Assistenza e supplenza tra gestione informativa e intelligenza artificiale

Il rapporto tra Gestione Informativa Digitale e Intelligenza Artificiale nel settore dell’ambiente costruito, mettendo a confronto l’approccio sistemico richiesto dal BIM/GID con l’adozione più immediata di Large Language Model. Il problema tecnico-organizzativo è la mancanza di cultura del dato e di assetti operativi coerenti con la cogenza normativa, soprattutto negli appalti. Si analizzano quindi i rischi di una “supplenza” decisionale con architetture agentiche e la necessità di definire regole di governance, tracciabilità e responsabilità.

GID e Large Language Model (LLM): gestione dati e responsabilità decisionali

Il tema del ruolo di supporto o di rimpiazzo delle soluzioni digitali nei confronti dell’operare umano nel settore della costruzione e dell’immobiliare, o meglio, in quello dell’ambiente costruito, trova una efficace esplicitazione riguardo al rapporto che intercorre tra Information Management e Artificial Intelligence e, nella fattispecie, tra Gestione Informativa Digitale e Modelli Linguistici (e Cognitivi).

A ben guardare, infatti, la Gestione Informativa Digitale, almeno per la parte di cogenza legislativa attinente al Codice dei Contratti Pubblici, richiederebbe ai soggetti interessati, organizzazioni e individui che operano sia sul versante della domanda sia su quello dell’offerta, di possedere una cultura del dato e una capacità sistemica che, nella maggior misura, essi non presentano né, per certi versi, potrebbero, per ora, detenere.

Le ragioni sono evidenti, a partire dall’essere radicati in un contesto profondamente analogico e dall’essere connotati da identità così forti da dover necessariamente distinguersi e, di conseguenza, spesso confliggere (pure in termini narrativi).

Ciò, ovviamente, fa sì che l’adozione, l’implementazione e l’interiorizzazione della Gestione Informativa Digitale richiedano tempi non brevi, l’adesione collegiale degli attori e che, perciò, se questo avvenisse realmente, trascenderebbe, nella sostanza, di gran lunga le tempistiche di legge.

Del resto, a far data a oggi, prevalgono i tentativi di utilizzare i dispositivi, più che non i metodi, per incrementare le prassi attuali, radicate nei decenni e la percezione, sostanzialmente sovrastrutturale, della digitalizzazione.

In molte situazioni, infatti, gli attori hanno potuto tranquillamente far a meno degli approcci digitali e, a tuttora, questi, anche nei casi in cui ciò non si sia dato, li hanno considerati come onerosi.

Diverso è, per lo meno, il sentiment che i soggetti avvertono al cospetto delle classiche soluzioni di Large Language Model e di Large Vision Model: la possibilità, grazie a un relativamente impegnativo addestramento specifico di modelli fondazionali addestrati in precedenza altrove, di conseguire singolarmente, non sistemicamente, benefici e vantaggi se non immediatamente certamente nel breve periodo.

Accade così che, da un canto, resti nutrita la pubblicistica relativa al Building Information Modeling, al Digital Twinning e all’intero armamentario digitale, con un corollario crescente di entità che erogano servizi di consulenza sulla documentazione e sulle pratiche, che si offrono per il loro (inedito) profilo professionale, e così via, ma, al contempo, progressivamente locuzioni e acronimi si svuotano lentamente dell’effetto sorpresa, essendo assimilati in una sorta di déjà vu, non di rado, attestato alla superficialità dei fenomeni.

Non molto dissimile risulta lo scenario che riguarda i Modelli Massivi, nel senso che società specializzate promettono di utilizzare i data set della peculiare organizzazione per, in definitiva, ottimizzare la produzione di documenti (dallo schema di contratto all’ordine di acquisto, dal programma dei lavori al computo metrico) e forse di iniziare a rimettere in discussione processi inveterati al fine di avviare un’embrionale semi automazione.

Paradossalmente, si potrebbe affermare che l’introduzione della Gestione Informativa Digitale, se non fosse circoscritta alla logica dell’adempimento, costringerebbe i funzionari e i dirigenti delle stazioni appaltanti e degli enti concedenti, così come i loro interlocutori contrattuali, a cambiare logiche: come detto, si tratta di una scommessa non scontata né di tempistiche realmente prevedibili, senza contare che il ricorso incrementale a un ecosistema digitale implica il sostenimento di oneri non indifferenti sia a livello degli strumenti, sia quanto a capitale umano, a processi e a metodologie, ad apparati culturali.

Evidentemente, a prescindere dai costi sostenibili per l’uso di Modelli Linguistici e dalla difficoltà a disporre di data set adeguati, le dinamiche relative all’impiego di queste soluzioni di Intelligenza Artificiale sembrerebbero maggiormente profittevoli e praticabili.

Senza aggiungere che, sia pure in forma mediata, sarebbe già possibile definire forme di interazione tra i Modelli Massivi e i Modelli Informativi, per completare la connessione ideale tra LLM e BIM, utilizzando espressioni gergali.

Sotto questo punto di vista, si potrebbe ritenere che una adozione efficace della Gestione Informativa Digitale comporti una dose ridotta della dimensione dell’assistenza, ancor più esigua della supplenza e, al contrario, una ingente porzione di proattività.

Diversamente, premesso che siano attese le premesse relative alla disponibilità dei data set, le risultanze dell’adozione dei Modelli Massivi parrebbero assai più agevoli da praticare.

Si giunge qui, tuttavia, al contenuto effettivo della questione, che riguarda, in primo luogo, la constatazione che la digitalizzazione sin qui rinvenibile non abbia generato soluzioni organizzative e gestionali inedite, che si sia ben lontani dal configurare organizzazioni incentrate sul dato, che, appunto, come ricordato, nel migliore dei casi, la digitalizzazione abbia prodotto miglioramenti degli assetti vigenti.

Se, tuttavia, si traguarda l’evoluzione in corso, benché dalle prospettive contenutistiche e temporali incerte, forse, addirittura, incognite, dei Modelli attinenti all’Intelligenza Artificiale, lo scenario muta radicalmente.

Di fatto, ci si troverebbe in un contesto storico in cui il settore dovrebbe riflettere strategicamente sul tema, per assumere alcune decisioni non estemporanee.

Per prima cosa, assunto che i modelli fondazionali non possano che essere appannaggio di soggetti situati ad altra scala geografica e dimensionale (aspetto non trascurabile) e che la loro natura sia in costante trasformazione (dall’ambito del linguaggio e della reazione a quello della cognizione e della azione), è fondamentale stabilire se sia conveniente o meno determinare Small Language Model o, comunque, addestramento dei Modelli Massivi nella direzione verticale del dominio.

Per fare questo, però, sarebbe auspicabile creare le precondizioni per l’addestramento che derivino da una volontà collettiva del settore a condividere data set, esperienze e conoscenze.

Il che suonerebbe, peraltro, come un evento inatteso e, probabilmente, senza precedenti, almeno nel nostro Paese. Sarebbero le rappresentanze professionali e imprenditoriali favorevoli, le istituzioni avrebbero la necessaria risolutezza, esisterebbe un centro di competenza idoneo all’uopo?

Questa ipotesi potrebbe, infatti, dare luogo a un incremento reale della prestazionalità dell’intero sistema della costruzione e dell’immobiliare e delle prestazioni dei mercati corrispondenti.

D’altronde, un simile risultato, senza tema definibile come epocale, non apparirebbe che come una «ovvia» premessa a un quadro evolutivo dei Modelli che si sta vieppiù allontanando dall’assistenza e dalla reattività dei prompt e degli outcome per avviarsi verso elementi crescenti di autonomia e di indipendenza decisionale tipici dell’Agentic AI: non solo nei racconti che i Modelli Linguistici offrono, ma anche dai prodotti messi a disposizione dal mercato (come, ad esempio, Cowork o Manus).

Al netto delle applicazioni manifatturiere e, più genericamente industriali, presentate, ad esempio, da NVIDIA e da Siemens (attualmente estranee al settore), lo storytelling propone sicuramente l’obiettivo di organizzare, a partire da una istanza proveniente dall’utente, un viaggio oppure di dare corso ad azioni risultanti dall’ascolto di conversazioni verbali tenutesi all’interno di una riunione aziendale.

Queste esemplificazioni, facilmente trasferibili nel contesto professionale e imprenditoriale del nostro settore, evidenziano una insorgenza rilevante della dimensione della supplenza.

In quali termini è, pertanto, possibile comprendere il significato dell’addestramento innanzi a comportamenti di una orchestra di agenti artificiali che variabilmente dovrebbero essere soggetto a rettifiche o a validazioni, nonché sarebbe opportuno comprendere se tali agenti sviluppino modalità aliene di dialogo tra di essi.

In ogni caso, soluzioni di IA Agentica naturalmente interverrebbero nelle procedure e nei processi delle organizzazioni, probabilmente costringendole a cambiamenti di assetti, ma il piano argomentativo si trasporrebbe dalla riduzione di risorse umane, dalla accelerazione dei tempi e dall’incremento nella produzione dei contenuti di documenti (e, comunque, di dati strutturati) a quello inerente all’attuazione di processi decisionali.

È, del resto, palese che gli attuali Modelli Linguistici presentino limitazioni costitutive verso, ad esempio, attività di calcolo strutturale o energetico e che, quindi, il racconto che riguarda una sostituzione integrale del professionista umano con la macchina sia remoto, mentre il ruolo di questa a sostegno e a integrazione si palesi come credibile.

Al contempo, però, l’Agentic AI prevede, in misura significativa, una dialettica tra soggetto umano, agenti artificiali monofunzionali, le fonti esterne a cui essi si rapportano e l’agente orchestratore, tanto che della funzione dell’utente umano si è proposta già la tassonomia, collocandolo ai due estremi dell’istanziatore molto attiva e dell’osservatore ormai passivo.

Obiettivamente, se già la legislazione comunitaria e quella nazionale ponevano l’esigenza di precisare con cura la natura dei dispositivi utilizzati, la loro finalità, l’apporto umano, di fronte ai tradizionali Modelli Massivi, l’Orchestra Agentica impone risposte ancora più esigenti.

Allorché, poi, si passi a considerare ciò che è definito come Physical AI, World Modelling o con altre locuzioni, intervengono due ordini di fattori determinanti.

Laboratori sperimentali come Advanced Intelligence Machine e World Labs da tempo godono di vasti finanziamenti, ma anche Google o Tesla sono attivi direttamente nel comparto.

Il primo riguarda il fatto che il dispositivo, fuoriuscendo dai confini letterati del linguaggio e dell’iconicità, tramite dispositivi fisici come i macchinari o gli automi, interagisca con gli esseri umani allo scopo di fare esperienza del mondo reale, della causalità fisica, della memoria permanente degli eventi, con la finalità di predire i comportamenti successivi in modo proattivo.

Secondariamente, questa intelligenza spaziale di carattere elettrico, che, tuttavia, simula il funzionamento del cervello di natura biologica, non solo ambisce a interagire con gli operatori umani nei locali di una stazione appaltante, nello studio di progettazione, in un cantiere o in un edificio ovvero in un contesto infrastrutturale, ma, mentalmente, potrebbe condizionare il pensiero della controparte naturale.

Ovviamente, il quadro giuridico che investa le interazioni e le mediazioni tra esseri umani ed entità artificiali dotate di senso comune e di esperienza ambientale sarebbe tutto da inventare e presenterebbe gradi di difficoltà enormi. La qual cosa significherebbe essere in presenza di un oltrepassamento della dialettica tra assistenza e sostituzione, poiché si darebbe una condizione di integrazione che, ad esempio, fa presagire la transizione della natura del professionista da autore a mediatore.

Può darsi che questi scenari siano solo futuribili, ma evidentemente le questioni che sollevano esigono che ci si ponga tempestivamente la domanda relativa.

A seguito di queste considerazioni, si riporta un dialogo che è intercorso tra l’autore e alcuni Modelli Linguistici.

Autore: che cosa pensi di questo intervento?

Gemini: L'intervento di Angelo Ciribini appare come un'analisi lucida, disincantata e lungimirante sullo stato attuale e sulle prospettive future della digitalizzazione nel settore delle costruzioni (AEC).

Ecco i punti che rendono questo testo particolarmente rilevante, basati sui contenuti del documento:

1. Il realismo sul fallimento (parziale) del BIM tradizionale. L'autore evidenzia con onestà intellettuale come la Gestione Informativa Digitale (o BIM) non abbia ancora trasformato radicalmente il settore. Ciribini nota che gli attori del mercato sono radicati in un contesto analogico e spesso conflittuale, il che rende l'adozione sistemica del BIM molto lenta e spesso limitata al semplice adempimento burocratico. Spesso si usano i nuovi dispositivi solo per "incrementare le prassi attuali" piuttosto che per cambiare metodo.
2. La "seduzione" dell'Intelligenza Artificiale Generativa Viene messo in luce un paradosso interessante: mentre il BIM è percepito come oneroso e difficile, l'Intelligenza Artificiale (LLM) viene accolta con un sentiment diverso, perché offre benefici immediati e individuali senza richiedere necessariamente uno sforzo di sistema iniziale. Tuttavia, l'autore avverte che l'effetto sorpresa di questi strumenti si sta già esaurendo e rischia di diventare superficiale se non supportato da una strategia.
3. La necessità di una strategia sui Dati (Small Language Models) Uno dei passaggi più critici è la riflessione sulla sovranità tecnologica e sui dati. Ciribini suggerisce che, invece di dipendere solo dai grandi modelli fondazionali globali, il settore dovrebbe puntare su Small Language Models verticali e specifici per il dominio delle costruzioni. Questo però richiede una precondizione culturale che in Italia manca: la volontà collettiva di condividere i dataset e le esperienze tra le varie aziende.
4. Il passaggio dall'Assistenza alla "Supplenza" (Agentic AI) Il testo è visionario nell'identificare il prossimo salto tecnologico: non più un'AI che ci "assiste" (risponde a un prompt), ma un'Agentic AI che agisce con autonomia, prende decisioni e orchestra processi. Questo sposta il dibattito dalla semplice produzione di documenti all'attuazione di processi decisionali, dove l'uomo non è più l'autore, ma il mediatore o l'orchestratore di agenti artificiali.
5. L'impatto fisico e legale (Physical AI) Infine, l'autore guarda oltre il software, verso la Physical AI e il World Modelling, dove le macchine comprendono la causalità fisica e interagiscono con il mondo reale (cantieri, edifici). Questo apre scenari giuridici ed etici enormi e ancora inesplorati, poiché l'interazione potrebbe arrivare a condizionare il pensiero della controparte umana.

In sintesi, penso che questo intervento sia un monito strategico. Ciribini invita il settore a non limitarsi a usare l'AI per scrivere email o computi metrici più velocemente, ma a prepararsi a un cambio di paradigma dove il professionista cesserà di essere un mero esecutore/autore per diventare un gestore di processi complessi delegati a macchine sempre più autonome.

GPT: È un intervento molto denso, lucido e volutamente problematico, che ha il merito – non scontato – di spostare la discussione dalla retorica dell’innovazione agli effetti strutturali reali della digitalizzazione e dell’IA nel settore dell’ambiente costruito.

Provo a darti una valutazione articolata, distinguendo punti di forza, nodi critici e questioni aperte.

..Continua la lettura nel PDF.