Agente AI per l'analisi dei capitolati tecnici in Teams

Un agente AI per l’analisi dei capitolati è un assistente che legge un documento di gara, ne estrae i singoli requisiti tecnici e li confronta con il manuale del prodotto, valutando la conformità di ciascuno e citando la fonte esatta. Per un gruppo industriale internazionale attivo nella climatizzazione applicata ne abbiamo realizzato uno accessibile da Microsoft Teams: un’analisi che manualmente poteva richiedere diversi giorni oggi si completa in circa 15 minuti.

Il cliente produce macchinari su specifica — soluzioni made-to-order per comfort, raffreddamento di processo e IT cooling dei data center. In un modello di business così legato ai capitolati di gara, ogni tender in ingresso va letto, scomposto nelle sue richieste e confrontato con ciò che il macchinario può effettivamente offrire. Un lavoro che assorbiva giorni di personale tecnico esperto. Lo abbiamo trasformato in una conversazione dentro Teams, sullo stesso principio con cui costruiamo un chatbot RAG in Teams sopra una knowledge base aziendale.

Il problema: l’analisi di un capitolato è lenta e dipende da pochi esperti

Per ogni gara, un tecnico deve individuare le singole richieste di modifica contenute nel capitolato, confrontarle una a una con il manuale del macchinario di riferimento e valutarne la conformità — citando il riferimento corretto per giustificare ogni conclusione.

È un’attività manuale, ripetitiva e ad alta intensità di competenza. Dipende dalla disponibilità di poche persone in grado di leggere sia il linguaggio della gara sia quello tecnico del prodotto. E senza un supporto strutturato il rischio è duplice: tempi lunghi, e valutazioni poco tracciabili, soggette a interpretazione, difficili da rivedere a distanza di tempo. Ogni capitolato assorbiva così giorni-uomo di un profilo raro e prezioso, sottraendoli ad attività a maggior valore.

La soluzione: un agente AI dentro Microsoft Teams

Abbiamo sviluppato il “Custom Evaluator Assistant”, un agente AI generativo accessibile direttamente da Microsoft Teams — nessun nuovo strumento da imparare. L’utente carica il capitolato in PDF nella chat e seleziona, tramite una Adaptive Card, prodotto e versione del manuale di riferimento. Da lì l’agente lavora in autonomia e restituisce un report strutturato.

Come funziona il flusso di analisi

L’agente esegue il parsing del capitolato mantenendo i riferimenti alla struttura originale, classifica i requisiti per area tematica ed effettua una ricerca semantica (RAG) sul manuale tecnico indicizzato. Per ogni requisito valuta la conformità — conforme, parzialmente conforme, non conforme — e genera un report con sintesi tematiche, parametri coinvolti, suggerimenti e riferimenti puntuali a pagina e sezione del manuale.

I manuali tecnici non sono un blocco statico: sono gestiti in una Document Library SharePoint con metadati strutturati, e un job schedulato ne cura l’indicizzazione automatica (polling, validazione dei metadati, chunking, embedding e gestione dei delta su documenti nuovi, modificati o cancellati). Il report finale viene presentato tramite Adaptive Card in Teams, salvato su Azure Storage e scaricabile in formato DOCX. L’utente può poi raffinarlo conversando con l’agente in linguaggio naturale: l’agente genera nuove versioni mantenendo la conformità al template aziendale.

La sfida tecnica: recuperare il passaggio giusto dal manuale

La difficoltà principale non è stata generare testo, ma garantire la veridicità delle valutazioni rispetto ai requisiti tecnici. Un agente che cita il manuale sbagliato, o un passaggio non pertinente, è peggio di nessun agente: sposta il lavoro di verifica invece di ridurlo.

Nelle prime fasi i parametri tecnici non venivano estratti con la precisione necessaria. Intervenendo sul processo di retrieval basato su RAG — come vengono selezionati i chunk realmente rilevanti in base alla specifica del capitolato — la qualità del recupero è migliorata in modo netto, portando le risposte dell’agente ad allinearsi con precisione ai contenuti dei manuali. È il punto in cui un progetto di AI generativa si gioca la sua credibilità: la qualità del retrieval, non l’eloquenza del modello. È lo stesso principio che governa la ricerca conversazionale RAG dell’app per informatori scientifici che abbiamo realizzato in ambito farmaceutico.

Sicurezza e perimetro dei dati

La soluzione vive interamente nello stack Azure e Microsoft 365 dell’organizzazione. I manuali tecnici — asset industriale sensibile — restano su SharePoint e Azure AI Search all’interno del tenant; l’autenticazione passa da Entra ID; l’elaborazione avviene dentro il perimetro aziendale, senza inviare documentazione tecnica a servizi esterni. Per un gruppo industriale questo significa poter adottare l’AI generativa senza aprire una nuova superficie di rischio sui propri dati di prodotto.

I risultati: da diversi giorni a circa 15 minuti

Dato un capitolato in PDF, l’agente estrae le specifiche tecniche, le confronta con il manuale di riferimento e produce un report DOCX con la fattibilità di implementazione di ciascuna specifica. Il risultato più concreto è sul tempo: un’analisi che manualmente poteva richiedere diversi giorni si completa in circa 15 minuti.

Ma il guadagno non è solo di velocità. Le valutazioni sono ora tracciabili per costruzione — ogni conclusione cita la fonte — e non dipendono più dalla disponibilità puntuale di un singolo esperto. Il tempo dei profili tecnici senior si sposta dalla lettura meccanica dei capitolati alla decisione: validare, gestire i casi limite, curare l’offerta commerciale.

A chi è utile questo approccio

Questo tipo di soluzione è pertinente per aziende che producono o configurano su specifica e che, per ogni commessa, devono confrontare un documento in ingresso (capitolato, richiesta tecnica, specifica di gara) con una base documentale di prodotto — manuali, schede tecniche, normative. Più il patrimonio documentale è ampio e più l’analisi dipende da poche persone, maggiore è il valore di renderla veloce, tracciabile e ripetibile.

Lo schema, del resto, va oltre le gare d’appalto: ovunque ci sia un documento da confrontare con una knowledge base tecnica, lo stesso agente può estrarre, confrontare, valutare e citare la fonte.

Se la tua azienda dedica giorni-uomo di profili tecnici all’analisi di documenti tecnici ripetitivi, un agente AI integrato in Microsoft 365 può restituire quel tempo alle decisioni che contano. Contattaci per una valutazione →