Ad aprile scorso abbiamo aperto una riflessione sull’intelligenza artificiale nella progettazione, chiedendoci se i bandi così come li conosciamo avessero ancora senso nell’era dei sistemi generativi. Nei mesi successivi sono arrivati i primi dati che non lasciano molto spazio all’ottimismo.
Nel 2025, le domande presentate a Horizon Europe sono aumentate dell’80% rispetto al 2024 e di quasi il 250% rispetto al 2021, quando il programma era appena partito. Il tasso di successo complessivo è sceso al 12%, con alcune call — come EIC Pathfinder — che hanno toccato il 2%. Sette proposte di alta qualità su dieci non ricevono finanziamento, non perché siano cattive ma perché i budget non crescono al ritmo delle candidature. L’oversubscription media dell’intero programma è di 4,7 volte rispetto alle risorse disponibili: anche se ogni proposta sotto-soglia fosse magicamente corretta, il sistema potrebbe finanziarne al massimo una su cinque. Le MSCA Postdoctoral Fellowships raccontano una storia ancora più netta: 17.066 domande nel 2025, un aumento del 65% in un solo anno, con un tasso di successo crollato al 9,6%. Tre anni fa era al 15,8%.
Erasmus+ KA2 — i Partenariati di Cooperazione, la linea più rilevante per le OSC — ha subito un tracollo che non ha precedenti nella storia del programma. Il budget disponibile è sceso da 121 milioni nel 2023 a 73 milioni nel 2025, il minimo dal 2018. In Slovacchia il tasso di successo è passato dal 77% nel 2022 al 13,5% nel 2024. In Grecia dal 16% al 7,5%. In Italia — uno dei Paesi che se la cava meglio — il tasso si è dimezzato tra il 2022 e il 2024, fermandosi al 19,8%.
Il programma CERV, il più vicino al cuore delle organizzazioni che lavorano su diritti, valori e cittadinanza: alcune call sono così sovraffollate che solo l’8-17% delle domande viene finanziato. In pratica, fino al 92% delle iniziative allineate agli obiettivi del programma resta senza sostegno — non perché siano inadeguate, ma semplicemente perché non ci sono i soldi.
Il paradosso dell’AI: abbassa le barriere, alza il muro
Per ora l’AI non ha reso più facilie l’accesso ai fondi UE. Il balzo dell’80% nelle domande a Horizon Europe è in parte spiegato proprio dall’AI generativa, che abbassa le barriere di accesso alla progettazione, comprimendo ancora di più i tassi di successo già bassi. La logica è semplice: se scrivere una proposta competente costa meno tempo e meno soldi, più organizzazioni ci provano. Se più organizzazioni ci provano con budget invariato, meno proposte vengono finanziate. La democratizzazione dell’accesso alla scrittura progettuale si traduce in una diminuzione delle probabilità di successo per tutti.
Dal 2025, il modulo standard di Horizon Europe richiede la dichiarazione esplicita dell’uso dell’AI nella preparazione della proposta, a pagina 32 del formulario. I candidati devono elencare gli strumenti utilizzati, indicare le fonti, riconoscere i limiti dello strumento inclusi i potenziali bias, e assumersi piena responsabilità per i contenuti generati. Il mancato disclosure può rendere la proposta ineleggibile — e la Commissione ha inasprito i controlli man mano che le candidature AI-generate hanno letteralmente sommerso il sistema. La buona notizia è che i valutatori hanno istruzioni esplicite di non penalizzare chi dichiara l’uso dell’AI: la penalizzazione riguarda chi lo nasconde, non chi lo usa. Ma questo non risolve il problema strutturale: più candidature, meno probabilità per tutti.
Da uno studio realizzato nel 2026 dal Joint Joint Research Centre, che analizza per la prima volta l’uso dei large language models (LLM) nelle candidature delle imprese a Horizon Europe, si registra un uso sempre maggiore dell’AI nella redazione delle proposte (40% delle proposte), senza effetti evidenti nel successo dei bandi.
La ministra danese per l’istruzione superiore lo ha recentemente dichiarato che il suo ministero è «travolto da candidature generate con l’AI». Un’indagine di Nature ha rilevato che 1 ricercatore su 6 usa già l’AI generativa per la scrittura di proposte, e il 63% la usa per raffinare i testi. La Commissione europea sta sperimentando una situazione simile — per ora ha scelto la strada della trasparenza obbligatoria, non quella del divieto. Una scelta pragmatica, che ancora non affronta il problema alla radice.
Cosa dicono i valutatori: il problema non è l’AI, è la genericità
C’è un aspetto della dinamica AI-progettazione che i dati sui tassi di successo non riescono a catturare pienamente, e che emerge con chiarezza dai resoconti di chi siede dall’altra parte del tavolo. I valutatori esperti che leggono centinaia di proposte per ogni call non hanno bisogno di strumenti di rilevamento automatico per identificare i testi generati con AI: lo fanno attraverso il riconoscimento di pattern. Struttura a bullet point nello stile di ChatGPT, linguaggio robotico, vaghezza generica dove servirebbero termini specifici te ecnici, e quello che un valutatore ha descritto come «documenti terribilmente noiosi da leggere».
Ma il problema più profondo non è stilistico: è strategico. Una proposta vincente per i programmi europei è un documento di posizionamento — dimostra una conoscenza intima del testo della call, un allineamento autentico con le priorità politiche dell’UE (Green Deal, Global Europe, ecc), e una teoria del cambiamento credibile dall’innovazione all’impatto. I sistemi AI producono prosa genericamente competente ma non riescono a replicare la competenza tematica che viene da anni di lavoro in un settore specifico. Come ha sintetizzato un consulente di europrogettazione: «ChatGPT non possiede l’expertise di dominio, non può offrire gli insight strategici di un professionista esperto, e non è in grado di stabilire una connessione emotiva».
C’è poi il rischio specifico dei consorzi multi-partner: quando i diversi membri utilizzano l’AI in modo diverso, il risultato è una proposta con voce, terminologia e profondità incoerenti tra le sezioni. I valutatori se ne accorgono quando la sezione 1 sembra scritta da un ricercatore appassionato e la sezione 3 sembra compilata da un modello linguistico.
Occhio alle citazioni fantasma
C’è un rischio tecnico specifico dell’uso dell’AI nella progettazione che merita attenzione separata, perché può vanificare mesi di lavoro con un singolo errore: le citazioni allucinatorie.
In test condotti nel 2025 su 13 modelli linguistici all’avanguardia, i tassi di citazioni fabbricate andavano dal 14% al 95%. Un’analisi di GPTZero su oltre 4.000 paper presentati a una conferenza ha trovato centinaia di citazioni AI-allucinatorie in almeno 53 articoli pubblicati. In una proposta Horizon Europe, una singola referenza inesistente può distruggere la credibilità di un’intera candidatura — basta che il valutatore sia un esperto del campo specifico e vada a verificarla.
La regola pratica che emerge da questa esperienza è di non lasciare mai che l’AI generi le voci bibliografiche. L’AI può aiutare a strutturare argomenti e migliorare la chiarezza del testo, ma ogni citazione deve provenire da una fonte reale verificata direttamente dall’autore. Per la ricerca bibliografica sono molto più affidabili strumenti come Semantic Scholar, Google Scholar e OpenAlex.
Il sistema seleziona i migliori proponenti, non le migliori idee
Avevamo scritto ad aprile che il bando come strumento di selezione basato sulla qualità redazionale delle proposte rivela la sua debolezza strutturale quando l’AI può produrre in poche ore una proposta formalmente eccellente su qualsiasi tema. I dati sulla competitività rendono questa osservazione ancora più pertinente.
Un tasso di successo al 7,5% — come in Grecia per Erasmus+ KA2 nel 2024 — significa che anche una proposta eccellente, superiore a 80 su 100, può non essere finanziata semplicemente per mancanza di budget. Significa che il sistema non sta selezionando le migliori idee: sta selezionando le migliori proposte tra quelle che sono riuscite a sopravvivere a un processo di selezione che ha più a che fare con la capacità di navigare la complessità burocratica che con la qualità intrinseca dell’intervento.
E quando quella capacità di navigare la complessità burocratica diventa accessibile a chiunque attraverso un sistema AI, il risultato non è che le migliori idee vengono finalmente selezionate. Il risultato è che il segnale si perde nel rumore. I valutatori si trovano davanti a centinaia di proposte formalmente eccellenti, tutte coerenti, tutte ben scritte, tutte allineate ai criteri — e nessuno strumento affidabile per distinguere l’organizzazione che ha davvero la capacità di realizzare il progetto da quella che ha saputo usare i migliori prompt.
Tre segnali che il modello sta cedendo
Messi insieme, i dati di che stiamo osservando delineano tre segnali che il modello-bando così come lo conosciamo sta cedendo sotto il proprio peso.
Il primo è la disconnessione tra risorse e domanda. Erasmus+ KA2 ha visto il budget tagliarsi mentre il numero di candidature aumentava. Horizon Europe ha budget in crescita, ma molto più lenta dell’esplosione delle domande. Il CERV finanzia tra l’8 e il 17% delle proposte allineate ai propri obiettivi. Il sistema non è più in grado di svolgere la sua funzione dichiarata — selezionare le migliori iniziative — perché deve lasciare fuori la grande maggioranza delle iniziative meritevoli per pure ragioni di bilancio.
Il secondo segnale è la difficoltà della valutazione. I tempi di risposta si allungano, i valutatori sono sovraccarichi, la possibilità di dare feedback agli esclusi è sempre più limitata. L’ERC ha stabilito regole chiare sull’AI nella valutazione — ma la sostenibilità di una valutazione interamente umana a questi volumi è già messa in discussione. Le ERA Living Guidelines di maggio 2026 avvertono già sui «prompt nascosti» — istruzioni segrete incorporate nei documenti per influenzare eventuali sistemi AI usati dai valutatori. Un territorio in cui le regole inseguono i comportamenti, sempre un passo indietro.
Il terzo segnale è la standardizzazione delle proposte. Se tutti usano gli stessi strumenti con logiche simili, le proposte tendono a convergere verso un prototipo formalmente ottimale. Stesso lessico, stessa struttura argomentativa, stessa logica dell’impatto e dell’implementazione. I valutatori umani lo percepiscono già come un problema — quella sensazione di «terribilmente noioso da leggere» che segnala l’assenza di voce autentica. Un eventuale sistema AI di pre-screening amplificherebbe ulteriormente questo effetto, privilegiando la conformità al template rispetto all’innovazione genuina.
La domanda che resta aperta
Ad aprile avevamo concluso che l’AI nella progettazione non è un problema tecnico che si risolve con le giuste linee guida — ma è lo specchio di una tensione più profonda tra la logica burocratica dei sistemi di finanziamento e la realtà operativa delle organizzazioni.
I dati degli ultimi mesi aggiungono urgenza a quella diagnosi. La crisi di competitività che stiamo documentando non è causata dall’AI: era già in atto, per ragioni strutturali — budget insufficienti rispetto alla domanda, complessità procedurale crescente, barriere di accesso che favorivano i soggetti già strutturati. L’AI sembra aver accelerato questa situazione, l’ha resa più visibile nei numeri.
La domanda che resta aperta non è se il sistema si trasformerà — con questi tassi di successo, la trasformazione è inevitabile, per ragioni di sostenibilità politica prima ancora che di efficacia. La domanda è chi guiderà quella trasformazione: i donatori che si adatteranno proattivamente, o la pressione accumulata di migliaia di organizzazioni che ogni anno investono risorse rilevanti in proposte destinate a non essere finanziate non perché inadeguate, ma perché il sistema non ha più la capacità di dare loro risposta.
#Adessonews seleziona nella rete articoli di particolare interesse.
Se vuoi leggere l’articolo completo clicca sul seguente link
