Pubblicato il 05/03/2026

N. 01525/2026 REG.PROV.COLL.

N. 06462/2025 REG.RIC.

REPUBBLICA ITALIANA

IN NOME DEL POPOLO ITALIANO

Il Tribunale Amministrativo Regionale della Campania

(Sezione Quinta)

ha pronunciato la presente

SENTENZA

sul ricorso numero di registro generale 6462 del 2025, proposto da
FT s.p.a., in persona del legale rappresentante pro tempore, in relazione alla procedura CIG B78D6C2D16, rappresentato e difeso dall'avvocato Davide Ferrazzano, con domicilio digitale come da PEC da Registri di Giustizia;

contro

Università degli Studi Federico II di Napoli, in persona del legale rappresentante pro tempore, rappresentato e difeso dall'Avvocatura Distrettuale dello Stato di Napoli, domiciliataria ex lege in Napoli, via Diaz 11;

nei confronti

Sapienta S.r.l., in persona del legale rappresentante pro tempore, non costituito in giudizio;

per l'annullamento

a) della comunicazione di avvenuta esclusione dalla procedura aperta di gara, espletata ai sensi degli artt. 71 e 108 del D.Lgs. 36/2023, avente ad oggetto “Attività di ricerca volta alla progettazione e allo sviluppo di Theion” nell’ambito del Progetto 20 CU (Bando Fis 2)” trasmessa con pec del 29.10.2025;

b) del verbale di seduta riservata n. 1 del 7.10.2025 della Commissione di gara, nominata con Decreto del Direttore n. 445 del 25.9.2025 per lo svolgimento della seduta riservata della procedura di gara;

c) del verbale di seduta pubblica n. 2 del 23.10.2025 della Commissione di esclusione dalla procedura di gara, nella parte in cui assegnando il punteggio tecnico di 64,43 punti la ricorrente non veniva ammessa al prosieguo disponendone l’esclusione perché “non raggiunge la soglia di sbarramento nei subcriteri 2.1, 2.2”;

d) di tutti gli atti presupposti, collegati, connessi e consequenziali.

Visti il ricorso e i relativi allegati;

Visto l'atto di costituzione in giudizio dell’Università degli Studi Federico II di Napoli;

Visti tutti gli atti della causa;

Visti gli artt. 74 e 120 cod. proc. amm.;

Relatore nell'udienza pubblica del giorno 24 febbraio 2026 il dott. IA Di VI e uditi per le parti i difensori come specificato nel verbale;

Ritenuto e considerato in fatto e diritto quanto segue.

FATTO

E’ impugnato il provvedimento di esclusione dalla procedura di gara indetta dall’Università degli Studi Federico II di Napoli, con il criterio dell’offerta economicamente più vantaggiosa, per l’affidamento del servizio/fornitura avente ad oggetto “Attività di ricerca volta alla progettazione e allo sviluppo di ‘Theion’, un software basato sull’applicazione di modelli di intelligenza artificiale alla ricostruzione testuale dei papiri ercolanesi capace di: 1) fare predizioni linguistiche per suggerire integrazioni di lacuna nei testi di EM sulla base del contesto e dello stile dell’autore; 2) realizzare text mining automatizzato per suggerire paralleli testuali pertinenti” (importo base di gara pari ad € 300.000,00).

La società ricorrente veniva estromessa con verbale n. 1 del 7.10.2025 in quanto, pur avendo raggiunto il punteggio di 64,43 per la componente tecnica dell’offerta (su un subpunteggio massimo di 80/100, a fronte di 20/100 punti previsti per l’offerta economica), non raggiungeva la soglia di sbarramento nei sub-criteri 2.1, 2.2 prevista dalla lex specialis.

Infatti, il disciplinare di gara prevedeva, ai sensi dell’art. 108, comma 7, del D.Lgs. n. 36/2023, a pena di esclusione, una soglia minima di sbarramento per l’offerta tecnica pari a:

- 38 punti per il punteggio tecnico complessivo;

- 18 punti per il criterio 1 (Qualità dell’offerta tecnica suddiviso in tre sottocriteri: 1.1 Coerenza con milestones e tempi indicati nel capitolato tecnico; 1.2 Capacità di integrare HTR nelle immagini multispettrali dei papiri ercolanesi come indicato nel capitolato tecnico; 1.3 Strategie per la visualizzazione delle ricostruzioni testuali delle lacune);

- 13 punti per il criterio 2 (Esperienza del team di sviluppo) suddiviso in due sottocriteri (2.1 Esperienza del team di lavoro nel riconoscimento automatico dei caratteri in testi manoscritti; 2.2 Esperienza del team di lavoro nell’addestramento di modelli di AI per testi frammentari);

- 7 punti per il criterio 3 (Competenza del team di sviluppo) suddiviso in due sottocriteri (3.1 Curricula delle figure professionali proposte; 3.2 Pubblicazioni e partecipazioni del team a progetti internazionali di Digital Humanities).

Nello specifico alla ricorrente venivano riconosciuti i seguenti subpunteggi:

- sub-criterio 2.1 (Esperienza del team di lavoro nel riconoscimento automatico dei caratteri in testi manoscritti) il punteggio massimo di 10/10;

- sub-criterio 2.2. (Esperienza del team di lavoro nell’addestramento di modelli di AI per testi frammentari) il punteggio 0/12;

- sub-criterio 3.1 (Curricula delle figure professionali proposte) il punteggio massimo di 8/8.

Quindi, veniva esclusa per non aver raggiunto la soglia di sbarramento per il criterio 2 (10 punti anziché 13), pur avendo raggiunto quella prevista per l’offerta tecnica (64,43 punti a fronte dei 38 punti necessari).

Giova evidenziare che, nel prosieguo, la commissione non procedeva all’aggiudicazione della gara in ragione dell’esclusione di tutti i partecipanti per mancato raggiungimento delle citate soglie di sbarramento.

In sintesi, la parte ricorrente lamenta violazione di legge ed eccesso di potere e svolge le seguenti argomentazioni censorie:

- si assume l’irragionevolezza del punteggio tecnico con specifico riferimento al criterio 2.2., ritenendo che la commissione si sarebbe limitata ad un mero controllo formale dell’offerta tecnica senza valutare il contenuto sostanziale che risponderebbe in tesi ai criteri posti dal bando; l’istante ritiene di vantare esperienza nell’addestramento di modelli AI per testi frammentari coerentemente con l’oggetto dell’appalto, sarebbe in possesso di competenze integrate nella ricostruzione di artefatti visivi e testuali maturate in riferimento a diversi progetti (“Progetto IC nel 2015 per l'assistenza alla ricostruzione virtuale di superfici pittoriche frammentate; “Progetto Saffo” nel 2020 per la ricostruzione di affreschi da frammenti bidimensionali, “Dataset TR” nel 2022 per la classificazione automatica di frammenti di affreschi per stile pittorico);

- sussisterebbe contraddittorietà tra le valutazioni tecniche riferite ai diversi criteri, sussistendo evidente connessione tra i giudizi espressi per i subcriteri 2.1 e 2.2, pertanto la valutazione di 10/10 nel primo attesterebbe l’esperienza anche nel secondo;

- vi sarebbe anche contraddizione con il criterio 3.1 (Curricula delle figure professionali proposte) poiché i curricula vitae valutati "eccellenti" (quotati con subpunteggio di 8/8) includerebbero anche i ricercatori autori dei progetti “IC, “Saffo”, “TR” e comproverebbero il possesso della esperienza richiesta con il criterio 2.2;

- la commissione sarebbe incorsa nella violazione dei criteri valutativi di selezione, in quanto avrebbe erroneamente interpretato la nozione di “testi frammentari” in senso esclusivamente letterario-linguistico, ma il termine "testo" includerebbe a giudizio della ricorrente anche immagini di documenti, superfici scrittorie e supporti deteriorati (i papiri ercolanesi sarebbero simultaneamente oggetti fisici frammentari, immagini digitali multispettrali e contenuti testuali), sicché sarebbe stata avallata una interpretazione eccessivamente letterale della lex specialis, tralasciando di privilegiare un approccio sostanziale;

- l’esclusione sarebbe illegittima per difetto di motivazione perché la commissione non avrebbe esplicitato il percorso motivazionale sotteso all’assegnazione del punteggio per l’offerta tecnica, in particolare non ha motivato sull’attribuzione del subpunteggio di “0” (inesistente) per il subcriterio 2.2.; inoltre, in presenza di riscontrate lacune, la commissione avrebbe dovuto attivare il soccorso istruttorio c.d. “procedimentale”;

- sussisterebbe difetto di motivazione sotto distinto profilo, per omessa indicazione dei criteri di valutazione delle offerte.

Si è costituita l’Università Federico II di Napoli che eccepisce preliminarmente l’inammissibilità del ricorso per omessa impugnazione tempestiva della disciplina di gara, nella parte in cui sono stati dettati i criteri di valutazione dell’offerta tecnica, laddove ritenuti lesivi.

Nel merito, replica alle censure ed allega relazione della commissione di gara che ha giustificato il punteggio di “0” per il subcriterio 2.2. evidenziando che non sarebbe stata dimostrata competenza scientifica sui testi antichi. In altri termini, l’amministrazione evidenzia che, in base alla disciplina di gara, occorreva un specifica e qualificata esperienza pregressa esclusivamente su testi antichi e non su altri oggetti non scritti (di natura visiva, ad esempio immagini) e i progetti presentati dalla istante dimostrerebbero esperienza nel matching di pixel e forme, ma non fornirebbero alcuna prova, pubblicazione o competenza scientifica nella modellazione del linguaggio antico frammentario o finanche nella predizione linguistica applicata alle lingue moderne.

Con l’ultima memoria difensiva la difesa di parte ricorrente intende contestare la relazione della commissione di gara, ribadisce ed amplia i motivi di gravame, dolendosi, in sintesi, che, ai fini della valutazione del subcriterio 2.2., il seggio di gara avrebbe dovuto prendere in considerazione, oltre ai progetti “Progetto IC, “Progetto Saffo” e “Dataset TR”, anche le ulteriori pubblicazioni in ambito NLP (Natural Language Processing – Elaborazione del Linguaggio Naturale) riportate ai paragrafi 3.1 e 3.2 della offerta tecnica “peer-reviewed” in ambito “Natural Language Processing”, concernenti la classificazione automatica di testi che, a suo dire, conterrebbero informazioni rilevanti in relazione al criterio 2.2.

All’udienza pubblica del 24.2.2026 la causa è stata trattenuta in decisione.

DIRITTO

Il ricorso è infondato; per l’effetto, si palesa superfluo l’esame dell’eccezione in rito sollevata dall’amministrazione.

Preliminarmente, va richiamata la consolidata giurisprudenza in base alla quale la predeterminazione dei criteri e parametri per la valutazione delle offerte nonché l'attribuzione dei punteggi da parte della commissione giudicatrice ricadono nell'ampia discrezionalità tecnica riservata alla stazione appaltante per cui, fatto salvo il limite della abnormità del relativo giudizio, di norma devono ritenersi inammissibili le censure che impingono nel merito di valutazioni per loro natura opinabili, perché sollecitano il giudice amministrativo ad esercitare un sindacato sostitutivo al di fuori dei tassativi casi sanciti dall'art. 34 c.p.a (Consiglio di Stato, sez. III, n. 330/2020; n. 4865/2019; sez. VI, n. 6753/2019).

Quindi l'attribuzione dei punteggi è espressione della discrezionalità tecnica della commissione, sindacabile entro i consueti limiti della irragionevolezza, erroneità manifesta e illogicità, che nel caso specifico non risultano in concreto travalicati per le ragioni di seguito illustrate.

Trattandosi di doglianze concernenti la valutazione delle offerte tecniche, giova richiamare i principi che la giurisprudenza ha affermato in materia, con particolare riferimento ai limiti che il giudice amministrativo incontra nella relativa verifica di legittimità.

Tali principi (Consiglio di Stato, sez. IV, n. 1445/2022 e n. 359/2021) possono così riassumersi:

- il sindacato del giudice amministrativo sull'esercizio dell'attività valutativa da parte della commissione giudicatrice di gara non può sostituirsi a quello della pubblica amministrazione, in quanto la valutazione delle offerte rientra nell'ampia discrezionalità tecnica riconosciuta al seggio di gara (Consiglio di Stato, sez. III, n. 6058/2019);

- le censure che afferiscono al merito di tale valutazione (opinabile) sono inammissibili, perché sollecitano il giudice amministrativo ad esercitare un sindacato sostitutivo, fatto salvo il limite della abnormità della scelta tecnica (Consiglio di Stato, sez. V, n. 173/2019; sez. III; n. 6572/2018);

- per sconfessare il giudizio della commissione giudicatrice non è sufficiente evidenziarne la mera non condivisibilità, dovendosi piuttosto dimostrare la palese inattendibilità e l'evidente insostenibilità del giudizio tecnico compiuto (Consiglio di Stato, sez. III, n. 3694/2020).

Ciò posto, è infondato il profilo di gravame con cui si contesta la valutazione insufficiente del subpunteggio previsto per il criterio 2.2.

In punto di diritto, possono trarsi argomenti dalla giurisprudenza amministrativa in materia di equivalenza funzionale che, come noto, è finalizzata ad evitare una irragionevole limitazione del confronto competitivo tra gli operatori economici, precludendo l'ammissibilità di offerte avente un oggetto sostanzialmente corrispondente a quello richiesto e, tuttavia, formalmente privo della specifica prescritta (Consiglio di Stato, sez. V, n. 5706/2025).

Sul punto si è affermato che il principio di equivalenza permea l'intera disciplina dell'evidenza pubblica, in quanto la possibilità di ammettere alla comparazione prodotti aventi specifiche tecniche equivalenti a quelle richieste, ai fini della selezione della migliore offerta, risponde, da un lato, ai principi costituzionali di imparzialità e buon andamento e di libertà di iniziativa economica e, dall'altro, al principio euro - unitario di concorrenza, che vedono quale corollario il favor partecipationis alle pubbliche gare, mediante un legittimo esercizio della discrezionalità tecnica da parte dell'amministrazione alla stregua di un criterio di ragionevolezza e proporzionalità.

Tuttavia, il principio di equivalenza trova il limite dell’aliud pro alio; il concorrente che voglia presentare un prodotto (o servizio) equivalente a quello richiesto non può offrire un bene difforme rispetto a quello descritto dalla lex specialis, configurando una siffatta ipotesi, per l’appunto, un aliud pro alio non rimediabile (Cons. Stato, sez. V, n. 5258/2019; sez. III, n. 7558/2022; sez. IV, n. 2418/2025).

Detti principi sono applicabili nella fattispecie in esame solo al fine di delineare l'ambito di valutazione della stazione appaltante e, soprattutto, i confini dell'accertamento discrezionale dell'offerta tecnica, fornendo supporto argomentativo per respingere i rilievi prospettati nel gravame, posto che l’offerta presentata dalla ricorrente (con specifico riferimento ai progetti “IC, “Saffo” e “Dataset TR” riferiti al criterio 2.2.) si qualifica sotto un profilo diverso (aliud pro alio) rispetto a quanto richiesto dalla lex specialis, con conseguente legittimità della valutazione fornita dalla stazione appaltante.

A tale proposito, va infatti evidenziato che l’oggetto del contendere riguarda la valutazione di insufficienza conseguita dalla società ricorrente per il citato parametro che riguardava la “Esperienza nell’addestramento di modelli di AI per testi frammentari”. In relazione a tale parametro, la relazione istruttoria specificava che sarebbe stata “considerata migliore l’offerta che evidenzi la maggiore e più qualificata esperienza del team nello sviluppo e addestramento di modelli di intelligenza artificiale applicati specificamente a testi antichi frammentari, su papiro o altri supporti e di qualunque lingua, fornendo esempi concreti di applicazioni, metodologie utilizzate, risultati ottenuti e impatto scientifico generato”.

Orbene, come evidenziato nella relazione della commissione di gara, per comprendere l’infondatezza del costrutto argomentativo attoreo, giova preliminarmente distinguere due domini della intelligenza artificiale: la visione artificiale applicata alla ricostruzione di artefatti visivi (affreschi e superfici pittoriche), da un lato, e l’elaborazione del linguaggio naturale applicata ai testi antichi e frammentari di natura paleografica, dall’altro.

È necessario distinguere in modo chiaro tali ambiti distinti dell’intelligenza artificiale che, pur condividendo metodologie basate sull’apprendimento automatico, operano su oggetti, obiettivi e processi radicalmente differenti.

Da un lato si colloca la visione artificiale, applicata alla ricostruzione e all’analisi di artefatti visivi quali affreschi, superfici pittoriche, dipinti frammentari o deteriorati. In questo dominio l’IA è impiegata per riconoscere pattern cromatici, texture, tracce materiali, porzioni mancanti e stratificazioni dell’opera. Le tecniche di computer vision permettono di ricostruire parti perdute, suggerire integrazioni plausibili, identificare stesure pittoriche successive, classificare pigmenti o individuare interventi di restauro pregressi. L’obiettivo è dunque la ricostruzione dell’immagine, la comprensione della sua struttura visiva e la restituzione quanto più fedele possibile dell’aspetto originario dell’artefatto.

Dall’altro lato si colloca il dominio dell’elaborazione del linguaggio naturale (NLP) applicata ai testi antichi, spesso lacunosi e di difficile lettura, prodotti ad esempio in lingua greca o latina e conservati in forma manoscritta o epigrafica. In questo caso l’IA non opera sulle immagini per ricostruire forme visive, ma sulle sequenze linguistiche, con l’obiettivo di riconoscere grafie, integrare parole mancanti, ricostruire contesti sintattici e interpretare strutture morfologiche complesse. Le tecnologie e i modelli linguistici specializzati permettono di trascrivere, normalizzare, interpretare e contestualizzare testi paleografici, facilitando la ricostruzione del contenuto semantico e del significato storico-culturale dei documenti.

Questi due settori, pur affini dal punto di vista metodologico, rispondono a esigenze conoscitive eterogenee: la visione artificiale mira alla reintegrazione della forma visiva, mentre il NLP applicato ai testi antichi mira alla ricostruzione della forma linguistica e del contenuto testuale. Entrambi contribuiscono in modo complementare alla valorizzazione e allo studio del patrimonio culturale, ma richiedono competenze e strumenti differenti.

È quindi fondamentale distinguere due ambiti distinti dell’intelligenza artificiale applicata ai beni culturali, poiché ciascuno di essi implica competenze e finalità differenti.

Da un lato si colloca la visione artificiale applicata agli artefatti visivi — affreschi, dipinti, superfici pittoriche degradate o lacunose. In questo contesto, l’IA opera esclusivamente sull’informazione visiva: analizza forme, colori, texture e pattern per identificare parti danneggiate, migliorare la leggibilità delle superfici o proporre ricostruzioni plausibili delle zone mancanti. Si tratta quindi di un lavoro centrato sull’elaborazione dell’immagine, che richiede competenze di tipo tecnico-informatico (computer vision, modelli generativi, segmentazione visiva), ma non competenze linguistiche né conoscenze relative alle strutture del linguaggio.

Dall’altro lato si trova l’applicazione dell’IA ai testi antichi e frammentari, nei quali la tecnologia non si limita a riconoscere segni grafici, ma deve intervenire sulla ricostruzione e interpretazione del contenuto linguistico. Questo comporta la necessità di competenze specifiche riguardanti strutture linguistiche, sintassi e morfologia delle lingue classiche, selezione e analisi del lessico, riconoscimento dello stile, interpretazione del contesto semantico. Tanto era richiesto dalla stazione appaltante, come risulta confermato dal capitolato tecnico (art. 2), laddove era chiarito che: i) il modello di IA richiesto “Theion” era finalizzato alla ricostruzione testuale dei papiri greci ercolanesi frammentari, precisamente di quelli che restituiscono le opere teologiche di EM di GA oggetto del progetto; ii) il software dovrà essere in grado di fare predizioni linguistiche per suggerire integrazioni di lacuna sulla base del contesto e dello stile dell’autore e i modelli di AI saranno allenati sul corpus dei testi in greco antico e, nello specifico, sul corpus dei testi di EM di GA.

Tali competenze sono indispensabili perché la ricostruzione di testi frammentari richiede di decidere quali parole siano plausibili, come si inseriscano grammaticalmente nel contesto e quale significato complessivo emerga dal testo ricomposto.

La componente linguistica è quindi centrale e ineliminabile, tant’è che si richiedeva ai modelli di IA di riconoscere lo stile, la sintassi e il vocabolario peculiari di EM, mediante apposito addestramento sul corpus digitale completo di opere note dell’autore disponibile su papyri.info (art. 3 del capitolato). Nell’IA applicata ai testi frammentari antichi, quindi, la competenza linguistica e filologica è fondamentale per ottenere risultati coerenti e scientificamente validi.

Viceversa, l’esperienza documentata dalla ricorrente riguardava la sfera visiva, segnatamente il restauro virtuale di affreschi e dipinti, che non presuppone alcuna interpretazione delle configurazioni linguistiche, dei meccanismi sintattici e morfologici, delle scelte lessicali, dello stile e del quadro semantico di riferimento. Ciò che si richiedeva ai partecipanti era, quindi, di comprovare la propria esperienza nel risolvere il problema della lacunosità del linguaggio antico manoscritto, in specie quello contenuto nei papiri ercolanensi – ciò che sottintende, come detto, sintassi e morfologia – e non quello della lacunosità di immagini, quali affreschi e superfici pittoriche.

Ne consegue che la valutazione di zero punti per tale sottocriterio non appare illogica perché i progetti “IC, “Saffo”, “TR” allegati dalla ricorrente riguardano un campo di applicazione differente (visione artificiale per frammenti visivi, quali parti di affreschi, dipinti) rispetto a quanto era richiesto (addestramento AI per testi frammentari di papiri), che, a sua volta, era coerente con la finalità della procedura volta allo sviluppo di un software basato su modelli di intelligenza artificiale (denominato “Theion”) destinato all’analisi di papiri ercolanesi.

Non ha pregio la censura con cui l’istante lamenta la contraddittorietà tra la valutazione di insufficienza del criterio 2.2. con quelle dei criteri 2.1 (Esperienza del team di lavoro nel riconoscimento automatico dei caratteri in testi manoscritti) – per il quale ha ottenuto il subpunteggio di 10/10) e 3.1 (Curricula delle figure professionali proposte) per il quale ha conseguito il subpunteggio di 8/8.

In base al sottocriterio 2.1 sarebbe stata apprezzata “l’offerta che dimostri una significativa e comprovata esperienza del team nello sviluppo di sistemi o prototipi per il riconoscimento automatico dei caratteri, preferibilmente in testi su supporto papiraceo, documentando chiaramente i risultati tecnici raggiunti e le soluzioni innovative implementate in precedenti progetti simili” (cfr. relazione istruttoria).

Tale parametro riguardava, quindi, software o dispositivi capaci di leggere e interpretare automaticamente testi scritti o stampati, trasformandoli eventualmente in testo digitale, cioè strumenti avanzati per leggere e classificare automaticamente testi antichi scritti, preferibilmente su papiri, visibili.

Esso, però, non reca alcun riferimento a “testi antichi frammentari” – sul quale viceversa è incentrato il subcriterio 2.2. – cioè su testi molto antichi di cui sono rimaste parti incomplete, spesso piccoli pezzi (frammenti, per l’appunto), ad esempio perché il supporto originale (papiro, pergamena, tavoletta) si è danneggiato nel corso dei secoli. Nella seconda ipotesi (oggetto del sottocriterio 2.2), a differenza del primo (in cui si richiede di riconoscere caratteri visibili), si richiedeva la disponibilità di software idoneo a ricostruire parti di righe, colonne, pagine mancanti.

Il parametro 2.2 riguardava infatti la “Esperienza nell’addestramento di modelli di AI per testi frammentari”. La relazione istruttoria specificava che sarebbe stata “considerata migliore l’offerta che evidenzi la maggiore e più qualificata esperienza del team nello sviluppo e addestramento di modelli di Intelligenza Artificiale applicati specificamente a testi antichi frammentari, su papiro o altri supporti e di qualunque lingua, fornendo esempi concreti di applicazioni, metodologie utilizzate, risultati ottenuti e impatto scientifico generato”.

In altri termini, sebbene entrambi i criteri premino l'esperienza pregressa del team di lavoro nel campo dell’IA, essi si muovono su due piani tecnici e metodologici ben distinti atteso che: i) il primo si focalizza sullo strumento tecnologico (il riconoscimento dei caratteri) ed il focus è incentrato sullo sviluppo di sistemi di riconoscimento di caratteri ed ha un ambito di applicazione generico, seppur con preferenza accordata su supporto papiriaceo, ciò che avrebbe consentito la graduazione del punteggio; quindi in base a tale sottocriterio sarebbero stati valutati quei sistemi in grado di riconoscere segni grafici e leggere ciò che è impresso (“il visibile”; ii) il secondo premia la capacità di gestire la complessità dei contenuti (testi frammentari e antichi) con focus sull’addestramento di modelli di IA per testi antichi frammentari (cioè incompleti); in tal caso l’ambito di applicazione non è più generico ma specifico e riguarda, per l’appunto, i testi frammentari; quindi si valutano sistemi in grado di aiutare a capire ciò che manca o gestire l'incertezza di un supporto rovinato (il “non visibile”).

Il sottocriterio 3.1 premiava, viceversa, l’offerta “che proponga figure professionali dotate dei curricula più rilevanti e qualificati rispetto agli obiettivi e le competenze richieste dal progetto, con particolare riferimento a competenze specifiche nella papirologia digitale, nell’AI applicata ai testi frammentari, e nello sviluppo di software per le Digital Humanities”.

Esso riguardava, pertanto, il livello professionale e l’esperienza dei ricercatori nello sviluppo dei modelli di intelligenza artificiale in relazione a testi antichi danneggiati o incompleti e nello sviluppo di software per analisi testuale digitale. Nella valutazione di tale parametro si prescindeva, dunque, da specifici progetti concernenti l’addestramento di modelli di intelligenza artificiale per testi frammentari che, viceversa, costituiva oggetto del criterio 2.2.

In altri termini, il criterio 2.2 era orientato ai risultati conseguiti e alla esperienza specifica del team (quindi non basta aver lavorato sull'IA ma bisogna averlo fatto su testi frammentari e supporti complessi, come i papiri).

Il criterio 3.1. premiava, invece, le competenze tecniche e accademiche dei singoli, in base ai relativi curricula.

Atteso il diverso perimetro valutativo dei predetti sottocriteri, la valutazione del seggio di gara non appare manifestamente illogica, irragionevole o arbitraria, unici ambiti entro i quali è ammesso il sindacato di questo Plesso giurisdizionale.

Tali considerazioni non risultano scalfite dalle argomentazioni svolte dalla ricorrente con la memoria ex art. 73 c.p.a. depositata il 7.2.2026.

In sintesi, con tale atto la ricorrente lamenta che, ai fini della valutazione del subcriterio 2.2., la commissione di gara avrebbe preso in considerazione solo i progetti “IC, “Saffo” e “Dataset TR”, obliterando le ulteriori pubblicazioni in ambito NLP (Natural Language Processing – Elaborazione del Linguaggio Naturale) riportate ai paragrafi 3.1 e 3.2 della offerta tecnica “peer-reviewed” in ambito “Natural Language Processing” concernenti la classificazione automatica di testi, la classificazione di recensioni, la generazione automatica di testi, il “visual question answering”.

Orbene, va preliminarmente evidenziata la contraddittorietà tra il contenuto delle censure articolate con il ricorso introduttivo e le deduzioni svolte nella predetta memoria difensiva. Difatti, mentre le prime sono incentrate unicamente sulla presunta coerenza dei progetti citati da FT (“Progetto IC, “Progetto Saffo” e “Dataset TR) con i parametri valutativi della lex specialis, nella memoria ex art. 73 c.p.a., l’istante antiteticamente si duole che la commissione abbia preso in considerazione solo i citati progetti (gli unici profili in relazione ai quali ha articolato il gravame introduttivo) senza tenere conto delle pubblicazioni riportate nei paragrafi 3.1 e 3.2 non menzionate nel gravame introduttivo. Peraltro tale memoria non è stata neppure notificata alla controparte, benché contenga rilievi idonei ad ampliare l’oggetto del contendere, sollecitando il vaglio di legittimità in ordine a profili dell’offerta tecnica non evidenziati in precedenza, ciò che dovrebbe condurre alla declaratoria di inammissibilità dei rilievi contenuti nella memoria difensiva.

In argomento, è noto che la giurisdizione amministrativa costituisce una giurisdizione soggettiva (Cons. Stato, Ad. plen., 28 gennaio 2022 n. 3; Ad. plen., 7 aprile 2011, n. 4), sicché il giudice è chiamato a pronunciarsi sui motivi dedotti dalle parti nei limiti delle allegazioni da queste compiute, senza che possano trovare ingresso ragioni di illegittimità del provvedimento che non poggino sui fatti e sugli argomenti specificamente dedotti dai ricorrenti, ai sensi dell’art. 40, comma 1, lett. d), c.p.a. (Consiglio di Stato, sez. III, n. 5356/2020, sez. V, n. 4491/2019; sez. VI, n. 4158/2017).

In ogni caso, anche le nuove argomentazioni sono infondate nel merito poiché le pubblicazioni evidenziate nella memoria riguardano computer vision, elaborazione del linguaggio naturale (NLP) e training modelli IA, quindi non risulta che esse afferiscano effettivamente al criterio 2.2. oggetto di contestazione che, come si è visto, richiedeva invece di documentare la propria esperienza nello sviluppo e nell’addestramento di modelli di AI applicati a testi antichi frammentari, in grado cioè di decodificare ed aiutare a capire ciò che manca o gestire l'incertezza di un supporto rovinato (il “non visibile”).

A tale proposito, va poi rilevato che tali pubblicazioni non sono state neppure depositate agli atti di causa al fine di saggiarne la pertinenza al criterio di valutazione in esame.

Al riguardo, sebbene la situazione giuridica soggettiva dedotta in giudizio dalla ricorrente possieda la consistenza di interesse legittimo - e, quindi, l'assolvimento dell'onere della prova dell'illegittimità dell'agere amministrativo contestato debba essere apprezzato tenendo conto della asimmetria informativa che caratterizza la posizione dei soggetti privati rispetto all'esercizio di poteri autoritativi - la prova della pertinenza delle pubblicazioni in esame al sottocriterio di valutazione 2.2 risulta essere nella piena disponibilità della parte ricorrente, poiché riguarda un documento dell’offerta da essa stessa confezionato.

Sul punto la giurisprudenza amministrativa ha avuto modo di affermare che "incombe sulla parte che agisce in giudizio indicare e provare specificamente i fatti posti a base delle pretese avanzate, in base al principio generale, applicabile anche al processo amministrativo, di cui agli artt. 2697 c.c. e 115 c.p.c. Se è vero, infatti, che nel processo amministrativo il sistema probatorio è retto dal principio dispositivo con metodo acquisitivo degli elementi di prova da parte del giudice, è altrettanto vero che, in mancanza di una prova compiuta a fondamento delle proprie pretese, il ricorrente debba allegare almeno un principio di prova perché il giudice possa esercitare i propri poteri istruttori" (T.A.R. Lazio, sez. III-bis, n. 12420/2022).

Per l’effetto, tuttavia, per quanto detto, anche tenendo conto di tali pubblicazioni, la valutazione della commissione esaminatrice non risulta manifestamente illogica o arbitraria.

Va respinto il motivo di diritto con cui si contesta l’omessa attivazione del soccorso procedimentale.

Secondo l’elaborazione giurisprudenziale (Consiglio di Stato, sez. V, n. 2789/2025 e giurisprudenza richiamata), è possibile distinguere tra:

a) soccorso integrativo (comma 1, lettera ‘a’) dell'art. 101 del D.Lgs. n. 36/2023 che mira, in termini essenzialmente quantitativi, al recupero di carenze della c.d. documentazione amministrativa necessaria alla partecipazione alla gara (con esplicita esclusione della documentazione inerente l'offerta, sia sotto il profilo tecnico che sotto il profilo economico), sempreché non si tratti di documenti non allegati, ma acquisibili direttamente dalla stazione appaltante (in prospettiva, tramite accesso al fascicolo virtuale dell'operatore economico);

b) soccorso sanante (comma 1 lettera ‘b’) che consente, in termini qualitativi, di rimediare ad omissioni, inesattezze od irregolarità della documentazione amministrativa (con il limite della irrecuperabilità di documentazione di incerta imputazione soggettiva, che varrebbe a rimettere in gioco domande inammissibili);

c) soccorso istruttorio in senso stretto (comma 3), che - recuperando gli spazi già progressivamente riconosciuti dalla giurisprudenza alle forme di soccorso c.d. procedimentale - abilita la stazione appaltante (o l'ente concedente) a sollecitare chiarimenti o spiegazioni sui contenuti dell'offerta tecnica e/o dell'offerta economica, finalizzati a consentirne l'esatta acquisizione e a ricercare l'effettiva volontà dell'impresa partecipante, superandone le eventuali ambiguità, a condizione di pervenire ad esiti certi circa la portata dell'impegno negoziale assunto, e fermo in ogni caso il divieto (strettamente correlato allo stringente vincolo della par condicio) di apportarvi qualunque modifica;

d) soccorso correttivo (comma 4) che prescinde dall'iniziativa e dall'impulso della stazione appaltante o dell'ente concedente (sicché non si tratta, a rigore, di soccorso in senso stretto), abilitando direttamente il concorrente, fino al giorno di apertura delle offerte, alla rettifica di errori che ne inficino materialmente il contenuto, fermo il duplice limite formale del rispetto dell'anonimato e sostanziale della immodificabilità contenutistica.

Quanto al soccorso sull'offerta tecnica estrinsecantesi nella richiesta di chiarimenti, sub specie di soccorso procedimentale, la giurisprudenza formatasi nel vigore del previgente codice (D.Lgs. n. 50 del 2016) ha avuto modo di precisare in linea generale che è ammessa la "rettifica di eventuali errori di scritturazione o di calcolo, a condizione, però, che alla rettifica si possa pervenire con ragionevole certezza e, comunque, senza attingere a fonti di conoscenza estranee all'offerta" (Cons. Stato, sez. III, 13 dicembre 2018, n. 7039). In questa direzione il "soccorso procedimentale consiste nella possibilità di richiedere al concorrente di fornire “... chiarimenti volti a consentire l'interpretazione della sua offerta e a ricercare l'effettiva volontà dell'offerente superando le eventuali ambiguità dell'offerta, ciò fermo il divieto di integrazione dell'offerta, senza attingere a fonti di conoscenza estranee alla stessa e a condizione di giungere a esiti certi circa la portata dell'impegno negoziale con essa assunta" (Consiglio di Stato, sez. V, n. 8481/2022), pertanto resta fermo in ogni caso il divieto (strettamente correlato allo stringente vincolo della par condicio) di apportarvi qualunque modifica (Cons. Stato, sez. V, n. 7870/2023).

Nel caso in esame non appare predicabile l’esperibilità del soccorso istruttorio poiché, per tale via, si darebbe luogo alla inammissibile integrazione della offerta tecnica della ricorrente – in contrasto con il descritto indirizzo pretorio - che, come si è visto, risultava carente in ordine ad un profilo essenziale, costituito dalla documentata esperienza sui progetti di AI applicata ai testi antichi frammentari, avendo la ricorrente incentrato la propria offerta sul progetti informatici attinenti alla sfera visiva, segnatamente al restauro virtuale di affreschi e dipinti. In altri termini, il soccorso si tradurrebbe in una operazione di integrazione o modificazione postuma dell'offerta, cioè in una sua correzione non consentita (Consiglio di Stato, sez. V, n. 680/2020), non solo per ragioni di par condicio competitorum ma anche in forza di un principio generale dell'autoresponsabilità dei concorrenti, secondo cui ciascuno di essi sopporta le conseguenze degli eventuali errori commessi nella formulazione dell'offerta e nella presentazione della documentazione (Consiglio di Stato, sez. III, n. 1482/2023).

Va respinta la censura con cui si deduce il difetto di motivazione della valutazione effettuata dalla commissione di gara.

Sul punto va applicato il consolidato orientamento (Consiglio di Stato, sez. III, n. 6764/2024) secondo cui: "nelle gare pubbliche il punteggio numerico assegnato ai vari elementi di valutazione dell'offerta integra di per sé una sufficiente motivazione, allorché siano prefissati con chiarezza ed adeguato grado di dettaglio i criteri in base ai quali la Commissione deve esprimere il proprio apprezzamento (Consiglio di Stato, sez. III, n. 8893/2023), adeguatezza e chiarezza dei criteri qui senz'altro rinvenibile alla luce delle puntuali indicazioni contenute:

- nel disciplinare di gara, laddove si chiariva il contenuto dei subcriteri: 2.1. “Esperienza del team di lavoro nel riconoscimento automatico dei caratteri in testi manoscritti”; 2.2. “Esperienza del team di lavoro nell’addestramento di modelli di AI per testi frammentari”; 3.1. “Curricula delle figure professionali proposte”;

- nella relazione istruttoria del RUP (pag. 10) che descriveva puntualmente il contenuto dei predetti parametri come segue: punto 2.1 “Esperienza del team nel riconoscimento automatico dei caratteri in testi manoscritti: sarà considerata migliore l’offerta che dimostri una significativa e comprovata esperienza del team nello sviluppo di sistemi o prototipi per il riconoscimento automatico dei caratteri, preferibilmente in testi su supporto papiraceo, documentando chiaramente i risultati tecnici raggiunti e le soluzioni innovative implementate in precedenti progetti simili”; punto 2.2. “Esperienza nell’addestramento di modelli di AI per testi frammentari: sarà considerata migliore l’offerta che evidenzi la maggiore e più qualificata esperienza del team nello sviluppo e addestramento di modelli di Intelligenza Artificiale applicati specificamente a testi antichi frammentari, su papiro o altri supporti e di qualunque lingua, fornendo esempi concreti di applicazioni, metodologie utilizzate, risultati ottenuti e impatto scientifico generato”; punto 3.1 “Sarà considerata migliore l’offerta che proponga figure professionali dotate dei curricula più rilevanti e qualificati rispetto agli obiettivi e le competenze richieste dal progetto, con particolare riferimento a competenze specifiche nella papirologia digitale, nell’AI applicata ai testi frammentari, e nello sviluppo di software per le Digital Humanities”.

Deve quindi ritenersi che il punteggio numerico espresso sui singoli oggetti di valutazione opera alla stregua di una sufficiente motivazione, visto che l'apparato delle voci e sottovoci fornito dalla disciplina della procedura di gara, con i relativi punteggi, è sufficientemente chiaro, analitico e articolato, sì da delimitare adeguatamente il giudizio della commissione nell'ambito di un minimo e di un massimo, e da rendere con ciò comprensibile l'iter logico seguito in concreto nel valutare i singoli progetti in applicazione di puntuali criteri predeterminati, permettendo così di controllarne la logicità e la congruità (Consiglio di Stato, sez. V, n. 6586/2023).

In conclusione, il ricorso va rigettato con condanna della parte ricorrente al pagamento delle spese di giudizio liquidate in dispositivo in favore dell’amministrazione costituita, in applicazione del criterio della soccombenza. Viceversa, non vi è luogo a provvedere sulle spese in relazione all’operatore controinteressato evocato in giudizio che non si è costituito.

P.Q.M.

Il Tribunale Amministrativo Regionale della Campania – Napoli (Sezione Quinta), definitivamente pronunciando, rigetta il ricorso in epigrafe.

Condanna la società ricorrente al pagamento delle spese processuali in favore dell’Università degli studi Federico II di Napoli che liquida in € 5.000,00 (cinquemila), oltre accessori di legge.

Nulla in ordine alle spese di giudizio nei confronti della società Sapientia s.r.l..

Ordina che la presente sentenza sia eseguita dall'autorità amministrativa.

Così deciso in Napoli nella camera di consiglio del giorno 24 febbraio 2026 con l'intervento dei magistrati:

MA BR, Presidente

Davide Soricelli, Consigliere

IA Di VI, Consigliere, Estensore

L'ESTENSORE	IL PRESIDENTE
IA Di VI	MA BR

IL SEGRETARIO