioni utili. Con un adeguato addestramento, questi sistemi riducono tempi e oneri, alleggerendo il lavoro del personale. Resta importante, però, la corretta interpretazione delle norme e la verifica di ciò che l’AI produce, per evitare errori e clausole ridondanti. L’esperienza insegna che serve sempre la supervisione umana. Inoltre, sorgono temi etici: l’AI potrebbe ereditare distorsioni dai dati di addestramento. Eppure, per molte aziende, specialmente le più piccole, un assistente virtuale che supporti l’ufficio gare può migliorare precisione e competitività. Un ulteriore aspetto riguarda la riservatezza: la documentazione di gara contiene spesso dati strategici o segreti commerciali, che richiedono adeguate misure di sicurezza. Evitare di caricare file su piattaforme cloud generiche e garantire la protezione dei dati è essenziale. Alla fine, l’IA generativa non è solo un miglioramento tecnico, ma un passaggio che coinvolge fattori normativi, organizzativi e strategici. Lo scenario evolve rapidamente e l’AI si propone come strumento essenziale per competere con successo nei bandi.

Dalla ricerca bandi all’analisi documentale con i Large Language Models

Gran parte del lavoro in una gara d’appalto consiste nell’analizzare bandi, capitolati, disciplinari e modulistica. Prima ancora di decidere se partecipare, è necessario individuare le fonti (Gazzetta Ufficiale, TED europeo, portali regionali, MEPA) e valutare se il bando corrisponde alle proprie competenze. L’AI generativa e le tecniche di NLP già automatizzano parte di questa fase, sfruttando algoritmi di web scraping e analisi semantica per trovare i bandi, convertirli in testo e identificare informazioni chiave come importo, categoria e requisiti di ammissione. Così, un’impresa può ricevere elenchi sintetici di opportunità, risparmiando tempo e minimizzando il rischio di perdere bandi adatti. Un esempio pratico è un software AI che filtra tutti i bandi recenti in base a parole chiave (manutenzione, fornitura hardware, servizi di pulizia), produce un elenco di avvisi con un indice di “affinità” e, per ciascuno, genera un abstract.

Una PMI con risorse limitate può così concentrarsi sui bandi più promettenti e verificare in anticipo la presenza di certificazioni o referenze obbligatorie. Inoltre, l’AI generativa può supportare la comprensione semantica dei disciplinari, rispondendo a domande in linguaggio naturale e indicando la sezione rilevante. Ciò riduce l’errore umano e funge da tutor digitale, aprendo il mercato a operatori meno strutturati. Occorre comunque mantenere un controllo umano, dato che i modelli linguistici possono “allucinare” o generare contenuti imprecisi. Molte piattaforme di e-procurement offrono infatti la possibilità di generare Q&A interni all’azienda per chiarire eventuali dubbi e minimizzare il rischio di esclusione. Anche la traduzione automatica è un punto di forza: in Europa, molti bandi appaiono in lingue diverse dall’italiano. L’AI consente di tradurre rapidamente e valutare se una gara estera meriti un ulteriore approfondimento, favorendo l’internazionalizzazione. Pur non sostituendo la traduzione giuridica, velocizza la fase preliminare. Nel complesso, l’uso di modelli generativi per scouting e analisi dei documenti trasforma il processo: un “assistente virtuale” che segnala tempestivamente i bandi e i passaggi cruciali, riducendo errori e accelerando la reattività dell’impresa.

Redigere l’offerta: come l’AI generativa riduce tempi e refusi

Una delle fasi più complesse nel rapporto fra AI generativa e partecipazione alle gare d’appalto è la redazione dell’offerta, soprattutto nelle parti tecniche e amministrative. L’AI generativa promette di accelerare questo passaggio: su indicazione dell’utente, il modello può produrre bozze per sezioni ricorrenti (profilo aziendale, esperienze, metodologie) allineandole al disciplinare, consentendo al team di focalizzarsi sugli aspetti strategici.Prendiamo l’esempio di un “assistente AI per la redazione”: caricando linee guida e requisiti del bando, l’AI genera una traccia dell’offerta (criteri minimi, cronoprogramma, piano di sicurezza, organigramma risorse). Il team umano fornisce poi dati specifici (mezzi aziendali, certificazioni, procedure interne), che il modello integra in un testo coerente. La bozza va comunque verificata: gli esperti controllano i dati sensibili, adattano lo stile e verificano l’accuratezza delle sezioni specialistiche. Il “ghostwriter AI” facilita l’organizzazione e l’uniformità dei contenuti, riducendo errori e incongruenze.

In questo modo si abbassano errori materiali, come refusi o incoerenze. Un sistema addestrato su gare ben riuscite tende a includere le clausole fondamentali, a mantenere coerenza terminologica e a uniformare i riferimenti normativi. Tuttavia, resta cruciale la responsabilità dell’azienda: se l’AI inserisce informazioni errate o inventate, ne risponde il firmatario dell’offerta. Per progetti complessi, ingegneri o altri specialisti devono valutare la fattibilità di quanto generato. La riservatezza è un altro punto chiave: molte offerte contengono informazioni strategiche o dati sensibili. Se ci si affida a piattaforme cloud senza protezioni adeguate, si rischiano violazioni della privacy. Le imprese più prudenti adottano sistemi on-premise o soluzioni con garanzie contrattuali. In alcuni casi, si usa il “retrieval augmented generation,” vincolando l’AI a documenti controllati per ridurre il rischio di dati esposti. Infine, disciplinari e commissioni di gara possono prevedere limiti di pagine o formati stringenti. L’automazione deve quindi essere guidata con precisione (prompt mirati) e rifinita a mano per evitare penalizzazioni. Un eccesso di standardizzazione rischia di appiattire il contenuto, riducendo l’originalità che spesso determina il punteggio tecnico. Il futuro resta promettente: l’AI riduce oneri di stesura, ma non sostituisce la supervisione umana. Solo integrando la tecnologia con la competenza del team si garantisce un’offerta conforme, valida e personalizzata.

Quadro giuridico 2025: Codice dei Contratti e obblighi sull’AI

L’impiego di AI generativa negli appalti avviene in un quadro normativo recentemente aggiornato dal nuovo Codice dei Contratti Pubblici (D.Lgs. 36/2023), che regola trasparenza, concorrenza e imparzialità. L’AI è menzionata come strumento potenzialmente utile alle stazioni appaltanti, ma la decisione finale spetta comunque alla PA. Vige l’obbligo di garantire un controllo umano e la possibilità, per i partecipanti, di conoscere il funzionamento dei sistemi. Poiché il principio di tassatività delle cause di esclusione non vieta l’uso dell’AI, è legittimo presentare offerte generate in tutto o in parte da algoritmi testuali, purché rispettino veridicità e conformità. Altre normative europee, in particolare l’AI Act, potrebbero però introdurre in futuro obblighi di dichiarazione o trasparenza sull’uso di modelli AI, specialmente se “ad alto rischio.”

Considerata la rilevanza economica delle gare, è probabile un inquadramento più stringente. Anche la giurisprudenza nazionale pone l’accento sull’istruttoria adeguata e sulla responsabilità delle commissioni. L’ANAC sta elaborando linee guida per prevenire bias e garantire trasparenza: un contenuto generato dall’AI dev’essere giustificabile e, se risultasse mendace, l’azienda ne risponderebbe. Sul fronte GDPR, molte offerte contengono dati personali e informazioni sensibili. Chi utilizza servizi cloud stranieri deve prestare attenzione a minimizzare e proteggere i dati, evitando violazioni. Il nuovo Codice sollecita un equilibrio: la tecnologia può ridurre errori e tempi, ma non sostituisce la valutazione umana. Complessivamente, l’AI si integra come un assistente: non esonera dalle responsabilità, né dai principi fondamentali degli appalti. Le imprese prudenti documentano l’uso dell’AI e la sua coerenza con i requisiti di gara, così da tutelarsi in caso di contenzioso.

Governance etica: evitare bias e proteggere i dati sensibili

Uno degli aspetti più delicati nell’uso dell’AI generativa è evitare errori e distorsioni. Anche i modelli più avanzati ereditano bias dai dati di addestramento e possono “allucinare” contenuti inesatti. In un contesto regolato come gli appalti, basta un’informazione errata sui requisiti di ammissione per causare confusione o esclusioni. Per scongiurare questo pericolo, occorre sempre un controllo umano che validi i paragrafi prodotti, confrontandoli con i dati reali e i requisiti di gara. Molte aziende preferiscono un approccio prudente: l’AI fornisce bozze che vengono sistematicamente riviste da responsabili legali o tecnici. Un ulteriore problema riguarda i bias: se i dati di addestramento favoriscono determinate tipologie di operatori, l’AI può proporre soluzioni standard ripetitive, trascurando strategie alternative.

Le procedure di “debiasing” mirano a limitare il problema, ma la loro efficacia dipende dalla qualità dei dataset e dalla sensibilità del fornitore dell’AI. Inoltre, un uso eccessivo di format collaudati può generare offerte poco personalizzate, penalizzate in sede di valutazione. L’AI va quindi combinata con contributi originali del team per distinguersi in modo credibile. La governance interna è fondamentale: servono policy che disciplinino l’uso dell’AI, i dati caricati e i passaggi di validazione. Tenere traccia delle versioni e dei log è essenziale in caso di contestazioni. Molte aziende regolamentano l’impiego di piattaforme cloud, impedendo di incollare dati sensibili o, in alternativa, adottano soluzioni on-premise. Parallelamente, il personale va formato sui limiti e le potenzialità dell’AI, per capire come gestire prompt, revisioni e controlli finali. Un approccio etico e consapevole offre maggiore affidabilità, tutela la reputazione e migliora il rapporto con la stazione appaltante. In definitiva, l’AI può potenziare la credibilità di un’offerta solo se impiegata con la supervisione umana e in linea con i vincoli normativi ed etici.

Il modello Rhythm Blues AI: integrazione cross-funzionale e ROI

Nel panorama della consulenza e formazione sull’Intelligenza Artificiale Generativa, “Rhythm Blues AI” propone pacchetti modulari rivolti a CEO, proprietari di PMI e dirigenti, finalizzati a integrare l’IA in ogni reparto aziendale. La sua offerta va oltre la stesura di documenti di gara, toccando anche marketing, vendite, analisi finanziaria e gestione delle risorse.Per le gare e i contratti, Rhythm Blues AI aiuta a identificare bandi con requisiti ricorrenti e sezioni ripetitive, in cui l’assistente testuale velocizza la preparazione delle offerte. Un team specializzato garantisce procedure di validazione e supervisione in linea con le norme e il buon senso. L’idea è governare l’ecosistema completo: dalla sicurezza dei dati alla governance e al calcolo del ROI, evitando approcci superficiali.

Molte imprese temono costi di licenza, complessità di training e il rischio di errori in contesti delicati come l’aggiudicazione di un appalto. Un percorso formativo strutturato, quale quello proposto, crea un ambiente in cui manager e dipendenti comprendono il valore dell’IA. Dallo “starter” all’“advanced” fino all’“executive,” l’adozione è graduale e copre tutti gli aspetti fondamentali.“Rhythm Blues AI” non vende solo un software, ma anche una metodologia: formare l’azienda sui fondamenti di machine learning, deep learning e AI generativa, includendo la cultura aziendale e le questioni di governance. L’obiettivo è un uso responsabile, riducendo pregiudizi e interpretando correttamente i criteri di aggiudicazione. In questo modo, l’IA diventa un alleato strategico, non un gadget temporaneo. In sostanza, il riferimento a “Rhythm Blues AI” mostra come un approccio ben strutturato all’IA generativa non si riduca alla sola generazione di documenti, ma preveda formazione, affiancamento continuo, piani modulari e monitoraggio costante del ROI e della conformità. Ciò può fare la differenza tra una partecipazione infruttuosa e l’aggiudicazione di commesse importanti, nel rispetto di regole e trasparenza.

Nuove professionalità: prompt engineer e AI data analyst in gara

Con l’avvento dell’AI generativa, anche l’organizzazione dei team di gara cambia. Tradizionalmente, le offerte erano curate da profili tecnici, legali e amministrativi. Ora emergono nuove figure, come il “prompt engineer,” che sa formulare istruzioni efficaci, e l’“AI data analyst,” che alimenta il modello con dati di qualità. Questo mix di competenze IT e procurement crea team ibridi, in cui ciascun membro impara almeno i rudimenti dell’altro ambito. I ruoli tradizionali si evolvono: il legale non verifica solo gli aspetti formali, ma controlla che i testi generati siano conformi al Codice dei Contratti; il tecnico fornisce parametri e valuta la fattibilità di quanto l’AI propone. In pratica, l’esperienza umana passa a un livello di supervisione e revisione, mentre i compiti ripetitivi vengono automatizzati. Ciò innalza la specializzazione: chi lavora alle gare deve saper indirizzare l’AI, riconoscerne i limiti e correggerne gli output. Parallelamente, la formazione interna diventa fondamentale.

L’AI generativa non è un “basta chiedere e la macchina scrive,” ma richiede conoscenze su prompt, dataset e gestione dei risultati. Grandi aziende hanno creato centri di competenza, mentre le PMI possono trovare supporto tramite consorzi o collaborazioni esterne. Inoltre, occorre curare un repository centrale: l’AI rende al massimo se alimentata con testi validati (bandi passati, soluzioni tecniche, CV, ecc.). La figura del Knowledge Specialist, che aggiorna e indice le informazioni, diventa cruciale. Nonostante la spinta tecnologica, l’IA è uno strumento che potenzia la velocità ma non sostituisce la responsabilità e la creatività umane. Si liberano risorse per il controllo qualitativo, la strategia e la ricerca di soluzioni innovative. In definitiva, le organizzazioni che uniscono competenze umane e AI in modo efficace offrono proposte di maggior valore, riducono errori e si mostrano pronte alle trasformazioni del mercato.

Prospettive 2030: vertical LLM e portali e-procurement intelligenti

L’AI generativa per le gare d’appalto si svilupperà guidata sia dall’evoluzione tecnologica sia dalle norme che ne vogliono garantire trasparenza e sicurezza. Nei prossimi anni, è probabile che l’elaborazione automatica di capitolati e la generazione semi-automatica di relazioni tecniche diventino prassi abituali, integrate con i portali di e-procurement. Dal punto di vista tecnologico, si passerà sempre più da modelli “generalisti” a soluzioni verticali addestrate su corpus di documenti specifici del settore appalti, mitigando il rischio di allucinazioni e aumentando l’accuratezza. Se l’AI Act fornirà certificazioni chiare, la fiducia di imprese e stazioni appaltanti potrà crescere ulteriormente. Allo stesso tempo, le policy potrebbero imporre obblighi di dichiarazione e trasparenza nell’uso di questi algoritmi, soprattutto da parte degli enti pubblici. Le imprese che non adotteranno l’AI rischieranno uno svantaggio competitivo, vista la complessità crescente dei bandi. Tuttavia, l’elemento distintivo resterà la combinazione fra contenuti generati in modo automatico e competenza settoriale, perché l’originalità progettuale continua a essere determinante.

Alcuni ipotizzano un futuro con AI che compilano automaticamente la busta tecnica e commissioni assistite da AI. Se ben regolato, questo scenario potrebbe velocizzare le procedure, a patto che rimanga centrale la valutazione umana degli aspetti qualitativi. Parallelamente, le aziende più strutturate potranno sfruttare analytics e modelli predittivi per correlare dati storici di gara e punteggi, perfezionando di continuo la stesura delle offerte. S’intravede dunque la diffusione di “copiloti cognitivi” capaci di assistere l’intero flusso d’appalto, dalla ricerca del bando alla fase contrattuale successiva all’aggiudicazione. In definitiva, l’AI sta diventando parte integrante del business delle gare, spinta dalle normative che impongono trasparenza e responsabilità. Le aziende dovranno mantenere un equilibrio fra automazione e apporto umano, restare aggiornate sugli sviluppi legislativi e adottare procedure di controllo adeguate. Chi si prepara in anticipo potrebbe ottenere un vantaggio concreto, innalzando la qualità delle offerte e la competitività sul mercato.

Conclusioni: bilanciare automazione e competenza umana

L’adozione dell’AI generativa nelle gare d’appalto rappresenta un passaggio evolutivo complesso. Da un lato, i vantaggi operativi sono evidenti: meno attività ripetitive, maggiore precisione in alcune parti dell’offerta e capacità di analizzare in breve tempo vasti documenti. Dall’altro, la tecnologia non risolve tutto da sola: servono governance attenta e supervisione. Allo stato attuale, l’AI fornisce un supporto concreto, ma permane il rischio di incongruenze, specialmente nella comprensione di normative complesse. Nel mercato si assiste a una concorrenza tra piattaforme “generiche” e soluzioni verticalizzate per gli appalti. Grandi imprese e organizzazioni più strutturate risultano favorite rispetto a realtà di dimensioni minori, e resta molto da fare per integrare l’AI negli uffici gare pubblici con trasparenza. Inoltre, le normative in arrivo (AI Act, regolamenti di responsabilità civile) imporranno standard e sanzioni più chiari, costringendo le organizzazioni a un adeguamento progressivo.

Per imprenditori e manager, la chiave è non temere l’AI né abbracciarla in modo ingenuo. Se ben implementata, porta benefici competitivi, purché si investa in formazione e processi chiari, valorizzando l’apporto umano. La tecnologia non deve soffocare la creatività o la responsabilità: al contrario, diventa un motore di efficienza che riserva all’uomo la parte strategica e ideativa. Con l’evolvere dei modelli, delle norme e delle professionalità, la gara assistita da un “copilota virtuale” potrebbe presto diventare prassi consolidata. In conclusione, l’IA generativa non sostituisce il professionista, ma ne potenzia il ruolo. Se usata con regole adeguate e controlli puntuali, rende più fluide le procedure di appalto e favorisce la partecipazione anche di aziende meno strutturate. L’approccio umano rimane centrale: la tecnologia dovrebbe servire l’efficienza e la creazione di valore per tutti. Con la giusta governance, la combinazione di competenze umane e algoritmi rafforzerà trasparenza e competitività alla base di un buon sistema di appalti.

FAQ: risposte rapide su rischi, vantaggi e compliance

1) L’AI generativa è già utilizzabile senza limitazioni nelle offerte di gara?

Attualmente, non esistono divieti generali che impediscano alle imprese di affidarsi a modelli di AI per redigere le parti narrative dell’offerta. Tuttavia, occorre assicurarsi che i contenuti generati siano veritieri, completi e conformi al bando. Non ci si può sottrarre alle responsabilità in caso di errori o dichiarazioni mendaci, per cui rimane fondamentale una revisione umana.

2) Come si evita il rischio di inserire dati sensibili in piattaforme AI di terzi?

La prevenzione passa da policy interne chiare: è opportuno mascherare o sintetizzare i dati sensibili prima di incollarli in servizi cloud non controllati. In alternativa, si possono adottare soluzioni on-premise o cloud privato con contratti specifici di protezione dei dati, preservando la riservatezza aziendale.

3) Il nuovo Codice dei Contratti consente di presentare un’offerta scritta in buona parte dall’AI?

Il Codice non pone ostacoli espliciti all’uso di un generatore di testi, purché la redazione finale rispetti i requisiti di forma e sostanza e la decisione finale rimanga in mano all’impresa. Non esiste obbligo di dichiarare esplicitamente l’impiego di un modello AI, a meno che disposizioni future non lo impongano.

4) Cosa succede se l’AI inventa esperienze dell’azienda e si presentano in offerta dati falsi?

In tal caso, l’azienda risponde di una dichiarazione mendace. La stazione appaltante può escludere l’offerta e segnalare il fatto all’ANAC, con rischi per l’affidabilità dell’operatore. L’uso di AI non giustifica l’errore. Ecco perché occorre sempre una verifica scrupolosa dei contenuti prima di inoltrarli.

5) È possibile utilizzare l’AI per analizzare i punteggi e calcolare la strategia di ribasso migliore?

Sì, se l’impresa dispone di dati storici su esiti e ribassi aggiudicatari in gare simili, può applicare algoritmi di analisi predittiva e generazione testuale per definire una strategia d’offerta economica. Ciò non garantisce la vittoria, ma offre indicazioni più fondate rispetto a scelte puramente istintive.

6) Quali accorgimenti tecnici riducono le “allucinazioni” dell’AI generativa?

L’uso di metodologie come il “retrieval augmented generation” (RAG) aiuta, perché il modello viene ancorato a documenti reali che ne guidano la risposta. Inoltre, l’addestramento su un corpus specializzato nel dominio degli appalti e la presenza di un meccanismo di supervisione umana riducono drasticamente il rischio di contenuti inventati.

7) In che modo “Rhythm Blues AI” può sostenere un’impresa nello scenario delle gare?

Offre percorsi formativi modulari e un supporto consulenziale: dall’audit iniziale per individuare le aree di miglioramento, ai pacchetti avanzati che includono governance e calcolo del ROI, fino a un livello executive con accompagnamento continuativo nell’uso dell’AI generativa. L’obiettivo è integrare la tecnologia in modo sicuro ed efficace.

8) Come proteggersi sul piano giuridico se si adotta l’AI nella redazione dell’offerta?

È consigliato definire procedure interne di validazione dei testi, documentare i passaggi in cui l’AI interviene, mantenere versioni e log delle correzioni, e formare il personale su GDPR e Codice dei Contratti. In caso di contenzioso, poter dimostrare un metodo controllato e rispettoso delle regole riduce il rischio di sanzioni o annullamenti.

9) Le piccole imprese rischiano di restare escluse dal vantaggio che l’AI offre ai grandi concorrenti?

La tecnologia in cloud e le proposte di consulenza personalizzata stanno rendendo l’AI generativa accessibile anche alle PMI. Una pianificazione oculata degli investimenti e la scelta di formare il personale può azzerare il divario. Anzi, per le PMI l’AI può colmare la carenza di risorse specialistiche interne.

10) Che prospettive si intravedono per il futuro prossimo delle gare digitali con l’AI?

Probabile diffusione generalizzata, supportata da regolamenti più precisi sull’AI Act. Si vedranno software AI integrati nei portali telematici, con meccanismi di tutoring automatico e precompilazione delle offerte. La sfida principale sarà garantire trasparenza, supervisione dell’uomo e originalità delle soluzioni, evitando uniformità e abusi.