La rete di traffico stradale italiana è complessa anche in ragione della particolare orografia dei terreni attraversati, spesso caratterizzati da zone ad elevata sismicità. Sono inoltre presenti numerosi ponti e viadotti che presentano un significativo stato di degrado anche in ragione della loro remota epoca di realizzazione. Tali aspetti, emersi nei recenti anni anche in modo drammatico, si accompagnano a sistemi di gestione del rischio delle infrastrutture non uniformi sul territorio nazionale. Per colmare tale vuoto, nel recente passato sono state emesse dal Consiglio Superiore dei Lavori Pubblici linea guida per la gestione del rischio dei ponti esistenti, e relative istruzioni operative che consentono, oggi, la classificazione, la valutazione della sicurezza ed il monitoraggio dei ponti esistenti. Il fulcro centrale del nuovo approccio è l’individuazione della classe di attenzione complessiva, che consente di passare da valutazioni a scala territoriale a valutazioni della sicurezza su un numero limitato di strutture. Nel presente lavoro viene approfondito lo sviluppo di un modello prototipale per il calcolo automatico della classe di attenzione sismica che è stato ottimizzato per l’utilizzo di cloud computing services. In particolare sono state definite tutte le funzioni che codificano gli operatori logici e sono stati inoltre confrontati i diversi sistemi di classificazione difettologica operati da Rete Ferroviaria Italiana (RFI), Azienda Nazionale Autonoma delle Strade Statali (ANAS) e Autostrade per l’Italia (ASPI) in modo da agevolare la transizione ai livelli di difettosità delle linee guida ponti per la classificazione della vulnerabilità sismica. Infine è stato definito un percorso standardizzato che quida l’operatore nei diversi step che si concludono con l’output della classe di attenzione sismica. Il prototipo realizzato è facilmente estensibile alle altre classi di attenzione che sono gestibili quindi in modo indipendente nell’ottica dello sviluppo modulare di una piattaforma open access e open source.